برآورد عدد مولد بيماري كوويد ۱۹ در ايران با رهيافت هاي مختلف

Estimation of reproduction number of Covid-19 disease in Iran withdifferent approaches

مقدمه و اهداف: ويروس جديد كرونا (كوويد − ۱۹ ) در ابتدا در پايان سال ۲۰۱۹ شناسايي شد و باعث بحران در سطح جهاني و منجر به مرگ و مير زياد شد، هر چند كه در حال حاضر از تعداد مبتلايان در ايران كاسته شده است و داراي روند نزولي مي باشد اما براي كنترل انتقال بيماري كوويد − ۱۹ مدل سازي رياضي يك ابزار مهم براي برآورد پارامترهاي كليدي انتقال ويروس مي باشد. هدف اين مقاله استفاده از روشهاي اماري و رياضي براي برآورد عدد مولد پايه و عدد مولد موثر بيماري كوويد ۱۹ سويه اميكرون در ايران مي باشد. روش كار: در اين مقاله ، از روش هاي نرخ حمله، حداكثر درستنمايي، مدل هاي نرخ رشد نمايي و فرايند شاخه اي براي محاسبه عدد مولد ⅯSE مدل ها با يكديگر مقايسه شدند. مدل با مقدار ⅯSE بيماري كوويد ۱۹ استفاده شد. با استفاده از شاخص كمتر داراي برازش بهتري مي باشد. يافته ها: بر اساس نتايج بدست آمده بر اساس برآوردگر وابسته به زمان كمتر از كمتري بود. نتيجه گيري: اگر عدد ⅯSE يك براي عدد مولد بدست آمد. همچنين نسبت به مدل هاي ديگر داراي مولد پايه كمتر از يك باشد بيماري مي تواند كنترل شود و تعداد مبتلايان به صفر ميل مي كند. البته لازمه اينكه عدد مولد زير يكباقي بماند، رعايتپروتكل هاي بهداشتي و انجام واكسيناسيون و سياستهاي پيشگيرانه دولتمي باشد.

Introduction Objectives: The new coronavirus (Covid-19) was initially identified at the end of 2019 and caused a global crisis. Increased virus transmission led to high mortality, although the number of cases in Iran has now decreased and is declining, to control the transmission of Covid-19, mathematical modeling is an important tool for estimating the key parameters of virus transmission. This paper aims at using statistical and mathematical methods to estimate the basic reproduction number and the effective reproduction number of covid-19 in Iran. Methods: In this paper, the methods of attack rate, maximum likelihood, exponential growth rate models, time-dependent model, and branching process were used to calculate the reproduction number of Covid-19 disease. The models were compared using the MSE index. A model with a lower MSE value has a better fit. Results: Based on the results, less than one was obtained for the reproductive number based on the time-dependent estimator. It also had a lower MSE than the other models. Conclusion: If the reproduction number is less than one, the disease can be controlled and the number of patients tends to zero. Of course, following the health protocols, and carrying out vaccinations and preventive government policies are necessary to keep the reproduction number below one.