توزیع فضایی بروز دنگی: مطالعه موردی در پوتراجایا

زمینه و هدف: دنگی یک بیماری ویروسی است که توسط Aedes aegypti منتقل می شود  پشه دنگی به یک مشکل مهم بهداشت عمومی در سراسر جهان تبدیل شده است. این بیماری در مناطق گرمسیری و نیمه گرمسیری در سراسر جهان، عمدتاً در مناطق شهری و نیمه شهری تأثیر می گذارد. شیوع دنگی مشخصاً با بارندگی زیاد و همچنین افزایش دما و رطوبت همراه است. در مالزی، تب دنگی (DF) و تب خونریزی دهنده دنگی (DHF) روند افزایشی نشان داده است. این مطالعه با هدف ترسیم توزیع فضایی موارد دنگی در پوتراجایا از طریق ادغام سیستم اطلاعات جغرافیایی (GIS) و تحلیل‌های آماری فضایی انجام شد. روش شناسی: این مطالعه 389 مورد دنگی را از سال 2013 تا 2014 در مناطق مختلف پوتراجایا تجزیه و تحلیل کرد. داده ها از سازمان های مختلف بهداشتی دولتی جمع آوری شد. سه تحلیل آماری فضایی [Moran’s I, موارد توزیع فضایی یافته‌ها: تجزیه و تحلیل نشان داد که موارد دنگی در منطقه بسیار خوشه‌ای بوده و در فاصله متوسط ​​91/264 متر رخ داده است. چندین مکان به ویژه مناطق مسکونی به عنوان نقاط داغ موارد دنگی در حوزه با استفاده از تجزیه و تحلیل تخمین تراکم هسته شناسایی شده است. نتیجه‌گیری: این مطالعه نشان داده است که با ادغام تحلیل فضایی با استفاده از GIS، می‌توان درک توزیع موارد دنگی را در یک منطقه خاص بهبود بخشید. GIS و تجزیه و تحلیل های آماری فضایی در راهنمایی آژانس های بهداشتی، اپیدمیولوژیست ها، افسران بهداشت عمومی، برنامه ریزان شهر و مقامات مربوطه در توسعه اقدامات کنترلی کارآمد و برنامه های اضطراری در شناسایی و اولویت بندی تلاش های آنها در فعالیت های موثر کنترل تب دنگی مهم هستند.

کلید واژه ها

دنگی ، بروز ، GIS ، تجزیه و تحلیل فضایی ، مالزی

1. مقدمه

دنگی یک بیماری ناشی از ویروسی است که از طریق نیش پشه منتقل می شود. علائم عبارتند از تب، سردرد، حالت تهوع، استفراغ، بثورات پوستی و درد در چشم ها، مفاصل و عضلات [ 1 ]. با توجه به اینکه بیش از یک سوم جمعیت جهان در مناطق در معرض خطر عفونت زندگی می کنند، ویروس دنگی عامل اصلی بیماری و مرگ در مناطق گرمسیری و نیمه گرمسیری است. با این حال، درمان خاصی برای دنگی با مراقبت های پزشکی مکرر و مناسب وجود ندارد. جان بیماران مبتلا به تب خونریزی دهنده دنگی (DHF) جدی تر را می توان نجات داد. تنها راه جلوگیری از انتقال ویروس دنگی مبارزه با ناقل آن است [ 2 ] .

عفونت دنگی توسط ویروس دنگی ایجاد می شود که یک فلاوی ویروس منتقله از پشه است. توسط Aedes aegypti و Aedes albopictus منتقل می شود. چهار سروتیپ متمایز وجود دارد، DEN-1، 2، 3 و 4. هر قسمت از عفونت ایمنی محافظتی مادام‌العمر را نسبت به سروتیپ همولوگ ایجاد می‌کند، اما فقط محافظت نسبی و گذرا در برابر عفونت بعدی توسط سه سروتیپ دیگر ایجاد می‌کند [ 2 ].

بر اساس گزارش سازمان بهداشت جهانی، بیش از 108698 مورد دنگی از جمله 215 مورد مرگ در مالزی در سال 2014 گزارش شده است. این افزایش 151 درصدی در موارد ابتلا در سال 2014 در مقایسه با مدت مشابه در سال 2013 است [ 3 ]. تعداد موارد گزارش شده تب دنگی (DF) در مالزی از سال 2004 تا 2014 روند افزایشی نشان داده است ( شکل 1 ).

نرخ بروز نیز از 132.5 مورد/100000 نفر جمعیت در سال 2004 به 343.1 مورد/100000 نفر در سال 2014 روند صعودی نشان داده است ( شکل 2 ). این از هدف ملی برای نرخ بروز DF و

DHF که کمتر از 50 مورد در 100000 جمعیت است. تب دنگی تقریباً 95 درصد از همه موارد گزارش شده را تشکیل می دهد. موارد تایید شده از نظر سرولوژیکی تقریباً 50-40٪ از این موارد در زمان اطلاع رسانی بودند [ 2 ].

استفاده از سیستم اطلاعات جغرافیایی (GIS)، یک سیستم کامپیوتری که داده‌های مکانی و توصیفی را برای نقشه‌برداری و تحلیل ترکیب می‌کند، به طور فزاینده‌ای برای جمع‌آوری و نقشه‌برداری اطلاعات اپیدمیولوژیک موجود و مرتبط کردن آن با عواملی مانند آب و هوا و عوامل محیطی شناخته شده برای تأثیرگذاری بر توزیع استفاده می‌شود. بیماری ها همراه با زمان، افراد و سایر ابعاد مورد علاقه [ 4 ].

GIS نقش مهمی در نظارت بر بیماری و کنترل بیماری های منتقله از پشه ایفا می کند زیرا آنها به تجزیه و تحلیل عوامل خطر بالقوه مرتبط با بیماری از طریق فرآیندهای کدگذاری جغرافیایی [ 5 ] کمک می کنند و نقشه هایی را تسهیل می کنند که برای شناسایی فضایی مفید هستند. و نواحی موقتی جمعیت های پرخطر بالقوه [ 6 ] -[ 10 ]. اطلاعات بصری ارائه شده در انواع مختلف نقشه ها بر اساس GIS، مشاهده همزمان هر دو ویژگی و روابط جغرافیایی را امکان پذیر می کند [ 11 ] -[ 13 ]] . نقشه ها همچنین به تصمیم گیرندگان سیاست و مقامات بهداشت عمومی کمک می کنند تا با مردم و تصمیم گیرندگان خط مشی در مورد اطلاعات پیچیده در قالبی به راحتی قابل تفسیر [ 13 ] [ 14 ] ارتباط برقرار کنند.

GIS نه تنها می‌تواند فرصتی برای بهبود درک ما از الگوهای توزیع دنگی فراهم کند، بلکه می‌تواند یک پلت‌فرم آگاهانه از نظر محیطی و اجتماعی برای توسعه عناصر یک سیستم هشدار اولیه برای کنترل و پیشگیری از دنگی فراهم کند [ 8 ]. هدف از این مطالعه تجزیه و تحلیل الگوی شیوع دنگی در پوتراجایا از نظر انتشار فضایی و شناسایی نقاط داغ بود.

2. روش ها

2.1. منطقه مطالعه

پوتراجایا در 25 کیلومتری جنوب کوالالامپور، پایتخت اداری فدرال مالزی است. پوتراجایا به عنوان منطقه مورد مطالعه ما مورد استفاده قرار گرفت زیرا روند رو به افزایش موارد دنگی از سال 2012 تا 2014 بود. این مطالعه از ناحیه، کوچکترین واحد حاکم محلی در مالزی، به عنوان مرز منطقه بندی فضایی استفاده کرد. تمام حوزه تحت صلاحیت پربادانان پوتراجایا بود ( شکل 3 ).

2.2. جمع آوری داده ها

انواع مختلفی از داده ها در محیط GIS مانند داده های مورد دنگی و داده های جمعیت شناختی گنجانده شدند. این داده ها از منابع مختلف جمع آوری شده است.

