چكيده فارسي :
مقدمه: تشخيص عوامل بيماري‌زا و يافتن الگوي انتشار آن‌ها در محيط، كشف تجمع مكاني بيماري‌ها و عوامل محيطي تشديدكننده بيماري، از مهم‌ترين و ضروري‌ترين برنامه‌ها در بهداشت عمومي و مديريت بيماري‌ها مي‌باشند. مديريت صحيح و ايجاد زمينه‌هاي تصميم‌گيري مناسب براي يك بيماري تنها بر اساس تجزيه و تحليل حجم عظيمي از داده‌ها و اطلاعات مكان مرجع امكان‌پذير مي‌باشد؛ بنابراين، با توجه به قابليت‌هاي فراوان سيستم اطلاعات جغرافيايي ( GIS ) در اين زمينه، بكارگيري آن در بخش بهداشت و درمان كشور امري اجتناب‌ناپذير خواهد بود.
روش كار: اين مقاله در صدد است رابطه ميان عوامل مختلف محيطي و اقليمي با الگوي پراكندگي ليشمانيوز جلدي در ايران را در محيط GIS مورد مطالعه قرار دهد. ابتدا، مدل مفهومي مطالعه تعريف گرديد. در مرحله بعد، لايه‌هاي اطلاعاتي مكاني و داده‌هاي بيماري براي سال‌هاي 1380 تا 1386 از مركز مديريت بيماري‌هاي وزارت بهداشت جمع‌آوري شد. سپس، با استفاده از تحليل‌هاي مكاني- آماري و تلفيق لايه‌هاي اطلاعاتي با مدل بولين، مناطق مستعد شيوع اين بيماري شناسايي شد.
يافته‌ها: در اين تحقيق مناطق آندميك و كانون‌هاي اصلي ليشمانيا در ايران به ترتيب استان‌هاي اصفهان، خراسان رضوي، مركزي، فارس، خراسان جنوبي، كرمان، قم، تهران، قزوين و سمنان شناسايي شدند.
نتيجه‌گيري: اولويت‌بندي عوامل ايجاد كننده بيماري‌ها و يافتن تجمع مكاني آن‌ها با استفاده از تلفيق آناليزهاي آماري و مكاني و مدل‌سازي در يك سيستم GIS امكان‌پذير بوده و مي‌تواند به عنوان ابزاري توانمند جهت مديريت و تصميم‌گيري بهينه در زمينه بهداشت عمومي بكار گرفته شود.
چكيده لاتين :
Introduction: Identifying pathogenic factors, their spatial pattern of transmission, geographical distribution of diseases, and environmental factors affecting their severity have significant contributions to public health and disease management. The precise management and appropriate clinical decision-making is only possible through analysis of a huge amount of spatial data. Geographic Information System (GIS) as an extremely useful tool for analyzing complex data can play a vital role in health and treatment sectors.
Method: This study aimed to investigate the relationship between environmental factors and geographical distribution of Cutaneous Leishmaniasis in Iran, using GIS framework. First, conceptual model of study was defined. In the next stage, spatial information layers and disease data were collected. Finally, high risk geographical areas were identified using statistical and spatial analysis.
Results: In this study, the Boolean Logic Model was used in order to integrate information layers, visualizing of spatial distribution of disease and designing map of high-risk areas. In this map, Isfahan, Razavi Khorasan, Markazi, Fars, Southern Khorasan, Kerman, Ghom, Tehran, Ghazvin and Semnan provinces were identified, respectively, as epidemic areas of Cutaneous Leishmaniasis in Iran.
Conclusion: Priority of pathogenic factors and finding spatial distribution of diseases are possible by combination of statistical and spatial analysis and modeling in the GIS environment. It can be used as a very useful tool in management and decision-making in public health.
