تحلیل جغرافیایی اپیدمیولوژی کووید-۱۹ در ایران با رویکرد تحلیل اکتشافی داده های مکانی (ESDA)

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 99

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MILIT-22-6_005

تاریخ نمایه سازی: 30 مرداد 1402

چکیده مقاله:

زمینه و هدف: استفاده از تحلیل­ های جغرافیایی اپیدمیولوژی کووید-۱۹، جهت شناسایی عوامل جغرافیایی موثر بر شیوع این بیماری می­تواند بر سیاست‎ گذاری ­های بهداشتی جامعه، مبنی بر کنترل روند شیوع این ویروس موثر واقع شود. از این­رو، پژوهش حاضر به تحلیل­ جغرافیایی اپیدمیولوژی ویروس ­کرونا در کشور پرداخته است. روش­ها: این تحقیق از نظر روش­ شناسی، توصیفی-تحلیلی بوده و برای تجزیه ­و­ تحلیل داده­ها از نرم­ افزارهای ArcGIS و GeoDa استفاد شد. جامعه آماری تحقیق، شامل تعداد مبتلایان به ویروس­ کرونا (۲۱۶۳۸ نفر) در استان­های­ کشور و در محدوده زمانی۳ اسفند ۱۳۹۸ الی ۳ فروردین ۱۳۹۹ است. داده­ های مبتلایان به کرونا به تفکیک هر استان وارد نرم­ افزار ArcGIS شد. جهت نمایش پراکندگی ­فضایی مبتلایان به کرونا در کشور بر اساس بازه زمانی مذکور از تراکم نقطه ­ای استفاده شد. سپس با استفاده از ضریب موران پراکنش ­فضایی آن بررسی شد. همچنین با استفاده از خودهمبستگی­ فضایی میزان فاصله گسترش شیوع ویروس­ کرونا در بین استان­های­ کشور تحلیل شد. در نهایت با استفاده از شاخص محلی پیوند­ فضایی موران تک ­متغیره، خوشه­ بندی ­فضایی استان­های کشور بر اساس ویروس ­کرونا صورت گرفت. یافته­ها: آمارها حاکی از آن است که گروه سنی ۲۱-۵۰ سال، بیشترین درصد مبتلایان به ویروس­ کرونا را تشکیل می ­دهند. نتایج حاصل از تحقیق نشان داد که مهمترین عامل انتشار فضایی ویروس ­کرونا در کشور، فاصله و مجاورت مکانی استان­های درگیر با این بیماری است بطوریکه در فاصله ۸/۳۸۳ کیلومتری بین استان­های ­کشور ضریب موران ۰/۱۳۶۶۲۷ می ­باشد و نشان­ دهنده خودهمبستگی مکانی مثبت است. در فاصله ۷۶۲/۶ کیلومتری بین استان­ها ضریب­موران برابر ۰/۰۴۰۲۴۶- است که نشان ­دهنده خودهمبستگی مکانی منفی بوده بدین معنی که از این فاصله به بعد از تعداد مبتلایان به کرونا کاسته می ­شود. در خوشه­ بندی ­فضایی، خوشه HH شامل استان­های (تهران، البرز، قم، مازندران، گیلان، قزوین، اصفهان، سمنان، مرکزی و یزد) به عنوان کانون اصلی انتشار فضایی اپیدمی ویروس ­کرونا شناخته می ­شوند که باید برای کنترل و کاهش شیوع این ویروس در کشور تمهیدات و محدودیت هایی در زمینه عبور و مرور بین استان­های واقع در این خوشه و سایر استان­ها اعمال شود. همچنین خوشه LH (شامل استان­های گلستان، خراسان رضوی، خراسان شمالی، اردبیل و همدان) به عنوان حلقه پیرامون­ کانون­ آسیب می ­باشند که به لحاظ تعامل­ فضایی و مجاورت با خوشه  HHباید کنترل­ های جدی در زمینه ممنوعیت رفت­ و آمد به آنها صورت بگیرد تا از ادامه گسترش شیوع ویروس­ کرونا به استان­های واقع در خوشه LH جلوگیری شود. نتیجه­گیری: از مهمترین عوامل جغرافیایی موثر بر شیوع ویروس­کرونا براساس نظریه پخش فضایی، فاصله و مجاورت مکانی می ­باشد که مسئولان و برنامه­ ریزان باید با هوشمندسازی از مراجعه افراد به ادارات و سازمان­ها کاسته و با فراهم نمودن زمینه دورکاری، از ادامه روند صعودی شیوع ویروس­ کرونا در کشور جلوگیری نمایند.

کلیدواژه ها:

تحلیل جغرافیایی ، کووید-۱۹ ، کروناویروس ، رویکرد تحلیل اکتشافی داده های مکانی ، ایران

نویسندگان

مهدی بازرگان

گروه جغرافیا و برنامه ریزی شهری، دانشگاه فردوسی مشهد، مشهد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Chen N, Zhou M, Dong X, Qu J, Gong F, ...
  • doi:۱۰.۱۰۱۶/S۰۱۴۰-۶۷۳۶(۲۰)۳۰۲۵۱-۸۳. World Health Organization (WHO), ۲۰۲۰. Report of theWHO-China Joint ...
  • Mollalo A, Vahedi B, Rivera K. GIS-based spatial modeling of ...
  • Wu F ZS, Bin Y, Chen YM, Wang W, Song ...
  • World Health Organization. ۱۰ facts on neglected tropical diseases [Online]. ...
  • Ghaedamini Asadabadi R, Tofighi S, Ghaedamini H, Azizian F, Amerieon ...
  • American Health Organization. Use of GIS in epidemiology. Epidemiological Bulletin. ...
  • Kandwal R, Garg PK, Garg RD. Health GIS and HIV/ ...
  • doi:۱۰.۱۰۹۳/acprof:oso/۹۷۸۰۱۹۲۶۲۲۳۵۸.۰۰۱.۰۰۰۱۱۳. Rezaeian M. Geographical epidemiology, spatial analysis& geographical information system: ...
  • doi:۱۰.۱۱۳۶/jech.۲۰۰۵.۰۴۳۱۱۷۱۴. Bailley T, Gatrell A. Interactive spatial data analysis. ۱st ...
  • Bell B, Broemeling L. A Bayesian analysis for spatial processes ...
  • O Dwyer L, Burton D. Potential meets reality: GIS & ...
  • doi:۱۰.۱۲۰۷/S۱۵۳۲۷۶۵۵JCHN۲۰۰۳_۰۴۲۲. Ricketts TC. Geographic information system & public health. Annu ...
  • doi:۱۰.۱۱۱۱/j.۰۰۲۲-۴۱۴۶.۲۰۰۶.۰۰۴۴۱.x۲۶. Seifolddini F, Mansourian H. A Spatial Analysis of the ...
  • doi:۱۰.۱۸۸۴۸/۲۱۵۴-۸۶۷۶/CGP/v۰۲i۰۱/۵۳۸۳۳۲۷. Ertur C, Le Gallo J. An exploratory spatial data ...
  • Guillain R, Le Gallo J, Boiteux-Orain, C. Changes in spatial ...
  • Ministry of Health and Medical Education. ۲۰۲۰. https://behdasht.gov.ir/uploads/۱/۲۰۲۰. https://iransdi.ir/layersf/Crona ...
  • Ratcliff J.H. (۲۰۰۴), The Hot spots Matrix: A Framework for ...
  • doi:۱۰.۳۳۹۰/ijerph۱۷۰۷۲۵۶۳۳۵. Nikpouraghdam M, Farahani AJ, Alishiri G, Heydari S, Ebrahimnia ...
  • نمایش کامل مراجع