این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Veterinary Research، جلد ۲۳، شماره ۱، صفحات ۱۲-۱۷
عنوان فارسی روند و پیش بینی سری زمانی سل گاوی: یک تجزیه و تحلیل داده‌های سری زمانی در شمال شرق ایران
چکیده فارسی مقاله پیشینه: بیماری سل گاوی از نظر خسارت‌های سنگین اقتصادی دارای اهمیت می‌باشد. هدف: تعیین یک سیستم مراقبتی هشدار سریع قبل از طغیان بیماری است. روش کار: در مطالعه مقطعی حاضر، میانگین متحرک خودهمبسته یکپارچه (ARIMA) جهت شناسایی ماهانه سل گاوی (راکتورها) استفاده شد. راکتورها توسط تست مشتق پروتئینی خالص شده توبرکولین (PPD) در گاوداری‌ها، در بازه زمانی فروردین 1386 تا اسفند 1397 در استان خراسان رضوی شناسایی شدند. نمودارهای خود همبستگی (ACF) و خود همبستگی جزئی (PACF) برای تعیین پارامترهای مدل به کار رفت. به منظور انتخاب بهترین مدل از معیار اطلاعاتی آکائیکه (AIC) استفاده و دقت مدل‌ها با خطای جذر میانگین مربع‌ها (RMSE) ارزیابی شد. سپس بهترین مدل انتخابی برای پیش بینی بیماری برای 12 ماه آینده به کار رفت. داده‌ها با نرم افزار STATA (نسخه 14) با سطح معنی‌داری ‍0.05 مورد تجزیه و تحلیل قرار گرفت. نتایج: مدل ARIMA (3, 0, 3) 12 با مشخصه استقلال باقیمانده‌ها ( Q=22.87 و P=0.98) ، کمترین AIC (85/541) و بیشترین دقت (RMSE=1.50) به عنوان یک مدل مناسب توصیه شد. با این حال، مقادیر پیش بینی شده بیش از مقادیر مشاهده شده می‌باشد. نتیجه‌گیری: کاربرد و تفسیر مدل‌های ARIMA ساده است و آن‌ها ابزار فوری نظارت بر سیستم‌ها هستند. با این حال، ما یک مدل میانگین متحرک خودهمبسته یکپارچه با ورود برخی از عوامل قابل اندازه‌گیری (ARIMAX) مانند نوسانات اقتصادی، تغییرات آب و هوایی و سل ریوی در انسان را پیشنهاد می‌کنیم تا یک مدل دقیق‌تر هشدار سریع برای سیستم مراقبت ارائه دهیم.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Temporal trends and prediction of bovine tuberculosis: a time series analysis in the North-East of Iran
چکیده انگلیسی مقاله Background: Bovine tuberculosis (BTB) is a disease with high economic relevance. Aims: This study aimed to determine a fast alert surveillance system for bTB before the outbreak in the epidemic region of Iran. Methods: This cross-sectional study was conducted using the Auto-Regressive Integrated Moving Average (ARIMA) model for monthly bTB detections (reactors). These reactor cases result from the positive Tuberculin Purified Protein Derivative (PPD) test on cattle farms for the period between April 2007 and March 2019 in Razavi Khorasan province. Autocorrelation functions (ACF) and partial autocorrelation functions (PACF) plots were used to determine model parameters. The Akaike Information Criteria (AIC) were employed to select the best-fitted model. The root mean square error (RMSE) was applied for the evaluation of the models. Then, the best-fitted model was hired to predict the cases for 12 oncoming months. The data were analysed by STATA (ver. 14) software with a significant level at P≤0.05. Results: ARIMA (3, 0, 3) 12 was introduced as a recommended fitted model according to white noise residual test (Q=22.87 and P=0.98), lower AIC (541.85), and more precise model RMSE (1.50). However, the forecast values were more than the observed values. Conclusion: The application and interpretation of ARIMA models are straightforward, and may be used as immediate tools for monitoring systems. However, we proposed an Auto-Regressive Integrated Moving Average with Exogenous Input (ARIMAX) model with some measurable exotic factors such as economic fluctuations, climate changes, and pulmonary tuberculosis to introduce a more precise and accurate model for the fast alert surveillance system.
کلیدواژه‌های انگلیسی مقاله Bovine tuberculosis, Forecasting, Surveillance system, Time Series Analysis
نویسندگان مقاله N. Esmaeilzadeh |
Department of Food Hygiene and Quality Control, Faculty of Veterinary Medicine, University of Tehran, Tehran, Iran; 2Department of Epidemiology, Faculty of Public Health, Mashhad University of Medical Science, Mashhad, Iran

A. Bahonar |
Department of Food Hygiene and Quality Control, Faculty of Veterinary Medicine, University of Tehran, Tehran, Iran

A. Rahimi Foroushani |
Department of Epidemiology and Biostatistics, Faculty of Public Health, Tehran University of Medical Science, Tehran, Iran

M. Nasehi |
Department of Epidemiology, Faculty of Public Health, Iran University of Medical Science, Tehran, Iran

K. Amiri |
Deputy of Bureau Health and Management of Animal Diseases, Veterinary Organization of Iran, Tehran, Iran

M. A. R. Hadjzadeh |
Department of Physiology, School of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran

نشانی اینترنتی https://ijvr.shirazu.ac.ir/article_6433_1400c3f7e368a6be6e7f0ba52e346aa1.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات