تاثیر آلودگی هوا بر پذیرش بیمارستانی با علایم تنفسی با استفاده از مدل شبکه عصبی
عنوان مقاله: تاثیر آلودگی هوا بر پذیرش بیمارستانی با علایم تنفسی با استفاده از مدل شبکه عصبی
شناسه ملی مقاله: JR_SJSPH-13-1_007
منتشر شده در در سال 1394
شناسه ملی مقاله: JR_SJSPH-13-1_007
منتشر شده در در سال 1394
مشخصات نویسندگان مقاله:
محمد اصغری جعفرآبادی - Ph.D. Associate Professor, Road Traffic Injury Research Center, Tabriz University of Medical Sciences, Tabriz, Iran
محمد شاکرخطیبی - Ph.D. Assistant Professor, Department of Environmental Health Engineering, Faculty of Health Sciences, Tabriz University of Medical Sciences, Tabriz, Iran
رضیه ازک - MSc. Student, Student Research Committee, Tabriz University of Medical Sciences, Tabriz, Iran
مسعود شاکری - MSc. Air Quality Control Center, Environmental Protection Office, Tabriz, Iran
خلاصه مقاله:
محمد اصغری جعفرآبادی - Ph.D. Associate Professor, Road Traffic Injury Research Center, Tabriz University of Medical Sciences, Tabriz, Iran
محمد شاکرخطیبی - Ph.D. Assistant Professor, Department of Environmental Health Engineering, Faculty of Health Sciences, Tabriz University of Medical Sciences, Tabriz, Iran
رضیه ازک - MSc. Student, Student Research Committee, Tabriz University of Medical Sciences, Tabriz, Iran
مسعود شاکری - MSc. Air Quality Control Center, Environmental Protection Office, Tabriz, Iran
زمینه و هدف: ارتباط آلودگی هوا و بیماری های مرتبط با آن در مطالعات متعددی گزارش شده است. با توجه به محدود بودن چنین مطالعاتی در نقاط شهری دارای آلودگی هوا در کشور، این مطالعه با هدف تعیین ارتباط بین آلایندههای هوا و پذیرش بیمارستانی با علایم تنفسی در شهر تبریز انجام شده است. روش کار: این مطالعه با استفاده از روش مورد- متقاطع و مدل شبکه عصبی انجام شده است. داده های پذیرش بیمارستانی بر اساس کدهای ICD۱۰ از ۵ بیمارستان دارای بخش تنفسی، داده های آلاینده های هوا شامل NO ، NO۲ ، NOX ، SO۲ ، CO ، PM۱۰ و O۳ از ایستگاه های ثابت محیط زیست و داده های هواشناسی شامل رطوبت نسبی و دما به عنوان پارامترهای ورودی مدل استفاده شده است. نتایج: بر اساس نتایج ، آلاینده PM۱۰ به عنوان مهمترین آلاینده موثر در پذیرش بیمارستانی با علایم تنفسی بوده طوری که، علاوه بر تاثیر در میزان پذیرش بیمارستانی آسم، در پذیرش عفونتهای تنفسی و COPD نیز دارای اولویت بوده است. بر این اساس، موثرترین آلایندههای گازی بر پذیرش COPD شامل NO۲ ، NO و CO ، پذیرش عفونتهای تنفسی شامل PM۱۰ و آلایندههای موثر بر پذیرش با علایم آسم شامل PM۱۰ ، O۳ و CO بودهاند. این رابطه در مورد پذیرش COPD و آسم در بین زنان و عفونتهای تنفسی در بین مردان و در کل در افراد بالای ۶۵ سال شدیدتر بوده است. نتیجه گیری: نتایج این مطالعه نشان دهنده ارتباط معنی دار بین آلاینده های هوا و بیماریهای تنفسی در شهر تبریز بوده و می تواند بر ضرورت اجرای قوانین موجود با هدف کنترل و کاهش آلودگی هوا تاکید نماید.
کلمات کلیدی: Air pollution, Respiratory diseases, Case-crossover method, Neural network, Tabriz, آلودگی هوا, بیماریهای تنفسی, روش مورد- متقاطع, شبکه عصبی, تبریز
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1718431/