سير زماني آسيب‌هاي رانندگي در مراجعان به بيمارستان اصلي شهرستان مسجد سليمان

Road traffic injuries among patients attending central hospital of Masjed-Soleyman from March 2008 to 2010

در خيابان‌ها و جاده‌هاي سراسر دنيا روزانه 3000 نفر مي‌ميرند و 30000 نفر به طور جدي دچار آسيب مي‌شوند. اين پژوهش با استفاده از سري‌هاي زماني الگويي براي پيش بيني حوادث رانندگي ارايه خواهد داد. اين مطالعه تحليلي به بررسي روند زماني بروز حوادث بر حسب ماه در 24 ماه از ابتداي فروردين سال 1387 تا پايان اسفند سال 1388 در بيمارستان دولتي اصلي شهرستان مسجد سليمان پرداخته است. داده‌ها پس از جمع آوري با استفاده از نرم افزار SPSS و Minitab مورد تجزيه و تحليل قرارگرفت. به منظور تعيين الگوي آماري روند آسيب‌هاي ترافيكي از روش Times Series استفاده شد. به منظور برازش يك الگوي خطي براي پيدا كردن روند ميزان بروزحوادث ترافيكي، الگو‌هاي خطي ARMA Box-Jenkins مورد ارزيابي قرار گرفته و در انتها الگوي اتورگرسيو (Autoregressive) جهت پيش بيني انتخاب گرديد. از تعداد 1210 بيمار حادثه ديده مراجعه كننده به بيمارستان، تعداد 5/78 درصد (950 نفر) مرد بودند. ميانگين سن آسيب ديدگان برابر با (08/17±) 57/30 سال بود. بيشترين فراواني نسبي (1/35%) مربوط به گروه سني (29-20) سال بود. سير ماهيانه بروز تصادفات از الگوي اتورگرسيو مرتبه اول تبعيت مي‌كرد. بروز حوادث، داراي روند صعودي و ميانگين افزايش ماهيانه آن حدود 7/0 نسبت به ماه‌هاي قبلي بود. فراواني حوادث در مردان جوان كه نقش فعالي را در امور اجتماعي و اقتصادي بر عهده دارند، بيشتر بود. اين مسيله به ويژه با وجود روند افزايشي كه مشاهده شد، قابل تامل و نيازمند توجه و بررسي بيشتري است.

Objective (s): To identify the predictive model of road traffic injuries by a time series model. Methods: This was an analytical study involving patients attending central hospital of Masjed –Soleyman ( a city in Ahvaz Province), Iran during 24 months, from March 2008 to March 2010. Time series carried out to determine monthly occurrence of road traffic injuries in order to build a statistical model on data. The ARMA Box Jenkins linear model was used and an Autoregressive model was selected. Results: Out of all 1210 injured patients referring to the hospital, 78.5% (n=950) were men. The mean age of patients was 30.57±17.08 years. The majority of injured (35.1%) were 20-29 years old. Autoregressive model was appropriate to describe our data over time. The result indicated the road traffic injuries had an increased pattern by 7 times as compare with previous month on average. Conclusion: The frequency of road traffic injuries is high in men and young age adolescents. The pattern is increasing and there is need for serious public health considerations.