ارزشيابي عملكرد الگوريتم ميانگين متحرك وزن داده شده نمايي در كشف دو مورد طغيان سرخك، با استفاده از رويكرد آزمون داده‌هاي واقعي

Evaluating the Performance of the Exponentially Weighted Moving Average in Measles Outbreak Detection using Real Data Testing

مقدمه و اهداف: به‌كارگيری رويكرد ارزشيابی روش‌های كشف طغيان بر مبنای داده‌های واقعی، در مقايسه با رويكردهای ديگر، از بالاترين ميزان روايی برخوردار است. مطالعه حاضر با هدف ارزشيابی عملكرد الگوريتم ميانگين متحرك وزن داده شده نمايی (EWMA)، با استفاده از روش‌شناسی ارزشيابی بر مبنای داده‌های واقعی در كشف به هنگام دو مورد طغيان محلی انجام شده است. روش كار: برای كشف به هنگام دو مورد طغيان سرخك در شهرهای مشهد و بندرعباس از الگوريتم كشف طغيان EWMA 1 و EWMA 2،به ترتيب با پارامترهای هموارسازی 3/0 و 6/0 استفاده شد. اين الگوريتم‌ها بر داده‌های موارد گزارش شده روزانه مشكوك به سرخك، طی يك هفته پيش و بعد از طغيان ياد شده، اعمال شد. سپس، عملكرد آن‌ها با رويكرد ارزشيابی بر مبنای داده‌های واقعی بررسی شد و چگونگی عملكرد آن در كشف به هنگام طغيان‌ها با روش‌شناسی تجزيه و تحليل همبستگی گزارش می‌شود. نتايج: يافته‌های حاصل از بكارگيری الگوريتم‌هايEWMA ، در كشف به هنگام طغيان شهر مشهد بيان‌گر عملكرد نامطلوب آن‌ها با تأخير دو تا هفت روز بود. عملكرد اين الگوريتم‌ها در كشف به هنگام طغيان شهر بندرعباس مناسب بود. بالاترين مقدار همبستگی برای الگوريتم EWMA 2 در كشف طغيان شهر مشهد در تأخير روز دوم و برابر با 60/0 مشاهده گرديد. نتيجه‌گيری: استفاده از الگوريتمEWMA در سطوح محيطی نظام مراقبت و برای كشف به هنگام طغيان‌های كوچك و محلی توصيه نمی‌شود. با اين حال، ويژگی‌های مربوط به داده‌ها تعيين كننده عملكرد روش‌های كشف طغيان هستند.

Background & Objectives: Evaluating the performance of outbreak detection methods using real data testing provide the highest degree of validity. The aim of this study was to determine the performance of the Exponentially Weighted Moving Average (EWMA) in real time detection of two local outbreaks in Iran. Methods: The EWMA algorithm (both ƛ= 0.3 and 0.6) applied on daily counts of suspected cases of measles to detect local outbreaks which had been occurred in Mashhad and Bandar Abbas cities during 2010. The performance of The EWMA algorithms were evaluated using real data testing approach and reported by correlation analysis. Results: Mashhad outbreak was detected with a delay of about 2 to 7 days using EWMA algorithms as outbreak detection method while the utility of EWMA algorithms in real time detection of Bandar Abbas’ outbreak were on time good optimal. Maximum correlation value for EWMA 2 in relation to Mashhad outbreak was 0.60 at lag 2. Conclusion: Applying the EWMA algorithm as an outbreak detection method at local levels is not suggested. However the characteristics of data are determinant of the performance of such detection methods.