تهدف هذه الدراسة إلى تحديد کل من مواقع انتشار البعوض الناقل لمرض حمى الضنک داخل أحياء مدينة جدة ومدى تباين کثافتها مکانياً وزمانيا من مکان إلى آخر. اعتمدت الدراسة في تحليل بيانات بعوضة الأيديس ايجيبتاي ]الزاعجة المصرية[ على "کثافة کيرنيل" Kernel density کأحد التحليلات الجغرافية داخل بيئة نظم المعلومات الجغرافية. أوضحت النتائج أن البعوض الناقل لمرض حمى الضنک کان حاضراً في العديد من أحياء مدينة جدة خلال جميع أشهر السنة بدرجات خطر متفاوتة، فبرزت أحياء وسط جدة، أو مايسمى بأحياء جدة القديمة، کأکثر المواقع خطورة في جميع اشهر السنة. وفي المقابل سجلت أحياء کل من جنوب وشمال جدة أقل کثافة للبعوض، حيث کانت معدلات الخطورة فيها منخفضة في جميع أشهر السنة. وستسهم نتائج هذه الدراسة وبشکل ملموس في تحسين مستوى وآليات جهود مکافحة هذا البعوض من قبل الجهات المسؤولة عن عمليات المکافحة کالأمانات أو وزارة الصحة والجهات الأخرى ذات العلاقة، للحد من انتشار حمى الضنک في منطقة الدراسة وغيرها من المناطق الأخرى بلا شک، حيث يخرجها من دائرة الحدس والتخمين والارتجالية إلى أرضية علمية صلبة مبنية على أسس متينة.
Achu, D. F. (2008). Application of GIS in Temporal and Spatial Analyses of Dengue Fever Outbreak: Case of Rio de Janeiro, Brazil. Master’s Thesis, Linköpings Universitet.
Allen, T. R., & Wong, D. W. (2006). Exploring GIS, spatial statistics and remote sensing for risk assessment of vector-borne diseases: a West Nile virus example. Int. J. Risk Assessment and Management, 6, 253-275.
Alharthy, A. (2008). Effective distribution of vector population surveillance devices through spatial analysis in Jeddah. 6. Retrieved from www.meauc.com/presents/T283.pdf
Andrianasolo, H., Nakhapakorn, K., & Gonzalez, J. P. (2000). Remote sensing and GIS modelling applied to viral disease in Nakhonpathom Province, Thailand. Paper presented at the Proceedings of the IGARSS 2000- IEEE 2000 International Geoscience and Remote Sensing Symposium, Taking the Pulse of the Planet, Hawaii - USA.
Bautista, C. T., Chan, A. S. T., Ryan, J. R., Calampa, C., Roper, M. H., Hightower, A. W., & Magill, A. J. (2006). Epidemiology and spatial analysis of malaria in the Northern Peruvian Amazon. American Journal of Tropical Medicine and Hygiene, 75(6), 1216-1222.
Bohra, A., & Andrianasolo, H. (2001). Application of GIS in Modeling Dengue Risk Based on Sociocultural Data: Case of Jalore, Rajasthan, India. Dengue Bulletin, 5. 91-102
Chaikaew, N., Tripathi, N. K., & Souris, M. (2009). Exploring spatial patterns and hotspots of diarrhea in Chiang Mai, Thailand. International Journal of Health Geographics, 8(36). doi: 10.1186/1476-072x-8-36
Eisen, L., & Lozano-Fuentes, S. (2009). Use of mapping and spatial and space-time modeling approaches in operational control of Aedes aegypti and dengue. Plos Neglected Tropical Diseases, 3(4). doi: 10.1371/journal.pntd.0000411
Ernst, K. C., Adoka, S. O., Kowuor, D. O., Wilson, M. L., & John, C. C. (2006). Malaria hotspot areas in a highland Kenya site are consistent in epidemic and non-epidemic years and are associated with ecological factors. Malaria Journal, 5. doi: 10.1186/1475-2875-5-78.
Hakre, S., Masuoka, P., Vanzie, E., & Roberts, D. R. (2004). Spatial correlations of mapped malaria rates with environmental factors in Belize, Central America. International Journal of Health Geographics, 3(6). doi: doi:10.1186/1476-072X-3-6
Khormi, H., Kumar, L. (2011a). Identifying and visualizing spatial patterns and hot spots of clinically-confirmed dengue fever cases and female Aedes aegypti mosquitoes in Jeddah, Saudi Arabia. Dengue Bulletin 35, 15-34
Khormi, H., & Kumar, L. (2011b). Modeling dengue fever risk based on socioeconomic parameters, nationality and age groups: GIS and remote sensing based case study. Science of the Total Environment, 409(22), 4713-4719.
Khormi, H., Kumar, L. (2012). The importance of appropriate temporal and spatial scales for dengue fever control and management . Science of the Total Environment 430, 144–149
Khormi, H., Kumar, L., & Elzahrany, R. (2011). Modeling spatio-temporal risk changes in the incidence of dengue fever in Saudi Arabia: a geographical information system case study. Geospatial Health, 6(1), 77-84.
Kitron, U. (2000). Risk maps: Transmission and burden of vector borne diseases. Parasitology Today, 16(8), 324-325.
Lagrotta, M. T., Silva, W. D., & Souza-Santos, R. (2008). Identification of key areas for Aedes aegypti control through geoprocessing in Nova Iguacu, Rio de Janeiro state, Brazil. Cadernos De Saude Publica, 24(1), 70-80.
Omumbo, J., Ouma, J., Rapuoda, B., Craig, M. H., le Sueur, D., & Snow, R. W. (1998). Mapping malaria transmission intensity using geographical information systems (GIS): an example from Kenya. Ann Trop Med Parasitol, 92(1), 7-21.
Pratt, M. (2003). Down-to-earth approach jumpstarts GIS for dengue outbreak The Magazine foe ESRI Software Users (Vol. 6, pp. 2). USA: ESRI.
Ratana, S., Somboon, P., Watcharee, A., Saravudh, S., & Mayuna, S. (2004). The Eographic Information System As An Epidemiological Tool In The Surveillance Of Dengue Virus-Infected Aedes Mosquitos. 35. 918-926.
Rochlin, I., Iwanejko, T., Dempsey, M. E., & Ninivaggi, D. V. (2009). Geostatistical evaluation of integrated marsh management impact on mosquito vectors using before-after-control-impact (BACI) design. International Journal of Health Geographics, 8, 1-20. doi: 10.1186/1476-072x-8-35.
Siqueira, J. B., Maciel, I. J., Barcellos, C., Souza, W. V., Carvalho, M. S., Nascimento, N. E., . . . Martelli, C. M. T. (2008). Spatial point analysis based on dengue surveys at household level in central Brazil. BMC Public Health, 8. doi: 10.1186/1471-2458-8-361.
Tan, A., & Song, R. (2000). The use of GIS in ovitrap monitoring for dengue control in Singapore. Dengue Bulletin, 24, 110-116.
مشاهدة على SCiNiTO
بداية الصفحة