مدل سازی فضایی شیوع بیماری مالاریا در استان سیستان و بلوچستان با استفاده از مدل رگرسیون وزن دار جغرافیایی

سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 103

فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HSMSP-17-3_005

تاریخ نمایه سازی: 19 دی 1403

چکیده مقاله:

مالاریا بیماری است که از طریق پشه منتقل می شود و سالیانه ۳۰۰ تا ۵۰۰ میلیون نفر از مردم جهان را درمعرض ابتلا قرار می دهد و باعث مرگ بیش از ۱ میلیون نفر در جهان می شود.توزیع جغرافیایی این بیماری تا حدود زیادی به شرایط اقلیمی وابسته است. استان سیستان و بلوچستان به تنهایی ۶۵ درصد کل مبتلایان کشور را داراست. در این تحقیق، با استفاده از سه عامل اقلیمی میانگین دمای ماهیانه، مقدار بارش دوره فعالیت و شاخص نسبت اختلاط رطوبت، مدل سازی فضایی شاخص شیوع سالیانه مالاریا (API) در استان سیستان و بلوچستان از طریق مدل رگرسیون وزن دار جغرافیایی انجام شده است. به همین منظور، عوامل اقلیم شناختی به صورت میانگین بلندمدت ۲۰ ساله (۱۹۸۵- ۲۰۰۵م) برای ۱۱ ایستگاه سینوپتیک و کلیماتولوژی واقع در محدوده استان سیستان و بلوچستان محاسبه و به صورت یک لایه اطلاعاتی مکانمند وارد محیط سیستم اطلاعات جغرافیایی شد. خروجی مدل بیانگر این است که مهم ترین عامل در تبیین بروز سالیانه این بیماری در منطقه مورد مطالعه، بارش در دوره فعالیت پشه آنوفل است که نقش این عامل اقلیمی از شمال به جنوب منطقه مورد مطالعه در افزایش شاخص API بارزتر می شود. درجه حرارت و رطوبت نسبی به ترتیب دارای اولویت دوم و سوم در بروز سالیانه بیماری است که نقش مکانی آن ها در نواحی شمالی استانمانند زابل و زاهدان بارزتر از نواحی جنوبی منطقه مانند شهرستان های نیک شهر و چابهار است. مدل ارائه شده که فقط مبتنی بر عوامل طبیعی است و درواقع یک مدل اقلیم مبناست، فقط توانست ۴۸درصد تغییرات مربوط به شاخص API را تبیین کند (R۲=۰.۴۸).بنابراین، عوامل غیراقلیمی ازجمله کیفیت اجرای سالیانه برنامه های کنترل مالاریا، شرایط اقتصادی- اجتماعی و موقعیت همسایگی این استان با دو کشور افغانستان و پاکستان نیز باید در بررسی اپیدمیولوژی مالاریا در این استان مورد توجه قرار گیرد. نتایج این تحقیق می تواند در شناسایی و اولویت بندی عوامل تاثیرگذار در شیوع بیماری مالاریا در مناطق مختلف استان مفید واقع شود و با به روز کردن اطلاعات آن، به عنوان یک سامانه پیش هشداردهی اقلیم مبنا در برنامه های کنترل مالاریا مورد استفاده قرار گیرد.

کلیدواژه ها:

API ، API ، GWR ، Iran ، Malaria ، Sistan & Baluchistan province ، Spatial­Modeling ، واژه های کلیدی: مالاریا ، رگرسیون وزن دار جغرافیایی ، مدل سازی مکانی ، سیستان و بلوچستان

نویسندگان

منصور حلیمی

Department of Climatology, Tarbiat Modares University, Tehran, Iran.

مهدی دلاوری

Department of Medical Parasitologiy, Faculty of Medicine, Kashan University of Medical Sciencs, Kashan, Iran.

محمد جعفری مدرک

. Department of Medical Parasitologiy, Faculty of Medicine, Zahedan University of MedicalSciences, Zahedan, Iran. Infectious Diseases and Tropical Medicine Research Center, Zahedan University of MedicalSciences Zahedan, Iran.