مدل‌سازی شیوع بیماری آنفلوانزای فوق حاد پرندگان در استان گیلانبا مدل‌های داده‌کاوی و سیستم اطلاعات مکانی در سال 1395: یک مطالعه اکولوژیک

زمینه و هدف: ابتلاء پرندگان به بیماری آنفلوانزای فوق حاد پرندگان (highly pathogenic avian influenza) و از بین رفتن آن‌ها خسارات سنگینی به صنعت دام و طیور و بهداشت عمومی کشور تحمیل می‌کند. امروزه با توجه به حجم و تنوع داده‌ها، ضرورت استفاده از فناوری های مکان محور و علوم داده‌کاوی ضروری به نظر می‌رسد. هدف این تحقیق مدل‌سازی شیوع بیماری آنفلوانزا فوق حاد پرندگان به کمک قابلیت‌های تحلیل مکانی می‌باشد.مواد و روش‌ها: در پژوهش حاضر که به صورت تحلیلیاکولوژیکی است، سال 1395 با میزان بالای شیوع این بیماری به ‌عنوان سال تهیه متغیرهای 17گانه (اقلیمی، محیطی و انسان ساخت) و ایجاد لایه‌های مکانی، در استان گیلان انتخاب گردید. با استفاده از تلفیق تحلیل رگرسیونی تقویت ‌شده (boosted regression trees; brt) و رگرسیون وزن‌دار جغرافیایی، وزن های این متغیرها محاسبه و مدل شیوع بیماری تهیه و توسط منحنی عملیاتی دریافت کننده (receiver operating characteristic; roc) اعتبار آن مورد ارزیابی قرار گرفت.یافته‌ها: متغیرهای تالاب، بازار فروش مرغ زنده و استخرها بیش‌ترین وزن را در تحلیل brt به ترتیب 18.91، 15.59، 12.8 به خود اختصاص دادند. هم چنین، از نظر زمانی ماه بهمن بیش‌ترین میزان شیوع را در بین 3 ماه سرد سال داشته است. نتیجه‌گیری: این بیماری در نواحی اطراف تالاب‌ها و استخرها، نزدیکی بازارهای فروش مرغ زنده مشاهده ‌شده است. بنابراین اداره کل دام پزشکی به‌عنوان نهاد نظارتی و سیاست‌گذار و تولیدکنندگان و فروشندگان مرغ به‌عنوان عوامل اجرایی می‌توانند نقش بسیار مهمی در پایش، کنترل و جلوگیری از شیوع این بیماری ایفاء نمایند.

Modeling the Prevalence of Avian Influenza in Guilan Province Using Data Mining Models and Spatial Information System in 2016: An Ecological Study

Background and Objectives: Infection of birds to Highly Pathogenic Avian Influenza (HPAI) and their extinction impose heavily losses on the livestock and poultry industry along with public health. Nowadays, due to the volume and variety of data, the need of using locationbased technologies and data mining sciences has become inevitable. This study aims to model the prevalence of avian influenza, using the capabilities of spatial analyses.Materials and Methods: In this analyticalecological study, the year 2016 is selected as the target year to prepare 17 variables (climate, environment, and manmade) and their spatial layers in Guilan province because of the high prevalence of the disease in this year. The weights of the variables were computed through combination of Boosted Regression Trees (BRT) analysis and Geographically Weighted Regression (GWR), and then prevalence of the disease was prepared and evaluated by the Receiver Operating Characteristic (ROC) curve.Results: The variables of wetlands, live poultry markets, and pools have the highest weights according to BRT analysis, with 18.91, 15.59, and 12.8 percent, respectively. Also, in terms of time, the month of February has the highest prevalence among the three cold months of the year.Conclusion: The disease has been observed in the areas around wetlands, pools, and live poultry markets. Therefore, the General Veterinary Administration, as a regulatory and policymaking body, and poultry producers and sellers as executive agents can play a significant role in monitoring, controlling, and preventing the spread of the disease.Key words: Avian influenza, Spatial analysis, Boosted regression, Geographically weighted regression Funding: This study did not have any funds.Conflict of interest: None declared.Ethical approval: The Ethics Committee of Babol Noshirvani University of Technology approved the study. How to cite this article: Hashemi Foumani S M, Motieyan H. Modeling the Prevalence of Avian Influenza in Guilan Province Using Data Mining Models and Spatial Information System in 2016: An Ecological Study. J Rafsanjan Univ Med Sci 2020; 19 (7): 67792. [Farsi]