مقدمه: بیماری کووید-19، یک بیماری تنفسی است که در اثر سندرم تنفسی حاد کرونا ویروس-2 ایجاد شده است. پیشبینی تعداد موارد جدید و مرگومیر میتواند گام مفیدی در پیشبینی هزینهها و امکانات مورد نیاز در آینده باشد. هدف از این مطالعه مدلسازی، مقایسه عملکرد مدلها و پیشبینی چکیده کامل
مقدمه: بیماری کووید-19، یک بیماری تنفسی است که در اثر سندرم تنفسی حاد کرونا ویروس-2 ایجاد شده است. پیشبینی تعداد موارد جدید و مرگومیر میتواند گام مفیدی در پیشبینی هزینهها و امکانات مورد نیاز در آینده باشد. هدف از این مطالعه مدلسازی، مقایسه عملکرد مدلها و پیشبینی موارد جدید بستری و مرگومیر در آینده نزدیک است.
روش پژوهش: در این مقاله 9 تکنیک پیشبینی بر روی دادههای کووید-19 شهرستان بهاباد استان یزد تحت آزمایش قرار گرفت و با استفاده از معیارهای ارزیابی میانگین مربعات خطا (MSE)، جذر میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) و میانگین درصد قدرمطلق خطا (MAPE) مدلها باهم مقایسه شدند.
یافتهها: نتایج تحلیل نشان داد، بهترین مدل با توجه به معیارهای ارزیابی مذکور برای پیشبینی موارد تجمعی بستری کووید-19 مدل هموارسازی اسپلاین مکعبی و برای موارد تجمعی فوت مدل رگرسیون KNN میباشد. همچنین مدل شبکههای عصبی اتورگرسیو و مدل تتا برای موارد بستری و برای موارد فوت مدل شبکههای عصبی اتورگرسیو دارای بدترین عملکرد را در میان دیگر مدلها دارا میباشد.
نتیجه گیری: این مطالعه میتواند درک مناسبی از روند شیوع بیماری کووید-19 در این منطقه ارائه کند تا با اتخاذ اقدامات احتیاطی و تدوین سیاست های مناسب بتوان به نحو احسن از این بیماری عبور کرد. همچنین برخلاف مطالعات دیگر این مطالعه، از 9 تکنیک متفاوت و مقایسه آنها، استفاده کرده است که به نوبه خود ضریب اطمینان را در تصمیمگیری بالا برده است. همچنین نکتهای که حائز اهمیت میباشد این است که باید دادهها در زمان واقعی بروز شوند.
پرونده مقاله