Professional Documents
Culture Documents
Geographical Analysis of COVID-19 Epidemiology in Iran With Exploratory Spatial Data Analysis Approach (ESDA)
Geographical Analysis of COVID-19 Epidemiology in Iran With Exploratory Spatial Data Analysis Approach (ESDA)
[ DOI: 10.30491/JMM.22.6.542 ]
1 PhD student, Geography and Urban Planning, University Ferdowsi of Mashhad, Mashhad, Iran
2 Assistant Professor, Geography and Urban Planning, University Ferdowsi of Mashhad, Mashhad, Iran
Downloaded from militarymedj.ir at 12:49 +0430 on Tuesday September 15th 2020
Keywords: Geographical Analysis, COVID-19, SARS-CoV-2, Exploratory Spatial Data Analysis Approach, Iran
*
Corresponding author: Mahdi Bazargan, Email: mahdibazargan67@yahoo.com
مجله طب نظامي
] [ DOI: 10.30491/JMM.22.6.542
تحلیل جغرافیایي اپیدمیولوژی کووید 91-در ایران با رویکرد تحلیل اکتشافي داده های مکاني
()ESDA
0دانشجوی دکتری ،جغرافیا و برنامهریزی شهری ،دانشگاه فردوسی مشهد ،مشهد ،ایران
Downloaded from militarymedj.ir at 12:49 +0430 on Tuesday September 15th 2020
کلیدواژهها :تحلیل جغرافیایی ،کووید ،01-کروناویروس ،رویکرد تحلیل اکتشافی دادههای مکانی ،ایران.
مقدمه
درمان در کشور ،مشکلات موجود در اختصاص خدمات درمانی و در اواخر دسامبر سال ،8101یک عامل میکروبی ناشناخته به
بهداشتی به مناطق شهری و روستایی و نیز با توجه به تواناییهای نام ویروسکرونا ( )SARS-CoV-2در ووهان چین به سرعت از
GISاستفاده از سیستم اطلاعات جغرافیایی برای مدیران این بخش مرزهای این کشور عبور کرده و به همه کشورهای جهان شیوع
ضروری میباشد ( .)04سیستم اطلاعات جغرافیائى وسیلهاى براى یافت ،بطوریکه تا 80مارس 016 ،8181کشور جهان را تحت تأثیر
جمعآورى ،ذخیره ،انسجام ،مدیریت ،بازیافت ،تجزیه و تحلیل و قرار داده است ( .)0،8سازمان ملل متحد ،بیماری ویروسکرونا را
همچنین نمایش اطلاعات مکانى مىباشد که در تحقیقات یک بحران عظیم اجتماعی ،انسانی و اقتصادی توصیف کرده که
اپیدمیولوژیکى و سیاستگذارىهاى بهداشتى مىتوان از آن عوارض ناشی از آن ،حتی بر کشورهای توسعه یافته نیز تأثیر
استفاده نمود ( .)00،06کاربرد این سیستم در حوزه سلامت ،نسبتاً میگذارد بطوریکه؛ ادامه روند شیوع این بیماری ،سیستم جامعه
جدید بوده و زمینهاى اختصاصى براى کاربرد GISنمىباشد ،ولى بهداشت جهانی را با مشکل مواجه خواهد کرد که نتیجۀ آن به
پیشرفتهاى اخیر حاکی از آن است که این سیستم در حوزه سلامت
Downloaded from militarymedj.ir at 12:49 +0430 on Tuesday September 15th 2020
وجود آمدن بحران جمعیتی بر روی کرۀ زمین خواهد بود (.)9،4
و حفاظت از محیطزیست ،محیطشناسى بیماریها و بهداشت با وجود پیشرفتهای قابل توجه در زمینه مبارزه با بیماریها،
جامعه یک ابزار ضرورى و لازم الاجرا براى پردازش ،آنالیز و قابل هنوز بیماریهای واگیر اهمیت خاصی در اپیدمیولوژی و بهداشت
