28 Mart 2020 Tarihi İtibariyle Koronavirüs Pandemisi Üzerine Vaka Çalışmaları: Türkiye ve Diğer Ülke Örnekleri (Case Studies on Coronavirus Pandemic: Cases of Turkey and Other Countries As of March 28, 2020)

Giriş / Intoduction

Coronavirüsler (CoV), soğuk algınlığından Orta Doğu Solunum Sendromu (MERS-CoV) ve Şiddetli Akut Solunum Sendromu (SARS-CoV) gibi daha ciddi hastalıklara kadar pek çok hastalığa neden olan büyük bir virüs ailesidir. Bu yeni virüse, yüzey çıkıntıları taç görünümünde olduğu için coronavirus adı verilmiş olup, bu virüs ailesi tek zincirli, pozitif polariteli, zarflı RNA virüsleridir.

Koronavirüs hastalığı (COVID-19), 2019 yılında keşfedilen ve daha önce insanlarda tanımlanmamış yeni bir suştur. Suş, bir bakteri veya virüsün farklı alt türlerinin, aralarında genetik farklılıklar bulunan grupları olarak adlandırılır.

Koronavirüsler zoonotiktir, yani hayvanlar ve insanlar arasında bulaşırlar. Ayrıntılı araştırmalar SARS-CoV’nin misk kedilerinden insanlara ve MERS-CoV’un tek hörgüçlü develerden insanlara bulaştığını göstermiştir. Bilinen birkaç koronavirüs henüz insanları enfekte etmeyen hayvanlarla taşınmaktadır.

Enfeksiyon belirtileri arasında solunum semptomları, ateş, öksürük, nefes darlığı ve solunum güçlüğü bulunur. Daha ciddi vakalarda, enfeksiyon pnömoniye, ciddi akut solunum sendromuna, böbrek yetmezliğine ve hatta ölüme neden olabilir. Solunum sistemi hastalıklarından biri olan pnömoni ya da halk arasında zatürre bakteriler başta olmak üzere mikroorganizmalara bağlı olarak ortaya çıkan akciğer dokusunun iltihaplanmasıdır. Grip gibi bu hastalık da bağışıklık (immun) sistemini baskılayan hastalıklardan biridir. Özellikle ileri yaşlardaki bireylerde hem bağışıklık sisteminin yaşla birlikte yavaşlaması hem de yaşa ve/veya diğer nedenlere bağlı olarak kronik ve diğer hastalıkların görülmesi bu yaşlardaki bireylerde ölüm oranlarını artırabilmektedir. Diğer bir deyişle, bu enfeksiyon komplikasyon yaratarak ve mevcut diğer hastalıkları tetikleyerek bu yaş gruplarında diğer yaş gruplarına göre daha öldürücü olabilir.

Enfeksiyonun yayılmasını önlemek için standart öneriler arasında düzenli el yıkama, öksürme ve hapşırma sırasında ağız ve burnun kapatılması, et ve yumurtaların iyice pişirilmesi yer alır. Öksürme ve hapşırma gibi solunum yolu rahatsızlığı belirtileri gösteren kişilerle yakın temastan kaçınmak bu hastalıktan korunmak için atılacak önemli koruyucu tedbirlerden biridir.

Koronavirüs salgını Çin ile birlikte diğer ülkelere de yayıldığı için Dünya Sağlık Örgütü tarafından 30/01/2020 tarihinde uluslararası halk sağlığı açısından acil durum ilan edilmiştir. Bu hastalıktan bahsedilirken lise ve üniversite yıllarımda benim de ders olarak aldığım Epidemiyoloji biliminden bahsetmemek olmaz. Epidemiyoloji, toplumda sağlıkla ilgili durumların veya olayların (hastalık dahil) dağılımını, görülme sıklıklarını ve bunları etkileyen faktörleri inceleyen bir tıp bilimi dalıdır.

