این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله اپیدمیولوژی ایران، جلد ۸، شماره ۳، صفحات ۱۲-۲۱
عنوان فارسی روندهای فصلی و الگوهای قابل توجیه در داده‌های کشوری نظام مراقبت بیماری سرخک: رویکردهای شناسایی و حذف
چکیده فارسی مقاله مقدمه و هدف: شناسایی و حذف الگوهای قابل توجیه، شامل روند‌های ماهانه، فصلی و سالانه، آثار روزهای هفته، روزهای تعطیل و پایان هفته به دلیل اختلال در اعلام هشدارهای واقعی مبنی بر وجود تغییرات در روند بیماری‌ها و نیز ایجاد هشدارهای کاذب بسیار اهمیت دارد. مطالعه حاضر با هدف شناسایی و حذف الگوهای قابل توجیه داده‌های کشوری نظام مراقبت بیماری سرخک در ایران انجام گردید. روش کار: برای شناسایی الگوهای قابل توجیه از داده‌های کشوری، موارد مشکوک به سرخک طی سال‌های 1387 تا1389، از نمودارهای خطی و میانگین متحرک، توابع خود‌همبستگی و خودهمبستگی جزئی و شاخص متوسط پایان هفته استفاده شد. برای حذف الگوهای قابل توجیه نیز از روش‌های هموارسازی میانگین‌های متحرک و هموارسازی نمایی هولت- وینترز استفاده شد. نتایج: نتایج استفاده از روش‌های مختلف برای شناسایی الگوهای قابل توجیه بیانگر وجود الگوهای سالانه، ماهانه و به ویژه آثار روزهای هفته و تعطیل در داده‌های بیماری سرخک است. همچنین، یافته‌ها نشانگر کارایی روش هموارسازی میانگین‌های متحرک در کاهش انحراف از پیش فرض نرمال‌بودن و عملکرد مناسب روش هموارسازی نمایی هولت- وینترز در حذف الگوهای فصلی، شامل آثار روزهای هفته، ماه و سال است. نتیجه‌گیری: یافته‌های مطالعه حاضر بر اهمیت بررسی داده‌های خام نظام مراقبت بیماری سرخک، پیش از به کارگیری روش‌های کشف طغیان تأکید می‌کند و استفاده از روش هموارسازی هولت وینترز برای حذف الگوهای فصلی را، با وجود سادگی و کارایی مناسب روش میانگین‌های متحرک در کاهش انحراف از پیش‌فرض نرمال‌بودن از داده‌های خام نظام مراقبت سرخک توصیه می‌کند.
کلیدواژه‌های فارسی مقاله روند فصلی، طغیان، هموارسازی، سرخک، نظام مراقبت سندرومیک
عنوان انگلیسی Detecting and Removing the Explainable Patterns of the Daily Counts of Suspected Cases of Measles as a Prediagnostic Data Source in Iran
چکیده انگلیسی مقاله Background & Objectives: Knowledge of the presence of seasonal trends and other explainable patterns in the prediagnostic data sources and removing such patterns before applying outbreak detection methods seem very important. This study aimed to detect and remove the explainable patterns such as seasonality, day-of-week (DOW) and holiday effects of the daily counts of suspected cases of measles in Iran.Methods: Data on daily counts of suspected cases of measles as a pre-diagnostic data source were obtained from Iranian national surveillance system between 21 March 2008 and 20 March 2011. We used lines plot, moving average chart, autocorrelation and partial autocorrelation functions for detecting explainable patterns. Moving average (MA) and Holt- Winters (HW) exponential smoothing method are used for removing explainable patterns. Results: Our findings indicate the presence of seasonality, DOW effect, holidays and weekend effects in the daily counts of suspected cases of measles. The good performance of HW exponential smoothing technique in removing seasonal patterns is evident. MA technique showed better performance regarding assumption violation on outbreak detection methods. Conclusion: Because of the presence of explainable patterns in the daily counts of suspected cases of measles, considering such patterns before applying outbreak detection algorithms is very important. Implementing both MA (7 days) techniques for its simplicity as a pre- processing method and HW method for its efficacy in removing seasonal patterns is recommended.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله منوچهر کرمی | m karami
assistant professor of epidemiology, department of biostatistics and epidemiology, hamadan university of medical sciences, hamadan, iran
استادیار اپیدمیولوژی، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی همدان (Hamadan university of medical sciences)

حمید سوری | h soori
professor of epidemiology, safety promotion and injury prevention research center, faculty of public health, shahid beheshti university of medical sciences, tehran, iran
استاد اپیدمیولوژی، مرکزتحقیقات ارتقای ایمنی و پیشگیری از مصدومیت ها و گروه اپیدمیولوژی، دانشگاه علوم پزشکی شهید بهشتی، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

یداله محرابی | y mehrabi
professor of biostatistics, faculty of public health, shahid beheshti university of medical sciences, tehran, iran
استاد آمار زیستی، گروه اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید بهشتی، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

علی اکبر حقدوست | aa haghdoost
associate professor of epidemiology and biostatistics, research centre of modeling in health amp;amp; department of epidemiology and biostatistics, school of health, kerman university of medical sciences, kerman, iran
دانشیار اپیدمیولوژی، مرکز تحقیقات مدلسازی سلامت و گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی کرمان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی کرمان (Kerman university of medical sciences)

محمد مهدی گویا | mm gouya
director general, center for disease control, ministry of health amp;amp; medical education, tehran, iran
استاد بیماری های عفونی، مرکز مدیریت بیماری های واگیر، وزارت بهداشت، درمان و آموزش پزشکی، ایران
سازمان اصلی تایید شده: وزارت بهداشت درمان و آموزش پزشکی (Ministry of health and medical education)

نشانی اینترنتی http://irje.tums.ac.ir/browse.php?a_code=A-10-25-5003&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
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