مشاهده کردن اطلاعات مکانى از طریق تولید نقشهها میباشد ،به جامعه دارند ( .)0یکى از کاربردهاى اصلى علم اپیدمیولوژى یا
عبارتى تعیین موضع و مکان بیماریها ،بررسى مکانى امکانات همهگیرشناسى ،تسهیل در امر شناسائى مناطق جغرافیائى و
مراقبتها و خدمات بهداشتى ،تعیین حدود و مرزهاى جغرافیائى گروههاى آسیبپذیر مىباشند که در معرض خطر بیشتر ابتلا به
جامعه از اجزاى ضرورى مطالعات اپیدمیولوژیکى و بهداشتى به بیمارىها و درگیرى با عوامل خطر بروز مرگ و میر را دارند (.)6
شمار رفته که از طریق این سیستم قابل دستیابى شدهاند (.)01،02 شناسائى این مناطق جغرافیائى و گروههاى در معرض خطر به
کاربرد GISراه حل کاملى براى درك توزیع بیماریها و مشکلات انتخاب مناسب اقدامهاى بهداشتى -درمانى و اجتماعى جهت
موجود در زمینه بهداشت جامعه نمىباشد ،اما میتوان آن را روشى کاهش عوامل خطرآفرین کمک مىنماید ( .)1کارشناسان بهداشت
مهم براى فهم اینکه چگونه انسان با محیط خود تعامل نموده و از حدود 001سال پیش جهت تجزیه و تحلیل مکانی بیماریها از
سبب ارتقاء یا کاهش بهداشت محیط پیرامون خود مىشود ،دانست نقشه استفاده میکردند .به عنوان نمونه در سال 0241میلادی در
( .)01ظرفیت مدلسازى مکانى در GISبه طور مستقیم در درك گلاسکوی انگلستان از نقشه جهت نمایش ارتباط بین جمعیت و
تفاوت توزیع مکانى بیمارىها و ارتباط آنها با فاکتورهاى محیطى شیوع تب زرد استفاده و نشان داده شد که در مناطق مهاجرت پذیر
و سیستم مراقبتهاى بهداشتى کاربرد دارد ،بطوریکه در حال حاضر شیوع این بیماری بیشتر میباشد (.)2
تکنولوژى سیستم اطلاعات جغرافیائى یک ابزار عمده در تحقیقات اپیدمیولوژى جغرافیائى ،بخشى از همهگیرشناسى توصیفى
و مدیریت بهداشتى در آفریقا مى باشد ،و از این سیستم در تحقیقات است که به بررسى توزیع جغرافیائى میزانهاى ابتلا و مرگ و میر
بهداشتى در زمینه بیماریهای عفونی استفاده میشود ( .)81در میپردازد ( .)1یکى از مهمترین کاربردهاى همهگیرشناسى
جغرافیا شناخت مفهوم تحولات فضایی از اهمیت ویژهای برخوردار جغرافیائى ،دستیابى به سرنخهائى جهت تعیین علل بیمارىها،
است ( .)80به گونهای که فرکورت شیفر ( )0109جغرافیا را علم آسیبها یا مرگ و میرها است ( .)01نخستین مرحله در تجزیه و
قوانین حاکم بر نحوه پراکندگی و توزیع فضایی پدیدهها و چهره- تحلیل دادههاى جغرافیائى ،به تصویر کشیدن آنها به ویژه در قالب
های ویژه سطح زمین میداند ( .)88،89رویکرد تحلیل اکتشافی نقشههاى جغرافیائى است ( )00که الگوى توزیع جغرافیائى
دادههای فضایی ،یکی از کارآمدترین ابزارها برای مطالعه نابرابری- بیماریها ،آسیبها و مرگ و میرها را به نحو مشخصى نمایان
های درون شهری است که توسط محققان مختلفی بکار گرفته کرده و راه را براى ایجاد فرضیههاى سببشناسى هموار مىسازد
شده است ( .)84،80تحلیل اکتشافی دادههای فضایی ،مجموعهای ( .)01از آنجا که جداول آمارى در مقایسه با نقشهها ،از چنین توانائى
از روشها در جهت توصیف و نمایش توزیعهای مکانی ،شناسایی برخوردار نیستند ،طى سالیان اخیر ،استفاده از سیستم اطلاعات
بیقاعدگیهای مکانی ،کشف الگوهای ارتباط مکانی ،خوشههای جغرافیائى و نقشهها در علوم بهداشتى و پزشکى افزایش
مکانی و اشاره به رژیمهای مکانی یا شکلهای ناهمگن مکانی چشمگیرى داشته است ( .)08،09سالهاست که GISدر بخشهای
دیگر است ( .)86،81گسترش شیوع ویروسکرونا تمام کشورهای کشاورزی ،اقتصادی ،منابع طبیعی ،طراحی شهری و بخشهای
جهان را با یک بحران عظیم انسانی مواجه ساخته بطوریکه تا 88 دیگر مورد استفاده قرار میگیرد و با مشکلاتی که عمدتاً به دلیل
مارس ،8181آمار جهانی شیوع این بیماری نشان میدهد که تعداد کمبود اطلاعات دقیق در GISو کافی است ،روبرو میباشد ( .)6با
010کشور از همه قارههای جهان درگیر آن هستند که 998191 این حال استفاده از GISدر مدیریت بهداشت و درمان در حال طی
مورد مثبت بیماری کرونا در این کشورها ثبت شده که از این تعداد کردن مرحله ابتدایی است .به دلیل گستردگی و فعال بودن خدمات
درصد را نیز زنان تشکیل میدهند (شکل .)0-همچنین به طور ( 04011نرخ مرگومیر )% 4/9نفر جان باختهاند ( .)82همچنین تا
] [ DOI: 10.30491/JMM.22.6.542
متوسط در کشور 80/19درصد از مبتلایان به کوید 01-در گروه تاریخ 9فروردین 0911در ایران تعداد مبتلایان 80692نفر و
سنی 08-1سال 00/8 ،درصد در گروه سنی 81-09سال01/01 ، 0620نفر نیز جان باختهاند ( .)81،91لذا گسترش ویروسکرونا
درصد در گروه سنی 01-80سال و 06/62درصد هم در گروه موجب افزایش تلفات جانی ،رکود اقتصادی ،فقر ،جرم و جنایت و...
سنی بیشتر از 01سال قرار دارند .بنابراین میتوان نتیجه گرفت که در کشور خواهد شد که مشکلات ناشی از آن تا سالها ادامه خواهد
گروه سنی 01-80سال ،بیشترین درصد مبتلایان به ویروس کرونا داشت ،به همین منظور این تحقیق با هدف تحلیل جغرافیایی
را تشکیل میدهند .استان سیستان و بلوچستان در گروه سنی -1 کروناویروس و شناسایی عوامل جغرافیایی مؤثر بر گسترش شیوع
08سال و 81-09سال ،به ترتیب با 94/4و 00/9درصد بیشترین آن در کشور انجام گرفته است.
تعداد مبتلا به کرونا را در میان سایر استانهای کشور دارد .همچنین
در گروه سنی 01-80سال استان البرز با 09/1درصد و در گروه
روشها
سنی بیشتر از 01سال استان گیلان با 84/0درصد بیشترین تعداد
Downloaded from militarymedj.ir at 12:49 +0430 on Tuesday September 15th 2020
شکل .2-درصد گروه سنی مبتلا به ویروس کرونا در کشور به تفکیک استان
شکل .9-انتشار فضایی ویروس کرونا در کشور ( 9اسفند 12الی 9فروردین )11
موران برابر ،1/148488مقدار z-scoreبرابر 0/42001و مقدار p- نتایج نشان میدهد که در تاریخ 9اسفند 12ضریب موران
1/096262 valueمیباشد که براساس آن الگوی پراکنش فضایی برابر ،1/148488مقدار z-scoreبرابر 0/42001و مقدار p-
شیوع کرونا در کشور بصورت خوشهای است که این نکته بیانگر 1/096262 valueبدست آمده است که بر این اسا الگوی پراکنش
تعداد بالای مبتلایان به ویروس کرونا در برخی استانها نظیر تهران، فضایی ویروس کرونا در کشور بصورت تصادفی میباشد که به
اصفهان ،مازندران ،گیلان و قم است (شکل.)0- ترتیب در استانهای قم ،تهران ،گیلان و مرکزی توزیع یافته است.
با گسترش شیوع ویروس کرونا در تاریخ 9فروردین 11ضریب
شکل .5-الگوی پراکنش فضایی ویروس کووید 01 -در ایران 9 )aاسفند 9 )b 12فروردین 11
scoreبرابر با 8/818694است که این مقدار بیانگر خودهمبستگی خودهمبستگي فضایي ویروسکرونا بر اساس فاصله
مکانی مثبت کروناویروس در بین استانها میباشد که در نتیجه با یافتههای تحقیق نشان میدهد که در فاصله 929/2کیلومتری
سطح اطمینان 11درصد بر اساس جدول زیر مورد پذیرش قرار بین استانهای کشور ضریب موران برابر 1/096681و مقدار z-
فاصله مکانی مهمترین عامل گسترش شیوع ویروس کرونا در میگیرد .نتایج نشان میدهد که در فاصله 168/6کیلومتری بین
] [ DOI: 10.30491/JMM.22.6.542
کشور است که با تردد و جابجایی بین استانهای کشور ،فاصله استانهای کشور ضریب موران برابر -1/141846و مقدار z-
مکانی کاهش یافته و ویروس کرونا از کانون به پیرامون انتشار scoreبرابر با -1/808229است که نشاندهنده خودهمبستگی
مییابد (شکل.)6- مکانی منفی بوده بدین معنی که از این فاصله به بعد از تعداد
مبتلایان به کرونا کاسته میشود .بنابراین میتوان نتیجه گرفت که
Downloaded from militarymedj.ir at 12:49 +0430 on Tuesday September 15th 2020
چارك ( )LHنواحی با ارزشهای پایین اما احاطه شده به وسیله پراکنش آماره موران محلي ()Moran's
همسایههایی باارزشهای بالا را نمایش میدهد .چارك ()LL نمودار پراکندگی موران با نمایش بازه مکانی متغیر در محور
نواحی باارزشهای پایین احاطه شده به وسیله همسایگانی عمودی و ارزش متغیر در هر ناحیه بر روی محور افقی ،ارائه
باارزشهای پایین را نشان میدهد .چارك ( )HLنواحی ناپایداری و بیقاعدگیهای مکانی محلی را تسهیل میسازد.
باارزشهای بالا احاطه شده به وسیله نواحی باارزشهای پایین را همبستگی میان مقادیر متغیرهای یکسان در مکانهای مختلف
نشان میدهد .نواحی واقع شده در چاركهای ( HHو )LL است .در واقع با استفاده از آن میتوان مشابهت و عدم مشابهت هر
خودهمبستگی مکانی مثبت را ارائه میدهند ،بدان معنا که این جفت از واحدهای ناحیهای مجاور را اندازه گرفت ( .)98چارك
نواحی خوشههایی از ارزشهای مشابه را شکل میدهند (شکل- ( )HHنواحی را نشان میدهد که دارای ارزشهای بالا برای متغیر
.)1در طرف مقابل ،چاركهای ( LHو )HLارائهدهنده مورد تحلیل بوده (ارزشهای بالاتر از میانگین ) و با نواحی دارای
خودهمبستگی مکانی منفی میباشند ،بدان معنا که این نواحی ارزش بالاتر از میانگین برای متغیر مورد تحلیل احاطه شدهاند.
خوشههایی از ارزشهای غیرمشابه را شکل میدهند (.)99
𝑛
̅𝑥 𝑥𝑖 − آماره خودهمبستگی فضایی موران محلی به صورت مقابل
= 𝑖𝐼 ) ̅𝑥 ∑ 𝑤𝑖,𝑗 (𝑥𝑖 −
𝑆𝑖2 محاسبه میشود:
𝑖≠𝑗𝑗=1,
بختیاری ،کرمان ،کرمانشاه و آذربایجان غربی قرار دارند که هم در در این رابطه 𝑖𝑥 خصیصه عارضه 𝑥̅ ،iمیانگین خصیصه
] [ DOI: 10.30491/JMM.22.6.542
این استانها تعداد مبتلایان پایین است و هم در مجاورت مربوطه و 𝑗 𝑤𝑖,وزن فضایی بین عارضه iو jمیباشد که جمع
استانهایی با تعداد مبتلایان پایین احاطه شدهاند .خودهمبستگی وزنها برابر 0است .در این رابطه 𝑆𝑖2برابر است با:
فضایی در استانهای مذکور مثبت است ،بدان معنا که این استانها ∑𝑛𝑗=1,𝑗≠𝑖(𝑥𝑖 − 𝑥̅ )2
= 𝑆𝑖2
خوشههایی از ارزشهای مشابه را شکل دادهاند .خوشه مذکور 𝑛−1
امتیاز ZIiاستاندارد برای آماره موران از طریق زیر محاسبه
40/14درصد استانهای کشور را در برگرفته و عمدتاً در نواحی
میشود:
جنوب ،شرق ،جنوب شرقی و شمال شرقی کشور قرار دارند .در ] 𝑖𝐼[𝐸 𝐼𝑖 −
خوشه LHاستانهای گلستان ،خراسان رضوی ،خراسان شمالی، = 𝑖𝐼𝑧
] 𝑖𝐼[𝑉√
اردبیل و همدان قرار گرفتهاند که تعداد مبتلایان به ویروس کرونا که در آن:
در این استانها پایین است اما در مجاورت استانهایی با تعداد بالای 𝑗𝑖𝑤 𝑖≠𝑗∑𝑛𝑗=1,
𝐸[𝐼𝑖 ] = −
مبتلا به ویروس کرونا قرار دارند .خودهمبستگی فضایی در این 𝑛−1
Downloaded from militarymedj.ir at 12:49 +0430 on Tuesday September 15th 2020
این بیماری در برخی استانها و انتشار آن به استانهای پیرامون ویروسکرونا به تدریج کاسته میشود .همچنین الگوی خوشهای
] [ DOI: 10.30491/JMM.22.6.542
شکل )a .8-نمودار پراکنش موران ویروسکرونا در استانهایکشور )bخوشهبندی استانهای کشور براساس LISAتکمتغیره
استفاده نمایند .همچنین به گروه سنی 01-80سال که نقش مهمی یکی از مهمترین عاملهای انتشار فضایی کرونا در کشور،
در افزایش جمعیت و اقتصاد -توسعه کشور دارند توجه جدی صورت تمرکزگرایی توزیع جمعیت در نواحی پیرامون استان تهران میباشد.
گیرد تا کشور در آینده متحمل آسیبهایی در زمینه جمعیتی و به دلیل انباشت سرمایه و توسعه بخشهای خدماتی و صنعتی در
اقتصادی نگردد. تهران و استانهای همجوار ،افزایش تراکم جمعیت در این قسمت
از کشور را به دنبال داشته که همین عامل در شرایط ویروسکرونا
نتیجهگیری موجب انتشار و گسترش شیوع این بیماری واگیردار شده است .در
تحلیل جغرافیایی اپیدمیولوژی ویروسکرونا در کشور نشان مطالعهای که در استان هوبی کشور چین انجام گرفته ،نتایج حاصل
داده که روند گسترش شیوع ویروسکرونا در کشور به سمت نواحی از الگوهای فضایی ضریب موران نشان داد که خوشههای فضایی
پیرامون استان تهران ،نواحی شمال و غرب و شمال غرب کشور با روند افزایشی و تغییر ناگهانی ،به دلیل تمرکز شدید جمعیت
است و بیشترین انتشارفضایی ویروسکرونا در استانهای تهران، موجب شیوع ویروسکرونا در این استان شده است ( .)94که در
البرز ،قم ،مازندران ،گیلان ،قزوین ،اصفهان ،سمنان ،مرکزی و یزد پژوهش حاضر نیز تمرکز جمعیت در استان تهران موجب
صورت گرفته است .بررسیهای مکانی و جغرافیایی صورت گرفته شکلگیری الگوی خوشهای در پراکنش این بیماری میباشد.