2.3. داده دنگی

داده های دنگی از سال 2012 تا 2014 از اداره بهداشت ناحیه پوتراجایا به دست آمد. همه داده ها بر اساس هر منطقه و سال مرتب شدند. تمامی موارد در پایگاه داده e-dengue ثبت و در برنامه Microsoft Excel استخراج شد. شکل 4تعداد موارد دنگی را برای هر منطقه در پوتراجایا نشان می دهد. ویژگی هایی مانند جنسیت، سن، اخلاق، شغل، آدرس، تاریخ پذیرش و تاریخ ترخیص، نوع دنگی، محل وقوع دنگی و تعداد هفته های ابتلا به دنگی. در طول فرآیند هموارسازی داده‌ها، برای جلوگیری از هرگونه سوگیری، داده‌های تکمیل نشده را حذف کردیم. به منظور همگام سازی تمام سیستم مختصات داده های دیجیتال، ما تصمیم گرفتیم از سیستم جهانی ژئودتیک (WGS 84) استفاده کنیم که x، y یک شی را به ترتیب بر اساس طول و عرض جغرافیایی ارائه می کند. مختصات یا نقطه بروز دنگی در این مطالعه ضروری بود زیرا منعکس کننده همبستگی فضایی تب دنگی بین هر زیر ناحیه است.

2.4. تحلیل فضایی

در این مطالعه، توزیع فضایی بروز دنگی در منطقه پوتراجایا با استفاده از روش آمار فضایی مورد بررسی قرار گرفت. ابتدا، یک روش خودهمبستگی فضایی جهانی که I موران است برای ارزیابی اینکه آیا الگوی بیان شده خوشه‌ای، پراکنده یا تصادفی است استفاده شد. این ابزار مقدار شاخص موران I و هم امتیاز z و هم مقدار p را برای ارزیابی اهمیت این شاخص محاسبه می کند. مقادیر P تقریب های عددی سطح زیر منحنی برای توزیع شناخته شده است که توسط آمار آزمون محدود شده است.

آماره موران I برای خودهمبستگی فضایی به شرح زیر است:

که در آن x تعداد موارد است، x میانگین متغیر، x _i مقدار متغیر در یک مکان خاص i، x _j مقدار متغیر در مکان دیگری j است، و W _ij یک مکان نمایه سازی وزن از i نسبی است. به j. مقدار Moran’s I از -1 برای خود همبستگی فضایی منفی قوی تا +1 برای خود همبستگی فضایی مثبت قوی متغیر است. مقدار نزدیک به 0 یک الگوی تصادفی مکانی را نشان می دهد.

ابزار میانگین نزدیکترین همسایه (ANN) فاصله بین هر مرکز ویژگی و مکان مرکز نزدیکترین همسایه را اندازه گیری می کند و میانگین تمام این فاصله های نزدیکترین همسایه را محاسبه می کند. اگر فاصله متوسط ​​برای یک توزیع تصادفی فرضی کمتر از میانگین باشد، توزیع ویژگی های مورد تجزیه و تحلیل به صورت خوشه ای در نظر گرفته می شود. اگر فاصله متوسط ​​بیشتر از یک توزیع تصادفی فرضی باشد، ویژگی ها پراکنده در نظر گرفته می شوند. میانگین نسبت نزدیکترین همسایه به صورت میانگین فاصله مشاهده شده تقسیم بر میانگین فاصله مورد انتظار محاسبه می شود (با میانگین فاصله مورد انتظار براساس یک توزیع تصادفی فرضی با تعداد یکسانی از ویژگی ها که همان مساحت کل را پوشش می دهند).

میانگین نزدیکترین همسایه به صورت زیر است:

که در آن D _O میانگین فاصله مشاهده شده بین هر ویژگی و نزدیکترین همسایه آنها است:

و D _E میانگین فاصله مورد انتظار برای ویژگی هایی است که یک الگوی تصادفی داده شده است:

در معادلات فوق، d _i برابر است با فاصله بین ویژگی i و نزدیکترین مشخصه آن، n با تعداد کل ویژگی ها و A مساحت کل مورد مطالعه است. امتیاز Z _ANN برای آمار به صورت زیر محاسبه می شود:

جایی که:

تجزیه و تحلیل نقطه داغ با استفاده از تکنیک درونیابی تخمین چگالی هسته برای محاسبه چگالی ویژگی های نقطه در اطراف هر سلول شطرنجی خروجی استفاده شد. به گفته کیم، تخمین تراکم هسته یک ابزار موثر برای شناسایی مناطق پرخطر در الگوهای نقطه‌ای بروز بیماری با تولید یک سطح صاف و پیوسته است که سطح خطر را برای آن منطقه تعریف می‌کند [ 13 ]. تخمین چگالی کرنل یک درونیابی است که برای مکانهای تکی نقطه مناسب است [ 12 ]. چگالی ویژگی های نقطه ای را در اطراف هر سلول شطرنجی خروجی محاسبه می کند. به گفته اینداراتنا، تخمین هسته یک شناسه «هات‌اسپات» بهتر از تحلیل خوشه‌ای است [ 12 ]] . تخمین تراکم هسته یک روش مفید است زیرا به شناسایی دقیق مکان، وسعت فضایی و شدت کانون های بیماری دنگی کمک می کند.

3. نتایج

در مجموع 389 مورد دنگی از سال 2012 تا 2014 در پوتراجایا گزارش شده است که ناحیه 11 (150 مورد) بیشترین تعداد موارد را گزارش کرده است و پس از آن ناحیه 9 (105 مورد)، ناحیه 14 (47 مورد)، ناحیه 8 (29 مورد)، حوزه 16 (15 مورد)، حوزه 17 (14 مورد)، حوزه 18 (13 مورد)، حوزه 15 (8 مورد) و حوزه 5 (4 مورد)، حوزه 10 (2 مورد) در حالی که هر دو حوزه 1 کمترین موارد را ثبت کرده اند. تنها با یک مورد

3.1. توزیع فضایی

موران I به عنوان شاخصی از خودهمبستگی فضایی برای دسترسی به توزیع فضایی موارد دنگی در پوتراجایا استفاده شد. نتایج آزمون موران I در مورد بروز دنگی برای پوتراجایا نشان داد که همبستگی فضایی مثبتی بین بروز دنگی در محدوده وجود دارد. I موران برای موارد دنگی -0.05 (p <0.01) در حالی که z-score 0.05 (p <0.01) است ( شکل 5 ).

3.2. تجزیه و تحلیل فاصله

نتیجه تجزیه و تحلیل ANN سه مقدار را به دست می دهد که عبارتند از: نسبت نزدیکترین همسایه (R)، امتیاز z و مقدار p. از تجزیه و تحلیل توزیع موارد دنگی در پوتراجایا برای سال‌های 2013 و 2014 مشخص شد که از نظر فضایی خوشه‌بندی شده است. نتایج حاصل از تجزیه و تحلیل ANN نشان داد که میانگین نسبت نزدیکترین همسایه کمتر از 1 بود. یعنی 0.37 (p <0.0001). شکل 6 الگوی خوشه ای موارد دنگی را در ناحیه پوتراجایا نشان می دهد. امتیاز z برای بروز تب دنگی در منطقه 44/16- (0001/0>p) بود و همبستگی مکانی قابل توجهی بروز دنگی در فاصله متوسط ​​91/264 متری رخ داد.

3.3. نقطه داغ

تخمین تراکم هسته در این مطالعه برای تعیین محل “نقطه داغ” برای موارد دنگی در ناحیه پوتراجایا استفاده شد. ناحیه رنگ تیره در شکل 7 کانونی است که با حداکثر تراکم بروز تب دنگی شناسایی شده است. از این رو، با کمک نقشه تراکم دنگی می‌توانیم منطقه خاصی را در داخل طرح هدف قرار دهیم که بیشترین میزان بروز را نشان می‌دهد.

تصویر کلی از تغییرات چگالی دنگی در کرت ها را می توان با کمک نقشه تراکم هسته شناخت. از نتیجه، می توانیم منطقه ای را که بیشتر تحت تأثیر بیماری دنگی قرار گرفته است شناسایی کنیم. به طور کلی، اکثر نقاط داغ در حوزه 11 قرار داشتند. مکان های نقطه داغ نیز در حوزه 14، حوزه 9، حوزه 7، حوزه 8، حوزه 16، حوزه 17 و حوزه 18 یافت شد. همه نقاط داغ شناسایی شده قرار داشتند. در مناطق مسکونی به ویژه آپارتمان ها