Epidemiyolojik araştırmalar yapmak için çeşitli yöntemler kullanılabilir. Bu yöntemler dağılımı incelemek için sürveyans, tanımlayıcı çalışmalar ve hastalık belirleyicilerini incelemek için analitik çalışmalar olabilir. Bilindiği üzere Koronavirüs hastalığı artık pandemik bir vaka olarak adlandırılmaktadır. Epidemiyolojinin konu alanına giren pandemi dünyada birden fazla ülkede veya kıtada, çok geniş bir alanda
yayılan ve etkisini gösteren salgın hastalıklara verilen genel isim
olarak ifade edilmektedir. Diğer bir deyişle, salgın (epidemi) durumundaki bir hastalığın ülke sınırlarını aşarak diğer ülkelere yayılım göstermesidir.

Avrupa Birliği kurumlarından biri olan “Avrupa Hastalık Önleme ve Kontrol Merkezi (European Centre for Disease Prevention and Control)”‘ne göre ön bulgular koronavirüs hastalığından vakalara dayalı ölüm oranı (fatalite hızı)’nın binde 20-30 olduğunu göstermektedir. Bu, 2003 SARS salgınından önemli ölçüde daha az. Bununla birlikte, mevsimsel gripin neden ölüm oranlarından çok daha yüksektir.

Çalışma kapsamında koronavirüs pandemi vakalarının epidemiyolojik hızlarla birlikte keşifsel veri analizi (EDA) yapılarak vakaların izlediği seyrin ortaya konulması amaçlanmıştır

Metodoloji / Methodology

Çalışmanın amacı, koronavirüs vakalarının epidemiyolojik düzlemde Türkiye’de ve diğer ülkelerde izlediği seyri detaylı bir şekilde keşifsel veri analiziyle ortaya koyarak karar vericilere katkı sunmaktır.

Koronavirüs vakalarının analizinde Türkiye veri setinin oluşturulmasında Türkiye İstatistik Kurumu (TÜİK)’ndan ve Dünya Sağlık Örgütü (DSÖ) raporlarından ve Sağlık Bakanlığı basın açıklamalarından yararlanılmıştır. Bunun nedeni Türkiye veri setine daha derinlemesine bakılmak istenmesidir.

Diğer ülkelere ilişkin koronavirüs vakaları ise “Avrupa Hastalık Önleme ve Kontrol Merkezi (European Centre for Disease Prevention and Control)” ne ait “https://www.ecdc.europa.eu” web sitesinden alınmıştır.

Analizlerde Türkiye verisi için Microsoft Excel 2016 ve diğer ülke verileri için R programlama dili kullanılmıştır.

Keşifsel veri analizine geçilmeden önce vaka sayılarından yararlanarak epidemiyolojik hızlar hesaplanmıştır. Bu nedenle, çalışmada kullanılacak hızları açıklamanın faydalı olacağı düşünülmektedir.

Epidemiyoloji biliminde hız kavramı, bir sağlık olayının nüfus içindeki görülme frekansını hesaplamada kullanılan bir ölçüttür. Hızlar, belirli bir zaman diliminde meydana gelen olayların sayısının olayın meydana geldiği nüfusa bölünerek hesaplanır. Eşitliğin payı, sağlık olayı ile karşılaşanların sayısını (X), payda ise risk altındaki nüfusu (X+Y) göstermektedir. Risk altındaki nüfus hastalığa veya sağlık olaylarına karşı duyarlı olan nüfusu ifade etmektedir. Formülize edilirse;

Hız (Rate) = (X / X +Y) * k

Burada, k katsayıyı göstermektedir.

Analizde hızlardan girdi değişkeni olarak kullanılması düşünülen ilk gösterge ölüm veya mortalite ölçütlerinden biri olan Kaba Ölüm Hızı‘dır. Bu hız nüfusun sağlık düzeyini ortaya koymada duyarlı olmasa da bir fikir vermesi açısından önemlidir. Kaba ölüm hızı aşağıdaki eşitlikte gösterilmiştir.

