#PAGE_PARAMS# #ADS_HEAD_SCRIPTS# #MICRODATA#

Evaluation of Time Trends of Weekly Number of Diseases


Hodnocení časových trendů týdenních počtůonemocnění

V rutinních systémech sledování nemocnosti na jednotlivé diagnózy je jedním z důležitých problé-mů analýza časového vývoje například týdenních počtů hlášení. Tento článek se zabývá metodikouuvedené problematiky. V praxi se ukazuje, že počty výskytů mnohých onemocnění jsou závislé naroční době. Samozřejmě je nutno vzít v úvahu i dlouhodobý vývoj počtu onemocnění. V článku sediskutuje o dvou často používaných přístupech. Jde jednak o Boxovu-Jenkinsovu analýzu časovýchřad, která modeluje „náhodnou chybu“, a jednak o metodu dekompozice trendu, která se pokoušírozložit pozorovaný počet případů na systematické složky (dlouhodobý trend a sezonní složku)a náhodné kolísání. V článku je popsána možnost vyhlazení odhadu časové řady pomocí modifi-kovaného jádrového odhadu. Pro ilustraci obou metod jsou použity týdenní údaje o celorepubliko-vých počtech nemocných s hepatitidou A, zarděnkami a salmonelózou.

Klíčová slova:
časové řady – jádrový odhad – analýza počtu onemocnění.


Authors: B. Procházka;  Č. Beneš
Authors place of work: Státní zdravotní ústav, Praha
Published in the journal: Epidemiol. Mikrobiol. Imunol. , 1999, č. 2, s. 52-59
Category:

Summary

In routine systems investigating the morbidity according to diagnosis it is very useful to analysethe development in time (for example the development of weekly reports). This paper is concernedwith the methodology of such analyses. In practice it appears that the number of cases depends onseason. It stands to reason, that it is necessary to consider also long-therm trends. In this paper twodifferent approaches are discussed – the Box-Jenkins analysis, which describes the random errorand the Method of Trend Decomposition which spread the number of cases into the systematiccomponent (long term trend and seasonal effect) and random variability. The authors describe themethod of smoothing the estimate of the time series by kernel estimate. In both approaches theyuse weekly reports from the whole Czech Republic of diagnoses viral hepatitis A, rubella andsalmonellosis.

Key words:
time series – kernel estimate – analysis of number of cases.

Plné znenie tohto článku nie je v digitalizovanej podobe.
V prípade záujmu kontaktujte NTO ČLS JEP, ktoré vám môže poskytnúť sken časopisu.

Štítky
Hygiene and epidemiology Medical virology Clinical microbiology

Článok vyšiel v časopise

Epidemiology, Microbiology, Immunology


1999 Číslo 2

Najčítanejšie v tomto čísle
Prihlásenie
Zabudnuté heslo

Zadajte e-mailovú adresu, s ktorou ste vytvárali účet. Budú Vám na ňu zasielané informácie k nastaveniu nového hesla.

Prihlásenie

Nemáte účet?  Registrujte sa

#ADS_BOTTOM_SCRIPTS#