دوره 1404، شماره 1 - ( بهار 1404 1404 )                   جلد 1404 شماره 1 صفحات 0-0 | برگشت به فهرست نسخه ها

Ethics code: IR.MEDILAM.REC.1399.319

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mendeley  
Zotero  
RefWorks
Ghasemi E, Sayehmiri K, Khorshidi A. Predicting the trend of COVID-19 in Iran using statistical models.. Journal title 2025; 1404 (1)
URL: http://newresearch.medilam.ac.ir/article-1-1365-fa.html
قاسمی احسان، سایه میری کورش، خورشیدی علی. پیش بینی روند ابتلا به کوید 19 در ایران با استفاده از مدل های آماری. عنوان نشریه. 1404; 1404 (1)

URL: http://newresearch.medilam.ac.ir/article-1-1365-fa.html

پیش بینی روند ابتلا به کوید 19 در ایران با استفاده از مدل های آماری
احسان قاسمی ، کورش سایه میری ، علی خورشیدی
دانشگاه علوم پزشکی ایلام
چکیده:   (5 مشاهده)
شیوع ویروس کوید 19 در کشورهای مختلف جهان باعث نگرانی و استرس و اضطراب در جوامع بشری شده است. با توجه به نبود واکسن و درمان قطعی این بیماری و همچنین دوره نهفتگی 14 روزه، شیوع این بیماری در این دوره به دلیل ناقل بودن فرد مبتلا، با سرعت بالایی انجام خواهد گرفت، در این راستا به منظور جلوگیری از افزایش میزان شیوع، کشورهای درگیر، تصمیمات و تدابیری اندیشیده و اجرا نموده اند. در کشور ایران نیز اقداماتی در حوزه پیشگیری و درمان انجام شده است. علاوه بر خطرات، هزینه و بار روانی این بیماری،  اقدامات پیشگیرانه و کنترل کننده نیز در کنار کاهش میزان شیوع بیماری و مرگ و میر ناشی از آن، مشکلات و ضرر و زیان و هزینه های زیادی را هم به دولت و هم به مردم تحمیل خواهد کرد. در این مطالعه مدل های رگرسیون خطی(linear) ، درجه دو(quadratic)، درجه سه(cubic)، لگاریتمی (logarithmic)، معکوس(inverse)، توان(power)، ترکیب(compound)،  منحنی (S-curve) S لجستیک(logistic)، مدل­ تعمیم یافته رگرسیون پواسون (poisson)، اسپلاین (spline) سری های زمانی (Time Series) بر داده های ابتلا به کوید 19 از تاریخ 30 بهمن 1398 تا 30 بهمن  1399 ایران برازش می شوند و بهترین  مدل برازش شده تعیین می شود.
بر اساس داده ها و مدل های پیش بینی، تعداد مبتلایان جدید روزانه، تعداد کل (تعداد تجمعی) مبتلایان، تعداد کل بیماران بستری و تعداد تخت های بخش مراقبت های ویژه و تعداد دستگاه های تنفس مصنوعی مورد نیاز و همچنین تعداد مرگ های روزانه و تعداد کل (تعداد تجمعی) مرگ و میر و تعداد کل (تعداد تجمعی) بهبود یافتگان پیش بینی می شود.  
واژه‌های کلیدی: پیش بینی، کوید 19، رگرسیون، سری های زمانی
     
نوع مطالعه: مقطعی (Cross sectional) | موضوع پروپزال: آمار حیاتی
دریافت: 1399/11/20 | پذیرش: 1399/11/27 | انتشار: 1404/2/10
ارسال نظر درباره این پروپزال : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به مجری اصلی

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.