به كارگيري بيز تجربي در تهيه نقشه جغرافيايي بروز بيماري سل در استان مازندران طي سال‌هاي 90-1384

Application of empirical Bayes smoothed incidence rates of tuberculosis during the year 2005-2011 to prepare geographical map of tuberculosis incidence

سابقه و هدف: نقشه‌بندی بر اساس ميزان‌های استاندارد شده بدون در نظر گرفتن همبستگی مكانی منجر به برآوردهای نامناسبی می‌گردد؛ در اين مطالعه با استفاده از هموارگر بيزی (Bayes) در مدل پواسن (Poisson) با تابع پيشين گاما نقشه بروز بيماری سل تهيه گرديد. مواد و روش‌ها: نرخ‌های بروز بيماری دارای مدل پواسن می‌باشند كه پس از استانداردسازی با استفاده از دو روش هموارسازی بيزی تجربی با تابع پيشين گاما و بدون در نظر گرفتن همبستگی فضايی و با استفاده از داده‌های سال‌های 90-1384 محاسبه شد. سپس با استفاده از نرم‌افزار GIS (Geographic information systems) نقشه بروز بيماری سل تهيه گرديد. برای تجزيه و تحليل بيزی از نرم‌افزار Excel و WinBUGS نسخه 14 و برای ساير تحليل‌ها از نرم‌افزار آماری SPSS نسخه 20 استفاده شد. يافته‌ها: بر اساس داده‌های موجود، ميزان نرخ بروز بيماری در استان برابر با 14/8 برآورد گرديد. با بررسی متغيرهای وارد شده در مدل رگرسيون پواسون، اين نتيجه به دست آمد كه متغيرهای جنس و بيماری از متغيرهای تأثيرگذار در نرخ بروز بيماری بودند. استفاده از هموارسازی باعث شناسايی خوشه‌های بهشهر و نكا در شرق استان و خوشه‌های سوادكوه و ساری و بخش بندپی بابل در مركز و خوشه محمودآباد و سرخرود در غرب استان شد. استنتاج: نرخ بروز بيماری و مقايسه آن با آمار كشوری نشان دهنده وضعيت بهتر استان نسبت به كشور می‌باشد. بر اساس مدل مبتنی بر استنباط بيز تجربی، به دليل بيش پراكنش برازش داده شده و با توجه به معيار نيكويی برازش بهتر، مدل فوق در شناسايی خوشه‌ها از توانايی بهتری برخوردار بود.

Background and purpose: Due to the increasing information about illnesses and deaths, classified map is of appropriate methods for analyzing this type of data. Standardized infection rates are commonly used in disease mapping but had many defects. This study aimed to compare the Poisson regression models and empirical Bayes models to prepare geographical map of tuberculosis incidence in Mazandaran province, Iran. Materials and methods: The standardized incidence rates were conducted using two methods of empirical Bayesian smoothing and without consideration of spatial correlation using data from 2005 to 2011. Results: The incidence rate of tuberculosis was 8.14 during the studied period. Poisson regression model showed that the variables of gender and disease were significantly effective on incidence rate. Using an empirical Bayes approach based on the smoothing, we found 2 clusters in west, 3 clusters in center and 2 clusters in east ofv Mazandaran province. Conclusion: Using Poisson regression models, we found significant effect of gender and disease on incidence rate. Poisson regression model is better to prepare geographical map of a disease.