Kaba Ölüm Hızı (Crude Death Rate) = (Bir toplumda belirli bir süre içinde meydana gelen ölüm sayısı / Aynı toplumun aynı süredeki
(yıl ortası) nüfusu) * 1000

Crude death rate = (Total number of deaths during a given time interval / Mid-interval population) * 1000

Girdi değişkeni olarak kullanılması düşünülen ikinci gösterge ölüm veya fatalite ölçütlerinden biri olan Fatalize Hızı‘dır. Bu gösterge kaba ölüm hızına göre daha duyarlı bir göstergedir. Diğer bir ifadeyle, hastalığa yakalananların ne kadarının öldüğünü gösterir. Fatalite hızı aşağıdaki eşitlik yardımıyla hesaplanmaktadır;

Fatalite Hızı (Fatality Rate) = (Nüfusta belirli bir süre içinde “X” hastalığından ölenlerin sayısı / Aynı nüfusun aynı süre içinde “X” hastalığına yakalananların sayısı) * 100

Fatality Rate = (Number of cause-specific deaths among the incident cases / Total number of incident cases) * 100

Morbitide veya hastalık hızları gelişmekte olan hastalığın ortaya çıkma hızını ortaya koymak için kullanılır. Bunlardan biri olan insidans,
bir hastalığın gelişme (yeni vakalar) olasılığını ortaya koymak için kullanılır. Diğer taraftan, bu hızlardan prevelans ise hastalığın görülme sıklığını (tüm vakalar) gösteren bir hızdır. İnsidans ve prevelans da analizde girdi değişkenleri olarak kullanılması düşünülmektedir. İnsidans aşağıdaki eşitlik yardımıyla hesaplanmaktadır.

İnsidans (Incidence) = (Bir nüfusta belirli bir sürede saptanan YENİ vaka sayısı / Aynı toplumun yıl ortası nüfusu) * k

Incidence = (Number of new cases of disease during specified time interval / Population at start of time interval) * k

İnsidans hızının kümülatif şekli ise atak hızlarını göstermektedir.

Prevelans ise aşağıdaki eşitlik yardımıyla hesaplanmaktadır.

Prevelans (Prevalence) = (Belirli bir sürede toplam (eski+yeni) vaka sayısı / Risk altındaki kişi sayısı) * k

Prevalence = (Number of cases of disease during specified time interval / Population at start of time interval) * k

Keşifsel Veri Analizi Bulguları / Exploratory Data Analysis Findings

Türkiye Örneği / The Case of Turkey

Bu kısımda bahsedilen epidemiyolojik hızların uygulama sonuçlarına yer verilmiştir. İlk olarak günlük onaylanmış vaka sayıları ile ölüm vaka sayıları Tablo 1’de verilmiştir. Tablo 1’e göre öne çıkan bulgular şöyledir:

  • Toplam vaka sayısı 5698’e ulaştığı 27.03.2020 tarihinde görülen yeni vaka sayısı 2069 olup, bu sayı Türkiye’de salgının başladığı günden bugüne kadar en yüksek vaka sayısıdır.
  • Kümülatif vaka sayısından kümülatif ölen kişi sayısı çıkarılmasından sonra kalan toplam aktif vaka sayısı 5502’dir.
  • Salgından ölen toplam kişi sayısı 59 olup, en yüksek ölüm vakalarının yaşandığı gün 27.03.2020 tarihidir.

Tablo 1. Koronavirüs Vaka Sayıları / Number of Coronavirus Cases, Turkey

Epidemiyolojik hızları gösteren bulgular ise Tablo 2’de sunulmuştur. Tablo 2’ye göre öne çıkan bulgular şöyledir:

  • Sağlık düzeyini belirlemede duyarlı bir gösterge olmasa da fikir vermesi açısından kaba ölüm hızı hesaplanmıştır. Buna göre kaba ölüm hızı en yüksek seviyesine ulaştığı 27.3.2020 tarihinde milyonda 0,20’dir. Katsayı bin yerine milyon alınmasının nedeni ortaya konulan bulgunun çok küçük değer almasından kaynaklanmaktadır. Toplam ölen kişi sayına göre kaba ölüm hızı ise milyonda 1,3’e yükselmiştir.
  • Fatalite hızının en yüksek olduğu tarih binde yaklaşık 43 ile 21.3.2020 tarihidir. Toplam vaka sayılarına göre fatalite hızı ise binde yaklaşık 15’dir. Bu bulgu şu anlama gelmektedir; bugüne kadar koronavirüs hastalığına yakalanan her 1000 kişiden yaklaşık 15’i hayatını kaybetmiştir.

Tablo 2. Koronavirüs Vakalarının Epidemiyolojik Hızları / Epidemiological Rates of Coronavirus Cases, Turkey

Yapılan test sayıları ve vaka sayıları dikkate alınarak koronavirüs salgının insidansı ve prevelansı da hesaplanmış olup elde edilen bulgular Tablo 3’te verilmiştir.

  • Yapılan test sayısı 55464, onaylanmış vaka sayısı 7641’dir. Belirli bir zaman diliminde bir hastalığın bir nüfus grubunda görülme sıklığını ortaya koyan prevelans hızı % 13’tür. Buradan salgın meydana geldiği süre içerisinde her 100 vakadan 13’ünde koronavirüs vakası tespit edildiği anlamı çıkmaktadır.
  • Belirli bir zaman diliminde bir hastalığın gelişme (yeni vakalar) olasılığını ortaya koyan insidans hızı % 22,3‘tür. Bir önceki güne göre insidans düşüş göstermiştir. Bu bulgudan koronavirüs testi yapılan her 100 yeni vakadan 22’sinde koronavirüs tespit edildiği anlaşılmaktadır.

Koronavirüs Salgınının İnsidansı ve Prevelansı / Incidence and Prevalence of Coronavirus Epidemic

Türkiye’deki Fatalite Hızlarının Zamana Göre Dağılımı / Distribution of Fatality Rates in Turkey by Time

Koronavirüs vaka sayıları baz alınarak Türkiye ve İtalya’nın karşılaştırıldığı görülmektedir. Bu oldukça eksik bir bakış açısıdır. Zira vaka sayıları ve hatta ölüm sayıları bile tek başına değerlendirilmesi hatalı yorumlara ve sonuçlara neden olabilir. Bu göstergelerden daha da önemli olan epidemiyolojik hızlardan ve aynı zamanda ölüm ölçütlerinden biri olan fatalite hızı dikkate alınmasının değerlendirme açısından daha sağlıklı olacağı düşünülmektedir. Aşağıdaki grafiklerde İtalya ve Türkiye fatalite hızları karşılaştırmalı olarak sunulmuştur. Diğer taraftan bu tür değerlendirmelere yer verilebilmesi için ülkelerin demografik yapısına da bakmak gerekmektedir. Aşağıdaki grafikte fatalite hızları açısından bakılırsa fatalite hızlarının görüldüğü y ekseninde İtalya’nın çok farklı bir seyir izlediği görülmektedir.

Türkiye ve İtalya’daki Fatalite Hızlarının Zamana Göre Dağılımı / Distribution of Fatality Rates in Turkey and Italy by Time

Ayrıca Türkiye, Avrupa Hastalık Önleme ve Kontrol Merkezi‘nden alınan koronavirüs ölüm vakaları açısından İtalya’nın yanısıra Fransa, İspanya ve İran ile de ilk 14 günlük seyir karşılaştırılmıştır. Aşağıdaki tabloda toplam ölüm vaka sayıları açısından Türkiye’nin İran ile benzerlik gösterdiği görülmektedir.

Türkiye, İtalya, Fransa, İspanya ve İran’ın Ölüm Vakalarının İlk 14 Günlük Seyri / First 14-Day Dealth Figures, Cases of Turkey, Italy, France, Spain and Iran

Yukarıdaki tabloda ilk 14 günlük zaman diliminde Türkiye’de koronavirüs ölüm vakaları açısından İspanya ve Fransa’ya göre daha yüksek olsa da aşağıdaki tabloda fatalite hızları açısından bu ülkelerin Türkiye’den daha yüksek olduğu olduğu görülmektedir. Diğer taraftan genel olarak Türkiye’nin fatalite hızları açısından ABD’ye benzer ancak ondan daha yüksek fatalite hızlarının olduğu görülmektedir. Tabloda İtalya’nın fatalite hızları açısından açık ara önde olduğu görülmektedir. Bu bulgu aynı zamanda koronavirüs hastalığına yakalananlar içerisinde ölenlerin İtalya’da daha yüksek olduğunu ortaya koymaktadır.

Türkiye, İtalya, Fransa, İspanya ve ABD’nin Fatalite Hızlarının Son 10 Günlük Seyri / The Last 14-Day Fatality Rates, Cases of Turkey, Italy, France, Spain and USA

Dünya ve Diğer Ülke Örnekleri / Cases of World and Other Countries

İlk olarak adım adım uygulamaya geçilerek Avrupa Hastalık Önleme ve Kontrol Merkezi‘nin web sitesinden xlsx (Microsoft Excel tarafından kullanılan dosya formatı) uzantılı olarak okutulan onaylanmış vaka ve ölüm sayıları veri seti tanıtılmıştır.

Çalışmanın bu kısmında epidemiyolojik hızlarla birlikte keşifsel veri analizi yapılan ülkeler İtalya, Fransa, Almanya, Güney Kore, İspanya ve ABD, İngiltere’dir.

Aşağıda yazdığım R kod bloğu ile birlikte veri seti Avrupa Hastalık Önleme ve Kontrol Merkezi veri tabanından indirilmeden güncel veri akışı sağlanabilecektir.

url = "https://www.ecdc.europa.eu/sites/default/files/documents/COVID-19-geographic-disbtribution-worldwide-2020-03-28.xlsx"
destfile <- "COVID_19_geographic_disbtribution_worldwide_2020_03_28.xlsx"
curl::curl_download(url, destfile)
ECDC_Data <- read_excel(destfile)

ECDC_Data

Data<- ECDC_Data[,-8:-10]

df<-Data %>% rename(Country="countriesAndTerritories", Date="dateRep")

df

#Eksik veri olup olmadığının gözden geçirilmesi için
sum(is.na(df$Cases))#0

Veri setinde ihtiyaç duyulmayan son 3 sütun çıkarılmıştır. Bu işlemden sonra veri setinde kalan değişken sayısı 7’dir. Veri setindeki toplam gözlem sayısı ise 7320’dir. Aşağıda mevcut değişkenler, değişkenin veri tipi ile birlikte gözlem sayısı görülmektedir.

Classes ‘tbl_df’, ‘tbl’ and 'data.frame':	7320 obs. of  7 variables:
 $ Date   : POSIXct, format: "2020-03-28" "2020-03-27" ...
 $ Day    : num  28 27 26 25 24 23 22 21 20 19 ...
 $ Month  : num  3 3 3 3 3 3 3 3 3 3 ...
 $ year   : num  2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 ...
 $ Cases  : num  16 0 33 2 6 10 0 2 0 0 ...
 $ Deaths : num  1 0 0 0 1 0 0 0 0 0 ...
 $ Country: chr  "Afghanistan" "Afghanistan" "Afghanistan" "Afghanistan" ...

Veri setinde koronavirüs salgınının yaşandığı aşağıdaki listesi verilen 196 ülke ve/veya bölge bulunmaktadır.

[1] "Afghanistan"                               
  [2] "Angola"                                    
  [3] "Albania"                                   
  [4] "Andorra"                                   
  [5] "Argentina"                                 
  [6] "Antigua_and_Barbuda"                       
  [7] "Algeria"                                   
  [8] "Anguilla"                                  
  [9] "Armenia"                                   
 [10] "Aruba"                                     
 [11] "Australia"                                 
 [12] "Austria"                                   
 [13] "Azerbaijan"                                
 [14] "Bahamas"                                   
 [15] "Bahrain"                                   
 [16] "Bangladesh"                                
 [17] "Barbados"                                  
 [18] "Belarus"                                   
 [19] "Belgium"                                   
 [20] "Belize"                                    
 [21] "Benin"                                     
 [22] "Bermuda"                                   
 [23] "Bhutan"                                    
 [24] "Bolivia"                                   
 [25] "Bosnia_and_Herzegovina"                    
 [26] "Brazil"                                    
 [27] "British_Virgin_Islands"                    
 [28] "Brunei_Darussalam"                         
 [29] "Bulgaria"                                  
 [30] "Burkina_Faso"                              
 [31] "Cambodia"                                  
 [32] "Cameroon"                                  
 [33] "Canada"                                    
 [34] "Cape_Verde"                                
 [35] "Cases_on_an_international_conveyance_Japan"
 [36] "Cayman_Islands"                            
 [37] "Central_African_Republic"                  
 [38] "Chad"                                      
 [39] "Chile"                                     
 [40] "China"                                     
 [41] "Colombia"                                  
 [42] "Congo"                                     
 [43] "Costa_Rica"                                
 [44] "Cote_dIvoire"                              
 [45] "Croatia"                                   
 [46] "Cuba"                                      
 [47] "Curaçao"                                   
 [48] "Cyprus"                                    
 [49] "Czech_Republic"                            
 [50] "Democratic_Republic_of_the_Congo"          
 [51] "Denmark"                                   
 [52] "Djibouti"                                  
 [53] "Dominica"                                  
 [54] "Dominican_Republic"                        
 [55] "Ecuador"                                   
 [56] "Egypt"                                     
 [57] "El_Salvador"                               
 [58] "Equatorial_Guinea"                         
 [59] "Eritrea"                                   
 [60] "Estonia"                                   
 [61] "Eswatini"                                  
 [62] "Ethiopia"                                  
 [63] "Faroe_Islands"                             
 [64] "Fiji"                                      
 [65] "Finland"                                   
 [66] "France"                                    
 [67] "French_Polynesia"                          
 [68] "Gabon"                                     
 [69] "Gambia"                                    
 [70] "Georgia"                                   
 [71] "Germany"                                   
 [72] "Ghana"                                     
 [73] "Gibraltar"                                 
 [74] "Greece"                                    
 [75] "Greenland"                                 
 [76] "Grenada"                                   
 [77] "Guam"                                      
 [78] "Guatemala"                                 
 [79] "Guernsey"                                  
 [80] "Guinea"                                    
 [81] "Guinea_Bissau"                             
 [82] "Guyana"                                    
 [83] "Haiti"                                     
 [84] "Holy_See"                                  
 [85] "Honduras"                                  
 [86] "Hungary"                                   
 [87] "Iceland"                                   
 [88] "India"                                     
 [89] "Indonesia"                                 
 [90] "Iran"                                      
 [91] "Iraq"                                      
 [92] "Ireland"                                   
 [93] "Isle_of_Man"                               
 [94] "Israel"                                    
 [95] "Italy"                                     
 [96] "Jamaica"                                   
 [97] "Japan"                                     
 [98] "Jersey"                                    
 [99] "Jordan"                                    
[100] "Kazakhstan"                                
[101] "Kenya"                                     
[102] "Kosovo"                                    
[103] "Kuwait"                                    
[104] "Kyrgyzstan"                                
[105] "Laos"                                      
[106] "Latvia"                                    
[107] "Lebanon"                                   
[108] "Liberia"                                   
[109] "Libya"                                     
[110] "Liechtenstein"                             
[111] "Lithuania"                                 
[112] "Luxembourg"                                
[113] "Madagascar"                                
[114] "Malaysia"                                  
[115] "Maldives"                                  
[116] "Mali"                                      
[117] "Malta"                                     
[118] "Mauritania"                                
[119] "Mauritius"                                 
[120] "Mexico"                                    
[121] "Moldova"                                   
[122] "Monaco"                                    
[123] "Mongolia"                                  
[124] "Montenegro"                                
[125] "Montserrat"                                
[126] "Morocco"                                   
[127] "Mozambique"                                
[128] "Myanmar"                                   
[129] "Namibia"                                   
[130] "Nepal"                                     
[131] "Netherlands"                               
[132] "New_Caledonia"                             
[133] "New_Zealand"                               
[134] "Nicaragua"                                 
[135] "Niger"                                     
[136] "Nigeria"                                   
[137] "North_Macedonia"                           
[138] "Norway"                                    
[139] "Oman"                                      
[140] "Pakistan"                                  
[141] "Palestine"                                 
[142] "Panama"                                    
[143] "Papua_New_Guinea"                          
[144] "Paraguay"                                  
[145] "Peru"                                      
[146] "Philippines"                               
[147] "Poland"                                    
[148] "Portugal"                                  
[149] "Puerto_Rico"                               
[150] "Qatar"                                     
[151] "Romania"                                   
[152] "Russia"                                    
[153] "Rwanda"                                    
[154] "Saint_Kitts_and_Nevis"                     
[155] "Saint_Lucia"                               
[156] "Saint_Vincent_and_the_Grenadines"          
[157] "San_Marino"                                
[158] "Saudi_Arabia"                              
[159] "Senegal"                                   
[160] "Serbia"                                    
[161] "Seychelles"                                
[162] "Singapore"                                 
[163] "Sint_Maarten"                              
[164] "Slovakia"                                  
[165] "Slovenia"                                  
[166] "Somalia"                                   
[167] "South_Africa"                              
[168] "South_Korea"                               
[169] "Spain"                                     
[170] "Sri_Lanka"                                 
[171] "Sudan"                                     
[172] "Suriname"                                  
[173] "Sweden"                                    
[174] "Switzerland"                               
[175] "Syria"                                     
[176] "Taiwan"                                    
[177] "Thailand"                                  
[178] "Timor_Leste"                               
[179] "Togo"                                      
[180] "Trinidad_and_Tobago"                       
[181] "Tunisia"                                   
[182] "Turkey"                                    
[183] "Turks_and_Caicos_islands"                  
[184] "Uganda"                                    
[185] "Ukraine"                                   
[186] "United_Arab_Emirates"                      
[187] "United_Kingdom"                            
[188] "United_Republic_of_Tanzania"               
[189] "United_States_of_America"                  
[190] "United_States_Virgin_Islands"              
[191] "Uruguay"                                   
[192] "Uzbekistan"                                
[193] "Venezuela"                                 
[194] "Vietnam"                                   
[195] "Zambia"                                    
[196] "Zimbabwe"                                  

