این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله اپیدمیولوژی ایران، جلد ۱۴، شماره ۲، صفحات ۱۲۶-۱۳۵
عنوان فارسی استفاده از مدل مارکوف پنهان در پیش‎بینی موارد جدید سل در استان همدان بر اساس اطلاعات موارد ثبت شده طی سال‎های ۹۴-۱۳۸۴
چکیده فارسی مقاله مقدمه و اهداف: سل یک بیماری باکتریایی مزمن و به‏عنوان یک عامل مهم ابتلا و مرگ‌ومیر مطرح بوده و در اثر مجموعه‌ای از مایکوباکتریوم‌های سلی ایجاد می‌شود. آگاهی از بروز و تعداد موارد جدید این بیماری اطلاعات ارزشمندی را برای بازنگری برنامه‎ها و شاخص‎های توسعه فراهم می‎کند. مدل‎های سری زمانی و رگرسیون از مدل‎های متداول برای پیش‌بینی بوده، اما مستلزم پیش‌فرض‌هایی هستند. هدف این مطالعه پیش‎بینی موارد جدید بیماری با استفاده از مدل مارکوف پنهان است. روش کار: داده‎های این مطالعه تعداد موارد جدید سل در استان همدان به‌صورت ماهانه طی سال‎های 94-1384 که توسط مرکز بهداشت استان همدان شناسایی شد؛ بود. در این مطالعه پیش‏بینی موارد جدید سل برای 24 ماه آینده با استفاده از مدل مارکوف پنهان و با نرم‏افزار R بسته مارکوف پنهان انجام شد. یافته‌ها: بر اساس معیار برازش مدل، یک مدل مارکوف با دو حالت بهترین برازش را به داده‌ها داشت یعنی داده‎های این مطالعه آمیخته‎ای از دو توزیع پواسن با پارامتر میانگین تعداد رخداد 96/5 و 2/10 هستند. هم‌چنین یافته‌های پیش‎بینی بر اساس مدل مارکوف پنهان، تعداد موارد جدید سل طی 24 ماه آینده را بین 9-8 مورد جدید پیش‎بینی کرد. نتیجه‌‌گیری: مدل‎های مارکوف پنهان مناسب‏ترین مدل پیش‎بینی با استفاده از زنجیر مارکوف است که علاوه بر شناسایی مدل‎ مناسب، قادر است ماتریس احتمال انتقال بین حالات مختلف بیماری را تعیین کند تا این احتمالات به پزشکان در پیش‌بینی مراحل آتی بیماری‌ و انجام اقدامات پیش‌گیرانه پیش از ورود به مراحل پیشرفته یاری نماید.
کلیدواژه‌های فارسی مقاله سل، مدل پنهان مارکوف، پیش‎بینی، همدان
عنوان انگلیسی Application of Hidden Markov Model in Forecasting New Cases of Tuberculosis in Hamadan Province Based on the Recorded Cases during 2006-2016
چکیده انگلیسی مقاله Background and Objectives: Tuberculosis is a chronic bacterial disease and a major cause of morbidity and mortality. It is caused by a Mycobacterium tuberculosis. Awareness of the incidence and number of new cases of the disease is valuable information for revising the implemented programs and development indicators. time series and regression are commonly used models for prediction but these methods require some assumptions. The purpose of this study was to predict new TB cases using the hidden Markov model which does not require many assumption.   Methods: The data used in this study was the monthly number of new TB cases during 2006-2016 identified and recorded in Hamedan Province. Rorecasting the number of new TB cases was done using hidden Markov models using the hidden Markov package in the R software. Results: According to the AIC and BIC criterion, two states had the best fit to the data, i.e. the data of this study were a mixture of two Poisson distributions with average number of event 5.96 and 10.2 respectively. The results also predicted the number of new cases over the next 24 months based on the hidden Markov model would be between 8 and 9 new cases in each month. Conclusion: The hidden Markov model is the best model for prediction using the Markov chain. This model, in addition to detection of an appropriate model for the available data, can determine the transition probability matrix, which can help physicians predict the future state of the disease and take preventive measures befor reaching advanced stages.
کلیدواژه‌های انگلیسی مقاله Tuberculosis, Hidden Markov model, Prediction, Hamadan
نویسندگان مقاله ملیحه صفری | M Safari
PhD Candidate, Department of Biostatistics, School of Public Health, Hamadan University of Medical Sciences, Hamadan, Iran
دانشجوی دکترای آمار زیستی، گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران

مجید صادقی فر | M Sadeghifar
Assistant Professor in Statistics, Department of Mathematics, Bu-Ali-Sina University, Hamadan, Iran
استادیار آمار، گروه آمار دانشکده علوم، دانشگاه بوعلی سینا همدان، همدان، ایران

قدرت اله روشنایی | GH Roshanaei
Associate Professor in Biostatistics, Modeling of Noncommunicable Disease Research Canter, Hamadan University of Medical Sciences, Hamadan, Iran
دانشیار آمار زیستی، مرکز تحقیقات مدل‎سازی بیماری‎های غیر واگیر، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران

علی ظهیری | A Zahiri
BSc of Public Health Center for Disease Control & Prevention, Deputy of Health Services, Hamadan University of Medical Sciences, Hamadan, Iran
کارشناس بیماری‌های معاونت بهداشتی، دانشگاه علوم پزشکی همدان، همدان، ایران

نشانی اینترنتی http://irje.tums.ac.ir/browse.php?a_code=A-10-483-2&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/63/article-63-898507.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات