جلد ۲۴، شماره ۲ - ( ۲-۱۴۰۴ )                   جلد ۲۴ شماره ۲ صفحات ۱۵۳-۱۴۱ | برگشت به فهرست نسخه ها

Ethics code: IR.UMSHA.REC.1401.393


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Moradi ّ, Darabi F, Mirzaei M, Moradi N. Spatial-Temporal Clustering Analysis of COVID-19 Mortality in Hamadan Province: An Ecological Study. JRUMS 2025; 24 (2) :141-153
URL: http://journal.rums.ac.ir/article-1-7547-fa.html
مرادی علی، دارابی فاطمه، میرزایی محمد، مرادی نسترن. تحلیل خوشه‌بندی فضایی-زمانی مرگ و میر کووید-۱۹ در استان همدان: یک مطالعه اکولوژیک. مجله دانشگاه علوم پزشکی رفسنجان. ۱۴۰۴; ۲۴ (۲) :۱۴۱-۱۵۳

URL: http://journal.rums.ac.ir/article-۱-۷۵۴۷-fa.html


گروه اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران
چکیده:   (۲۲۱ مشاهده)

زمینه و هدف: اطلاعات مرتبط با نحوه انتشار بیماری و عوامل خطر مکانی می‌تواند به سیاست‌گذاران و مدیران در کنترل بیماری کمک کند. این مطالعه با هدف تحلیل خوشه‌بندی فضایی- زمانی مرگ و میر کووید-19 در استان همدان انجام شد.
مواد و روش‌ها: مطالعه حاضر یک پژوهش اکولوژیک است. کلیه بیماران با تشخیص قطعی کووید-19 و مرگ به علت کووید در استان همدان از ابتدای 1399 تا پایان 1401 وارد مطالعه شدند. جهت نمایش توزیع موارد مرگ از نقشه‌های پهنه‌بندی استفاده شد. برای تحلیل نقطه داغ از آماره Getis-Ord G استفاده شد. برای بررسی روند مرگ و میر کووید-19 در طول اپیدمی، از مدل پواسون استفاده شد.
یافته‌ها: در مجموع، 7265 بیمار مبتلا به کووید-19 که در طول دوره مطالعه فوت کردند، وارد مطالعه شدند. در آبان 1399، اردیبهشت و شهریور 1400 بیشترین موارد مرگ ناشی از کووید-19 رخ داده که این ماه‌ها در اوج موج‌های سوم، چهارم و پنجم اپیدمی قرار دارند. مرگ در هریک از دوره‌های زمانی، نسبت به دوره مبنا (اول 1399) به طور معنی‌داری تغییر کرده است. خطر نسبی مرگ به علت کووید-19 در استان در نیمه دوم سال 1399 و نیمه اول سال 1400 نسبت به دوره مبنا افزایشی و در دوره‌های بعدی کاهشی بوده است. نقاط پرخطر در استان همدان از نظر بروز مرگ از ابتدای 1399 تا پایان 1401 در تعدای از شهرستان‌های شمالی و مرکزی استان قرار داشته‌اند.
نتیجه‌گیری: در ابتدا، مناطق پرخطر در شهرستان‌های شمالی استان قرار داشته‌اند و در میانه دوره اپیدمی، دامنه مناطق پرخطر به شهرستان‌های مرکزی-جنوبی و سپس جنوبی استان گسترش پیدا کرد.
واژه‌های کلیدی: کووید-19، سیستم اطلاعات جغرافیایی، تحلیل خوشه‌بندی فضایی- زمانی، همدان

متن کامل [PDF 456 kb]   (۸۴ دریافت) |   |   متن کامل (HTML)  (95 مشاهده)  
نوع مطالعه: پژوهشي | موضوع مقاله: بهداشت
دریافت: 1403/8/8 | پذیرش: 1404/1/31 | انتشار: 1404/2/30

فهرست منابع
1. Hawkins RB, Charles EJ, Mehaffey JH. Socio-economic status and COVID-19–related cases and fatalities. Public Health 2020; 189: 129-34.
2. Messner W. The institutional and cultural context of cross-national variation in COVID-19 outbreaks. Medrxiv. 2020.
3. Collivignarelli MC, Abbà A, Bertanza G, Pedrazzani R, Ricciardi P, Miino MC. Lockdown for CoViD-2019 in Milan: What are the effects on air quality? Science of the total environment. 2020; 732: 139280.
4. Strang P, Fürst P, Schultz T. Excess deaths from COVID-19 correlate with age and socio-economic status. A database study in the Stockholm region. Upsala Journal of Medical Sciences 2020; 125(4): 297-304.
5. Chan JF-W, Yuan S, Kok K-H, To KK-W, Chu H, Yang J, et al. A familial cluster of pneumonia associated with the 2019 novel coronavirus indicating person-to-person transmission: a study of a family cluster. The Lancet 2020; 395(10223): 514-23.
6. WHO Covid-19 Dashboard, available at https://data.who.int/dashboards/covid19/cases?n=o
7. Garmarodi G, Moradi A. Designing a tool to measure the economic-social situation in Tehran. Payesh 2010; 2(9): 137-44.
8. Hilbe JM. Negative binomial regression: Cambridge University Press; 2011.
9. Kanga S, Sudhanshu, Meraj G, Farooq M, Nathawat MS, Singh SK. Reporting the management of COVID-19 threat in India using remote sensing and GIS based approach. Geocarto International 2020 17: 1-8.
10. Ahasan R, Alam MS, Chakraborty T, Hossain MM. Applications of GIS and geospatial analyses in COVID-19 research: a systematic review. F1000Research. 2020; 9(1379): 1379.
11. Ma Y, Zhao Y, Liu J, He X, Wang B, Fu S, et al. Effects of temperature variation and humidity on the death of COVID-19 in Wuhan, China. Science of the Total Environment 2020; 724: 138226.
12. Ahmed F, Ahmed Ne, Pissarides C, Stiglitz J. Why inequality could spread COVID-19. The Lancet Public Health 2020; 5(5): e240.
13. Hasan NA, Haque MM. Predict the next moves of COVID-19: reveal the temperate and tropical countries scenario. medRxiv. 2020.
14. Rahman M, Zafri NM, Ashik F, Waliullah M. GIS-based spatial modeling to identify factors affecting COVID-19 incidence rates in Bangladesh. Niaz Mahmud and Ashik, Fajle and Waliullah, Md, Gis-Based Spatial Modeling to Identify Factors Affecting COVID-19 Incidence Rates in Bangladesh (August 16, 2020). 2020.
15. Neşe A, Bakir H. Spatiotemporal analysis of COVID-19 in Turkey. Sustainable Cities and Society 2022; 76: 103421.
16. Arab-Mazar Z, Sah R, Rabaan AA, Dhama K, Rodriguez-Morales AJ. Mapping the incidence of the COVID-19 hotspot in Iran–Implications for Travellers. Travel Medicine and Infectious Disease 2020; 34: 101630.
17. Pordanjani SR, Mohammadian M, Derakhshan S, Hadavandsiri F, Nazari SSH, Panahi MH. Spatio-temporal Analysis of COVID-19: A Global Study. Middle East Journal of Rehabilitation and Health Studies 2023; 10(2).
18. Shakiba M, Nazari SSH, Mehrabian F, Rezvani SM, Ghasempour Z, Heidarzadeh A. Seroprevalence of COVID-19 virus infection in Guilan province, Iran. medRxiv. 2020.
19.  

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


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

کلیه حقوق این وب سایت متعلق به مجله علمی دانشگاه علوم پزشکی رفسنجان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Rafsanjan University of Medical Sciences

Designed & Developed by : Yektaweb