4. بحث

مطالعه ما نشان داد که موارد دنگی در حوزه‌ها از طریق شاخص‌های Moran’s I به صورت خودکار همبستگی مکانی داشتند. موارد دنگی به شانس تصادفی توزیع شدند. این یافته‌ها با مطالعه Er در منطقه Hulu Langat که در آن توزیع فضایی از نظر فضایی خوشه‌بندی شده بود، متفاوت بود [ 14 ]. با این حال، تجزیه و تحلیل ANN بیان کرد که موارد دنگی بسیار خوشه‌ای بودند و مشخص شد که همبستگی مکانی قابل‌توجهی بروز دنگی در فاصله متوسط ​​264.91 متر رخ داده است. این می تواند به دلیل این واقعیت باشد که خوشه بندی فضایی بیماری تقریباً اجتناب ناپذیر است زیرا جمعیت انسانی به طور کلی در خوشه های فضایی به جای توزیع تصادفی در فضا زندگی می کنند [ 15 ]. مطالعات قبلی در شهر کوالالامپور [ 14 ] و منطقه Hulu Langat [16 ] همچنین الگوهای خوشه‌ای فضایی موارد دنگی را نشان داد.

تخمین تراکم هسته ابزار مفیدی برای تعیین محل «نقطه داغ» بود که به موجب آن استفاده سنتی از داده‌های بروز نمی‌تواند تفاوت‌های فضایی در مناطق خطر را از مناطق همسایه خود متمایز کند، که برای کنترل مؤثر بیماری‌های عفونی ناقل بسیار مهم است [ 17 ]. ] . از این مطالعه ثابت شد که با استفاده از GIS و ابزارهای آمار فضایی می‌توان همبستگی فضایی بین موارد دنگی و جمعیت را تعیین کرد.

داده‌های مربوط به ناقل‌های بیماری مهم است زیرا تماس انسان و پشه عامل خطر اصلی تب دنگی است، بنابراین داده‌های اضافی در مورد ناقل اصلی پشه، مانند تعداد ظروف یا اقدامات کنترلی مکان‌های تولید مثل تخمینی از حضور ناقل ارائه می‌دهد [ 17 ]. ] . تحقیقات آینده باید از مطالعه فعلی به مقیاس ملی با تجزیه و تحلیل با ابزارهای تجزیه و تحلیل آماری زمین شناسی دقیق تر گسترش یابد تا از ساده سازی بیش از حد تأثیر اقلیم شناسی بر انتقال دنگی جلوگیری شود. درک بهتر چرخه گونوتروفیک پشه و دوره نهفتگی ویروس نیز ممکن است در برنامه ریزی یک برنامه کنترل موثر دنگی بسیار مهم باشد [ 18 ].

فعالیت‌هایی برای پیشگیری و کنترل عفونت دنگی که در مالزی انجام می‌شود باید شامل تجزیه و تحلیل عوامل محیطی باشد، بنابراین این مطالعه توزیع فضایی موارد دنگی را در قلمرو فدرال پوتراجایا تجزیه و تحلیل کرد. این مطالعه با ترکیب دستکاری داده‌ها و قابلیت نمایش جغرافیایی GIS و آمار فضایی برای نقشه‌برداری توزیع فضایی موارد دنگی انجام شد. علاوه بر این، این مطالعه بعد جدیدی را به مقامات بهداشتی در مالزی ارائه کرد، به ویژه در پتانسیل استفاده از برنامه GIS برای توسعه استراتژی‌هایی برای اجرای فعالیت‌های پیشگیرانه و کنترل عفونت دنگی.

5. نتیجه گیری

این مطالعه نشان داده است که با ادغام تحلیل فضایی با استفاده از GIS; می توان درک توزیع موارد دنگی را در یک منطقه خاص بهبود بخشید. این مطالعه ثابت کرده است که می‌توان درک توزیع موارد دنگی را در مناطق بدون تکیه بر اطلاعات مربوط به تراکم پشه‌ها بهبود بخشید. GIS و تجزیه و تحلیل‌های آماری فضایی در هدایت دفتر بهداشت ناحیه پوتراجایا و پربادانان پوتراجایا در توسعه اقدامات کنترلی کارآمد و برنامه‌های احتمالی در شناسایی و اولویت‌بندی تلاش‌های آنها در فعالیت‌های موثر کنترل تب دنگی مهم هستند.

