Skip to main content
فهرست مقالات

برآورد نااریب نسبت جمعیت های پنهان در معرض بیماری های پرخطر مقاله

نویسنده:

علمی-پژوهشی (وزارت بهداشت)/ISC (7 صفحه - از 520 تا 526)

چکیده:

مقدمه: ازآن جا که سلامت جامعه در اثر بروز بیماری های پرخطر با مخاطره همراه می باشد، همواره جمعیت های در معرض این بیماری ها به خصوص جمعیت های پنهان، مورد توجه پژوهشگران و سیاست گذاران بهداشت عمومی قرار دارند. روش: روش های متداولی که برای نمونه گیری و محاسبه برآورد نسبت این جمعیت ها مورد استفاده محققان قرار می گیرد، اغلب منجر به کم یا بیش برآوردی این نسبت ها در جمعیت های مورد مطالعه می گردد. با وجود معرفی روش های نمونه گیری کارایی همچون روش نمونه گیری پاسخگو محور از بیش از دو دهه پیش تاکنون، اما به دلیل عدم آشنایی پژوهشگران این حوزه با نحوه محاسبه برآوردها در نمونه های به دست آمده از این روش، کمتر از آن در برآورد نسبت جمعیت های پنهان استفاده می گردد. هدف از انجام مطالعه حاضر، معرفی برآوردهای نسبت های جمعیتی برای متغیرهای کیفی مانند ابتلا به بیماری، با استفاده از برآوردهای احتمال روابط درون و برون گروهی و اندازه شبکه اجتماعی پاسخگویان بود. یافته ها: تئوری های موجود و شبیه سازی های رایانه ای نشان داد که برآوردهای معرفی شده برای نسبت جمعیت های پنهان، به طور مجانبی نااریب بودند و نرخ همگرایی بالایی داشتند. نتیجه گیری: عدم انتخاب صحیح روش نمونه گیری و همچنین، محاسبه برآورد نسبت جمعیت های پنهان که در معرض بیماری های پرخطر هستند و در سیاست گذاری های بهداشتی تاثیرگذار می باشند، نتایج قابل قبولی در رسیدن به اهداف این سیاستگذاری ها ارایه نخواهد داد.

Background: Since society health is threatened by high risk diseases, populations exposed to these diseases, especially hidden populations, always attract the attention of researchers and policy makers in the field of public health. Conventional methods that are used by researchers for sampling and calculating population proportion estimation often lead to underestimation or overestimation of these proportions in the studied populations. Efficient sampling methods such as respondent-driven sampling (RDS) method have been introduction more than two decades ago. However, due to the unfamiliarity of researchers in this field with the technique of calculating estimations for samples in this method, this sampling method is less applied in estimating proportions of hidden populations. The main objective of the current study was to introduce estimators of population proportions for qualitative variables such as disease occurrence through estimates of the probability of intergroup and intragroup relations and respondents’ social network size. Methods: In the present study, by assuming the existence of reciprocal relationships in the population and sampling with replacement, the population proportions were computed through estimating the probability of intergroup and intragroup relations and social network size of respondents. Findings: Existing theories and computer simulations showed that estimators introduced for proportions of hidden populations were asymptotically unbiased and had a high rate of convergence. Conclusion: The lack of selection of a suitable sampling method and computing method for estimating proportions of hidden populations, which are exposed to high-risk diseases and are effective in health policies, will not provide acceptable results in achieving the objectives of this policy.

کلیدواژه ها:

متغیرهای کیفی ، روش نمونه گیری پاسخگو محور ، جمعیت های پنهان در معرض بیماری های پرخطر ، برآوردهای نااریب مجانبی

Hidden populations exposed to high ، risk diseases ، Respondent ، driven sampling method ، Asymptotically


برای مشاهده محتوای مقاله لازم است ورود پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.

لمشاهدة محتوی المقال یلزم الدخول إلی دخول الموقع.
إن كنت لا تقدر علی شراء الاشتراك عبرPayPal أو بطاقة VISA، الرجاء ارسال رقم هاتفك المحمول إلی مدير الموقع عبر credit@noormags.ir.

You should become a Sign in to be able to see articles.
If you fail to purchase subscription via PayPal or VISA Card, please send your mobile number to the Website Administrator via credit@noormags.ir.