BRICS-MT ÜLKELERİNDE KRONİK HASTALIK MORTALİTE HIZLARI: BOX-JENKİNS METODU İLE GELECEK PROJEKSİYONU

Yıl 2025, Cilt: 27 Sayı: 1, 346 - 353

Birol Yetim

https://doi.org/10.16953/deusosbil.1527683

Öz

Son yıllarda kronik hastalıklar dünya genelinde önemli sağlık sorunlarından biri olarak ön plana çıkmaktadır. Çünkü bu hastalıklar nedeni ile her yıl milyonlarca insan hayatını kaybetmektedir. Ancak kronik hastalık ölümlerinin gelecek seyri net değildir. Bu nedenle, bu çalışmada BRICS-MT ülkelerinde her 100 bin kişiye düşen ölüm sayılarının 2035 yılına kadar tahmin edilmesi amaçlanmaktadır. Çalışma amacına ulaşabilmek için Institute for Health Metrics and Evaluation tarafından yayımlanan ölüm hızları istatistikleri dikkate alınmıştır. Verilerin analizinde ise 1970 yılında Box ve Jenkins tarafından zamansal veri analizleri için geliştirilen ARIMA kullanılmıştır. Çalışma sonucunda BRICS-MT ülkelerinde kronik hastalık ölümlerin önümüzdeki yıllarda da artarak devam edeceği belirlenmiştir. Özellikle Çin, Brezilya ve Meksika’da daha büyük artışlar olacağı tespit edilmiştir. Türkiye ve Güney Afrika için ise artışların daha sınırlı olacağı öngörülmektedir. Kronik hastalıkların toplum sağlığı ve sistem üzerindeki olumsuz etkilerini ortadan kaldırabilmek için ise eylem planlarının hazırlanması ve kronik hastalıklarla topyekûn mücadele edilmesi gerekmektedir.

Anahtar Kelimeler

Mortalite, ARIMA, BRICS-MT, Gelecek Projeksiyonu

Etik Beyan

Sayın Editörüm; "BRICS-MT Ülkelerinde Kronik Hastalık Mortalite Hızları: Box-Jenkins Metodu ile Gelecek Projeksiyonu" başlıklı çalışmada, Uluslararası Hastalık Yükü Çalışması (Global Burden of Disease, GBD) tarafından sağlanan veriler kullanılmıştır. Bu veriler, Institute for Health Metrics and Evaluation (IHME) tarafından toplanmış ve yayımlanmış ikincil verilerdir. Çalışmada insan denekleri üzerinde doğrudan bir uygulama yapılmamış olup, yalnızca halk sağlığına ilişkin ikincil veriler analiz edilmiştir. Bu nedenle, çalışmada kullanılan veriler açık erişim olarak temin edilmiş olup, etik kurul onayı gerekmemektedir. Ancak, verilerin elde edilmesi ve kullanımı sırasında IHME’nin veri kullanım politikalarına uygun hareket edilmiştir. Verilerin kullanımı ve çalışmamızın gerçekleştirilmesi sırasında araştırma etiği kurallarına titizlikle uyulmuş, verilerin gizliliği ve doğruluğu korunmuştur. Saygılarımla.

CHRONIC DISEASE MORTALITY RATES IN BRICS-MT COUNTRIES: FUTURE PROJECTIONS USING THE BOX-JENKINS METHOD

Öz

In recent years, chronic diseases have emerged as significant health issues globally, resulting in millions of deaths annually. However, the future trajectory of chronic disease-related mortality remains uncertain. Therefore, this study aims to forecast the number of deaths per 100,000 people in the BRICS-MT countries by the year 2035. The study utilizes mortality rate statistics published by the Institute for Health Metrics and Evaluation. The ARIMA model, developed by Box and Jenkins in 1970 for time series data analysis, was employed to analyse the data. The results indicate that deaths due to chronic diseases in BRICS-MT countries are expected to continue in the coming years. Notably, significant increases are projected in China, Brazil, and Mexico. In contrast, more limited increases are anticipated in Turkey and Russia. To mitigate the adverse effects of chronic diseases on public health and the healthcare system, comprehensive action plans should be developed, and a concerted effort must be made to combat chronic diseases.

