fa امکان‌سنجی پیش‌بینی لیشمانیوز جلدی در پلدختر با استفاده از متغیرهای اقلیمی پژوهشي اصیل Original Research <table align="center" border="0" cellpadding="0" cellspacing="0" dir="rtl" style="width:594px;" width="594"> <tbody> <tr> <td style="width:594px;height:21px;"> <p dir="RTL"><strong><a name="OLE_LINK12"><span style="color:#000000;">مقدمه:</span></a></strong> روند رو به افزایش مبتلایان به بیماری سالک در شهرستان پلدختر طی ده سال گذشته و پیشرفت تکنولوژی در تولید داده، ضرورت ساخت مدل‌های پیش‌بینی شیوع بیماری را در منطقه افزایش داده است. لذا در این بررسی از متغیرهای اقلیمی در پیش&shy;بینی بیماری سالک استفاده شده است.</p> </td> </tr> <tr> <td style="width:594px;height:21px;"> <p dir="RTL"><a name="OLE_LINK10"><span style="color:#000000;"><strong>مواد و روش &shy;ها:</strong></span> <span style="color:#000000;">در این تحقیق با کمک مدل&shy; رگرسیونی رابطه بین آمار تعداد مبتلایان به بیماری و سیگنال‌های اقلیمی به‌صورت همزمان و با یک، دو، سه و چهار ماه تأخیر رگرسیون گرفته شده است.</span></a></p> </td> </tr> <tr> <td style="width:594px;height:21px;"> <p dir="RTL"><strong>یافته &shy;ها:</strong> در مجموع بین بیماران بهمن با سیگنال اقلیمی <span dir="LTR">nino1</span> دی، بیماران اسفند با سیگنال اقلیمی <span dir="LTR">pna</span> بهمن، بیماران فروردین با سیگنال اقلیمی <span dir="LTR">AAMM</span> اسفند، بیماران اردیبهشت با سیگنال اقلیمی <span dir="LTR">AO</span> فروردین و بیماران مرداد با سیگنال اقلیمی <span dir="LTR">tsa</span> خرداد، در سطح 5 درصد رابطه معنادار وجود داشت. همچنین بین بیماران بهمن با سیگنال اقلیمی <span dir="LTR">nino1</span> دی در سطح 10 درصد رابطه معنادار وجود داشت.</p> </td> </tr> <tr> <td style="width:594px;height:34px;"> <p dir="RTL"><strong>بحث و نتیجه &shy;گیری:</strong> این بررسی نشان داد که استفاده از سیگنال‌های اقلیمی با تأخیر برای پیش&shy;بینی بیماری، بهتر از به‌کارگیری سیگنال&shy;ها و بیماری به‌صورت همزمان است. بین آمار ابتلا به بیماری در کل دوره با سیگنال <span dir="LTR">pdo</span> با دو ماه تأخیر بیشترین میزان همبستگی (53/84 %) به دست آمد. علاوه بر این نتایج نشان داد که تقریباً در نیمی از ماه&shy; های سال همبستگی خوبی بین شیوع بیماری سالک و سیگنال‌های اقلیمی وجود دارد و درنتیجه می&shy;توان با استفاده از سیگنال‌های اقلیمی به شیوع بیماری سالک پی برد.</p> </td> </tr> </tbody> </table> <div style="clear:both;"></div> <p><strong><em>Background</em></strong>: The increasing number of patients suffering from cutaneous leishmaniasis in Poldokhtar County during the last 10 years and technological advances in data generation has increased the necessity to produce the predicting models of disease prevalence in the region. Therefore, climatic variables were used in this study to predict the cutaneous leishmaniasis.</p> <p><strong><em>Materials and Methods:</em></strong> In this study using regression model, the relationship between number of patients with cutaneous leishmaniasis and climatic signals were taken simultaneously and with one, two, three and four months of regression lag.</p> <p><strong><em>Results:</em></strong> Totally there was a significant relationship between January patients with January NINO1 climatic signal, March patients with February PNA climatic signal, April patients with March AAMM climatic signal, May patients with April AO climatic signal, and August patients with June TSA climatic signal, at 5% significance level. Furthermore, there was a significant relationship between February patients with January NINO1 climatic signal, at 10% significance level.</p> <p><strong><em>Conclusion:</em></strong> This investigation showed that use of climatic signals with lags for predicting the disease was better than simultaneous application of signals and disease. Correlation between statistics relating to diseases during the entire period and PDO signal with 2 months of lag was obtained as 84.53. In addition, results indicated that approximately during half of the months in a year, there was a good correlation between prevalence of cutaneous leishmaniasis and the climatic signals and thus enabling us to discover prevalence of cutaneous leishmaniasis using the climatic signals.</p> سالک, سیگنال‌های اقلیمی, پیش‌بینی, شهرستان پلدختر, همبستگی Cutaneous Leishmaniasis, Climatic Signals, Prediction, Poldokhtar County, Correlation 70 78 http://yafte.lums.ac.ir/browse.php?a_code=A-10-1693-57&slc_lang=fa&sid=1 Behroz Parvaneh بهروز پروانه b.parvane@gmail.com 7200319475328460014127 7200319475328460014127 Yes Department of Meteorology, Faculty of Graduate, Islamic Azad University, Khorramabad branch, Khorramabad, Iran, گروه آب‌وهواشناسی، دانشکده تحصیلات تکمیلی، دانشگاه آزاد اسلامی واحد خرم‌آباد، خرم‌آباد، ایران Mehran Lashani Zand مهران لشنی زند 7200319475328460014128 7200319475328460014128 No Animal and Natural Resources Research center of Lorestan, Khorramabad مرکز تحقیقات منابع طبیعی و امور دام استان لرستان Ali Reza Sepahvand علیرضا سپهوند 7200319475328460014129 7200319475328460014129 No University of Tehran دانشگاه تهران Sara Gholam Rezaei سارا غلامرضایی 7200319475328460014130 7200319475328460014130 No Islamic Azad University دانشگاه آزاد اسلامی واحد خرم‌آباد