Yakın zamanda ortaya çıkan Şiddetli Akut Solunum Sendromu CoronaVirus 2'nin (SARS-CoV-2)patlak vermesinden bu yana, halk sağlığı endişeleri, 2019 Koronavirüs Hastalığı (Covid-19) hakkındaçok fazla veri toplanmasına neden olmuştur. Pandeminin ilerleyişine ilişkin en önemli ölçütler,salgına ilişkin kapsamlı bir şekilde toplanan kayıtlı vakalar ve bildirilen ölüm veri setleridir. Hastalığıdeğerlendirmek veya öngörmek için sadece morbidite ve mortalite sayılarına güvenmenin yetersizolduğu ortaya çıkmıştır. Halk sağlığı otoriteleri ve resmi kuruluşlar için çok daha faydalı olması içinbu verilerin önemli bir uzantısının değiştirilmesi önerilmektedir. Böylesine yıkıcı bir pandemiyi ölçmekiçin kolayca anlaşılabilecek ve uygulanabilecek niceliksel ölçütlerin pratik bir kullanımını benimsemekmakul olacaktır. Gözlenebilecek başlıca üç parametre, salgının büyüklüğünü, zamanla değişim hızınıve farklı aralıklarla morbidite ve mortalite oranlarındaki farkın stabilite derecesini değerlendirmeyi içerir.Ek olarak, kümülatif günlük veri setlerine göre salgının modelini tanımlamak için en iyi eğri uydurmayaklaşımını kullanan ampirik modelleme uygulaması gerçekleştirilebilir.
Since the spark of the recent Severe Acute Respiratory Syndrome CoronaVirus 2 (SARS-CoV-2), publichealth concerns have motivated the accumulation of a vast amount of data about the CoronavirusDisease 2019 (COVID-19). The most important metrics for the pandemic progression are the recordedcases and reported deaths datasets which were comprehensively collected pertaining to the outbreak.The reliance on the census of morbidity and mortality lists solely appeared to be inadequate to assessor forecast the disease. It is proposed that a significant extension of this data should be amended to bemuch more useful for public health authorities and official organizations. It would be plausible to adopta practical use of quantitative metrics that could be easily understandable and applied for measuringsuch a catastrophic pandemic. Three parameters that might be observed primarily involve assessingthe outbreak magnitude, rate of change with time and the degree of stability of the difference in the rateof morbidities and mortalities at different intervals. In addition, empirical modeling implementation usingthe curve-fitting approach could be conducted to describe the pattern of the epidemic according to thecumulative daily datasets