نشان میدهد که مهمترین عوامل انتشار ویروسکرونا در کشور، بررسی دادهها نشان میدهد که گروه سنی 01-80سال،
تمرکز جمعیت و فاصله مکانی بوده که سبب سرعت بخشیدن به 01/01درصد مبتلایان به ویروسکرونا را تشکیل میدهند که این
انتشار این بیماری واگیردار شده است .به عبارت دیگر ،تا شعاع نکته بیانگر آن است که جمعیت فعال کشور بیشترین افراد مبتلا به
فاصله 929کیلومتری استانها تهران انتشار ویروسکرونا روند ویروسکرونا بودهاند که در صورت بروز افزایش تلفات انسانی در
صعودی دارد و از 168کیلومتری به دلیل افزایش فاصله مکانی و این گروه سنی ،کشور را با بحران جمعیتی و نیز به دنبال آن اقتصاد
کاسته شدن از تراکم جمعیت انتشار بیماری کاهش مییابد .بررسی کشور را با مشکل مواجه خواهد کرد .مطالعاتی که تاکنون در زمینه
الگوی پراکنش انتشار ویروسکرونا در کشور نشان داد که الگوی ویژگیهای اپیدمیولوژیک ویروسکرونا در داخل کشور صورت
فضایی این بیمای در کشور از نوع خوشهای میباشد .الگوی گرفته نیز نشان میدهد که نسبت مردان مبتلا به کرونا بیشتر از
خوشهای ،بدترین الگوی پراکنش فضایی برای متغیرهایی مانند زنان بوده و بیشترین موارد در بازه سنی 01-61سال قرار دارند
جرم و جنایت ،بیماری ،فقر ،بیکاری و ...است که نشاندهنده بروز ( .)90لذا باید مسئولان و برنامهریزان کشور به بخصوص وزارت
مشکل جدی در زمینههای مذکور بوده و نشان از حاد بودن آن بهداشت و درمان ،ممنوعیت و محدودیتهای بیشتری در زمینه
مشکل در جامعه دارد .به همین دلیل میتوان گفت که ویروس- تردد بین شهری و استانی را اعمال نمایند و حتی در صورت حاد
کرونا در شرایط فعلی در 01استان مذکور به شدت حاد میباشد شدن بیماری از جریمههای سنگین در راستای حفظ سلامت مردم
نویسندگان تصریح می کنند که هیچ گونه تضاد:تضاد منافع بدینوسیله از سازمان نقشهبرداری کشور:تشکر و قدرداني
.منافعی در مطالعه حاضر وجود ندارد .تشکر و قدردانی میگردد
:منابع
1. Chen N, Zhou M, Dong X, Qu J, Gong F, Han Y, 12. Elliott P, Cuzik J, English D, Stern R.
Downloaded from militarymedj.ir at 12:49 +0430 on Tuesday September 15th 2020
et al. Epidemiological and clinical characteristics of Geographical & environmental epidemiology. 1st
99 cases of 2019 novel coronavirus pneumonia in edition. England. Oxford University Press. 1996.
Wuhan, China: a descriptive study. Lancet. 2020; doi:10.1093/acprof:oso/9780192622358.001.0001
395: 507-513. doi:10.1016/S0140-6736(20)30211-7 13. Rezaeian M. Geographical epidemiology, spatial
2. Lu R, Zhao X, Li J, Niu P, Yang B, Wu H, et al. analysis& geographical information system: a
Genomic characterisation and epidemiology of 2019 multidisciplinary glossary. J Epidemiol Community
novel coronavirus: implications for virus origins and Health. 2007; 61: 98-102.
receptor binding. Lancet. 2020; 395: 565-574. doi:10.1136/jech.2005.043117
doi:10.1016/S0140-6736(20)30251-8 14. Bailley T, Gatrell A. Interactive spatial data
3. World Health Organization (WHO), 2020. Report analysis. 1st ed. Harlow. Longman. 1995.
of theWHO-China Joint Mission on Coronavirus 15. Bell B, Broemeling L. A Bayesian analysis for
Disease 2019 (COVID-19). Retrieved from. spatial processes with application to disease mapping.
