مجله تخصصی

---

مقدمه و اهداف: تحلیل مکانی و تغییرات جغرافیایی در بیماری با توجه به عوامل خطر فردی، زیست محیطی، رفتاری، اجتماعی و اقتصادی، ژنتیکی و عفونی است در این پژوهش به بررسی فضایی نشانگان (سندرم) اسهال در سطح استان مازندران پرداخته ‌شده است.

روش کار: در این پزوهش آمار مراجعان مبتلا به نشانگان (سندرم)‌اسهال که دارای پرونده پزشکی و اطلاعات مکانی بودند؛ برای دوره‌ی زمانی ۹۰-۱۳۸۵ از مراکز درمانی دانشگاههای علوم پزشکی مازندران وبابل مورد استفاده قرار گرفت. برای بررسی و تجزیه و تحلیل اطلاعات از روش‌های آمار فضایی مانند خودهمبستگی فضایی موران جهانی، شاخص انسلین موران محلی، شاخص K رایپلی و تابع تراکم کرنل استفاده شد.

نتایج: بر اساس نتایج شاخص‌های موران جهانی 87/0 در سطح معنی‎داری 99 و 95 درصد با مقدار P<0.001 سندرم اسهال در استان از الگوی خوشه‌ای تبعیت می‌نماید. هم‌چنین نتایج تابع K نشان داد که به‌غیراز مناطق غربی استان، سایر نقاط نشانگان (سندرم)‌اسهال از الگوی خوشه‌ای بالا پیروی می‌کند. نتایج شاخص‌های انسلین محلی موران و نقاط حساس نیز نشان داد که مناطقی از استان شامل شهرستان‌های ساری، قائشمهر و بابل بیش‌ترین شیوع سندرم را داشته‌اند.

نتیجه‏گیری: به طور کلی نتایج نشان داد که شیوع نشانگان (سندرم)‌اسهال از الگوی خوشه‎ای پیروی می‎کند و استفاده از روش‎های تحلیل مکانی در مناطق خاص جغرافیایی برای پیاده‎سازی برنامه‎های کاهش خطر بهداشتی مناسب، و جزء جدایی‌ناپذیر در مطالعه‌های اپیدمیولوژیک، تجزیه و تحلیل و ارزیابی خطر شیوع نشانگان (سندرم)‌اسهال محسوب می‎شوند.

---

مقدمه و اهداف: زایمان یکی از مهم‌ترین خدمات ارائه‌شده در نظام‌های بهداشتی و درمانی است و منابع انسانی با ارزش‌ترین عامل تولید و ارائه خدمت به شمار می‌رود که افزایش بهره‌وری و کارایی آن از اهمیت زیادی برخوردار است. لذا مطالعه حاضر باهدف پیش‌بینی تعداد زایمان و به‌منظور برنامه‌ریزی برای به‌کارگیری تمامی امکانات برای ارائه خدمت بهتر در جهت تأمین رضایت بیماران انجام شد.
روش کار: داده‌های مورداستفاده در این مطالعه تعداد موارد ماهیانه زایمان انجام‌شده در بیمارستان حکیم جرجانی شهرستان گرگان طی سال‌های 1389 تا 1394 بود. با توجه به بیش‌پراکنش موجود در داده‌ها و عدم تبعیت آن‌ها از توزیع پوآسن، از مدل پوآسن مارکف پنهان به‌منظور پیش‌بینی فراوانی ماهیانه زایمان استفاده شد. برآورد پارامترهای مدل با روش درستنمایی ماکزیمم و الگوریتم EM انجام گرفت. از نرم‌افزار R ویراست 3.2.3 برای تحلیل داده‌ها استفاده شد.
یافته‌ها: استفاده از معیار آکائیک نشان داد که فراوانی تعداد زایمان در ماه‌های مختلف در این بیمارستان از یک مدل پوآسن مارکف پنهان با 3 وضعیت پنهان تبعیت می‌کند و پارامتر میانگین توزیع پوآسن در هر یک از مؤلفه‌ها به ترتیب 74/193، 05/236 و 61/272 زایمان بود.
نتیجه‌گیری: نتایج این تحقیق نشان داده سیاست‌های تشویقی دولت بر افزایش باروری، نتیجه کوتاه‌مدت و محدودی داشته و بر روی نتایج پیش‌بینی دوساله این مطالعه اثر ناچیزی دارد.

---

مقدمه و اهداف: شناسایی مدل‏های آماری دارای پیش‏بینی‏های دقیق در تعیین دقیق و به‌هنگام طغیان بیماری‏های عفونی در نظام مراقبت بهداشتی این بیماری‏ها بسیار با اهمیت است. این مطالعه با هدف ارزیابی و مقایسه عملکرد سه روش یادگیری ماشین در مدل‏سازی و پیش‏بینی سری زمانی بروسلوز بر اساس پارامترهای اقلیمی انجام شد.
روش کار: در این مطالعه موارد بروسلوز انسانی و پارامترهای اقلیمی به‌صورت ماهانه، در طول 12 سال (95-1383) از استان همدان واقع در غرب ایران تحلیل شد. داده‏ها به دو زیرمجموعه آموزش (80 درصد) و آزمون (20 درصد) تقسیم شد. روش‏های تابع پایه شعاعی و چند لایه پروسپترون و نزدیک‌ترین همسایه سری زمانی به هر زیرمجموعه برازش شد. ارزیابی عملکرد مدل‏ها با استفاده از معیارهای RMSE، MAE، MRAE، R2 و ICC انجام شد.
یافته‌ها: نتایج نشان داد که مقادیر معیارهای (79/23)RMSE، (56/20)MAE، (25/0)MRAE برای مدل شبکه عصبی چند لایه پرسپترون کوچک‌تر از مقادیر آن‏ها در دو مدل دیگر بود. هم‌چنین، در این مدل مقادیر بزرگ‌تری برای معیارهای (61/0)R2 و (75/0)ICC به‌دست آمد. بنابراین مدل شبکه‌ی عصبی چند لایه پرسپترون در پیش‏بینی داده‏های مورد مطالعه عملکرد بهتری داشت. دما نسبت به سایر پارامترهای اقلیمی مؤثرترین عامل در بروز این بیماری بود.
نتیجه‌گیری: شبکه عصبی چندلایه پرسترون می‏تواند به‌عنوان یک روش کارا برای تشخیص رفتار روند بروسلوز در طول زمان به کار رود. با این حال مطالعات بیش‌تری با هدف کاربرد و مقایسه این‏ روش‏ها برای شناسایی مناسب‏ترین روش پیش‏بینی روند این بیماری مورد نیاز است.

---