Mevcut veri setinde aktif vaka sayıları ile birlikte fatalite hızları da hesaplandığı için değişken sayısı 7’den 9’a çıkarılmıştır.

Dünya / World

Dünyadaki Vaka Sayıları İle Birlikte Fatalite Hızları /Fatality Rates with Case Numbers in the World

Dünyada görülen koronavirüs vakalarının tanımlayıcı istatistikleri aşağıdaki tabloda verilmiştir. Tabloda öne çıkan bulgular şöyledir:

  1. Koronavirüs günlük ortalama vaka sayısı 198, koronavirüsten ölen ortalama kişi sayısı ise 9’dir.
  2. Günlük ortalama fatalite hızı yaklaşık 1000’de 24’tür. Bu bulgu koronavirüs salgınına yakalanan her 1000 kişiden yaklaşık 24’ünün hayatını kaybettiğini göstermektedir.

Dünaydaki Koronavirüs Vakalarının Tanımlayıcı İstatistikleri / Descriptive Statistics of Coronavirus Cases in the World

Ortaya konulan fatalite hızı, Dünyada koronavirüs hastalığına yakalanan her 1000 kişinden yaklaşık 46’sının hayatını kaybettiğini göstermektedir.

Dünyadaki Son 10 Günlük Fatalite Hızları / Last 10-Day Fatality Rates in the World

28.3.2020 Tarihinde Fatalite Hızının En Yüksek Olduğu İlk 10 Ülke / Top 10 Countries with the Highest Fatality Rate on March 28, 2020

Dünyada Kümülatif Fatalite Hızının En Yüksek Olduğu 10 Ülke/Bölge // Top 10 Countries with the Highest Cumulative Fatality Rate in the World

Dünyada Kümülatif Fatalite Hızının En Düşük Olduğu 10 Ülke/Bölge / Top 10 Countries / Regions with the Lowest Cumulative Fatality Rate in the World

Dünyadaki Fatalite Hızlarının Zamana Göre Dağılımı / Distribution of Fatality Rates in the World by Time

İtalya / Italy

İtalya’daki Fatalite Hızlarının Zamana Göre Dağılımı / Distribution of Fatality Rates in Italy by Time

İtalya’da salgının başladığı tarihten bugüne kadar ölüm ve onaylanmış vaka sayılarının zamana bağlı olarak artan bir seyir izlediği görülmektedir. Fatalite hızının ise artan ölüm vakalarına bağlı olarak ilk vakanın görülmesinin üzerinden geçen 20 ile 30 günlük süre içerisinde zirve yaptığı, öncesinde ve devamında ise artan vaka ve ölen kişi sayısından dolayı stabil kaldığı anlaşılmaktadır.

İtalya’daki Son 10 Günlük Fatalite Hızları / Last 10-Day Fatality Rates in İtaly

Ortaya konulan fatalite hızlarına göre son 10 gün içerisinde fatalite hızının en yüksek olduğu 25.3.2020 tarihinde İtalya’da Koronavirüs hastalığına yakalanan her 1000 kişinden yaklaşık 142’sinin hayatını kaybettiği görülmektedir.

