مقايسه مدل‌ها در پيش‌بيني موارد تجمعي بستري و فوت كوويد-19 (مطالعه موردي: شهرستان بهاباد)

مقدمه: بيماري كوويد-19، يك بيماري تنفسي است كه در اثر سندرم تنفسي حاد كرونا ويروس-2 ايجاد شده است. پيش‌بيني تعداد موارد جديد و مرگ‌و‌مير مي‌تواند گام مفيدي در پيش‌بيني هزينه‌ها و امكانات مورد نياز در آينده باشد. هدف از اين مطالعه مدلسازي، مقايسه عملكرد مدل‌ها و پيش‌بيني موارد جديد بستري و مرگ‌ومير در آينده نزديك است.روش پژوهش: در اين مقاله 9 تكنيك پيش‌بيني بر روي داده‌هاي كوويد-19 شهرستان بهاباد استان يزد تحت آزمايش قرار گرفت و با استفاده از معيارهاي ارزيابي ميانگين مربعات خطا (MSE)، جذر ميانگين مربعات خطا (RMSE)، ميانگين قدر مطلق خطا (MAE) و ميانگين درصد قدرمطلق خطا (MAPE) مدل‌ها باهم مقايسه شدند.يافته‌ها: نتايج تحليل نشان داد، بهترين مدل با توجه به معيارهاي ارزيابي مذكور براي پيش‌بيني موارد تجمعي بستري كوويد-19 مدل هموارسازي اسپلاين مكعبي و براي موارد تجمعي فوت مدل رگرسيون KNN مي‌باشد. هم‌چنين مدل شبكه‌هاي عصبي اتورگرسيو و مدل تتا براي موارد بستري و براي موارد فوت مدل شبكه‌هاي عصبي اتورگرسيو داراي بدترين عملكرد را در ميان ديگر مدل‌ها دارا مي‌باشد.نتيجه‏گيري: اين مطالعه مي‌تواند درك مناسبي از روند شيوع بيماري كوويد-19 در اين منطقه ارائه كند تا با اتخاذ اقدامات احتياطي و تدوين سياست هاي مناسب بتوان به نحو احسن از اين بيماري عبور كرد. هم‌چنين برخلاف مطالعات ديگر اين مطالعه، از 9 تكنيك متفاوت و مقايسه آن‌ها، استفاده كرده است كه به نوبه خود ضريب اطمينان را در تصميم‌گيري بالا برده است. هم‌چنين نكته‌اي كه حائز اهميت مي‌باشد اين است كه بايد داده‌ها در زمان واقعي بروز شوند.