روند و پیش بینی سری زمانی سل گاوی: یک تجزیه و تحلیل داده های سری زمانی در شمال شرق ایران

بیماری سل گاوی از نظر خسارت های سنگین اقتصادی دارای اهمیت می باشد.

تعیین یک سیستم مراقبتی هشدار سریع قبل از طغیان بیماری است.

در مطالعه مقطعی حاضر، میانگین متحرک خودهمبسته یکپارچه (ARIMA) جهت شناسایی ماهانه سل گاوی (راکتورها) استفاده شد. راکتورها توسط تست مشتق پروتیینی خالص شده توبرکولین (PPD) در گاوداری ها، در بازه زمانی فروردین 1386 تا اسفند 1397 در استان خراسان رضوی شناسایی شدند. نمودارهای خود همبستگی (ACF) و خود همبستگی جزیی (PACF) برای تعیین پارامترهای مدل به کار رفت. به منظور انتخاب بهترین مدل از معیار اطلاعاتی آکاییکه (AIC) استفاده و دقت مدل ها با خطای جذر میانگین مربع ها (RMSE) ارزیابی شد. سپس بهترین مدل انتخابی برای پیش بینی بیماری برای 12 ماه آینده به کار رفت. داده ها با نرم افزار STATA (نسخه 14) با سطح معنی داری ‍0.05 مورد تجزیه و تحلیل قرار گرفت.

مدل ARIMA (3, 0, 3) 12 با مشخصه استقلال باقیمانده ها (Q=22.87 و P=0.98) ، کمترین AIC (85/541) و بیشترین دقت (RMSE=1.50) به عنوان یک مدل مناسب توصیه شد. با این حال، مقادیر پیش بینی شده بیش از مقادیر مشاهده شده می باشد.

کاربرد و تفسیر مدل های ARIMA ساده است و آن ها ابزار فوری نظارت بر سیستم ها هستند. با این حال، ما یک مدل میانگین متحرک خودهمبسته یکپارچه با ورود برخی از عوامل قابل اندازه گیری (ARIMAX) مانند نوسانات اقتصادی، تغییرات آب و هوایی و سل ریوی در انسان را پیشنهاد می کنیم تا یک مدل دقیق تر هشدار سریع برای سیستم مراقبت ارایه دهیم.