Anahtar Kelimeler

Mortality, Future Projection

Kaynakça

• Ansah, J. P., & Chiu, C. T. (2023). Projecting the chronic disease burden among the adult population in the United States using a multi-state population model. Frontiers in Public Health, 10, 1082183.
• Box, G. (2013). Box and Jenkins: Time series analysis, forecasting and control. In A Very British Affair: Six Britons and the Development of Time Series Analysis During the 20th Century (pp. 161-215). London: Palgrave Macmillan UK.
• Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: Forecasting and control. John Wiley & Sons.
• Dünya Bankası. (2024). Ortalama yaşam süresi ve nüfus istatistikleri, https://data.worldbank.org/indicator. Erişim Tarihi: 01.08.2024.
• Dünya Sağlık Örgütü. (2023). Noncommunicable diseases. https://www.who.int/news-room/fact-sheets/detail/noncommunicable-diseases. Erişim Tarihi: 31.07.2024.
• Fernandes, J. B., Teixeira, F., & Godinho, C. (2022). Personalized care and treatment compliance in chronic conditions. Journal of Personalized Medicine, 12 (5), 737.
• Hacker, K. (2024). The burden of chronic disease. Mayo Clinic Proceedings: Innovations, Quality & Outcomes, 8 (1), 112-119.
• Institute for Health Metrics and Evaluation, 2024. Non-communicable diseases, https://vizhub.healthdata.org/gbd-compare/. Erişim Tarihi: 29.07.2024.
• Joly, P., Touraine, C., Georget, A., Dartigues, J. F., Commenges, D., & Jacqmin-Gadda, H. (2013). Prevalence projections of chronic diseases and impact of public health intervention. Biometrics, 69 (1), 109-117.
• Krawczyk-Suszek, M., Gaweł, A., & Kleinrok, A. (2024). Ranking of diseases affecting the health-related quality of life of patients in Poland–a cross-sectional study. Archives of Medical Science.
• Megari, K. (2013). Quality of life in chronic disease patients. Health Psychology Research, 1 (3).
• Michael, E., Rosenhouse, S., El-Saharty, S., & Mahal, A. (2011). The economic impact on households and nations of NCDs: A review of existing evidence. FAO, 214 (2), 197-207.
• Nau, R. (2014). The mathematical structure of arima models. Duke University Online Article, 1 (1), 1-8.
• Nugent, R. (2008). Chronic diseases in developing countries: Health and economic burdens. Annals of the New York Academy of Sciences, 1136 (1), 70-79.
• Pan, Y., Zhang, M., Chen, Z., Zhou, M., & Zhang, Z. (2016). An ARIMA based model for forecasting the patient number of epidemic disease. In 2016 13th international conference on service systems and service management (ICSSSM) (pp. 1-4). IEEE.
• Pearson-Stuttard, J., Guzman-Castillo, M., Penalvo, J. L., Rehm, C. D., Afshin, A., Danaei, G., ... & O’Flaherty, M. (2016). Modeling future cardiovascular disease mortality in the United States: National trends and racial and ethnic disparities. Circulation, 133 (10), 967-978.
• Preto, O., Amaral, O., Duarte, J., Chaves, C., Coutinho, E., & Nelas, P. (2016). Quality of life and chronic disease in patients receiving primary health care. European Proceedings of Social and Behavioural Sciences, 13, 217-226.
• Schmidt, H., Mah, C. L., Cook, B., Hoang, S., Taylor, E., Blacksher, E., ... & Aleksandrova-Yankulovska, S. (2016). Chronic disease prevention and health promotion. Public Health Ethics: Cases Spanning the Globe, 137-176.
• Valtorta, N. K., & Hanratty, B. (2013). Socioeconomic variation in the financial consequences of ill health for older people with chronic diseases: A systematic review. Maturitas, 74 (4), 313-333.
• Whelan, J. (2002). WHO calls for countries to shift from acute to. BMJ, 324(1237).
• Yach, D., Hawkes, C., Gould, C. L., & Hofman, K. J. (2004). The global burden of chronic diseases: Overcoming impediments to prevention and control. Jama, 291 (21), 2616-2622.