• Je něco špatně v tomto záznamu ?

Hodnocení časových trendů týdenních počtů onemocnění
[Evaluation of time trends of weekly number of diseases]

Bohumír Procházka, Č. Beneš

. 1999 ; Roč. 48 (č. 2) : s. 52-59.

Jazyk čeština Země Česko

Perzistentní odkaz   https://www.medvik.cz/link/bmc99016595

Digitální knihovna NLK
Zdroj

E-zdroje Online

V rutinních systémech sledování nemocnosti na jednotlivé diagnózy je jedním z důležitých problé-mů analýza časového vývoje například týdenních počtů hlášení. Tento článek se zabývá metodikouuvedené problematiky. V praxi se ukazuje, že počty výskytů mnohých onemocnění jsou závislé naroční době. Samozřejmě je nutno vzít v úvahu i dlouhodobý vývoj počtu onemocnění. V článku sediskutuje o dvou často používaných přístupech. Jde jednak o Boxovu-Jenkinsovu analýzu časovýchřad, která modeluje „náhodnou chybu“, a jednak o metodu dekompozice trendu, která se pokoušírozložit pozorovaný počet případů na systematické složky (dlouhodobý trend a sezonní složku)a náhodné kolísání. V článku je popsána možnost vyhlazení odhadu časové řady pomocí modifi-kovaného jádrového odhadu. Pro ilustraci obou metod jsou použity týdenní údaje o celorepubliko-vých počtech nemocných s hepatitidou A, zarděnkami a salmonelózou.

In routine systems investigating the morbidity according to diagnosis it is very useful to analysethe development in time (for example the development of weekly reports). This paper is concernedwith the methodology of such analyses. In practice it appears that the number of cases depends onseason. It stands to reason, that it is necessary to consider also long-therm trends. In this paper twodifferent approaches are discussed – the Box-Jenkins analysis, which describes the random errorand the Method of Trend Decomposition which spread the number of cases into the systematiccomponent (long term trend and seasonal effect) and random variability. The authors describe themethod of smoothing the estimate of the time series by kernel estimate. In both approaches theyuse weekly reports from the whole Czech Republic of diagnoses viral hepatitis A, rubella andsalmonellosis.

Evaluation of time trends of weekly number of diseases

Hodnocení časových trendů týdenních počtů onemocnění = Evaluation of time trends of weekly number of diseases /

Evaluation of time trends of weekly number of diseases /

Bibliografie atd.

Lit: 6

Bibliografie atd.

Souhrn: eng

000      
00000naa a2200000 a 4500
001      
bmc99016595
003      
CZ-PrNML
005      
20140321130456.0
008      
990900s1999 xr u cze||
009      
AR
040    __
$a ABA008 $b cze $c ABA008 $d ABA008 $e AACR2
041    0_
$a cze $b eng
044    __
$a xr
100    1_
$a Procházka, Bohumír, $d 1953-2017 $4 aut $7 xx0075077
245    10
$a Hodnocení časových trendů týdenních počtů onemocnění = $b Evaluation of time trends of weekly number of diseases / $c Bohumír Procházka, Č. Beneš
246    11
$a Evaluation of time trends of weekly number of diseases
314    __
$a Státní zdravotní ústav, Praha, CZ
504    __
$a Lit: 6
504    __
$a Souhrn: eng
520    3_
$a V rutinních systémech sledování nemocnosti na jednotlivé diagnózy je jedním z důležitých problé-mů analýza časového vývoje například týdenních počtů hlášení. Tento článek se zabývá metodikouuvedené problematiky. V praxi se ukazuje, že počty výskytů mnohých onemocnění jsou závislé naroční době. Samozřejmě je nutno vzít v úvahu i dlouhodobý vývoj počtu onemocnění. V článku sediskutuje o dvou často používaných přístupech. Jde jednak o Boxovu-Jenkinsovu analýzu časovýchřad, která modeluje „náhodnou chybu“, a jednak o metodu dekompozice trendu, která se pokoušírozložit pozorovaný počet případů na systematické složky (dlouhodobý trend a sezonní složku)a náhodné kolísání. V článku je popsána možnost vyhlazení odhadu časové řady pomocí modifi-kovaného jádrového odhadu. Pro ilustraci obou metod jsou použity týdenní údaje o celorepubliko-vých počtech nemocných s hepatitidou A, zarděnkami a salmonelózou.
520    9_
$a In routine systems investigating the morbidity according to diagnosis it is very useful to analysethe development in time (for example the development of weekly reports). This paper is concernedwith the methodology of such analyses. In practice it appears that the number of cases depends onseason. It stands to reason, that it is necessary to consider also long-therm trends. In this paper twodifferent approaches are discussed – the Box-Jenkins analysis, which describes the random errorand the Method of Trend Decomposition which spread the number of cases into the systematiccomponent (long term trend and seasonal effect) and random variability. The authors describe themethod of smoothing the estimate of the time series by kernel estimate. In both approaches theyuse weekly reports from the whole Czech Republic of diagnoses viral hepatitis A, rubella andsalmonellosis.
650    _2
$a morbidita $x TRENDY $7 D009017
650    _2
$a epidemiologické metody $7 D004812
650    _2
$a časové faktory $7 D013997
650    _2
$a statistické modely $7 D015233
700    1_
$a Beneš, Čestmír $4 aut $7 xx0059773
773    0_
$w MED00011002 $t Epidemiologie, mikrobiologie, imunologie $g Roč. 48, č. 2 (1999), s. 52-59 $x 1210-7913
910    __
$a ABA008 $b A 981 $c 560 $y 0 $z 0
990    __
$a 20000413 $b ABA008
991    __
$a 20140321130525 $b ABA008
BAS    __
$a 3
BMC    __
$a 1999 $b Roč. 48 $c č. 2 $d s. 52-59 $i 1210-7913 $m Epidemiologie, mikrobiologie, imunologie $x MED00011002
LZP    __
$b přidání abstraktu

Najít záznam

Citační ukazatele

Možnosti archivace