ارائه الگوئی برای پیش بینی روند مرگ ناشی از سوانح ترافیکی در ایران

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

چکیده

سابقه و هدف

با توجه به نگرانی‌ها و دغدغه‌ها و عوارض شناخته شده سوانح ترافیکی، تاکنون الگوی واقع بینانه‌ای برای پیش بینی مرگ و میر ناشی از حوادث ترافیکی دست کم در ایران صورت نگرفته است. هدف مطالعه حاضر ارایه یک الگوی عملی و پایا برای پیش بینی روند مرگ و میر ناشی از حوادث ترافیکی برای یک دوره دو ساله می باشد.

روش بررسی

در این مطالعه توصیفی تمام مرگ‌های ناشی از حوادث ترافیکی در فاصله سالهای 1383 تا 1389 مورد آنالیز قرار گرفت. برای تعیین روند مرگ در کشور از مدلهای سری زمانی باکس و جینکینز استفاده شد. مرگ ناشی از سوانح ترافیکی برای سالهای 1390و 1391 پیش‌بینی و سپس با آمار واقعی در 9 ماه اول سال 1390 مقایسه شد.

یافته‌ها

برای سال1390، 21548 (95%CI ,15426- 27669) مورد مرگ مرتبط با سوانح ترافیکی با رشد منفی 32/7 درصد نسبت به سال 1389 پیش‌بینی شد. همچنین برای سال 1391 تعداد 20404 (95%CI ,9914- 30893) مورد مرگ ناشی از سوانح ترافیکی با رشد منفی 31/5 درصد نسبت به سال 1390 برآورد گردید.

نتیجه‌گیری

توجه به نتایج واقعی بدست آمده تا پایان دی ماه سال 1390، در مقایسه با نتایج پیش‌بینی شده طبق مدل برازش داده شده به سری زمانی نشان می‌دهد که درستی پیش بینی مدل انتخابی، 93 درصد می باشد که میزان قابل قبولی می باشد. 

زبان:
فارسی
در صفحه:
7
لینک کوتاه:
magiran.com/p1121256 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!