زمینه و هدف: ظهور مجدد برخی از بیماری های عفونی گذشته و پیدایش بیماری های عفونی جدید توجه ویژه سامانه های بهداشتی را به مسایل مربوط به بیماری های عفونی معطوف ساخته است. هدف از انجام این پژوهش ارایه روشی آماری برای مدل یابی بروز بیماری های عفونی، بر اساس رویکرد بیزی است.
روش کار: از آنجا که بیماری های عفونی عمدتا در یکی از دو فاز اپیدمی و یا غیراپیدمی قرار دارند، به نظر می رسد مدل سازی بروز این بیماری ها با استفاده از توابع توزیع آمیخته (Mixed distributions) در مقایسه با مدل های متکی بر برازش یک تابع توزیع واحد، دارای ارجحیت باشد. در این پژوهش مدل های مارکف پنهان (Hidden Markov Models) که ابزاری مناسب برای کار با توزیع های آمیخته است برای تعیین مدل آبیاری بیماری های عفونی تشریح شده و برای برآورد پارامترهای مدل از رویکرد بیزی (Bayesian approach) استفاده شده است. سپس روش آماری ارایه شده بر روی داده های میزان بروز ماهیانه بیماری مالاریا به کار گرفته شده تا قابلیت عمل این روش در کار با داده های واقعی مورد آزمایش قرار داده شود.
نتایج: مجموع مجذور مربعات خطای مدل برازش شده برای میزان های بروز ماهیانه بیماری مالاریا 190.59 و مربع ضریب همبستگی پیرسن بین مقادیر مشاهده شده و مقادیر حاصل از مدل 0.84 به دست آمده است. مقادیر این دو معیار موید آن است که مدل مارکف پنهان به همراه معادله رگرسیون دوره ای برای مدل سازی میزان بروز ماهیانه بیماری مالاریا دارای نیکویی برازش (Goodness of fit) مناسبی است.
نتیجه گیری: روش آماری مدل های مارکف پنهان از کارآیی لازم برای مدل یابی بروز بیماری های عفونی برخوردار است.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |