ارائه و اعتبارسنجی مدل پیش بینی شکل شدید کووید-19 در جامعه تحت پوشش دانشگاه علوم پزشکی مشهد

Autor: زهرا جمالیان بهمن جانسفلی, وحید قوامی, منور افضل اقایی, احسان موسی فرخانی, علی تقی پور
Jazyk: perština
Rok vydání: 2023
Předmět:
Zdroj: Majallah-i Dānishkadah-i Pizishkī-i Dānishgāh-i ̒ Ulūm-i Pizishkī-i Mashhad., Vol 66, Iss 1 (2023)
Druh dokumentu: article
ISSN: 1735-4013
DOI: 10.22038/mjms.2023.22762
Popis: مقدمه: بیماری کووید 19 یکی از انواع بیماری‌های ویروسی بوده که در حدود 81 %موارد بی‌علامت بوده یا علائم خفیف تا متوسط دارد و در حدود 14 % با علائم شدید ایجاد می‌کند. شناسایی مواردی که شانس بیشتری در ابتلا به فرم شدید بیماری در سطح اول ارائه خدمات در جهت ارائه مراقبت مناسب و به موقع از اهمیت زیادی برخوردار می‌باشد لذا این مطالعه با هدف بررسی نقش بیماری‌های زمینه‌ای و خصوصیات دموگرافیک افراد در بروز شکل شدید کووید با استفاده از مدل پیش‌بینی رگرسیون لجستیک انجام شده است. روش کار: در یک مطالعه همگروهی تاریخی، کل بیماران مبتلا به کووید قطعی (تست مثبت PCR) که دارای پرونده الکترونیک سلامت در مراکز خدمات جامع سلامت مشهد می‌باشند، وارد مطالعه شده‌اند. متغیرهای مرتبط با خصوصیات دموگرافیک و سابقه بیماری‌های زمینه‌ای به عنوان متغیرهای پیش‌بینی کننده و شدت بیماری کووید به صورت یک متغیر دو وضعیتی به عنوان متغیر وابسته توسط رگرسیون لجستیک مورد تجزیه و تحلیل قرار گرفتند. مدل نهایی با ارزیابی شاخص تشخیص ، مورد اعتبار سنجی قرار گرفت. نتایج: از 30364 نفر بیمار مبتلا به کووید که از ابتدای شروع پاندمی تا انتهای دی ماه 1400 در جمعیت تحت پوشش دانشگاه علوم پزشکی مشهد بوده اند ، 1664 نفر بستری در بیمارستان 269 نفر فوت شده (64 نفر در بخش مراقبتهای ویژه )بستری شده‌اند . از بین متغیرهای دموگرافیک، متغیرهای سن بالاتر از 60 ،نمایه توده بدنی ، بیماری مزمن کلیوی ، بیماری تنفسی ، بیماری قلبی عروقی ، دیابت و پر فشاری خون در مدل پیش بینی شکل شدید کووید باقی ماندند. مدل نهایی برای پیش‌بینی شکل شدید بیماری (بستری یا مرگ) با سطح زیر منحنی برای مدل نهایی 75/0 بود. نتیجه‌گیری: نتایج حاصل از این مطالعه می‌تواند به دست‌اندکاران سلامت در تشخیص افرادی که شانس بیشتری به ابتلای شکل شدید بیماری دارند کمک مؤثری ‌کند.
Databáze: Directory of Open Access Journals