دوره 11، شماره 1 - ( 12-1400 )
جلد 11 شماره 1 صفحات 44-36 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Madadizadeh F, Ghelmani S Y, Fallah Tafti T. Spatial analysis of the COVID-19 prevalence pattern in Yazd province, Central part of Iran (February 2020 to January 2021). JCHR 2022; 11 (1) :36-44
URL: http://jhr.ssu.ac.ir/article-1-865-fa.html
URL: http://jhr.ssu.ac.ir/article-1-865-fa.html
مددی زاده فرزان، غلمانی سید یاسر، فلاح تفتی طاهره. تحلیل فضایی بروز ویروس کرونا، پیش بینی نحوه گسترش و تعیین مناطق مستعد بیماری در استان یزد: اسفند ماه 1398 تا بهمن ماه 1399. مجله تحقیقات سلامت. 1400; 11 (1) :36-44
1- مرکز مدل سازی داده های مراقبت های بهداشتی، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران
2- استادیار، گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید صدوقی یزد، ایران
3- دانشجوی کارشناسی ارشد آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران
2- استادیار، گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید صدوقی یزد، ایران
3- دانشجوی کارشناسی ارشد آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران
چکیده: (1435 مشاهده)
چکیده:
مقدمه: استان یزد در مرکز ایران و شاهراه تردد مسافران به شهرهای دیگر است. این استان در ایران مستعد انتقال بیماری است. این مطالعه با هدف تحلیل فضایی شیوع ویروس کرونا، پیش‌بینی گسترش و تعیین مناطق داغ در استان یزد، بخش مرکزی ایران انجام شد.
روش کار: این مطالعه تحلیلی مقطعی از بهمن ماه 1398 تا بهمن ماه 1399 در استان یزد انجام شد. بیماران مبتلا به کووید-19 بستری در بیمارستان های استان یزد به روش سرشماری انتخاب شدند. اطلاعات مورد نیاز شامل تعداد بیماران و همچنین محل سکونت آنها از طریق سامانه اطلاعات بیمارستانی (HIS) بیمارستان شهید صدوقی یزد جمع آوری شد. معیارهای ورود، تست واکنش زنجیره ای پلیمراز (PCR) مثبت برای COVID-19 و ثبت اطلاعات بیمار در بخش اورژانس بیمارستان بود. پس از جمع آوری داده ها وارد نرم افزار ArcGIS 9.3.1 شد. برای تجزیه و تحلیل داده ها از آزمون موران آی و آزمون کای اسکووراستفاده شد. سطح معنی داری 5 درصد در نظر گرفته شد.
مقدمه: استان یزد در مرکز ایران و شاهراه تردد مسافران به شهرهای دیگر است. این استان در ایران مستعد انتقال بیماری است. این مطالعه با هدف تحلیل فضایی شیوع ویروس کرونا، پیش‌بینی گسترش و تعیین مناطق داغ در استان یزد، بخش مرکزی ایران انجام شد.
روش کار: این مطالعه تحلیلی مقطعی از بهمن ماه 1398 تا بهمن ماه 1399 در استان یزد انجام شد. بیماران مبتلا به کووید-19 بستری در بیمارستان های استان یزد به روش سرشماری انتخاب شدند. اطلاعات مورد نیاز شامل تعداد بیماران و همچنین محل سکونت آنها از طریق سامانه اطلاعات بیمارستانی (HIS) بیمارستان شهید صدوقی یزد جمع آوری شد. معیارهای ورود، تست واکنش زنجیره ای پلیمراز (PCR) مثبت برای COVID-19 و ثبت اطلاعات بیمار در بخش اورژانس بیمارستان بود. پس از جمع آوری داده ها وارد نرم افزار ArcGIS 9.3.1 شد. برای تجزیه و تحلیل داده ها از آزمون موران آی و آزمون کای اسکووراستفاده شد. سطح معنی داری 5 درصد در نظر گرفته شد.
یافته ها: شیوع کلی بیماری در استان یزد 0/0053 بود. شیوع بیماری در مردان بیشتر بود (55/7 درصد، 3412 مورد). بیشترین شیوع بیماری در شهرستان یزد (0/0096) و بیشترین مرگ و میر در شهرستان میبد (20/8 درصد) رخ داده بود. شهرستان بهاباد نیز با 2/7 درصد بیشترین تعداد نقل و انتقال را داشته است. مناطق یک (15/2درصد و 932 نفر) و دو (15/9 درصد و 975 نفر) از شهر یزد بیشترین آلودگی را داشتند. الگوی فضایی معنی‌داری بین شیوع بیماری در شهرها وجود نداشت (شاخص موران: 0/18، (P-value = 0/58.
نتیجه‌گیری: الگوی فضایی در شیوع بیماری وجود نداشت و تنها در شهر یزد، مناطق یک و دو نیاز به توجه ویژه سیاستگذاران دارند.
واژه‌های کلیدی: بیماری کووید-19، پراکندگی جغرافیایی، یزد، ایران.
فهرست منابع
1. 1. Bahariniya S, Madadizadeh F, Ezati Asar M. Using Face Masks as a Cheap and Critical Tool in Reducing COVID-19 Spread. Critical Comments in Biomedicine. 2021;2(2). [DOI:10.18502/ccb.v2i2.7398]
2. Bahariniya S, Madadizadeh F. Alcohol: A Double-Edged Sword in the Fight Against COVID-19. Health Scope. 2021:2-. [DOI:10.5812/jhealthscope.113136]
3. Murad A, Khashoggi BF. Using GIS for disease mapping and clustering in Jeddah, Saudi Arabia. ISPRS International Journal of Geo-Information. 2020;9(5):328. [DOI:10.3390/ijgi9050328]
4. Franch-Pardo BN. Spatial analysis and GIS in the study of COVID-19. A review Ivan Franch-Pardo, Brian M. Napoletano b, Fernando Rosete-Verges, Lawal Billa c.
5. Sarwar S, Waheed R, Sarwar S, Khan A. COVID-19 challenges to Pakistan: Is GIS analysis useful to draw solutions? Science of the Total Environment. 2020;730:139089. [DOI:10.1016/j.scitotenv.2020.139089]
6. Chen Y. Scaling, fractals and the spatial complexity of cities. Handbook on Cities and Complexity: Edward Elgar Publishing; 2021. [DOI:10.4337/9781789900125.00017]
7. 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. [DOI:10.1016/j.tmaid.2020.101630]
8. Poirier C, Luo W, Majumder MS, Liu D, Mandl KD, Mooring TA, et al. The role of environmental factors on transmission rates of the COVID-19 outbreak: an initial assessment in two spatial scales. Scientific reports. 2020;10(1):1-11. [DOI:10.1038/s41598-020-74089-7]
9. Stopka TJ, Goulart MA, Meyers DJ, Hutcheson M, Barton K, Onofrey S, et al. Identifying and characterizing hepatitis C virus hotspots in Massachusetts: a spatial epidemiological approach. BMC infectious diseases. 2017;17(1):1-11. [DOI:10.1186/s12879-017-2400-2]
10. Peng L, Yang W, Zhang D, Zhuge C, Hong L. Epidemic analysis of COVID-19 in China by dynamical modeling. arXiv preprint arXiv:200206563. 2020. [DOI:10.1101/2020.02.16.20023465]
11. Park JY. Spatial visualization of cluster-specific Covid-19 transmission network in South Korea during the early epidemic phase. medRxiv. 2020. [DOI:10.1101/2020.03.18.20038638]
12. Andersen LM, Harden SR, Sugg MM, Runkle JD, Lundquist TE. Analyzing the spatial determinants of local Covid-19 transmission in the United States. Science of the Total Environment. 2021;754:142396. [DOI:10.1016/j.scitotenv.2020.142396]
13. Bliddal S, Banasik K, Pedersen OB, Nissen J, Cantwell L, Schwinn M, et al. Acute and persistent symptoms in non-hospitalized PCR-confirmed COVID-19 patients. Scientific reports. 2021;11(1):1-11. [DOI:10.1038/s41598-021-92045-x]
14. Jin J-M, Bai P, He W, Wu F, Liu X-F, Han D-M, et al. Gender differences in patients with COVID-19: focus on severity and mortality. Frontiers in public health. 2020:152. [DOI:10.1101/2020.02.23.20026864]
15. Zhou F, Yu T, Du R, Fan G, Liu Y, Liu Z, et al. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. The lancet. 2020;395(10229):1054-62. [DOI:10.1016/S0140-6736(20)30566-3]
16. Wu JT, Leung K, Bushman M, Kishore N, Niehus R, de Salazar PM, et al. Estimating clinical severity of COVID-19 from the transmission dynamics in Wuhan, China. Nature medicine. 2020;26(4):506-10. [DOI:10.1038/s41591-020-0822-7]
17. Mirjalili MR, Namayandeh SM, Lotfi MH, Dehghani MR, Mirzaei M, Talebi AR, et al. COVID-19 Seroepidemiology Study of Yazd Province, First Peak, Spring 2020: A Population-Based Cross-Sectional Study. Journal of Shahid Sadoughi University of Medical Sciences. 2020. [DOI:10.18502/ssu.v28i12.5780]
18. Saffary T, Adegboye OA, Gayawan E, Elfaki F, Kuddus MA, Saffary R. Analysis of COVID-19 cases' spatial dependence in US counties reveals health inequalities. Frontiers in public health. 2020:728. [DOI:10.3389/fpubh.2020.579190]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution 4.0 International License قابل بازنشر است. |
