fa تجمع بیماری در مقیاسی وسیع و کاربرد آن در مطالعات اپیدمیولوژی و بهداشت عمومى General پژوهشي Research <p dir="rtl" align="justify"><font face="tahoma,arial,helvetica,sans-serif">منظور از همبستگی های مکانی وابسته به خود، تکنیکی است که اطلاعات خلاصه شده ای را در خصوص آرایش جغرافیایی داده ها بر روی یک نقشه ارائه می نمایند. در واقع، این نمایه ها، مقادیر عددی داده های مورد نظر در مناطق جغرافیایی همجوار را بمنظور ارزیابی میزان تجمع متغیر مورد نظر در مقیاسی وسیع، مورد مقایسه قرار می دهند. زمانی که تعداد زیادی از مناطق همجوار دارای مقادیر بالا و یا پایینی از متغیر موردنظر باشند، تجمع آن متغیر در مقیاسی وسیع اثبات می گردد. اثبات چنین تجمعی از اهمیت شایان توجهی برخوردار است، چرا که عدم محاسبه و درنظر گرفتن این تجمع می تواند شناسایی یا تشخیص رابطه بین میزان های میرایی و ابتلا با عوامل خطر مربوط به آنها را تحت تاثیر خود قرار دهد و به اشتباه وجود یک رابطه مستقیم میان آنها را نشان دهد. از همین رو این مقاله به معرفی دو نوع از مهمترین این نمایه ها می پردازد که برای داده های کمی پیوسته، نظیر میزان های میرایی و یا ابتلا، مورد استفاده قرار می گیرند. </font></p> Spatial autocorrelation statistics provide summary information about the spatial arrangement of data in a map. In fact, these statistics compare neighboring area values in order to assess the level of large scale clustering. Whenever a large number of neighboring areas have either relatively large or relatively small values, large scale clustering may be detected. Detecting such clustering is a very important issue because failure to take into account the spatial dependency of the data may bias the association between mortality and morbidity rates and their risk factors and erroneously suggest a direct relationship between them. The present article, therefore, explains the two most commonly used spatial autocorrelation statistics for continuous data including morbidity and mortality rates. همبستگی های مکانی وابسته به خود،نقشه نگاری پزشکی و جغرافیا Spatial Autocorrelation,Medical Cartography and Geography 61 70 http://sjsph.tums.ac.ir/browse.php?a_code=A-10-25-246&slc_lang=fa&sid=1 M Rezaeian محسن رضائیان Yes