fa پیش‌بینی عوامل مؤثر بر میزان ابتلا به بیماری کووید 19 در بیماران بستری با روش مدل‌سازی آماری ویروس شناسی پژوهشي اصیل Original Research <table align="right" border="0" cellpadding="0" cellspacing="0" dir="rtl" style="width:614px;border-collapse:collapse;margin-left:6.75pt;margin-right:6.75pt;" width="614"> <tbody> <tr style="page-break-inside:avoid;height:1px;"> <td style="width: 614px; padding: 0in 5.4pt; height: 1px; vertical-align: top; text-align: justify;"><span style="font-family:Tahoma;"><span style="color:windowtext;"><span style="font-size:12.0pt;"><strong>مقدمه:</strong> </span></span><span style="letter-spacing:0pt;"><span style="font-size:10.0pt;">همه‌گیری کووید ۱۹ اثر چشمگیری بر بهزیستی افراد و ملل مختلف در مسائل اجتماعی اقتصادی روانشناختی و بهداشت عمومی داشته است. با توجه به اهمیت پیش بینی پیک های شیوع و بروز بیماری کووید 19 مطالعه با هدف پیش بینی عوامل </span></span><span style="letter-spacing:0pt;"><span style="color:black;"><span style="font-size:10.0pt;">مؤثر بر </span></span></span><span style="letter-spacing:0pt;"><span style="font-size:10.0pt;">میزان ابتلا در بیماران بستری با روش رگرسیون لجستیک چند متغیره در شهر خرم آباد انجام شده است.</span></span></span><span style="letter-spacing:0pt;"><span style="font-family:B Nazanin;"><span style="font-size:10.0pt;"></span></span></span></td> </tr> <tr style="page-break-inside:avoid;height:1px;"> <td style="width: 614px; padding: 0in 5.4pt; height: 1px; vertical-align: top; text-align: justify;"><span style="font-family:Tahoma;"><strong><span style="letter-spacing:-.2pt;"><span style="font-size:12.0pt;">مواد و روش &shy;ها:</span></span></strong> <span style="color:black;"><span style="font-size:10.0pt;">مطالعه از نوع توصیفی-تحلیلی است، داده‌های مبتلایان کووید 19 در پیک اول شروع بیماری که شامل 4425 نفر مراجعین به بیمارستان شهدای عشایر خرم‌آباد در سال 1399 بودند و از این تعداد 2978 نفر تست کووید انجام داده بودند، مورد بررسی قرار گرفتند. چک لیست متغیرها به صورت یک ابزار محقق ساخته به بررسی متغیرهای مؤثر</span></span> <span style="color:black;"><span style="font-size:10.0pt;">با مراجعه روزانه و مطالعه پرونده بیماران، اطلاعات موجود به دست آمد. تجزیه و تحلیل اطلاعات با استفاده از روش های توصیفی، رگرسیون لجستیک چند متغیره و روش ماشین بردار پشتیبان در نرم افزار </span></span><span dir="LTR"><span style="color:black;"><span style="font-size:10.0pt;">R</span></span></span><span style="color:black;"><span style="font-size:10.0pt;">&nbsp;برای مدل بندی عوامل خطر مرتبط با تشخیص بیماری انجام شد.</span></span></span><span style="font-family:B Nazanin;"><span style="font-size:12.0pt;"></span></span></td> </tr> <tr style="page-break-inside:avoid;height:1px;"> <td style="width: 614px; padding: 0in 5.4pt; height: 1px; vertical-align: top; text-align: justify;"><span style="font-family:Tahoma;"><strong><span style="color:windowtext;"><span style="font-size:12.0pt;">یافته&shy; ها:</span></span></strong><span style="letter-spacing:0pt;"><span style="font-size:10.0pt;"> بیشترین میزان ابتلا متعلق به گروه سنی 40-49 سال (19%) و کمترین میزان ابتلا مربوط به گروه سنی 10-19 سال (1%) بود. گروه سنی 60 تا 69 سال با 6 درصد جمعیت و 25 درصد مرگ و میر بود. مدل ایجاد شده نشان می‌دهد از جمله مؤثرترین علایم، سن، تب، کاهش سطح هوشیاری، سطح اکسیژن خون و سابقه ابتلا به بیماری های قلبی می باشد.</span></span></span></td> </tr> <tr style="page-break-inside:avoid;height:1px;"> <td style="width: 614px; padding: 0in 5.4pt; height: 1px; vertical-align: top; text-align: justify;"><span style="font-family:Tahoma;"><strong><span style="color:windowtext;"><span style="font-size:12.0pt;">بحث و نتیجه &shy;گیری:</span></span></strong> <span style="letter-spacing:0pt;"><span style="font-size:10.0pt;">با اطلاعات به دست آمده می توان با تشخیص متغیرهای مؤثر، افراد پرخطر را شناسایی کرد و در پیشگیری از بروز بیماری و شیوع بیشتر در گروه‌های پرخطر استفاده کرد که در کنترل پاندمی کووید 19 کمک شایانی می تواند داشته باشد.</span></span></span><span style="font-family:B Nazanin;"><span style="font-size:10.0pt;"></span></span></td> </tr> </tbody> </table> <div style="text-align: justify;"><div style="clear:both;"></div></div> <div style="text-align: justify;"><strong><em>Background</em></strong><strong>:</strong> The COVID-19 pandemic has had a significant impact on the well-being of different individuals and nations in terms of socioeconomic, psychological, and public health issues. Regarding the importance of predicting the peak outbreaks and incidence of COVID-19, this study aimed to predict factors that affect the incidence of COVID-19 pandemic in hospitalized patients admitted to a hospital in Khorramabad city of Iran, using a multivariate logistic regression&nbsp;model.<br> <strong><em>Materials and Methods:</em></strong> In this descriptive-analytical study, the data from 4,425 COVID-19 patients in the first peak of the disease, who were referred to the Shohada-ye Ashayer Hospital, Khorramabad, Iran, in 2020, were examined, from whom 2,978 people had undergone COVID-19 test. Data were collected using a researcher-made checklist for variables and examination of patients&rsquo; daily records. Data analysis was performed using descriptive methods, multivariate logistic regression model, and backup vector machine method in the R software for the modeling of risk factors associated with the disease diagnosis.<br> <strong><em>Results:</em></strong> The highest and lowest rates of incidence were observed in the age range of 40-49 (19%) and 19-10 years (1%). &nbsp;The age group 60-69 years accounted for 6% of the population with a mortality rate of 25%. Based on the implemented model, the most effective symptoms associated with the incidence of COVID-19 included age, fever, decreased level of consciousness, blood oxygen level, and a history of heart disease.<br> <strong><em>Conclusion:</em></strong> The present study showed that identification of the effective variables of the disease led to the identification of high-risk individuals. This method can be used to prevent disease incidence and prevalence in high-risk groups and is a great help in controlling the COVID-19 pandemic.<br> &nbsp;</div> پیش بینی, عوامل مؤثر کووید 19, مدل‌سازی آماری COVID-19, Effective factors, Prediction, Statistical modeling 87 98 http://yafte.lums.ac.ir/browse.php?a_code=A-10-2431-1&slc_lang=fa&sid=1 Zahra Rahimi زهرا رحیمی zrahimi78@yahoo.com 7200319475328460024543 7200319475328460024543 No Educational Development Center, Lorestan University of Medical Sciences, Khorramabad, Iran مرکز مطالعات و توسعه، دانشگاه علوم پزشکی لرستان، خرم آباد، ایران Khadijeh Heidari zadeh خدیجه حیدری زاده heidari_kh@yahoo.com 7200319475328460024544 7200319475328460024544 No Social Determinants of Health Research Center, Lorestan University of Medical Sciences, Khorramabad, Iran مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی لرستان، خرم آباد، ایران Fardin Heidari فردین حیدری fardin.headari2@gmail.com 7200319475328460024545 7200319475328460024545 No Student Research Committee, Lorestan University of Medical Sciences, Khorramabad, Iran کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی لرستان، خرم آباد، ایران Kimia Karami کیمیا کرمی kbkarami@gmail.com 7200319475328460024546 7200319475328460024546 Yes Social Determinants of Health Research Center, Lorestan University of Medical Sciences, Khorramabad, Iran مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی لرستان، خرم آباد، ایران