روند و پیش بینی سری زمانی بروز سرطان پستان در استان قزوین از سال 1386 لغایت 1395

مقدمه: سرطان پستان شایع ترین سرطان زنان و دومین علت مرگ در کل جهان می باشد. مطالعه حاضر به منظور بررسی روند شناسایی تعداد موارد جدید سرطان پستان و پیش بینی وقوع آن در آینده با تحلیل سری زمانی انجام شد. روش بررسی: مطالعه حاضر یک بررسی مقطعی در طی سال های 1386 تا سال 1396 به منظور پیش بینی الگوی موارد جدید سرطان پستان با استفاده از سری زمانی مدل خود رگرسیون ادغام شده با میانگین متحرک (arima) در استان قزوین است. برای نشان دادن روند و ارائه پیش بینی برای یک سال آینده سرطان از مدل سری های زمانی boxjenkins و روش های تشخیص و ارزیابی آن استفاده شد. جهت توصیف و برازش مدل های مناسب، از نرم افزار آماری r نسخه 3/6/3 استفاده شد.یافته ها: بین سال های 1386 تا 1395 تعداد 1229 بیمار جدید ثبت شده است (میانگین (انحراف معیار) ماهانه 24/10(03/1) مورد). هرچند روند کلی تعداد خام موارد جدید سرطان پستان در طول زمان افزایشی می باشد ولی تغییر مشاهدات در طول زمان به صورت افزایشی و کاهشی بوده است بر اساس نتایج آزمون بارتلت، واریانس های داده های این سری زمانی سرطان ثابت نبودند. همچنین بر اساس نتایج آزمون کولموگروفاسمیرنوف، داده های سری سرطان پستان نرمال نبودند. از بین مدل های بررسی شده، مدل (1، 1، 1) arima به دلیل کمتر بودن معیار aic نسبت به مدل های دیگر، انتخاب شد و این مدل به عنوان مدل نهایی برای پیش بینی سرطان پستان برای یک سال آینده انتخاب شد. فاصله اطمینان مقادیر پیش بینی شده نسبتاً باریک بوده که مناسب بودن مدل نهایی را در پیش بینی نشان می دهد. نتیجه گیری: تحلیل سری زمانی ابزاری کارا جهت مدل سازی داده های گذشته و آینده تعداد خام موارد جدید سرطان پستان در استان قزوین می باشد. شاخص های نیکویی برازش مدل نشان داد مدل باکس جنکینز مدل قابل اتکایی برای برازش به داده های مشابه می باشد.

Predicting the Incidence and Trend of Breast Cancer Using Time Series Analysis for 20072016 in Qazvin

Introduction: Breast cancer is the most common cancer and the second leading cause of death in women worldwide. The aim of this study was to analyze the trend and predict the incidence of breast cancer using time series analysis.Methods: In this study, data on breast cancer incidence in Qazvin province between 2007 and 2016 were analyzed using time series analysis with autoregressive integrated moving average (ARIMA) modeling to forecast the future pattern. The BoxJenkins time series model and its diagnosis and evaluation methods were used to show the trend and forecasting the next year new cancers. To describe and fit the appropriate models, R statistical software version 3.6.3 was used.Results: Between 2007 and 2016, a total number of 1229 new patients had been registered (monthly mean [SD]: 10.24 [1.03]). Although the overall trend in the raw number of new breast cancer cases has been increasing over time, the change in observations over time has been increasing and decreasing. According to Bartlett test results, the variances of the data were not constant. Also, according to the results of KolmogorovSmirnov test, breast cancer series data were not normal. Among the studied models, ARIMA (1, 1, 1) was selected due to lower AIC criteria than other models, and this model was selected as the final model for predicting breast cancer for the next year. The confidence interval of the predicted values ​​was relatively narrow, which indicates the appropriateness of the final model in the prediction.Conclusion: Time series analysis is an efficient tool to model the past and future data on the raw number of new cancer cases, and the goodnessoffit indicators of the model showed that the BoxJenkins model is a reliable model for fitting similar data.