fa تحلیل فضا-زمانی بیماری آسم در کلانشهر تهران با استفاده از سامانه اطلاعات جغرافیایی (GIS) سیستمهای اطلاعات سلامت Health Information Systems پژوهشي اصیل Original Article <div style="text-align: justify;"><span style="line-height:2;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">مقدمه: </span></b>&nbsp;<span lang="FA">شهر تهران به‌عنوان یکی از شهرهای آلوده جهان، با مشکلات بهداشتی و سلامتی فراوانی از جمله بیماری‌های تنفسی و آسم مواجه هست. شناسایی مناطق با ریسک بالای ابتلا به یک بیماری خاص در دوره‌های زمانی مختلف، اهمیت فراوانی در کنترل بیماری‌ها و مدیریت سلامت در جامعه دارد.</span><span lang="AR-SA"><span style="color:#0d0d0d"></span></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">روش کار:</span></b> <span lang="AR-SA">این پژوهش کاربردی و توصیفی</span><span lang="AR-SA">&ndash;</span><span lang="AR-SA">تحلیلی با استفاده از آمار فضایی و سامانه اطلاعات جغرافیایی (</span><span dir="LTR">GIS</span><span lang="AR-SA">)، به تحلیل فضا-زمانی بیماری آسم در کلانشهر تهران پرداخته است. جامعه آماری تحقیق، تعداد مبتلایان به بیماری آسم (1473 نفر) و در 355 محله در محدوده قانونی شهر تهران و در بازه زمانی بین سال‌های 1397 الی1400 می‌باشد. برای شناسایی و درک الگوی مکانی بیماری آسم، در تحلیل الگوی توزیع فضایی از تکنیک‌های میانگین مرکزی و منحنی انحراف استاندارد، شاخص نزدیک‌ترین همسایگی، تحلیل لکه‌های داغ، شاخص موران جهانی و محلی و تحلیل تراکم کرنل در سیستم اطلاعات جغرافیایی استفاده شده است.</span><span dir="LTR"><span style="color:#0d0d0d"></span></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">یافته</span><span dir="LTR">‌</span></b><b><span lang="AR-SA">ها:</span></b> <span lang="AR-SA">یافته‌های پژوهش نشان می‌دهند که شاخص نزدیک</span><span dir="LTR">‌</span><span lang="AR-SA">ترین همسایگی در تحلیل الگوی فضایی به‌صورت یکنواخت بوده و با مدل تخمین کرنل، بیشترین توزیع بیماری آسم در سال 1397، در محلات جنوب غربی تهران، در سال 1398، در مرکز، جنوب شرقی و جنوب غربی و در سال 1399، در جنوب شرقی بوده و در نهایت در سال 1400، بیشترین محلات درگیر بیماری آسم، محلات جنوب شرقی و جنوب تهران می‌باشد.</span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">نتیجه‌گیری:</span></b> <span lang="AR-SA">با تحلیل نتایج، شناخت جامعی از کانون‌های بیماری آسم و الگوهای فضایی و پراکنش جغرافیایی سلامت، در سطح محلات شهر تهران، حاصل شده است که می‌تواند در اقدامات پیشگیرانه مورد توجه قرار گیرد.</span></span></span></span></span></span><br> &nbsp;</span></div> <div style="text-align: justify;"></div> <div style="text-align: justify;"><span style="line-height:2;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><b>Introduction:</b> Tehran, one of the world&#39;s most polluted cities, faces numerous health challenges, including respiratory diseases. Identifying high-risk areas for specific diseases at different periods is crucial for effective health management within the community.<br> <b>Method:</b> This applied and descriptive-analytical study employed spatial statistics and GIS to conduct a spatio-temporal analysis of asthma in the Tehran metropolis. The statistical population comprised 1,473 individuals suffering from asthma across 355 neighborhoods within Tehran&#39;s legal boundaries between 2017 and 2020. To identify and understand the spatial patterns of asthma, techniques such as central mean and standard deviation ellipse, nearest neighbor index, hot spot analysis, global and local Moran&#39;s index, and kernel density estimation were utilized to analyze the spatial distribution patterns within the GIS environment.<br> <b>Results:</b> The findings revealed a uniform nearest neighbor index in the spatial pattern analysis. The kernel density estimation model showed that in 2017, the highest asthma distribution was observed in the southwestern neighborhoods of Tehran. In 2018, the concentration shifted to the center, southeast, and southwest regions. In 2019, the southeastern areas were most affected, while in 2020, the southeastern and southern parts of Tehran exhibited the highest asthma prevalence.<br> <b>Conclusion: </b>A comprehensive understanding of asthma hotspots, spatial patterns, and geographical distribution of health has been achieved at the neighborhood level in Tehran, which can be considered in preventive measures.</span></span></span></span></div> تحلیل فضایی-زمانی, بیماری آسم, سامانه اطلاعات جغرافیایی (GIS), شهر تهران Spatio-temporal analysis, asthma, geographic information system (GIS), Tehran city 14 25 http://jhbmi.ir/browse.php?a_code=A-10-1061-1&slc_lang=fa&sid=1 Alireza Mohammadi علیرضا محمدی Alirezamohammadi20142014@gmail.com 10031947532846009919 10031947532846009919 Yes Professor of Geography and Urban Planning, Department of Geography, Faculty of Social Science, University of Mohaghegh Ardabili, Ardabil, Iran استاد جغرافیا و برنامه‌ریزی شهری، گروه جغرافیا و برنامه‌ریزی شهری، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران Parya Nasiri پریا نصیری m.nasiri3020@gmail.com 10031947532846009920 0009-0002-2099-5327 No PhD. Student of Geography and Urban Planning, Department of Geography, Faculty of Social Science, University of Mohaghegh Ardabili, Ardabil, Iran دانشجوی دکتری جغرافیا و برنامه‌ریزی شهری، ، گروه جغرافیا و برنامه‌ریزی شهری، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران Roya Moghabeli رویا مقابلی roya.moghabeli@gmail.com 10031947532846009921 10031947532846009921 No M.A Student of Geography and Urban Planning, Department of Geography, Faculty of Social Science, University of Mohaghegh Ardabili, Ardabil, Iran دانشجوی کارشناسی ارشد جغرافیا و برنامه‌ریزی شهری، گروه جغرافیا و برنامه‌ریزی شهری، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران