Critical Care Nursing

fa تخمین نرخ مرگ و میر ناشی از کووید-19 در ایران با استفاده از مدل اتورگرسیو Estimation of Covid-19 Mortality Rate in Iran using the Autoregressive Model تخصصي Special پژوهشي Research 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. Introduction: The COVID-19 is an emerging global pandemic which has been developed from a new type of coronavirus in the form of a viral infection with high transmissibility and spread. The disease has so far infected millions and killed thousands. Since the outbreak of the disease, many researchers have become interested in modeling and estimating the probable number of infected people with COVID-19 or estimating the mortality rate from this pandemic in a specific period of time and in different countries. These models make it possible to better understand the behavior of this pandemic and predict its trend. This study aimed to model the mortality rate due to the COVID-19 pandemic in five consecutive months in Iran. Materials and Methods: The Autoregressive (AR) model and the Autoregressive Moving Average (ARMA) model were analyzed to test the ability of these models to estimate the mortality rate of COVID-19 disease from March to July. The performance of these models was evaluated with three criteria: mean square error, cost function, and final prediction error. The models were evaluated on the number of deaths confirmed by the Iran Ministry of Health and Medical Education. Results: The results of the analysis showed that the AR model with a rank of ten was successfully able to predict the mortality rate of COVID-19. Conclusion: The proposed model can predict the death rate of the COVID-19 pandemic. Estimating the mortality rate of the COVID-19 pandemic helps to better understand the behavior of this disease and predict its trends, which affect the type and timing of actions to control it. کووید-19, مدل‌سازی, نرخ مرگ و میر, ایران, مدل اتورگرسیو COVID-19, Modeling, Mortality Rate, Iran, Autoregressive Model 11 21 http://jccnursing.com/browse.php?a_code=A-10-194-1&slc_lang=fa&sid=1 Atefeh Goshvarpour عاطفه گشوارپور af_goshvarpour@sut.ac.ir 10031947532846006068 10031947532846006068 No Department of Biomedical Engineering, Faculty of Electrical Engineering, Sahand University of Technology, Tabriz, Iran گروه مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه صنعتی سهند، تبریز، ایران Ateke Goshvarpour عاتکه گشوارپور ak_goshvarpour@imamreza.ac.ir 10031947532846006069 10031947532846006069 Yes Department of Biomedical Engineering, Imam Reza International University, Mashhad, Razavi Khorasan, Iran گروه مهندسی پزشکی، دانشگاه بین المللی امام رضا (ع) مشهد، مشهد، ایران