Öz
Amaç:
Yaklaşık 4 aylık süreçte tüm dünyayı ciddi düzeyde tehdit eden Koronavirüs hastalığı-2019 (COVID-19) salgınının başarılı yönetimi için alınacak tedbirlerin başında sağlık hizmetleri yönetimi gelmektedir. Gelindiği noktada yaşanan veya yaşanabilecek olan zorluklar arasında, sağlık personel eksikliği, sağlık ekipman yetersizliği ve alt yapı eksikliği sayılabilir. Bu problemlerin çözümünde veriye dayalı öngörüler büyük önem taşır. Bu çalışmada, nisan ayı ilk haftası itibariyle, Türkiye’de COVID- 19 salgınıyla mücadele eden illerin salgın indikatörlerini il ve bölge bazlı tanımlamak, illerin nüfus yoğunluğu ile olgu sayısı arasındaki ilişkiyi incelemek, yeni olgu oranındaki değişimi ortaya koymak ve nisan ayı sonuna kadar gün-gün ihtiyaç duyulan yoğun bakım yatak sayısı ve entübasyon sayısını tahmin etmek amaçlandı.
Gereç ve Yöntem:
Çalışmada yapılan değerlendirmeler için, T.C. Sağlık Bakanlığı tarafından gün-gün açıklanan salgın göstergeleri ve test sayıları ile birlikte Dünya Sağlık Örgütü’nün yayınladığı bilgiler kullanıldı. Veri analizinde Spearman rank korelasyon analizi, Poisson regresyon modeli kullanıldı. Ayrıca ihtiyaç tahminleri yapmak için yeni bir algoritma önerildi.
Bulgular:
Şehir yoğunluğu ile olgu sayısı arasındaki ilişki istatistiksel olarak anlamlı bulundu (r=0,464, p<0,001) ve kilometrekare başına düşen insan sayısı 1 kişi arttığı zaman toplam olgu sayısının da 1 artacağı tahmin edildi. 29 Mart ve 5 Nisan tarihleri arasında yapılan günlük testler içindeki yeni olgu oranında küçük değişiklikler gözlendi. Ayrıca 24 Mart tarihinden 7 Nisan’a kadar gün-gün açıklanan toplam yoğun bakım hasta sayısı, toplam entübe hasta sayısı, toplam evde karantinaya alınan veya hastanede normal serviste yatan hasta sayısı ve toplam iyileşen sayısı verileri ile birlikte toplam olgu sayıları kullanılarak, yoğun bakım yatak sayısı, entübe sayısı gibi hastanelerde verilecek hizmet alt yapı gereksinimleri tahmin edilerek tablolar halinde verildi.
Sonuç:
Bu tip çalışmalar ile önceliklerin sorgulandığı şu günlerde en önemli sırada yer alan sağlık sorunlarını çözmeye yardımcı olunacağı unutulmamalıdır.
Anahtar Kelimeler: Yoğun bakım, entübasyon, COVID-19, zaman serileri, poisson regresyon
Referanslar
- WHO. Coronavirus disease 2019 (COVID-19) Situation Report – 62. March 2020.Available from: URL: https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200322-sitrep-62-covid-19.pdf?sfvrsn=755c76cd_2 (Accessed April 4, 2020)
- TC Sağlık Bakanlığı Web Sitesi https://www.saglik.gov.tr/
- Angelo SA, Arruda EF, Goldwasser R, Lobo MSC, Salles A, Lapa e Silva JR. Demand Forecast and Optimal Planning of Intensive Care Unit (ICU) Capacity. Pesqui Oper doi: 10.1590/0101-7438.2017.037.02.0229
- IHME COVID-19 health service utilization forecasting team, Murray CJL. Forecasting COVID-19 impact on hospital bed-days, ICU-days, ventilator-days and deaths by US state in the next 4 months. medRxiv doi: 10.1101/2020.03.27.20043752
- Binti Hamza FA, Lau CH, Nazri H, Ligot DV, Lee G, Tan CL, et al. Corona Tracker: World-wide COVID-19 Outbreak Data Analysis and Prediction. Bull World Health Organ Available from: URL: https://www.who.int/bulletin/online_first/20-255695.pdf
- Tsai TC, Jacobson B, Jha AK. American hospital capacity and projected need for COVID-19 patient care. Health Aff (Millwood) doi: 10.1377/hblog20200317.457910
- Kucharski AJ, Russell TW, Diamond C, Liu Y, Edmunds J, Funk S, et al. Early dynamics of transmission and control of COVID-19: a mathematical modelling study. Lancet Infect Dis 2020;20:553-8.
Telif hakkı ve lisans
Telif hakkı © 2020 Yazar(lar). Açık erişimli bu makale, orijinal çalışmaya uygun şekilde atıfta bulunulması koşuluyla, herhangi bir ortamda veya formatta sınırsız kullanım, dağıtım ve çoğaltmaya izin veren Creative Commons Attribution License (CC BY) altında dağıtılmıştır.