https://www.who.int/docs/default- Stat Med. 2000;19:974-975.doi:10.1002/(SICI)1097-
source/coronaviruse/who-china-joint-mission-on- 0258(20000415)19:7<957::AID-SIM396>3.0.CO;2-
covid-19-final-report.pdf. Q
4. Mollalo A, Vahedi B, Rivera K. GIS-based spatial 16. Cliff A. Analyzing geographically related disease
modeling of COVID-19 incidence rate in the data. Stat Methods Med Res. 1995;4:93-101.
continental United States. Science of the Total doi:10.1177/096228029500400201
Environment. 2020; 728: 1-8. 17. Joyce K. To me it's just another tool to help
doi:10.1016/j.scitotenv.2020.138884 understand the evidence: Public health decision-
5. National Health Commission's briefing on the makers' perceptions of the value of geographical
pneumonia epidemic situation. Released on 23 Feb information systems (GIS). Health Place. 2009; 15:
2020. 831-840. doi:10.1016/j.healthplace.2009.01.004
6. Wu F ZS, Bin Y, Chen YM, Wang W, Song ZG, 18. Scholten HJ, De Lepper MJ. The benefits of the
Hu Y, et al. A new coronavirus associated with application of geographical information systems in
human respiratory disease in China. Nature. 2020. public & environmental health. World Health Stat Q.
doi:10.1038/s41586-020-2202-3 1991; 44: 160- 170.
7. Zhou P YX, Wang XG, Hu B, Zhang L, Zhang W, 19. O Dwyer L, Burton D. Potential meets reality:
et al. A pneumonia outbreak associated with a new GIS & public health research in Australia. Aust J
coronavirus of probable bat origin. Nature. 2020. Public Health. 1998; 22: 819-823.
8. World Health Organization. 10 facts on neglected doi:10.1111/j.1467-842X.1998.tb01500.x
tropical diseases [Online]. 2011. Available from: 20. Kistemann T, Dangendorf F, Schweikart J. New
URL: http://www.who.int/features/factfiles/ perspectives on the use of Geographical Information
neglected_ tropical_ diseases/en/. Systems in environmental health sciences. Int J Hyg
9. Ghaedamini Asadabadi R, Tofighi S, Ghaedamini Environ Health. 2002; 205: 169 - 181.
H, Azizian F, Amerieon A, Shokri M. A review of doi:10.1078/1438-4639-00145
some infectious diseases distribution based on 21. Faruque FS, Lofton SP, Doddato TM, Mangum
geographic information system (GIS) in the area of C. Utilizing Geographic Information systems in
Chahar Mahal and Bakhtiari. Journal of Police community assessment& nursing research. J
Medicine. 2012; 1(2): 113-123. Community Health Nurs. 2003; 20: 179 - 191.
10. American Health Organization. Use of GIS in doi:10.1207/S15327655JCHN2003_04
epidemiology. Epidemiological Bulletin. 1996;17:1-7. 22. Ricketts TC. Geographic information system &
11. Kandwal R, Garg PK, Garg RD. Health GIS and public health. Annu Rev Public Health. 2003;24:1- 6.
HIV/ AIDS studies: Perspective and retrospective. J doi:10.1146/annurev.publhealth.24.100901.140924
Biomed Inform. 2009; 42: 748-755. 23. Tanser FC, Le-Sueur D. The application of
doi:10.1016/j.jbi.2009.04.008 geographical information systems to important public
2002; 9: 1- 4. doi:10.1186/1476-072X-1-4
24. Anselin, Luc. The Moran scatter plot as an ESDA
tool to assess local instability in spatial association. In
Fischer M, Scholten H.J, Unwin D. (Eds.), Spatial
analytical perspectives in GIS (pp. 111-125). London:
Taylor & Francis. 1996.
doi:10.1201/9780203739051-8
25. Le Gallo J, Dall'Erba S. Evaluating the temporal
and spatial heterogeneity of the European
convergence process, 1980-1999, Journal of Regional
Science. 2006; 46(2): 269-288.
doi:10.1111/j.0022-4146.2006.00441.x
26. Seifolddini F, Mansourian H. A Spatial Analysis
of the Socio-economic and Environmental Variables
Downloaded from militarymedj.ir at 12:49 +0430 on Tuesday September 15th 2020