M シヴァ ドゥルガ プラサド ナヤックと KA ナラヤン
背景:デング熱は、最も深刻で急速に増加している熱帯病の 1 つです。インドでは、過去 10 年間でデング熱の頻度と地理的範囲が増加しています。DF/DHF の発生が過去にいつどこで発生したかに関する詳細な情報は、疫学的モデリングに使用して、将来の傾向と差し迫った発生を予測できます。この背景に基づいて、ケララ州におけるデング熱の発生率の利用可能な月次データを季節 ARIMA モデルに変換し、疾病負荷を予測する試みが行われました。
方法：本研究は、インドのケララ州公衆衛生局長の部門からの二次データを使用した遡及的分析研究でした。2006年から2018年までの13年間の総合疾病監視プロジェクト（IDSP）の月次レポートをダウンロードし、ダウンロードしたpdfファイルからデング熱症例のデータを抽出しました。SPSSトライアルバージョン21とサンプルデータセットを使用して、いくつかのARIMAモデルを実行し、最適な季節ARIMAモデルを特定しました。次に、選択されたモデルを使用して、翌年、つまり2007年以降の月間デング熱発生率を予測しました。2007年から2018年までのデング熱症例の月間予測発生率と月間実発生率を比較し、それらの差を対応のあるt検定を使用して検定しました。
結果:季節ARIMA (1, 0, 0) (0, 1, 1)12モデルが、与えられたデータに最もよく適合したモデルであることがわかりました。選択されたモデルの定常R二乗値は0.815です。Ljung–Box検定値は11.271、p値は0.792であり、選択されたモデルが適切であることを示しています。2007年1月から2018年12月までのデング熱症例の予測発生率の平均は、どの月でも実際の発生率に近かったが、それらの差は統計的に有意ではなく、モデルの適合性が良好であったことを示しています。
結論:季節性 ARIMA (1, 0, 0) (0, 1, 1)12 は、今後のデング熱症例の発生率を予測するのに最適なモデルとして選択されました。この手法は、医療管理者がより良い準備を行うために役立ちます。このモデルは、現在のデータを含めて動的に作成でき、より動的なモデルにすることができます。