تعهد نامه

نوع مقاله : مقالات پژوهشی

نویسنده

کارشناس ارشد، گروه سیستم اطلاعات مکانی، دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.

چکیده

زمینه و هدف: سالک جلدی، یکی از شش بیماری مهم مناطق گرمسیری و نمونه‌ای از بیماری‌های همه‌گیر می‌باشد. شیوع و انتشار این بیماری علاوه بر مسائل اقتصادی، اجتماعی و فرهنگی، تحت تأثیر عوامل محیطی و شرایط اقلیمی نیز می‌باشد. در مطالعه حاضر به‌منظور تهیه‌ نقشه حساسیت بیماری سالک جلدی از روش‌های تصمیم‌گیری تحلیل سلسله مراتبی و تحلیل شبکه استفاده‌ شد. با توجه به میزان بروز بالای سالک جلدی در استان خوزستان، شهرستان ایذه به‌عنوان مطالعه موردی انتخاب شد.
مواد و روش‌ها: به‌منظور تهیه نقشه حساسیت سالک در شهرستان ایذه، تعداد مبتلایان به این بیماری در شهرستان ایذه از سال 92-1387 از مرکز بهداشت استان اخذ گردید. لایه‌های اطلاعاتی ارتفاع، بارندگی، دما، رطوبت، فاصله از رودخانه، فاصله از مناطق روستایی و کاربری اراضی به‌عنوان پارامترهای مؤثر بر بیماری سالک جلدی شناسایی و نقشه‌های مذکور در محیط GIS آماده گردید. پارامترهاى شناسایی‌شده با به‌کارگیری روش تحلیل سلسله مراتبى و تحلیل شبکه به‌صورت زوجى مقایسه و وزن هر یک از عوامل که مبین میزان تأثیر آن‌هاست، در نرم‌افزارهای Expert Choice و Super Decision محاسبه گردید. سپس این پارامترها بر اساس وزن به‌دست آمده در نرم‌افزار ArcGIS با یکدیگر تلفیق شدند و نقشه نهایی سالک جلدی حاصل از هر روش تهیه گردید. ارزیابی روش‌های مذکور با استفاده از منحنی تشخیص عملکرد نسبی (ROC) و 16 نقطه مربوط به وقوع بیماری سالک صورت گرفت.
یافته‌ها: بر اساس نتایج حاصل از وزن‌دهی پارامترهای مؤثر با استفاده از روش‌های تحلیل سلسله مراتبی و تحلیل شبکه، بیشترین وزن به‌ترتیب مربوط به پارامترهای ارتفاع، دما و بارندگی بود. بر اساس نتایج ارزیابی توسط ROC، دقت نقشه تهیه‌ شده با استفاده از روش تحلیل شبکه برابر 87/8 درصد و دقت روش تحلیل سلسله مراتبی، 68/9 درصد برآورد گردید.
نتیجه‌گیری: نتایج به‌دست‌آمده از روش تحلیل شبکه، نشان‌‌دهنده‌ دقت خیلی خوب این مدل برای تهیه نقشه حساسیت بیماری سالک جلدی و همچنین نتایج حاصل از روش تحلیل سلسله مراتبی، نشان‌دهنده‌ دقت متوسط این مدل جهت تهیه‌ نقشه حساسیت سالک جلدی می‌باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Cutaneous leishmaniasis susceptibility mapping using multi-criteria decision-making techniques, analytic hierarchy process (AHP) and analytic network process (ANP)

نویسنده [English]

  • SEYED VAHID RAZAVI TERMEH

MS.C, Department of GIS, Faculty of Geodesy & Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran

چکیده [English]

Background & objective:Cutaneous leech is one of the six major diseases and an example of epidemic diseases in tropical regions. Prevalence and spread of this disease is affected by environmental factors and climatic conditions as well as economic, social and cultural issues. In this research, Analytic Hierarchy Process and network analyzes are used to prepare susceptible cutaneous leeches map. Considering high incidence of cutaneous leech in Khuzestan province, Izeh city was selected as a case study.
 
Materials & Methods: For this purpose, the number of patients affected by this disease in Izeh was obtained from the Provincial Health Center from 2009 to 2014. Information layers of elevation, rainfall, temperature, humidity, distance from river, distance from rural areas and land use were identified as effective parameter and their maps were prepared in GIS environment. Parameters were compared in pairs by using AHP and ANP and weight of each factors determining their impacts was calculated in Expert Choice and Super Decision software. Then these parameters were combined based on their obtained weights in ArcGIS software and the final cutaneous leech map was prepared. Evaluation of these methods was performed using relative operation curve (ROC) and 16 points related to leech disease.
Result: The results of weighting effective parameters using AHP and ANP showed that the highest weight is related to elevation, temperature and rainfall parameters, respectively. The results of ROC assessment showed that in preparing the map, ANP had an accuracy of 87.8% and AHP had an accuracy of 68.9%.
Conclusion:The results of ANP showed that this model had suitable accuracy in preparing susceptible cutaneous leech map and AHP had moderate accuracy in preparing susceptible cutaneous leech map.

