डेटा एकत्रित करने के प्रभावों का मौसमी संक्रमणों के समय श्रेणी विश्लेषण पर

महामारी वैज्ञानिक अध्ययनों में समय श्रेणी विश्लेषण आमतौर पर एकत्रित संख्याओं पर किया जाता है, हालाँकि डेटा अधिक बारीक समय पदों पर संग्रहीत किया जाता है। डेटा को एकत्रित करने का निर्णय महामारी विज्ञान साहित्य में शायद ही चर्चा का विषय बनता है, हालाँकि यह मॉडल परिणामों को प्रभावित करने के लिए दिखाया गया है। हम मौसमी संक्रमणों के समय श्रेणी विश्लेषण में डेटा एकत्रीकरण के बारे में निर्णय लेने के लिए एक आलोचनात्मक सोच प्रक्रिया प्रस्तुत करते हैं। हम तीन श्वसन और आंत्र संक्रमणों के चरम समय और आयाम को वर्णित करने के लिए एक हार्मोनिक रिग्रेशन मॉडल का प्रणालीगत निर्माण करते हैं, जिनके मौसमी पैटर्न और घटना भिन्न होते हैं। हम दिखाते हैं कि डेटा को एकत्रित करते समय उत्पन्न असमानताओं को मॉडलिंग के दौरान नियंत्रित करना आवश्यक है ताकि गलत परिणामों से बचा जा सके। डेटा एकत्रीकरण की असमानताओं का दैनिक और साप्ताहिक डेटा के लिए प्रवृत्ति, आयाम, और चरम समय के आकलनों पर न्यूनतम प्रभाव पड़ा। हालाँकि, अधिक सामान्य संक्रमणों के चरम समय के आकलन में मासिक डेटा असमानताओं को नियंत्रित करते समय 2.5 महीने तक बदलाव आया। डेटा असमानताओं को नियंत्रित करने वाला एक प्रणालीगत मॉडल बनाना संक्रमणों के समय पैटर्न को सही ढंग से वर्णित करने के लिए आवश्यक है। नए संक्रमणों, जैसे COVID-19, के समय पैटर्न को वर्णित करने की तुरंत आवश्यकता के साथ, यह ट्यूटोरियल कई विषयों में विशेषज्ञों के लिए समय पर और अत्यधिक मूल्यवान है।