برآورد میزان کشندگی تعدیل یافته کووید-19 در ایران، با رهیافت لاسو تلفیقی در مدل های تاخیر توزیعی

مقدمه و هدف: مدل‌های وقفه توزیعی قابلیت برآورد میزان کشندگی یک بیماری در اپیدمی های طولانی مدت را با تعدیل اثر تاخیری تعداد موارد روزانه ابتلا دارا می باشند.  رهیافت لاسو تلفیقی یک روش انقباضی است که وجود ترتیب ذاتی بین ویژگی‌ها، همانند ترتیب زمانی بین تعداد بستری‌های روزانه را در نظر می‌گیرد و می تواند اثر همخطی بین ویژگی‌ها را با قرار دادن جریمه در برآورد پارامترهای مدل وقفه توزیعی برطرف نماید. لذا این مطالعه با برآورد مرگ و میر تعدیل شده کووید-19 با استفاده از رهیافت انقباضی لاسو تلفیقی در مدل‌های وقفه توزیعی صورت گرفته است.   مواد و روش‏ها: داده های مربوط به بیماری کووید-19 ( تعداد مرگ و میر و تعداد افراد شناسایی به صورت روزانه ) در کشور ایران از اول اسفند ماه 1398 تا21  دی ماه 1401 از پایگاه داده ourworldindata تهیه شده و با استفاده از r4.3.3 مدل وقفه توزیعی با روش لاسو تلفیقی برازش داده شد.یافته ‏ها: میزان کشندگی تعدیل شده کووید-19 در ایران 1.72  درصد می باشد تعداد موارد ابتلا با وقفه 5 روزه بر تعداد مرگ تاثیر گذار بود، که بیشترین سهم مربوط به روز اول و روز پنجم پس از شناسایی بود.نتیجه‏ گیری: : به کارگیری روش لاسو تلفیقی باعث بهبود معنی داری ضرایب در مدل وقفه توزیعی شد. زمان کوتاه شناسایی تا مرگ در ایران نسبت به سایر کشورها نشان از غربالگری ضعیف و عدم تجهیزات و خدمات کافی برای رسیدگی اورژانس به مبتلایان بوده است.

utilization of fused lasso approach in distributed lag modelsfor estimating the adjusted fatality rate of covid 19 in iran

background and aims: distributed lag models can estimate disease fatality in long-term epidemics by adjusting the delayed effect of the number of daily cases. the fused lasso approach is a regularization method that considers the inherent order between features, such as the time order between the numbers of daily hospitalizations, and can remove the effect of collinearity between features by placing a penalty in the estimation of the parameters of the distributed lag model. therefore, this study has been carried out by estimating the adjusted mortality of covid-19 using the lasso regularization approach in distributed lag models.materials and methods: the data relating to the covid-19 disease (the number of deaths and the number of people identified daily) in iran from the middle of february 1398 to the middle of may 1402 was prepared from the ourworldindata database and using r4. 3.3 the distributed lag model was fitted with the fused lasso method.results: the adjusted fatality rate of covid-19 in iran is 1.72%, with five days delay between new cases diagnosis and deaths. the highest fractions were on the first day and the fifth day after detection.conclusion: using the fused lasso method improved the significance of the coefficients in the distributed lag model. the short time from detection to death in iran compared to other countries is a sign of poor screening and a lack of adequate equipment and services for the emergency treatment of patients.