EARS

راهنمای استفاده از EARS Algorithm

آرگومان‌ها	توضیحات
Start Year	سال شروع داده‌ها را وارد کنید
Start Month	ماه شروع داده‌ها را وارد کنید
Start Day	روز شروع داده‌ها را وارد کنید
Range of Data(min)	ابتدای بازه تحت بررسی را وارد کنید
Range of Data(max)	انتهای بازه تحت بررسی را وارد کنید
Method	مشخص کنید که کدام روش باید استفاده شود: C1، برای روش C1-MILD C2، برای روش C2-MEDIUM C3، برای روش C3-ULTRA
Baseline	تعداد روزهایی که برای محاسبه خط پایه، مورد نظر است را مشخص کنید؛ این مقدار غالباً 7 روز در نظر گرفته می‌شود
Min Sigma	به طور پیش فرض عدد صفر و برای داده های پراکنده مقادیر 0.5 یا 1 را انتخاب کنید
Alpha	تعیین سطح اطمینان ( α -1) راهنما: در CDC مقدار 0.001 برای C1 و C2 و مقدار 0.025 برای C3 در نظر گرفته می‌شود
Choose xlsx File	در این بخش فایل داده‌ها را آپلود نمائید. ساختار داده‌ها طبق نمونه مورد نظر باشد

Early Aberration Reporting System

نظامگزارشدهی انحراف اولیه (EARS) به منظور ارائه مراقبت پیشرفته برای دورههای کوتاه مدت پیرامون رویدادهای مستقلی مانند بازیهای المپیک طراحی شده که عموماً اطلاعات قبلی در مورد آنها کم است یا وجود ندارد. EARS برای اولین بار توسط مراکز کنترل و پیشگیری از بیماریهای ایالات متحده )CDC( معرفی شد و از 11 سپتامبر 2001، به عنوان یک نظام مراقبت استاندارد در بسیاری از بخشهای بهداشت محلی آمریکا مورد استفاده قرار گرفت؛ پس از آن، پشتیبانی فنی و تحقیقاتی EARS از طریق برنامه آمادگی و پاسخ به بیوتروریسم مرکز ملی بیماری های عفونی (NCID) انجام شد. EARS برای دادههای مراقبت بیماریهای قابل اطلاع کشور نیوزیلند نیز اعمال و هر هفته به روز می شود. هدف اصلی EARS ارائه چندین روش تشخیص انحراف به بخش بهداشت ملی، ایالتی و محلی است و به کاربران اجازه میدهد تا بعد از انتخاب روشهای تشخیص انحراف معتبر، آستانههای حساسیت و ویژگی را به مقادیری که توسط بخشهای بهداشت محلی و ایالتی از نظر سلامت عمومی مهم هستند، تغییر دهند. سه روش تشخیص زودهنگام با عناوین C2-MEDIUM ،C1-MILD و C3-ULTRA در EARS پیادهسازی شدهاند. اصطلاحات کم، متوسط و زیاد، به سطح حساسیت سه روش آماری اشاره دارد؛ به عنوان مثال، روش آماری با کمترین حساسیت، C1-MILD نامیده می شود. این روشها را میتوان در مجموعه دادههای مختلف از جمله دادههای نظام مراقبت معمول مانند بیماریهای قابل اطلاع، دیدهوری آنفولانزا، مسمومیتهای شیمیایی وغیره و همچنین دادههای نظام مراقبت سندرمیک مانند دادههای بخش اورژانس، غیبت از محل کار یا مدرسه، فروش داروهای بدون نسخه و غیره اعمال کرد. روشهای C2-MEDIUM ،C1-MILD و C3-ULTRA در برخی از مقالات مشابه با روش CUSUM درنظر گرفته شده اند و حداقل در یک مقاله به صراحت از آنها به عنوان CUSUM یاد میکند؛ با این حال، C1-MILD و C2-MEDIUM در واقع از نوع نمودارهای شوهارت هستند که از میانگین متحرک و انحراف استاندارد نمونه برای استاندارد کردن هر مشاهده استفاده می کنند و C3-ULTRA حاصل ترکیب اطلاعات بر اساس C2-MEDIUM است. مقادیر آستانه در هر سه روش، با استفاده از روش CUSUM یک طرفه بدست میآید (برای جزئیات بیشتر به بخش CUSUM مراجعه نمائید).

C1-MILD

دوره پایه برای C1-MILD بر اساس دادههای 7 روز گذشته، روز (7 – t) تا روز (1 – t)، به دست میآید. در این روش، اگر هشداری که نشان دهنده یک انحراف است، در روز خاص (t) ذکر شود، در روز بعد (1 + t) احتمال کمتری برای هشدار انحراف وجود دارد، زیرا مقادیر افزایش یافته از روز قبل بلافاصله در دوره پایه جدید گنجانده شده است. روش C1-MILDبرای موقعیتهایی که هشدارهای شناسایی شده را میتوان به صورت روزانه کنترل کرد و به سرعت (یعنی ظرف 24 ساعت) محاسبه کرد، بسیار مفید است؛ لذا انتظار اعلان هشدار بر اساس همان اطلاعات برای روز بعد، نادرست است. محاسبه سطح آستانه در روش C1-MILD بر اساس معادله مربوط به آستانه CUSUM است، بطوریکه اعلان هشدار برای مقادیری که بیش از 3 انحراف استاندارد بالاتر از میانگین مقادیر پایه است، در نظر گرفته می شود. اگر حساسیت بیشتری لازم باشد، مانند زمانی که مراکز بهداشت ایالتی یا محلی در حالت آماده باش قرار میگیرند، می توان آستانه را برای مقادیری که بیش از 2 انحراف استاندارد بالاتر از میانگین پایه هستند، تغییر داد.

C2-MEDIUM

روش دوم، C2-MEDIUM، از دادههای یک دوره پایه 7 روزه، روز (9-t) تا روز (3-t)، استفاده میکند. برای مثال، اگر روز جاری دهمین روز مراقبت فعال باشد، دادههای پایه مورد استفاده به منظور مقایسه، دادههای جمعآوریشده از روز اول تا روز هفتم دوره مراقبت است. تفاوت دوره مقایسه دادههای پایه C2-Medium با -C1 MILD در یک تاخیر دو روزه، این احتمال را که C2-MEDIUM مقادیر بالای متوالی را علامتگذاری کند، بیشتر میکند؛ زیرا این مقادیر بلافاصله پس از وقوع هشدار اولیه در دوره پایه جدید گنجانده نمیشوند و این تفاوت در دوره مقایسه پایه منجر میشود که C2-MEDIUM در شناسایی طول دورهی مربوط به افزایش سریع موارد، یعنی زمانی که ممکن است یک اپیدمی درحال رسیدن به پیک خود باشد، با اعلان هشدار، عملکرد بهتری ارائه نماید. محاسبات مربوط به تعیین آستانه برای C2-Medium مانند C1-MILDاست، مقدار آستانه بر اساس CUSUM و مقادیری که بیش از 3 انحراف استاندارد هستند و اصلاح آستانه در اهداف حساستر نظام مراقبت میباشد.

C3-ULTRA

روش سوم، C3-ULTRA از نظر تئوری دارای بیشترین حساسیت در بین سه روش معرفی شده میباشد و برای شناسایی انحرافاتی است که به تدریج در دورههای زمانی کوتاه، افزایش می یابند. C3-ULTRA از همان دوره پایه C2-MEDIUMاستفاده میکند، یعنی روز (3-t) تا روز (9-t). اما آستانه بر اساس میانگین طول اجرای سه روزه CUSUM یک طرفه است.

منابع

Hutwagner, L. C., Thompson, W. W., Seeman, G. M., & Treadwell, T. (2005). A simulation model for assessing aberration detection methods used in public health surveillance for systems with limited baselines. Statistics in medicine, 24(4), 543-550.

زارعی، بشرا و همکاران (1401). طراحی مجموعه ابزارهای ارزشیابی الگوریتمهای شناسایی طغیان در کشف بهنگام انواع اپیدمیهای تک منبعی و پیشرونده. پایان نامه دکترای تخصصی. دانشگاه علوم پزشکی همدان.