ارزشیابی عملکرد الگوریتم میانگین متحرک وزن داده شده نمایی در شناسایی طغیان های شبیه سازی شده آنفلونزا در ایران

زمینه و هدف: شناسایی طغیان های بیماری آنفلوآنزا با رویکرد سندرومیک یکی از مهم ترین اولویت های مراقبت بیماری آنفلوآنزا در کشور است. هدف از این مطالعه تعیین عملکرد الگوریتم میانگین متحرک وزن داده شده نمایی در شناسایی به موقع طغیان های آنفلونزا در ایران، با استفاده از رویکرد آزمون داده های شبیه سازی شده از ژانویه 2010 تا دسامبر 2015 میلادی است.روش کار: شبیه سازی طغیان ها با استفاده از داده های موارد مشکوک به آنفلونزا (ili) از ژانویه 2010 تا دسامبر 2015 در ایران انجام شد. عملکرد الگوریتم میانگین متحرک وزن داده شده نمایی در شناسایی به موقع طغیان ها با استفاده از شاخص های حساسیت، ویژگی، درصد هشدار کاذب، نسبت های درست نمایی و منحنی راک ارزیابی و گزارش شد.یافته ها: حساسیت کلی الگوریتم میانگین متحرک وزن داده شده نمایی برای کل طغیان های شبیه سازی شده به تفکیک روش های یکنواخت، خطی و نمایی از سال 2010 تا 2015 با فاصله اطمینان 95 درصد به ترتیب برابر با 70 درصد (95%ci: 30-80)، 84 درصد (92-75: ci 95%) و 51 درصد (62-40: ci 95%) بود. الگوریتم میانگین متحرک وزن داده شده نمایی با پارامتر هموار سازی 0/9 بهترین عملکرد را در شناسایی طغیان های شبیه سازی شده داشت.نتیجه گیری: نتایج این مطالعه نشان داد که الگوریتم میانگین متحرک وزن داده شده نمایی در شناسایی به موقع طغیان های شبیه سازی شده آنفلونزا از عملکرد مناسبی برخوردار است. با این وجود، نظام مراقبت بیماری آنفلوآنزا نیازمند استفاده از روش های مختلف کشف طغیان های آنفلونزا است.

Evaluating the Performance of the Exponentially Weighted Moving Average to detection of influenza outbreaks in Iran

Background: Timely response to influenza outbreaks using Influenza like illness (ILI) data is one of the most important priorities for public health authorities. The aim of this study was to evaluate the performance of the Exponentially Weighted Moving Average (EWMA) for timely detection of influenza outbreaks in Iran using simulated approaches from January 2010 to December 2015.Methods: Simulated influenza outbreaks were generated using ILI data as syndromic data of influenza according to potentially occurred outbreaks including uniform, linear and exponential distribution of corresponding epidemic curves. The performance of variety lambda; (smoothing parameter) values of EWMA was measured using sensitivity, specificity, false alarm rate, likelihood ratios and area under the receiver operating characteristics (ROC) curve.Results: The overall sensitivity of EWMA in detection of uniformly distributed influenza outbreaks was 70% (95%CI: 30, 80). The corresponding values for linear and exponential distribution of epidemic curves were 84% (95%CI: 75, 92) and 51% (95%CI: 40, 62). EWMA with lambda;=0.9 had the best performance for timely detection of influenza outbreaks in comparison to other smoothing parameters.Conclusion: Findings revealed that EWMA works well in detection of influenza outbreaks. However, national influenza surveillance systems need to use different outbreak detection methods for detecting aberrations in influenzalike illnesses activity.