منابع

[ 1 ]	دنگی چیست؟ مراکز کنترل و پیشگیری از بیماری WHO. https://wwwnc.cdc.gov/travel/diseases/dengue
[ 2 ]	بخش توسعه پزشکی، وزارت بهداشت مالزی. مدیریت عفونت دنگی بزرگسالان. 2014.
[ 3 ]	تعداد موارد گزارش شده تب دنگی و تب خونریزی دهنده دنگی (DF/DHF) در منطقه غربی اقیانوس آرام، بر اساس کشور. https://www.wpro.who.int/emerging_diseases/annual.dengue.data.wpr/en/
[ 4 ]	بارو، PA و مک دانل، RA (1998) اصول سیستم های اطلاعات جغرافیایی. انتشارات دانشگاه آکسفورد، آکسفورد.
[ 5 ]	لوید، سی (2010) تجزیه و تحلیل داده های فضایی – مقدمه ای برای کاربران GIS. فصل 2، انتشارات دانشگاه آکسفورد، آکسفورد.
[ 6 ]	Fotheringham، AS و راجرسون، PA، Eds. (2009) کتاب سیج تحلیل فضایی. انتشارات سیج، لندن، 183-206.
[ 7 ]	لوید، سی (2010) تجزیه و تحلیل داده های فضایی – مقدمه ای برای کاربران GIS. فصل 4، انتشارات دانشگاه آکسفورد، آکسفورد.
[ 8 ]	Collinge، SK (2010) اکولوژی و حفاظت فضایی. طبیعت، 1، 69.
[ 9 ]	Haining، R. (2003) تجزیه و تحلیل داده های فضایی: نظریه و عمل. انتشارات دانشگاه کمبریج، کمبریج. https://dx.doi.org/10.1017/CBO9780511754944
[ 10 ]	Githeko، AK (2012) پیشرفت در توسعه مدل‌های شیوع دنگی مبتنی بر آب و هوا در داکا، بنگلادش: چالش‌ها و فرصت‌ها. مجله تحقیقات پزشکی هند، 136، 7-9.
[ 11 ]	کلیولند، WS (1993) تجسم داده ها. مطبوعات هوبارت، اجلاس.
[ 12 ]	Indaratna، K.، Hutubessy، R.، Chupraphawan، S.، Sukapurana، C.، Tao، J.، و همکاران. (1998) کاربرد سیستم های اطلاعات جغرافیایی برای تجزیه و تحلیل مشترک بیماری و منابع اقتصادی: دنگی و مالاریا در تایلند. مجله پزشکی گرمسیری و بهداشت عمومی آسیای جنوب شرقی، 29، 669-684.
[ 13 ]	Kitron، U. (2000) نقشه های خطر: انتقال و بار بیماری های منتقله از ناقلین. پارازیتولی امروز، 16، 324-325. https://dx.doi.org/10.1016/S0169-4758(00)01708-7
[ 14 ]	رضائیان، م. (2008) چگونه داده های بهداشت عمومی را تجسم کنیم؟ بخش دوم: روشهای استانداردسازی مستقیم و غیرمستقیم. مجله پزشکی خانواده خاورمیانه، 7، 42-44.
[ 15 ]	Keim, DA (2002) تجسم اطلاعات و داده کاوی بصری. IEEE Transactions on Visualization and Computer Graphics, 8, 1-8. https://dx.doi.org/10.1109/2945.981847
[ 16 ]	Er, AC, Rosli, MH, Asmahani, A., Mohamad Naim, MR and Harsuzilawati, M. (2010) نقشه برداری فضایی بروز دنگی: مطالعه موردی در منطقه Hulu Langat, Selangor, مالزی. مجله بین المللی مهندسی محیط زیست، شیمی، اکولوژی، زمین شناسی و ژئوفیزیک، 4، 251-255.
[ 17 ]	لاوسون، AB و ویلیامز، FLR (2001) راهنمای مقدماتی برای نقشه برداری بیماری. جان وایلی و پسر، آموزشی ویبولیتین، چیچستر. https://dx.doi.org/10.1002/0470842571
[ 18 ]	Aziz, S., Ngui, R., Lim, YAL, et al. (2012) الگوی فضایی 2009 توزیع دنگی در کوالالامپور با استفاده از برنامه GIS. زیست پزشکی گرمسیری، 29، 113-120.