بررسی توزیع مکانی زمانی و عوامل موثر در شیوع بیماری کرونا (ویروس کووید-19) در استان خراسان جنوبی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشکده بهداشت، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران

2 کارشناس ارشد مهندسی بهداشت محیط، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران

3 استادیار گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند، ایران

4 مرکز تحقیقات بیماری‌های قلب و عروق، گروه اپیدمیولوژی و آمار زیستی، دانشکده پزشکی، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران

چکیده

بیماری کروناویروس (COVID-19) ناشی از ویروس SARS-CoV-2 است، که به دلیل سرعت بالا شیوع، نگرانی جهانی را در زمینه سلامتی برانگیخته است. در طول مبارزه با اپیدمی این بیماری ، GIS و اطلاعات جغرافیایی بیماران نقش مهمی در شناسایی انتقال مکانی این بیماری همه‌گیر برای کنترل، پیشگیری همچنین تصمیم بر چگونگی تخصیص مکانی منابع دارویی و غیره ایفا کرده اند. هدف از این پژوهش بررسی توزیع مکانی زمانی و عوامل موثر در شیوع بیماری کرونا (ویروس کووید-19) در استان خراسان جنوبی با استفاده از سامانه اطلاعات جغرافیایی می‌باشد. این مطالعه توصیفی تحلیلی از نوع مقطعی بود که برای بررسی ارتباط12 متغیر توصیفی به عنوان متغیر شامل ارتفاع، میانگین بارندگی، میانگین دما، جمعیت، مساحت، نرخ باسوادی، میزان بیمه شده، نرخ بیکاری، تراکم جمعیت، تعداد 65 سال و بیش تر، تعداد بیمارستان ها و تعداد خانه های بهداشت؛ با متغیر وابسته که نرخ ابتلا به کویید- 19 در مرز مطالعه می باشد، از رگرسیون های وزنی جغرافیایی و رگرسیون حداقل مربعات معمولی استفاده شد. به این منظور از آزمون خود همبستگی فضایی موران استفاده شد. نتایج پژوهش نشان داد پنج متغییر دارای ارتباط معنی دار با توزیع کویید 19 در استان بود. سه متغیر تراکم جمعیت، افراد بالای 65 سال و تعداد بیمارستان تاثیر گذاری بیشتری نسبت به سایر متغیر ها داشتند. باتوجه به نتایج بدست آمده این سیستم در مدیریت کنترل اپیدمی کووید19 کاربرد داشته و میتوان در بیماری های همه گیر استفاده نمود.

کلیدواژه‌ها

مراجع

  • Farnoosh, G., Alishiri, G., Zijoud, S. H., Dorostkar, R., & Farahani, A. J. (2020). Understanding the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and coronavirus disease (COVID-19) based on available evidence-a narrative review. Journal of military medicine, 22(1), 1-11.
  • Holakouie-Naieni, K., Mostafavi, E., Boloorani, A. D., Mohebali, M., & Pakzad, R. (2017). Reprint of “spatial modeling of cutaneous Leishmaniasis in Iran from 1983 to 2013”. Acta tropica, 165, 90-95.
  • Jalali, R., Vaisi-Raygani, A., Khaledi-Paveh, B., Salari, N., Mohammadi, M., & Sabbaghchi, M. (2020). Geographic information system (GIS): A reliable tool for monitoring COVID-19 in Iran and the world. Journal Mil Med, 22(2), 216-220.
  • Kodge, B. (2021). A review on current status of COVID19 cases in Maharashtra state of India using GIS: a case study. Spatial Information Research, 29(2), 223-229.
  • Lakhani, A. (2020). Which Melbourne metropolitan areas are vulnerable to COVID-19 based on age, disability, and access to health services? Using spatial analysis to identify service gaps and inform delivery. Journal of Pain and Symptom Management, 60(1), e41-e44.
  • Mitchell, A. (2005). The ESRI guide to GIS analysis: Vol. 2. Spatial measurement and statistics 2005 Redlands: CA ESRI Press.
  • Mollalo, A., Mao, L., Rashidi, P., & Glass, G. E. (2019). A GIS-based artificial neural network model for spatial distribution of tuberculosis across the continental United States. International journal of environmental research and public health, 16(1), 157.
  • Mollalo, A., Vahedi, B., & Rivera, K. M. (2020). GIS-based spatial modeling of COVID-19 incidence rate in the continental United States. Science of the total environment, 728, 138884.
  • Organization, W. H. (2020). Naming the coronavirus disease (COVID-19) and the virus that causes it. Brazilian Journal of Implantology and Health Sciences, 2(3).
  • Safe, A., Rashidi, M., Rouzbahani, R., Dehdashti, N. S., & Poursafa, P. (2012). Application of GIS in Strategic Medical Research for Disease Prevention. Journal of Isfahan Medical School, 29(164).
  • Sarwar, S., Waheed, R., Sarwar, S., & Khan, A. (2020). COVID-19 challenges to Pakistan: Is GIS analysis useful to draw solutions? Science of the total environment, 730, 139089.
  • Shariati, M., Jahangiri-rad, M., Mahmud Muhammad, F., & Shariati, J. (2020). Spatial Analysis of COVID-19 and Exploration of Its Environmental and Socio-Demographic Risk Factors Using Spatial Statistical Methods: A Case Study of Iran. Health in Emergencies and Disasters, 5(3), 145-154.
  • SHARMA, L., & VERMA, R. (2020). Latent blowout of COVID-19 globally: an effort to healthcare alertness via medical GIS approach. MedRxiv.
  • Shirafkan, H., Bijani, A., & Mozaffarpur, S. (2022). The Role of GIS Mapping Program in Evaluating the Geographical Distribution of Patients with COVID-19 during the First Wave of the Epidemic in Babol. Journal of Babol University of Medical Sciences, 24(1), 254-264.
  • Van Der Hoek, L., Pyrc, K., Jebbink, M. F., Vermeulen-Oost, W., Berkhout, R. J., Wolthers, K. C., . . . Berkhout, B. (2004). Identification of a new human coronavirus. Nature medicine, 10(4), 368-373.
  • Wu, X., Nethery, R. C., Sabath, B. M., Braun, D., & Dominici, F. (2020). Exposure to air pollution and COVID-19 mortality in the United States. MedRxiv.
  • Xu, Z., Shi, L., Wang, Y., Zhang, J., Huang, L., Zhang, C., . . . Zhu, L. (2020). Pathological findings of COVID-19 associated with acute respiratory distress syndrome. The Lancet respiratory medicine, 8(4), 420-422.
  • Zhou, C., Su, F., Pei, T., Zhang, A., Du, Y., Luo, B., . . . Zhu, Y. (2020). COVID-19: challenges to GIS with big data. Geography and sustainability, 1(1), 77-87.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار