مقایسه‌ی روش‌های ANFIS، MLP و PCA-ANFIS در مدلسازی و پیش‌بینی فضایی لیشمانیوز جلدی در شهرستان سبزوار، ایران

نویسندگان

1 استادیار انگل‌شناسی، مرکز تحقیقات لیشمانیوز، دانشگاه علوم پزشکی سبزوار، سبزوار، ایران

2 استاد ایمونولوژی، مرکز تحقیقات لیشمانیوز، دانشگاه علوم پزشکی سبزوار، سبزوار، ایران

3 دانشیار، گروه مهندسی بهداشت محیط، دانشگاه علوم پزشکی خراسان شمالی، بجنورد، ایران

4 گروه مهندسی بهداشت محیط، دانشکده‌ی بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران

5 دانشجوی پزشکی، کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی سبزوار، سبزوار، ایران

doi
10.48305/jims.v43.i842.1656
چکیده

مقدمه: بیماری لیشمانیوز جلدی (سالک)، یک بیماری انگلی و زئونوز است. این مطالعه به مقایسه‌ی سه روش سیستم استنتاج عصبی فازی تطبیقی (Adaptive Neuro-Fuzzy Inference System)، پرسپترون چند لایه (Multi-Layer Perceptron) و تحلیل مؤلفه‌های اصلی (PCA – ANFIS) برای مدل‌سازی و پیش‌بینی این بیماری در شهرستان سبزوار پرداخت. روش‌ها: داده‌های مورد استفاده شامل موارد ابتلا به لیشمانیوز جلدی (۱۳۹۳–۱۴۰۰) و عوامل مؤثر مانند جمعیت، اقلیم، پوشش گیاهی و توپوگرافی بودند. از GIS (Geographic Information System) و مدل‌های ANFIS، MLP و PCA-ANFIS برای پیش‌بینی فضایی بیماری استفاده شد. یافته‌ها: بیشترین موارد ابتلا در پاییز و زمستان رخ داده بود، در حالیکه بهار، کم‌ترین میزان را داشت. ارتفاع و شاخص پوشش گیاهی (Normalized Difference Vegetation Index) بیشترین تأثیر را در پیش‌بینی بیماری داشتند. مدل ANFIS: بیشترین موارد ابتلا را در بخش بیهق پیش‌بینی کرد. مدل MLP: نتایج مشابهی داشت، اما در مناطق زرین، فروغن و ربع شامات موارد کمتری پیش‌بینی شد. مدل PCA-ANFIS: در مناطقی مانند حکم‌آباد، کراب و رباط، موارد ابتلای بالاتری نسبت به دو مدل دیگر نشان داد. پیش‌بینی ریسک خطر بیماری در هر سه مدل مشابه بود. نتیجه‌گیری: مدل PCA-ANFIS عملکرد بهتری در پیش‌بینی لیشمانیوز جلدی در سبزوار داشت. این مطالعه می‌تواند به تهیه‌ی نقشه‌های پیش‌بینی و آسیب‌پذیری بیماری کمک کند و اطلاعات ارزشمندی برای برنامه‌ریزی بهداشتی و کاهش شیوع سالک ارائه دهد.