کلیدواژه‌ها [English]

  • Cutaneous Leishmaniasis
  • analytic hierarchy process (AHP)
  • analytic network process (ANP)
  • Geographic Information System (GIS)
1. McMichael AJ. Globalization, climate change, and human health. New England Journal of Medicine. 2013;368(14):1335-43.
2. World Health Organization (WHO), "Report of the conclusive meeting on cutaneous, Leishmaniasi", Geneva: WHO, 2008.
3. Shirzadi m. Ministry of Health and Medical Education, Infectious Disease Management Center, Transmission of Human and Animal Transmissible Diseases, Guide for Cutaneous Leishmaniasis in Iran. 2011. 10-30. (Persian)
4. Khademvatan S, Salmanzadeh S, Foroutan-Rad M, Bigdeli S, Hedayati-Rad F, Saki J, et al. Spatial distribution and epidemiological features of cutaneous leishmaniasis in southwest of Iran. Alexandria Journal of Medicine. 2017;53(1):93-8.
5. Jarahi, L. Tayarani Bathaee, A. Erfanian, M. A study on The effect of physical environment conditions on the prevalence of cutaneous leishmaniasis in leishmania hyperendemic area in Mashhad. Iranian Journal of Research in Environmental Health.Fall 2015;1 (3) : 228-233. (Persian)
6. Mohebali M. Epidemiological status of visceral. leishmaniasis in Iran: experiences and review of literature. J Clin Exp Pathol S. 2012;3:2161-0681.
7. Best N, Richardson S, Thomson A. A comparison of Bayesian spatial models for disease mapping. Statistical methods in medical research. 2005;14(1):35-59.
8. Cardenas R, Sandoval CM, Rodriguez-Morales AJ, Franco-Paredes C. Impact of climate variability in the occurrence of leishmaniasis in northeastern Colombia. The American journal of tropical medicine and hygiene. 2006;75(2):273-7.
9. Dong S. Comparisons between different multi-criteria decision analysis techniques for disease susceptibility mapping. Student thesis series INES. 2016.
10. Rajabi M, Mansourian A, Bazmani A. Susceptibility mapping of visceral leishmaniasis based on fuzzy modelling and group decision-making methods. Geospatial health. 2012;7(1):37-50.
11. Saaty TL. The analytic hierarchy process: planning, priority setting, resource allocation. McGraw-Hill, New York London; 1980.
12. Nikmardan A. Introducing the software expert choice. 1th ed. Amir Kabir University Press. 2007.
13. Ghodsipour S.H. Issues in Multi-criteria Decision Making, Analytic Hierarchy Process. 4th ed. Amir Kabir University Press.2005. p.220.
14. Saaty TL. Decision making with dependence and feedback: The analytic network process: RWS publications Pittsburgh; 1996.
15. Shorabi R, HasanAbadi M, Ahmadi A. Evaluation, Analysis and Ranking of Factors Affecting the Pattern of Leishmaniasis by Using Multi-Criteria Decision Making (Case Study: Ten Municipality of Mashhad), The First National Conference on Urban and Environmental Services, Mashhad, Mashhad Municipality, 1392. (Persian)
16. Jelokhani Niyaraki M R, Hajiloo F. Site Selection for Wind Power Plants Using ANP-OWA Model (Case Study of Zanjan Province, Iran). JGST. 2016; 6 (1):73-86. (Persian)
17. Pontius RG, Schneider LC. Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems & Environment. 2001;85(1):239-48.
18. Hu Z, Lo C. Modeling urban growth in Atlanta using logistic regression. Computers, Environment and Urban Systems. 2007;31(6):667-88.
19. Zhu C, Wang X, editors. Landslide susceptibility mapping: A comparison of information and weights-of-evidence methods in Three Gorges Area. Environmental Science and Information Application Technology, 2009 ESIAT 2009 International Conference on; 2009: IEEE
20. Salahi-Moghaddam A, Mohebali M, Moshfae A, Habibi M. Ecological study and risk mapping of visceral leishmaniasis in an endemic area of Iran based on a geographical information systems approach. Geospatial health. 2010;5(1):71-7.
21. Bhunia GS, Kesari S, Chatterjee N, Pal DK, Kumar V, Ranjan A, et al. Incidence of visceral leishmaniasis in the Vaishali district of Bihar, India: spatial patterns and role of inland water bodies. Geospatial health. 2011;5(2):205-22. Bayatani A, Sadeghi A. Spatial Analysis of Environmental Factors of Cutaneous Leishmaniasis in Iran Using GIS . Hakim Health Sys Res . 2012; 15 (2) :158-165. (Persian)
23. Seid A, Gadisa E, Tsegaw T, Abera A, Teshome A, Mulugeta A, et al. Risk map for cutaneous leishmaniasis in Ethiopia based on environmental factors as revealed by geographical information systems and statistics. Geospatial health. 2014;8(2):377-87.