بررسی رابطه مولفه های اجتماعی منتخب سلامت بر پیامد مرگ ناشی از کووید-19

مقدمه و اهداف: جدید و ناشناخته بودن و سرعت بالای گسترش کووید- 19 مدیریتی فراتر از امکانات و توان سیستم بهداشتی درمانی را می طلبد .مطالعه حاضر به نقش و ارتباط برخی تعیین کننده های اجتماعی سلامت با پیامد نهایی مبتلایان می پردازد. روش کار: در این مطالعه مقطعی با استفاده از روش سرشماری اطلاعات 182602 نفر مبتلایان به کووید-19  در جمعیت تحت پوشش دانشگاه علوم پزشکی مشهد (بطور سرپایی و یا بستری) ازاسفند 1398 تااسفند 1399، از سه منبع اطلاعاتی مورد بررسی قرار گرفت و از مدل رگرسیون لجستیک برای تعیین پیشگویی کنندگی عوامل ساختاری تعیین کننده های اجتماعی سلامت استفاده شد.یافته‌ها: از 182602 نفرمبتلا تعداد 100407 نفر (55%) مرد و 82195 نفر (45%) زن  بودند. رگرسیون لجستیک چند متغیره نشان داد که شانس مرگ و میرناشی از ابتلا به کرونا با افزایش هر یک سال سن برابر  (1/077-1/073)1/075، مردان نسبت به زنان برابر (2/73-2/06)2/37 بیشتر و با سطح تحصیلات رابطه معکوس داشت (0/001 > pv). وضعیت شغل تاثیر معناداری بر افزایش شانس مرگ ومیر نشان نداد. وجود دیابت با (1/38-1/19)1/28=or و بیماری زمینه ای (1/22-1/09)1/16= or و ضعف سیستم ایمنی با (9/80-6/44)7/94 =or، با افزایش شانس مرگ ومیر همراه بودند. بارداری با (1/42-0/57)0/90=or و فشارخون بالا با (1/02-0/89)0/95=or  مورد توجه بودند. نتیجه‌گیری: با توجه به ارتباط مولفه های اجتماعی سلامت با پیامد مرگ مبتلایان کووید-19  توصیه می شود که سیاست گذاران نسبت به درگیر ساختن بخش های خارج ازسیستم بهداشت و درمان در امر سلامت اهتمام ورزند.

investigating the relationship of selected social determinants of health on the mortality outcome of covid-19

background and objectives: the novel and rapidly spreading nature of covid-19 surpasses the capacity and capabilities of the healthcare system, necessitating comprehensive management. this study aims to explore the role and relationship of social determinants of health with the ultimate outcome of patients.methods: in this cross-sectional study, the information of covid-19 patients within the coverage area of mashhad university of medical sciences was examined from three sources (outpatient or inpatient) between march 2018 and march 2019, utilizing the census method. the logistic regression model was employed to assess the predictability of social determinants of health.results: out of 182,602 patients, 100,407 (55%) were men, and 82,195 (45%) were women. logistic regression analysis revealed that the odds of mortality due to corona infection increased by 1.075 (1.073-1.077) times for each year of age. additionally, the odds were 2.37 (2.06-2.73) times higher in men compared to women and displayed an inverse relationship with educational level (pv<0.001). job status did not demonstrate a significant effect. the presence of diabetes (or=1.28, 95% ci: 1.19-1.38), underlying diseases (or=1.16, 95% ci: 1.09-1.22), and immune system weakness (or=7.94, 95% ci: 6.44-9.80) were associated with an increased likelihood of death. conversely, pregnancy (or=0.90, 95% ci: 0.57-1.42) and high blood pressure (or=0.95, 95% ci: 0.89-1.02) exhibited no significant association.conclusion: considering the relationship between social determinants of health and covid-19 mortality, it is recommended that policymakers involve sectors outside the healthcare system in addressing health matters.