İspanya / Spain

Ortaya konulan fatalite hızlarına son 10 gün içerisinde fatalite hızının en yüksek olduğu 23.3.2020 tarihinde İspanya’da Koronavirüs hastalığına yakalanan her 1000 kişinden yaklaşık 108’inin hayatını kaybettiği görülmektedir.

İspanya’daki Son 10 Günlük Fatalite Hızları / Last 10-Day Fatality Rates in Spain

Fransa / France

Ortaya konulan fatalite hızlarına göre son 10 gün içerisinde fatalite hızının en yüksek olduğu 25.3.2020 tarihinde Fransa’da Koronavirüs hastalığına yakalanan her 1000 kişinden yaklaşık 98’inin hayatını kaybettiği görülmektedir.

Fransa’daki Son 10 Günlük Fatalite Hızları / Last 10-Day Fatality Rates in France

Güney Kore / South Korea

Ortaya konulan fatalite hızlarına göre son 10 gün içerisinde fatalite hızının en yüksek olduğu 23.3.2020 tarihinde Gündey Kore’de Koronavirüs hastalığına yakalanan her 100 kişinden yaklaşık 14’ü hayatını kaybettiği görülmektedir. Ancak ölüm vakalarının azalmasına bağlı olarak fatalize hızının da düştüğü görülmektedir.

Güney Kore’de Son 10 Günlük Fatalite Hızları / Last 10-Day Fatality Rates in South Korea

Almanya / Germany

Ortaya konulan fatalite hızlarına göre son 10 gün içerisinde fatalite hızının en yüksek olduğu 28.3.2020 tarihinde Almanya’da Koronavirüs hastalığına yakalanan her 1000 kişinden yaklaşık 12’sinin hayatını kaybettiği görülmektedir. Özellikle son 3 günde Almanya’da gerek vaka sayıları gerekse ölüm vakalarının tırmanışa geçtiği gözlenmiştir.

Almanya’da Son 10 Günlük Fatalite Hızları / Last 10-Day Fatality Rates in Germany

ABD / USA

Ortaya konulan fatalite hızlarına göre son 10 gün içerisinde fatalite hızının en yüksek olduğu 28.3.2020 tarihinde ABD’de Koronavirüs hastalığına yakalanan her 1000 kişinden yaklaşık 22’sinin hayatını kaybettiği görülmektedir. Genel olarak son 10 gün içerisinde ABD’de vaka sayıları ve ölüm vakalarına bağlı olarak fatalite hızlarının keskin bir yükselişe geçtiği gözlenmiştir.

ABD’de Son 10 Günlük Fatalite Hızları / Last 10-Day Fatality Rates in USA

İngiltere / UK

Ortaya konulan fatalite hızlarına göre son 10 gün içerisinde fatalite hızının en yüksek olduğu 23.3.2020 tarihinde İngiltere’de Koronavirüs hastalığına yakalanan her 1000 kişinden yaklaşık 72’sinin hayatını kaybettiği görülmektedir. Genel olarak son 3 gün içerisinde İngiltere’de vaka sayıları ve ölüm vakalarına bağlı olarak fatalite hızlarının keskin bir yükselişe geçtiği gözlenmiştir.

İngiltere’de Son 10 Günlük Fatalite Hızları / Last 10-Day Fatality Rates in UK

Sonuç / Conclusion

Özetle, Avrupa Hastalık Önleme ve Kontrol Merkezi‘nden alınan koronavirüs hastalık veri setinin epidemiyolojik hızlarla birlikte keşifsel veri analizi yapılarak koronavirüs pandemisinin trendi hakkında farkındalık oluşturulması amaçlanmıştır.

Faydalı olması ve farkındalık oluşturması dileğiyle.

Bilimle ve teknolojiyle kalınız.

Saygılarımla.

Note: It can not be cited or copied without referencing.

Not: Kaynak gösterilmeden alıntı yapılamaz veya kopyalanamaz.

Yararlanılan Kaynaklar / Resources Utilized

Bir Cevap Yazın

Aşağıya bilgilerinizi girin veya oturum açmak için bir simgeye tıklayın:

WordPress.com Logosu

WordPress.com hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Google fotoğrafı

Google hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Twitter resmi

Twitter hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Facebook fotoğrafı

Facebook hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Connecting to %s