%0 Journal Article %A Goshvarpour, Atefeh %A Goshvarpour, Ateke %T Estimation of Covid-19 Mortality Rate in Iran using the Autoregressive Model %J Critical Care Nursing %V 13 %N 4 %U http://jccnursing.com/article-1-524-fa.html %R %D 2020 %K COVID-19, Modeling, Mortality Rate, Iran, Autoregressive Model, %X زمینه و هدف: کووید-19 یک پاندمی جهانی نوظهور است که از نوع جدیدی از کروناویروس‌ها به شکل یک عفونت ویروسی با امکان انتقال و سرایت بالا ایجاد شده است. این بیماری تاکنون میلیون‌ها نفر را مبتلا و چندین هزار نفر را به کام مرگ کشانده است. از زمان همه‌گیری بیماری تاکنون، محققان بسیاری علاقه‌مند به مدل‌سازی و تخمین تعداد احتمالی افراد مبتلا به کووید-19 یا برآورد نرخ مرگ و میر ناشی از این پاندمی در یک دوره زمانی خاص و در کشورهای مختلف شده‌اند. این مدل‌سازی‌ها امکان حصول شناخت بهتری از رفتار این پاندمی و پیش بینی سیر آن را فراهم می‌سازد. هدف از انجام این پژوهش، مدل‌سازی نرخ مرگ و میر ناشی از پاندمی کووید-19 در پنج ماه متوالی در ایران بوده است. مواد و روش­ها: ما دو مدل، شامل مدل اتورگرسیو (AR) و مدل اتورگرسیو میانگین متحرک(ARMA) را تحلیل کردیم تا قابلیت این مدل‌ها را در تخمین نرخ مرگ و میر ناشی از بیماری کووید-19 از ماه مارس تا ژوئیه بیازماییم. عملکرد دو مدل با سه معیار خطای میانگین مربعات، تابع هزینه و خطای نهایی پیش‌بینی ارزیابی شد. مدل‌ها بر تعداد موارد مرگ و میر تأیید شده از وزارت بهداشت، درمان و آموزش پزشکی ایران ارزیابی شدند. یافته­ها: نتایج تحلیل‌ها بیانگر آن بود که مدل AR با رتبه ده با عملکرد بسیار مناسب قادر است نرخ مرگ و میر ناشی از کووید-19 را پیش‌بینی کند. نتیجه­گیری: مدل پیشنهادی قابلیت پیش‌بینی میزان فوتی‌های ناشی از پاندمی را دارد. تخمین میزان مرگ و میر ناشی از همه‌گیری کووید-19 به شناخت بهتری از رفتار این پاندمی و پیش‌بینی سیر آن کمک می‌کند و می‌تواند بر نوع و زمان اقدامات و تمهیدات در جهت کنترل آن مؤثر واقع شود. %> http://jccnursing.com/article-1-524-fa.pdf %P 11-21 %& 11 %! %9 Research %L A-10-194-1 %+ Department of Biomedical Engineering, Imam Reza International University, Mashhad, Razavi Khorasan, Iran %G eng %@ 2008-336X %[ 2020