%0 Journal Article %T تجزیه‌ و تحلیل مبتنی بر سناریو شیوع کرونا در ایران توسط مدل‌سازی پویائی‌شناسی سیستم‌ها- با محوریت سیستم حمل‌ونقل %J پژوهشنامه حمل و نقل %I مرکز تحقیقات راه ، مسکن و شهرسازی %Z 1735-3459 %A رحیمی ریسه, زینب %A ارشادی, محمد مهدی %A شهابی حقیقی, سیدحمیدرضا %D 2020 %\ 06/21/2020 %V 17 %N 2 %P 33-48 %! تجزیه‌ و تحلیل مبتنی بر سناریو شیوع کرونا در ایران توسط مدل‌سازی پویائی‌شناسی سیستم‌ها- با محوریت سیستم حمل‌ونقل %K سیستم حمل‌ونقل %K مدل‌سازی پویائی شناسی سیستم‌ها %K کرونا %K سیستم سلامت ایران %K شیوع همه‌گیر %R %X امروزه بیماری کرونا به یکی از تهدیدات بزرگ جهانی تبدیل‌شده است. ریسک بالای این بیماری در انتقال بین انسان‌ها و نبود دارو و واکسن برای مقابله با آن موجب شده است که برنامه‌ریزی‌های متعددی برای پیشگیری و تخمین روندهای مرتبط با آن انجام شود.کرونا برای اولین بار در تاریخ 31 دسامبر 2019 در شهر ووهان چین گزارش‌شده است. این بیماری پس از مدت‌زمان کوتاهی در کشورهای دیگر گسترش‌ یافت و به یک بیماری همه‌گیر جهانی تبدیل‌ شد. ازآنجاکه نحوه برنامه‌ریزی در استفاده از سیستم حمل‌ونقل توسط مردم تأثیر مهمی در کنترل یا اشاعه این بیماری دارد، با محور قرار دادن این عنصر یک مدل پویائی شناسی سیستم‌ها در این مقاله ارائه‌شده است. این مدل به ‌بررسی دو سناریو متفاوت در خصوص افراد مبتلا، میزان مرگ‌ومیر و میزان بهبودی می‌پردازد. این سیستم باتوجه به زیرسیستم‌های مختلفی مانند سیستم‌های مراقبت‌های بهداشتی، حمل‌ونقل، تماس بین مردم و ظرفیت‌های شبکه‌های مواد غذایی و دارویی طراحی‌شده است. در مدل پیشنهادی این مقاله از یک ساختار جریان برای نشان دادن چگونگی تأثیر بخش‌های مختلف سیستم‌ها و زیرسیستم‌های وابسته بر شیوع این بیماری در طولانی‌مدت استفاده می‌شود. نتایج گرفته‌شده از مدل پیشنهادی نشان می‌دهد که بخش‌های مختلف سیستم اصلی و زیرسیستم‌های مرتبط با آن در مدل‌سازی پویائی شناسی سیستم‌ها دارای حساسیت‌ها و تأثیرات متفاوتی هستند. تحلیل این مدل باتوجه به نتایج دو سناریو بررسی‌شده در اتخاذ تصمیم توسط دولتمردان مفید خواهد بود. نتایج مرتبط با مدل پیشنهادی با فرض عدم‌وجود واکسن یا داروی مؤثر در یک سال آینده بیانگر این است که تغییر در یک قسمت از سیستم می‌تواند مرگ‌ومیر کرونا را در شش ماه از 10500 نفر به بیش از 1.6 میلیون نفر افزایش دهد. بنابراین میزان مرگ‌ومیر این بیماری به سیاست‌گذاری‌ها و رفتارهای عوامل مؤثر در مدل وابسته است و با برنامه‌ریزی مناسب در مقابل هر سناریو می‌توان میزان مرگ‌ومیر را کاهش داد. %U https://www.trijournal.ir/article_109385_b4de9deb1bb3aef7d4225a32a9d6bf9b.pdf