எம் சிவ துர்கா பிரசாத் நாயக் மற்றும் கே ஏ நாராயண்
பின்னணி: டெங்கு மிகவும் தீவிரமான மற்றும் வேகமாக வளர்ந்து வரும் வெப்பமண்டல நோய்களில் ஒன்றாகும். இந்தியாவில், கடந்த பத்தாண்டுகளில், டெங்கு காய்ச்சல் அதிர்வெண் மற்றும் புவியியல் அளவு அதிகரித்துள்ளது. கடந்த காலத்தில் DF/DHF வெடிப்புகள் எப்போது, எங்கே நிகழ்ந்தன என்பது பற்றிய விரிவான தகவல், எதிர்கால போக்குகள் மற்றும் வரவிருக்கும் வெடிப்புகள் ஆகியவற்றைக் கணிக்க தொற்றுநோயியல் மாதிரியாக்கத்திற்குப் பயன்படுத்தப்படலாம். இந்தப் பின்புலத்தின் அடிப்படையில், கேரள மாநிலத்தில் டெங்கு காய்ச்சலின் மாதாந்திரத் தரவுகளை நோய்ச் சுமையை முன்னறிவிப்பதற்காக பருவகால அரிமா மாதிரியாக மாற்றும் முயற்சி மேற்கொள்ளப்பட்டது.
முறைகள்: தற்போதைய ஆய்வு, இந்தியாவின் கேரள மாநில பொது சுகாதாரத் துறை இயக்குனரின் இரண்டாம் நிலைத் தரவுகளைப் பயன்படுத்தி, பின்னோக்கிப் பகுப்பாய்வு ஆய்வு ஆகும். 2006 முதல் 2018 வரையிலான பதின்மூன்று ஆண்டுகளுக்கான ஒருங்கிணைந்த நோய் கண்காணிப்பு திட்டத்தின் (IDSP) மாதாந்திர அறிக்கைகள் பதிவிறக்கம் செய்யப்பட்டு, பதிவிறக்கம் செய்யப்பட்ட pdf கோப்புகளில் இருந்து டெங்கு காய்ச்சல் பாதிப்புகளின் தரவுகள் பிரித்தெடுக்கப்பட்டன. SPSS சோதனை பதிப்பு 21 மற்றும் மாதிரி தரவுத் தொகுப்பைப் பயன்படுத்தி, பல ARIMA மாதிரிகள் இயக்கப்பட்டன மற்றும் மிகவும் பொருத்தமான பருவகால ARIMA மாதிரி கண்டறியப்பட்டது. தேர்ந்தெடுக்கப்பட்ட மாதிரியானது, அடுத்த ஆண்டு முதல் அதாவது 2007 முதல் மாதாந்திர டெங்கு காய்ச்சலைக் கணிக்கப் பயன்படுத்தப்பட்டது. 2007 முதல் 2018 வரை டெங்கு காய்ச்சலின் மாதாந்திர முன்னறிவிக்கப்பட்ட நிகழ்வுகள் மற்றும் மாதாந்திர உண்மையான நிகழ்வுகள் ஒப்பிடப்பட்டு அவற்றுக்கிடையேயான வித்தியாசம் ஜோடி டி சோதனையைப் பயன்படுத்தி சோதிக்கப்பட்டது.
முடிவுகள்: பருவகால ARIMA (1, 0, 0) (0, 1, 1)12 மாதிரியானது கொடுக்கப்பட்ட தரவுகளுக்குச் சிறந்த பொருத்தப்பட்ட மாதிரியாகக் கண்டறியப்பட்டது. தேர்ந்தெடுக்கப்பட்ட மாதிரிகளின் நிலையான R சதுர மதிப்பு 0.815 ஆகும். Ljung-Box சோதனை மதிப்பு 11.271 மற்றும் p மதிப்பு 0.792, தேர்ந்தெடுக்கப்பட்ட மாதிரி போதுமானது என்பதைக் குறிக்கிறது. ஜனவரி 2007 முதல் டிசம்பர் 2018 வரையிலான டெங்கு காய்ச்சலின் சராசரி நிகழ்வுகளின் எண்ணிக்கை ஒவ்வொரு மாதத்திலும் உண்மையான நிகழ்வுக்கு அருகில் இருந்தது, ஆனால் அவற்றுக்கிடையேயான வேறுபாடு புள்ளிவிவர ரீதியாக குறிப்பிடத்தக்கதாக இல்லை, இது மாதிரி பொருத்தம் நன்றாக இருப்பதைக் குறிக்கிறது.
முடிவு: வரவிருக்கும் காலத்தில் டெங்கு காய்ச்சலின் எதிர்கால நிகழ்வுகளைக் கணிக்க, பருவகால அரிமா (1, 0, 0) (0, 1, 1)12 மிகவும் பொருத்தமான மாதிரியாகத் தேர்ந்தெடுக்கப்பட்டது. சிறந்த தயார்நிலைக்கு சுகாதார நிர்வாகிகளுக்கு இந்த நுட்பம் பயனுள்ளதாக இருக்கும். தற்போதைய தரவைச் சேர்ப்பதற்காகவும், மேலும் டைனமிக் மாதிரிக்காகவும் மாடலை டைனமிக் செய்ய முடியும்.