تحلیل فضا-زمانی بیماری آسم در کلانشهر تهران با استفاده از سامانه اطلاعات جغرافیایی (gis)

مقدمه:  شهر تهران به‌عنوان یکی از شهرهای آلوده جهان، با مشکلات بهداشتی و سلامتی فراوانی از جمله بیماری‌های تنفسی و آسم مواجه هست. شناسایی مناطق با ریسک بالای ابتلا به یک بیماری خاص در دوره‌های زمانی مختلف، اهمیت فراوانی در کنترل بیماری‌ها و مدیریت سلامت در جامعه دارد.روش کار: این پژوهش کاربردی و توصیفی–تحلیلی با استفاده از آمار فضایی و سامانه اطلاعات جغرافیایی (gis)، به تحلیل فضا-زمانی بیماری آسم در کلانشهر تهران پرداخته است. جامعه آماری تحقیق، تعداد مبتلایان به بیماری آسم (1473 نفر) و در 355 محله در محدوده قانونی شهر تهران و در بازه زمانی بین سال‌های 1397 الی1400 می‌باشد. برای شناسایی و درک الگوی مکانی بیماری آسم، در تحلیل الگوی توزیع فضایی از تکنیک‌های میانگین مرکزی و منحنی انحراف استاندارد، شاخص نزدیک‌ترین همسایگی، تحلیل لکه‌های داغ، شاخص موران جهانی و محلی و تحلیل تراکم کرنل در سیستم اطلاعات جغرافیایی استفاده شده است.یافته‌ها: یافته‌های پژوهش نشان می‌دهند که شاخص نزدیک‌ترین همسایگی در تحلیل الگوی فضایی به‌صورت یکنواخت بوده و با مدل تخمین کرنل، بیشترین توزیع بیماری آسم در سال 1397، در محلات جنوب غربی تهران، در سال 1398، در مرکز، جنوب شرقی و جنوب غربی و در سال 1399، در جنوب شرقی بوده و در نهایت در سال 1400، بیشترین محلات درگیر بیماری آسم، محلات جنوب شرقی و جنوب تهران می‌باشد.نتیجه‌گیری: با تحلیل نتایج، شناخت جامعی از کانون‌های بیماری آسم و الگوهای فضایی و پراکنش جغرافیایی سلامت، در سطح محلات شهر تهران، حاصل شده است که می‌تواند در اقدامات پیشگیرانه مورد توجه قرار گیرد.

spatio-temporal analysis of asthma prevalence in the tehran metropolis using geographic information systems (gis)

introduction: tehran, one of the world’s most polluted cities, faces numerous health challenges, including respiratory diseases. identifying high-risk areas for specific diseases at different periods is crucial for effective health management within the community.method: this applied and descriptive-analytical study employed spatial statistics and gis to conduct a spatio-temporal analysis of asthma in the tehran metropolis. the statistical population comprised 1,473 individuals suffering from asthma across 355 neighborhoods within tehran’s legal boundaries between 2017 and 2020. to identify and understand the spatial patterns of asthma, techniques such as central mean and standard deviation ellipse, nearest neighbor index, hot spot analysis, global and local moran’s index, and kernel density estimation were utilized to analyze the spatial distribution patterns within the gis environment.results: the findings revealed a uniform nearest neighbor index in the spatial pattern analysis. the kernel density estimation model showed that in 2017, the highest asthma distribution was observed in the southwestern neighborhoods of tehran. in 2018, the concentration shifted to the center, southeast, and southwest regions. in 2019, the southeastern areas were most affected, while in 2020, the southeastern and southern parts of tehran exhibited the highest asthma prevalence.conclusion: a comprehensive understanding of asthma hotspots, spatial patterns, and geographical distribution of health has been achieved at the neighborhood level in tehran, which can be considered in preventive measures.