این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله اپیدمیولوژی ایران، جلد ۱۶، شماره ۵، صفحات ۲۰-۲۸
عنوان فارسی بررسی روند خطر نسبی مرگ در بیمارستان بر اساس تعداد بستری‌های کووید-۱۹ در ایران با استفاده از مدل لگ خطی با وقفه توزیعی
چکیده فارسی مقاله مقدمه و اهداف: اپیدمی کووید-19 در اواخر سال 2019 در ووهان چین ظهور پیدا کرد و در مارس 2020 به یک همه‌گیر جهانی تبدیل شد. یکی از شاخص‌های مهم نظام سلامت کشورها میزان مرگ‌ومیر بیمارستانی است که با یک وقفه زمانی یک تا دوهفته‌ای پس از بستری شدن رخ می‌دهد. هدف مطالعه حاضر بررسی روند خطر نسبی مرگ‌ومیر کووید-19 با در نظر گرفتن این وقفه زمانی بر اساس تعداد بستری‌های روزانه است. روش کار: داده‌های موردمطالعه شامل موارد بستری و مرگ‌ومیر روزانه کووید-19 ایران برای دوره 250 روزه از 26 اردیبهشت تا 22 بهمن سال 1399 است که از پایگاه داده آنلاین گیت هاب به‌دست‌آمده است. برای ارزیابی ارتباط و اثر تأخیری بین بستری روزانه در بیمارستان و خطر نسبی مرگ مدل سری زمانی لگ خطی با وقفه توزیعی به‌کاربرده شد. یافته‌ها: در طول بازه زمانی موردمطالعه میانگین تعداد بستری و فوت روزانه به ترتیب 5/731±2/1342 و 6/118±6/190 بوده است. نتایج مدل لگ خطی با وقفه توزیعی نشان داد که با افزایش میزان بستری روزانه میزان خطر نسبی مرگ‌ومیر در همان روز و روزهای بعد به‌طور معنی‌داری افزایش می‌یابد به‌طوری‌که با عبور میزان بستری‌ها از 2000 نفر در روز خطر نسبی تجمعی مرگ بیش از 1 می‌شود. نتیجه‌گیری: نتایج این مطالعه نشان داد که عبور میزان بستری‌ها از 2000 نفر در روز، یک سطح هشدار برای سیستم درمانی کشور محسوب می‌شود. پیشگیری و رعایت پروتکل‌های بهداشتی در مرحله اول و تشخیص زودرس بیماری در مرحله دوم در کنار افزایش امکانات بیمارستان‌ها و آمادگی کادر درمان می‌تواند خطر نسبی مرگ را در پیک‌های احتمالی آینده کاهش دهد.
کلیدواژه‌های فارسی مقاله مرگ‌ومیر، کووید-19، خطر نسبی، مدل لگ خطی با وقفه توزیعی، ایران
عنوان انگلیسی Evaluation of the Relative Risk of Covid-19 Mortality Based on the Number of Hospitalizations in Iran using a Log-Linear Distributed Lag Model
چکیده انگلیسی مقاله Background and Objectives: The Covid-19 epidemic began in Wuhan, China in the late 2019 and became a global epidemic in March 2020. In this regard, one of the most important indicators of the healthcare systems is the in-hospital mortality rate, which occurs with a time lag of one to two weeks after hospitalization. The aim of this study was to investigate the relative risk of Covid-19 mortality considering this time lag according to the number of daily hospitalizations.   Methods: The data included the number of daily hospitalizations and deaths from Covid-19 from 15 May 2020 to 10 February 2021 in Iran, which was obtained from the Github database. A log-linear distributed lag model was used to evaluate the relationship and lag effect between daily hospitalization and relative risk of death.   Results: The mean number of daily hospitalizations and deaths were 1342.2 ± 7 731.5 and 190.6 11±118.6 in the study period, respectively. It was found that an increase in the number of daily hospitalizations had a significant relationship with an increase in the relative risk of death on the same day and in the following days. As the number of hospitalizations exceeded 2000 patients per day, the cumulative relative risk of death increased to more than one.   Conclusion: The results showed that the number of hospitalizations exceeding 2000 people per day was an alert for the country's healthcare system. Overall, prevention and observance of health protocols in the first level followed by early diagnosis of the disease, improving the hospitals facilities and preparedness of healthcare staff can reduce the relative risk of death in the possible future peaks.
کلیدواژه‌های انگلیسی مقاله Mortality, Covid-19, Relative risk, Log-linear distributed lag model, Iran
نویسندگان مقاله علی هادیان فر | A Hadianfar
Student Research Committee ,Mashhad University of Medical Sciences, Mashhad, Iran
میته تحقیقات دانشجویی، دانشگاه علوم پزشکی مشهد، مشهد، ایران

صدیقه رستاقی | S Rastaghi
PhD Student of Biostatistics, Department of Biostatistics, School of Public Health, Mashhad University of Medical Sciences, Mashhad, Iran
دانشجوی دکتری آمارزیستی، دانشگاه علوم پزشکی مشهد، گروه آمار زیستی، مشهد، ایران

آزاده ساکی | A Saki
Associate Professor, Department of Biostatistics, School of Public Health, Mashhad University of Medical Sciences, Mashhad, Iran
دانشیار آمار زیستی، دانشگاه علوم پزشکی مشهد، گروه آمار زیستی، مشهد، ایران

نشانی اینترنتی http://irje.tums.ac.ir/browse.php?a_code=A-10-2456-3&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده اپیدمیولوژی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات