Journal of Community Health Research

en ابتلای همزمان به کووید19 و بیماری های زمینه و تاثیر آن بر مرگ های ناشی از آن در استان یزد: مطالعه ی مبتنی بربیمارستان Comorbidity and its Impact on Mortality of COVID-19 in Yazd Province, a Central Part of Iran: a Hospital-Based Study اپیدمیولوژی Epidemiology پژوهشي Research -چکیده مقدمه: سازمان جهانی بهداشت در مارس 11 سال 2020 طغیان  بیماری حاد تنفسی را تایید کرد و این بیماری را کووید 19 نام گذاری کرد.هدف اصلی این مطالعه بررسی مرگ ناشی از کووید 19 بر اساس بیماری های زمینه ای در مبتلایان به این بیماری است. مواد و روش ها: این مطالعه به صورت مقطعی انجام شده است که در ان تمام بیماران کووید 19 با تشخیض قطعی وارد مطالعه شده اند.  متغیر هایسی چون سن، جنس دیابت، سرطان ها، پرفشاری خون بیماری های قلبی، بیماری ، بیماری ها کلیویو بیماری های کبدی مورد بررسی قرار گرفت. آزمون های t، کای دو و رگرسیون لجستیک در سطح معنی داری 5 درصد جهت آنالیز داده ها استفاده شد. نتایج: از 22849 تست PCR و CT Scan ، 16061 نفر مثبت بودند. طبق موارد مثبت قطعی شیوع این بیماری 019/0 به دست آمد.همچنین میزان کشندگی میرایی این بیماری در افراد بستری  به ترتیب برابر 156 و2/8 مورد در 10 هزار نفر به دست آمد. پرفشاری خون و سن ارتباط معنی داری با ایتلا یه بیماری کووید 19 داشتند، از سوی دیگر سن(OR:4.51, P<0.001) ، بیماری های کلیوی (OR:1.84, P<0.001)، دیابت(OR: 1.31, p<0.001)، سرطان(OR: 2.73, p<0.001)، بیماری کبدی(OR: 2.27, p<0.001)تاثیر معنی داری بر مرگ ناشی از کووید 19 داشتند. شاخص منتسب جمعیتی  برای دیابت، سرطان ها، بیماری کلیوی و بیماری کبدی به ترتیب برابر 2/4 ، 4/2، 3/1 و 2/0 درصد به دست آمد. نتیجه گیری: سن وبرخی از بیماری های زمینه ای شانس مرگ از کووید 19 را افزایش می دهد. به نظر می رسد پیشگری از ابتلا در افراد با بیماری زمینه ای می تواند تا حدود زیادی مرگ های ناشی از کووید 19 را کاهش دهد، برای این کار باید پروتکل های بهداشتی با جدیت بیشتری در این گروه از افراد رعایت شود.   Abstract Introduction: The World Health Organization on March 11, 2020 declared the outbreak of severe acute respiratory syndrome Corona virus 2 disease (COVID-19) a pandemic situation. The main aim of this study was investigating mortality of COVID 19 by considering chronic diseases. Materials and methods: this study was conducted as a cross-sectional in which all confirmed cases were examined. The variables considered in this study were age, sex, diabetes mellitus, cancers, hypertension, heart diseases, kidney diseases, and liver diseases. Independent sample t test, Chi-square and binary logistic regression were used to data analysis. All statistical analysis was done in SPSS 16 and significant level was set at 0.05. Results: Out of 22849 PCR and CT scan tests, 16061 ones were positive. According to the confirmed cases, prevalence of COVID-19 was calculated about 0.019. Also hospital case fatality rate and mortality rate were calculated 156 and about 8.2 per 100000 respectively.  Hypertension, and age had significant relationship with morbidity of COVID-19, in other hand, age (OR: 4.51, p<0.001), kidney diseases (OR: 1.84, p<0.001), diabetes mellitus (OR: 1.31, p<0.001), cancer (OR: 2.73, p<0.001), liver diseases (OR: 2.27, p<0.001) had impact on mortality of covid-19. Population Attributable Fraction (PAF) showed that diabetes mellitus, cancers, kidney diseases, and liver diseases had 4.2, 2.4, 1.3, and 0.2 percent, respectively. Conclusion: age and some underlying diseases increase odds of death due to COVID-19. It seems that preventing high-risk people from being infected is an effective solution to reduce COVID-19 death rate. To do this, health protocols need to be implemented more seriously for these sensitive groups.   کووید 19, سهم منتسب جمعیتی, یزد SARS-COV-2, Risk Factors, Population attributable fraction, pandemic, Yazd, Iran 137 141 http://jhr.ssu.ac.ir/browse.php?a_code=A-10-1224-6&slc_lang=en&sid=1 Moslem Taheri Soodejani مسلم طاهری moslem.taheri2009@yahoo.com No Center for Healthcare Data Modeling, Department of Biostatistics and Epidemiology, School of public health, ShahidSadoughi University of Medical Sciences, Yazd, Iran مرکز مدل سازی داده های مراقبت های بهداشتی، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران Saeed Hosseini سعید حسینی saeed.hosseini2014@gmail.com No Center for Healthcare Data Modeling, Department of Biostatistics and Epidemiology, School of public health, Shahid Sadoughi University of Medical Sciences, Yazd, Iran Department of Epidemiology, School of Public Health, Iran University of Medical Sciences, Tehran, Iran مرکز مدل سازی داده های مراقبت های بهداشتی، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران گروه اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی ایران، تهران، ایران Reyhane Sefidkar ریحانه سفیدکار reyhanesefidkar@gmail.com No Center for Healthcare Data Modeling, Department of Biostatistics and Epidemiology, School of public health, ShahidSadoughi University of Medical Sciences, Yazd, Iran مرکز مدل سازی داده های مراقبت های بهداشتی، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران Farzan Madadizadeh فرزان مددی زاده madadizadehfarzan@gmail.com No Center for Healthcare Data Modeling, Department of Biostatistics and Epidemiology, School of public health, ShahidSadoughi University of Medical Sciences, Yazd, Iran مرکز مدل سازی داده های مراقبت های بهداشتی، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران Hossein Fallahzadeh حسین فلاح زاده fallahzadeh.ho@gmail.com No Center for Healthcare Data Modeling, Department of Biostatistics and Epidemiology, School of public health, ShahidSadoughi University of Medical Sciences, Yazd, Iran مرکز مدل سازی داده های مراقبت های بهداشتی، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران Ahmad Dehghan احمد دهقان moslemtaheri7@gmail.com No Accident prevention and crisis research center, emergency organization, ShahidSadoughi University of Medical Sciences, Yazd, Iran مرکز تحقیقات پیشگیری از حوادث و بحران، سازمان اورژانس، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران. Neda Dehghani Tafti ندا دهقانی تفتی m.taheri@ssu.ac.ir No Accident prevention and crisis research center, emergency organization, ShahidSadoughi University of Medical Sciences, Yazd, Iran مرکز تحقیقات پیشگیری از حوادث و بحران، سازمان اورژانس، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران. Mohammad Hassan Lotfi محمدحسن لطفی mhlotfi56359@gmail.com Yes Center for Healthcare Data Modeling, Department of Biostatistics and Epidemiology, School of public health, ShahidSadoughi University of Medical Sciences, Yazd, Iran مرکز مدل سازی داده های مراقبت های بهداشتی، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران