Safari M, Sadeghifar M, Roshanaei G, Zahiri A. Application of Hidden Markov Model in Forecasting New Cases of Tuberculosis in Hamadan Province Based on the Recorded Cases during 2006-2016 . irje 2018; 14 (2) :126-135
URL:
http://irje.tums.ac.ir/article-1-6035-fa.html
صفری ملیحه، صادقی فر مجید، روشنایی قدرت اله، ظهیری علی. استفاده از مدل مارکوف پنهان در پیشبینی موارد جدید سل در استان همدان بر اساس اطلاعات موارد ثبت شده طی سالهای 94-1384. مجله اپیدمیولوژی ایران. 1397; 14 (2) :126-135
URL: http://irje.tums.ac.ir/article-1-6035-fa.html
1- دانشجوی دکترای آمار زیستی، گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران
2- استادیار آمار، گروه آمار دانشکده علوم، دانشگاه بوعلی سینا همدان، همدان، ایران
3- دانشیار آمار زیستی، مرکز تحقیقات مدلسازی بیماریهای غیر واگیر، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران ، gh.roshanaei@umsha.ac.ir
4- کارشناس بیماریهای معاونت بهداشتی، دانشگاه علوم پزشکی همدان، همدان، ایران
چکیده: (5193 مشاهده)
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.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومى دریافت: 1397/7/3 | پذیرش: 1397/7/3 | انتشار: 1397/7/3
ارسال پیام به نویسنده مسئول