درس 5: نظارت بر بهداشت عمومی

پس از عوارض ، مرگ و میر و سایر داده های مربوط به یک مشکل بهداشتی جمع آوری و گردآوری شده است ، داده ها باید به صورت زمان ، مکان و شخص مورد تجزیه و تحلیل قرار گیرند. انواع مختلفی از داده ها برای نظارت استفاده می شود و انواع مختلفی از تجزیه و تحلیل برای هر یک مورد نیاز است. به عنوان مثال ، داده های مربوط به موارد فردی بیماری متفاوت از داده های جمع آوری شده از سوابق متعدد تجزیه و تحلیل می شود. داده های دریافت شده به عنوان متن باید برای تجزیه و تحلیل آماری طبقه بندی ، طبقه بندی و کدگذاری شوند. و داده های حاصل از نظرسنجی ها ممکن است برای تولید تخمین های معتبر برای جمعیت نمونه برداری ، نیاز به وزن داشته باشند.

برای تجزیه و تحلیل اکثر داده های نظارت ، روشهای توصیفی معمولاً مناسب هستند. نمایش فرکانس ها (شمارش) یا نرخ مشکل سلامتی در جداول و نمودارهای ساده ، همانطور که در درس 5 مورد بحث قرار گرفته است ، رایج ترین روش تجزیه و تحلیل داده ها برای نظارت است. نرخ ها برای مقایسه وقوع بیماری برای مناطق مختلف جغرافیایی یا دوره های مختلف مفید هستند - و غالباً ترجیح داده می شوند زیرا اندازه جمعیتی را که از آن بوجود آمده است ، در نظر می گیرند. یک قدم مهم قبل از محاسبه نرخ ، ساخت یک مخرج از داده های مناسب جمعیت است. برای نرخ های دولتی یا در سطح کشور ، از داده های عمومی جمعیت استفاده می شود. این داده ها از دفتر سرشماری ایالات متحده یا از یک آژانس برنامه ریزی دولتی در دسترس است. برای محاسبات دیگر ، جمعیت در معرض خطر می توانند یک مخرج جایگزین را دیکته کنند. به عنوان مثال ، میزان مرگ و میر نوزادان از تعداد نوزادان متولد زنده استفاده می کند. میزان عفونت های زخم جراحی در بیمارستان نیاز به تعداد چنین رویه هایی دارد. علاوه بر محاسبه فرکانس ها و نرخ ها ، روش های پیشرفته تر (به عنوان مثال ، تجزیه و تحلیل خوشه ای فضا-زمان ، تجزیه و تحلیل سری زمانی یا نقشه برداری رایانه) قابل استفاده است.

برای تعیین اینکه آیا شیوع یا شیوع یک مشکل بهداشتی افزایش یافته است ، داده ها باید به مرور زمان یا در سراسر مناطق مقایسه شوند. انتخاب داده ها برای مقایسه بستگی به مشکل سلامتی تحت نظارت و آنچه در مورد الگوهای زمانی و جغرافیایی معمولی آن شناخته شده است ، بستگی دارد.

به عنوان مثال ، داده های مربوط به بیماری هایی که یک الگوی فصلی را نشان می دهد (به عنوان مثال ، آنفلوانزا و بیماریهای ناشی از پشه) معمولاً با داده های مربوط به فصل مربوطه از سالهای گذشته مقایسه می شوند. داده های مربوط به بیماری های بدون الگوی فصلی معمولاً بسته به ماهیت این بیماری با داده ها برای هفته های گذشته ، ماه ها یا سالها مقایسه می شود. نظارت بر بیماریهای مزمن به طور معمول به داده هایی که چندین سال را پوشش می دهد نیاز دارد. داده های مربوط به بیماریهای عفونی حاد فقط ممکن است به داده های پوشش هفته یا ماه نیاز داشته باشد ، اگرچه داده های گسترش یافته در طی چند سال نیز می توانند در تجزیه و تحلیل تاریخ طبیعی بیماری مفید باشند. داده های یک منطقه جغرافیایی گاهی با داده های منطقه دیگر مقایسه می شوند. به عنوان مثال ، داده های یک ایالت ممکن است با داده های مناطق مجاور یا با داده های ایالت مقایسه شود. اکنون ما روشهای متداول را برای تجزیه و تحلیل داده ها بر اساس زمان ، مکان و شخص شرح می دهیم.

تجزیه و تحلیل توسط زمان

تجزیه و تحلیل اساسی داده های نظارت بر زمان معمولاً برای توصیف روندها و تشخیص تغییرات در بروز بیماری انجام می شود. برای بیماریهای قابل توجه ، اولین تجزیه و تحلیل معمولاً مقایسه تعداد گزارش های موردی که برای هفته جاری دریافت شده است با تعداد دریافت شده در هفته های قبل است. این داده ها را می توان در یک جدول ، یک نمودار یا هر دو سازماندهی کرد (جدول 5. 5 و شکل 5. 2 و 5. 3). با دیدن جدول یا نمودار ، افزایش ناگهانی یا ایجاد تدریجی در تعداد موارد قابل تشخیص است. به عنوان مثال ، مقامات بهداشتی که داده های مربوط به کلارک را در جدول 5. 5 بررسی می کنند و شکل 5. 2 و 5. 3 متوجه شده اند که تعداد موارد هپاتیت A گزارش شده در هفته 4 از تعداد در هفته های گذشته فراتر رفته است. این روش وقتی سریعاً موارد جدید گزارش می شود ، به خوبی کار می کند.

جدول 5. 5 موارد گزارش شده از هپاتیت A ، براساس شهرستان و هفته گزارش ، 1991

تجزیه و تحلیل مشترک دیگر ، مقایسه تعداد موارد در دوره فعلی با تعداد گزارش شده در مدت مشابه برای 2-10 سال گذشته است (جدول 5. 6). به عنوان مثال ، مقامات بهداشت و درمان خاطرنشان می كنند كه 11 مورد گزارش شده برای كلارك در طی هفته های 1-4 در طول سال 1991 از تعداد گزارش شده در همان دوره 4 هفته در 3 سال گذشته فراتر رفته است. یک روش مرتبط شامل مقایسه تعداد تجمعی موارد گزارش شده در طول سال جاری (یا طی 52 هفته گذشته) با شماره تجمعی گزارش شده در همان تاریخ در سالهای گذشته است.

جدول 5. 5 موارد گزارش شده از هپاتیت A ، بر اساس شهرستان و سال گزارش ، 1991

تجزیه و تحلیل روند زمان طولانی مدت ، که به عنوان روندهای سکولار نیز شناخته می شود ، معمولاً شامل بروز نمودار بیماری در سال است. شکل 5. 1 میزان موارد گزارش شده مالاریا برای ایالات متحده در طی سالهای 2003-2003 را نشان می دهد. نمودارها همچنین می توانند نشانگر وقوع وقایع تصور شده در روند سکولار باشند (به عنوان مثال ، اجرای یا قطع یک برنامه کنترل یا تغییر در روش انجام نظارت). شکل 5. 2 عوارض گزارش شده از مالاریا را برای سالهای 1932-1932 ، همراه با وقایع و فعالیت های کنترل که بر بروز آن تأثیر گذاشت ، نشان می دهد. (2)

شکل 5. 1 نرخ (در هر 100000 نفر) موارد گزارش شده از مالاریا ، تا سال - ایالات متحده ، 2003-2003

اقتباس از: مراکز کنترل و پیشگیری از بیماری. خلاصه بیماریهای قابل توجه ، ایالات متحده ، 1993b. MMWR 1993 ؛42 (53): 38 ، و آگهی لانگمویر. نظارت بر بیماریهای واگیر با اهمیت ملی. N Engl J Med 1963 ؛ 268: 182-92.

شکل 5. 2 گزارش مالاریا - ایالات متحده ، 1932-1962

اقتباس از: مراکز کنترل و پیشگیری از بیماری. خلاصه بیماریهای قابل توجه ، ایالات متحده ، 1993b. MMWR 1993 ؛ 42 (53): 38 ، و سیستم نظارت بر بیماریهای قابل توجه [اینترنت]. آتلانتا: CDC [به روز شده 2005 اکتبر ؛استناد شده 2005 16 نوامبر]. موجود از: https://www.cdc. gov/ncphi/disss/dss/dsshis. htm ، langmuir ad. نظارت بر بیماریهای واگیر با اهمیت ملی. N Engl J Med 1963 ؛ 268: 184.

از روشهای آماری می توان برای تشخیص تغییرات در بروز بیماری استفاده کرد. سیستم تشخیص اولیه انحراف (EARS) بسته ای از برنامه های تجزیه و تحلیل آماری برای تشخیص ناهنجاری ها یا انحراف از پایه ، با استفاده از خط مقدم طولانی (3-5 سال) یا کوتاه مدت (کوتاه مدت 1-6 روز) است.(16)

تجزیه و تحلیل بر اساس مکان

تجزیه و تحلیل موارد به صورت مکان معمولاً در یک جدول یا نقشه نمایش داده می شود. ادارات بهداشتی و درمانی ایالتی و محلی معمولاً داده های نظارت را توسط محله یا توسط شهرستان تجزیه و تحلیل می کنند. CDC به طور معمول داده های نظارت بر حالت را تجزیه و تحلیل می کند. نرخ ها اغلب با تنظیم تفاوت در اندازه جمعیت مناطق مختلف ، ایالت ها یا سایر مناطق جغرافیایی محاسبه می شوند. شکل 5. 3 میزان مرگ و میر سرطان ریه را برای مردان سفید پوست برای همه مناطق ایالات متحده برای سالهای 2002-2002 نشان می دهد. برای مقابله با تغییرات شهرستان به ایالت در اندازه جمعیت و توزیع سن ، نرخ تنظیم سن نشان داده می شود.

شکل 5. 3 میزان مرگ و میر سرطان ریه و برونش تنظیم شده سن (در هر 100000 جمعیت) توسط ایالت-ایالات متحده ، 2002-2002

منبع داده: انستیتوی ملی سرطان [اینترنت] Bethesda: NCI [ذکر شده 2006 22 مارس] اپیدمیولوژی نظارت و نتایج نهایی (SEER). موجود از: http://seer. cancer. gov/faststats/.

ظهور سیستم های اطلاعات جغرافیایی (GIS) امکان تجزیه و تحلیل قوی تر از داده ها را به صورت مکان فراهم می کند و نقشه ها و سایه دار یا کروپلت را به سمت برنامه های بسیار پیشرفته تر منتقل کرده است. ترکیب شده برای شناسایی یا شفاف سازی روابط جغرافیایی. به عنوان مثال ، در شکل 5. 4 ، عدم وجود یا حضور کنه ای که بیماری Lyme را منتقل می کند ، ixodes scapularis ، بر روی مناسب بودن زیستگاه نشان داده شده است. (18) بسته های نرم افزاری مانند SATSCAN ™ (مارتین کولدورف ، دانشگاه هاروارد و سیستم مدیریت اطلاعات ، Inc. ، بهار نقره ، مریلند) ، Epiinfo ™ (CDC ، آتلانتا ، جورجیا) و Health Mapper (سازمان بهداشت جهانی ، ژنو ، سوئیس) عملکرد GIS را ارائه می دهند و می تواند هنگام تجزیه و تحلیل داده های نظارت مفید باشد. (19 - 21)

شکل 5. 4 نقشه خطر پیش بینی کننده مناسب بودن زیستگاه برای ixodes scapularis در ویسکانسین و ایلینویز

منبع: Guerra M ، Walker E ، Jones C ، Paskewitz S ، Cortinas MR ، Stancil A ، Beck L ، Bobo M ، Kitron U. پیش بینی خطر ابتلا به بیماری لایم: مناسب بودن زیستگاه برای ixodes scapularis در شمال مرکزی ایالات متحده. Emerg Infect Dis. 2002 ؛ 8: 289-97.

تجزیه و تحلیل توسط زمان و مکان

به عنوان یک ماده عملی ، وقوع بیماری اغلب توسط زمان و مکان به طور همزمان مورد تجزیه و تحلیل قرار می گیرد. تجزیه و تحلیل در زمان و مکان می تواند در یک جدول یا در یک سری نقشه ها که دوره ها یا جمعیت های مختلف را برجسته می کند ، سازماندهی و ارائه شود (شکل 5. 5 و 5. 6).

شکل 5. 5 میزان مرگ و میر سرطان روده بزرگ تنظیم شده با سن* برای زنان سفید پوست توسط ایالت-ایالات متحده ، 1950-1954 ، 1970-1974 و 1990-1994

* مقیاس بر اساس نرخ 1950-1994 (در هر 100000 سال).

منبع داده: نقشه های مرگ و میر قابل تنظیم [اینترنت] Bethesda: موسسه ملی سرطان [ذکر شده 2006 22 مارس]. موجود از: http://cancercontrolplanet. cancer. gov/atlas/index. jsp.

شکل 5. 6 میزان مرگ و میر سرطان روده بزرگ تنظیم شده با سن* برای مردان سفید پوست توسط ایالت-ایالات متحده ، 1950-1954 ، 1970-1974 و 1990-1994

* مقیاس بر اساس نرخ 1950-1994 (در هر 100000 سال).

منبع داده: نقشه های مرگ و میر قابل تنظیم [اینترنت] Bethesda: موسسه ملی سرطان [ذکر شده 2006 22 مارس]. موجود از: http://cancercontrolplanet. cancer. gov/atlas/index. jsp.

تجزیه و تحلیل توسط شخص

متداول ترین ویژگی های شخص جمع آوری و مورد تجزیه و تحلیل سن و جنس است. داده های مربوط به نژاد و قومیت به طور مداوم برای تجزیه و تحلیل در دسترس است. سایر خصوصیات (به عنوان مثال ، مدرسه یا محل کار ، بستری شدن در بیمارستان اخیر و وجود چنین عوامل خطر برای بیماریهای خاص مانند سفر اخیر یا سابقه استعمال سیگار) نیز بسته به مشکل سلامتی ممکن است برای تجزیه و تحلیل در دسترس و مفید باشد.

سن

مقولات سنی معنی دار برای تجزیه و تحلیل به بیماری مورد علاقه بستگی دارد. دسته بندی ها باید متقابلاً منحصر به فرد و همه جانبه باشند. متقابلاً منحصر به فرد به این معنی است که پایان یک گروه نمی تواند با ابتدای گروه بعدی همپوشانی داشته باشد (به عنوان مثال ، 1-4 سال و 5-9 سال به جای 1-5 و 5-9). همه جانبه به این معنی است که دسته ها باید شامل کلیه امکانات ، از جمله افراط در سن (به عنوان مثال ،

توزیع سنی مشخصه یک بیماری باید در تصمیم گیری در مورد دسته سنی - مقولات باریک برای سنین اوج ، دسته های گسترده تری برای باقیمانده استفاده شود. اگر توزیع سن با گذشت زمان تغییر کند یا از نظر جغرافیایی متفاوت باشد ، دسته بندی ها می توانند برای ایجاد اختلافات تغییر کنند.

برای استفاده از داده ها در محاسبه نرخ ، دسته سنی باید مطابق با دسته سنی موجود برای جمعیت در معرض خطر باشد. به عنوان مثال ، داده های سرشماری معمولاً به صورت منتشر می شوند

فاکتور خطر شخص دیگر یا مربوط به بیماری

برای برخی از بیماری ها ، اطلاعات مربوط به سایر عوامل خطر خاص (به عنوان مثال ، نژاد ، قومیت و شغل) به طور معمول جمع آوری و به طور مرتب مورد تجزیه و تحلیل قرار می گیرند. به عنوان مثال ، آیا هیچ یک از موارد گزارش شده هپاتیت A در بین مواد غذایی که ممکن است مراجعان مظنون را در معرض دید قرار دهند (یا ممکن است در معرض دید قرار گرفته باشد) رخ داده است؟برای گزارش های مورد هپاتیت B ، دو یا چند گزارش از دندانپزشک مشابه به عنوان منبع بالقوه ذکر شده است؟برای گزارش موردی واریسلا (آبله مرغان) ، آیا بیمار واکسینه شده است؟تجزیه و تحلیل داده های عامل ریسک می تواند اطلاعات مفید برای کنترل و پیشگیری از بیماری را ارائه دهد. متأسفانه ، از داده های مربوط به عوامل خطر اغلب برای تجزیه و تحلیل در دسترس نیست ، به ویژه اگر یک فرم عمومی (یعنی یک فرم گزارش برای همه بیماری ها) یا از منبع داده ثانویه استفاده شود.

تفسیر نتایج تحلیل ها

هنگامی که بروز یک بیماری افزایش می یابد یا الگوی آن در بین یک جمعیت خاص در یک زمان و مکان خاص از الگوی مورد انتظار متفاوت است ، معمولاً بررسی های بیشتر یا افزایش تأکید بر اقدامات پیشگیری یا کنترل معمولاً نشان داده می شود. میزان افزایش یا تنوع مورد نیاز برای عمل معمولاً به صورت محلی تعیین می شود و نشان دهنده اولویت های اختصاص داده شده به بیماری های مختلف ، توانایی ها و منابع وزارت بهداشت محلی و گاهی توجه یا فشار عمومی ، سیاسی یا رسانه ای است.

برای برخی از بیماری ها (به عنوان مثال ، بوتولیسم) ، یک مورد واحد از بیماری از اهمیت بهداشت عمومی یا سوء ظن منبع مشترک عفونت برای دو یا چند مورد ، اغلب دلیل کافی برای شروع تحقیقات است. همچنین ممکن است سوء ظن از این که بیماران مشترکی دارند ، برانگیخته شود (به عنوان مثال ، محل زندگی ، مدرسه ، شغل ، پیشینه نژادی/قومی یا زمان شروع بیماری). یا یک پزشک یا فرد آگاه دیگر ممکن است گزارش دهد که چندین مورد فعلی یا اخیر از همان بیماری مشاهده شده است و به ارتباط بودن مظنون هستند (به عنوان مثال ، گزارشی از موارد متعدد هپاتیت A در 2 هفته گذشته از یک شهرستان).

افزایش یا کاهش مشاهده در بروز یا شیوع ممکن است نتیجه جنبه ای از نحوه انجام نظارت به جای یک تغییر واقعی در بروز بیماری باشد. علل متداول چنین تغییرات مصنوعی عبارتند از:

• تغییر در روشها یا خط مشی های گزارش محلی (به عنوان مثال ، تغییر از نظارت منفعل به فعال).
• تغییرات در تعریف مورد (به عنوان مثال ، ایدز در سال 1993).
• افزایش رفتار به دنبال سلامت (به عنوان مثال ، تبلیغات رسانه ای افراد دارای علائم را به دنبال مراقبت پزشکی سوق می دهد).
• افزایش تشخیص.
• آزمایش آزمایشگاهی جدید یا روش تشخیصی.
• افزایش آگاهی پزشک از این بیماری ، یا یک پزشک جدید در شهر است.
• افزایش گزارش (به عنوان مثال ، بهبود آگاهی از نیاز به گزارش).
• شیوع بیماری مشابه ، تشخیص اشتباه به عنوان بیماری مورد علاقه.
• خطای آزمایشگاهی
• گزارش دسته ای که در آن گزارشات مربوط به دوره های قبلی در یک دوره گزارشگری دیگر به طور همزمان برگزار می شود و گزارش می شود (به عنوان مثال ، گزارش کلیه موارد دریافت شده در ماه دسامبر و هفته اول ژانویه در هفته دوم ژانویه).

تغییرات مصنوعی شامل افزایش اندازه جمعیت ، بهبود روشهای تشخیصی ، گزارشگری پیشرفته و گزارش تکراری است. افزایش شدید در بروز بیماری نشان داده شده در شکل 5. 7 و 5. 8 را مقایسه کنید. اگرچه آنها مشابه به نظر می رسند ، افزایش نمایش داده شده در شکل 5. 7 نشان دهنده افزایش واقعی در بروز است ، در حالی که افزایش نمایش داده شده در شکل 5. 8 ناشی از تغییر در تعریف پرونده است. (با این وجود 22 ، 23) ، زیرا مسئولیت اصلی وزارت بهداشت محافظت از آن استسلامت عمومی ، مقامات بهداشت عمومی معمولاً افزایش ظاهری را واقعی می دانند و مطابق آن پاسخ می دهند ، تا زمانی که در غیر این صورت اثبات شود.

شکل 5. 7 موارد گزارش شده از سالمونلوز در 100000 جمعیت ، تا سال - ایالات متحده ، 2002-2002

منبع: مراکز کنترل و پیشگیری از بیماری. خلاصه بیماری های قابل توجه - کشورهای متحد ، 2002. منتشر شده در 30 آوریل 2004 ، برای MMWR 2002 ؛ 51 (شماره 53): ص. 59

شکل 5. 8 موارد گزارش شده از ایدز ، تا سال - ایالات متحده* و سرزمین های ایالات متحده ، 1982-2002

* تعداد کل پرونده های ایدز شامل کلیه موارد گزارش شده به CDC از تاریخ 31 دسامبر 2002 است. کل شامل مواردی در بین ساکنان در سرزمین های ایالات متحده و 94 مورد در بین افراد دارای وضعیت ناشناخته است.

منبع: مراکز کنترل و پیشگیری از بیماری. خلاصه بیماری های قابل توجه - کشورهای متحد ، 2002. منتشر شده در 30 آوریل 2004 ، برای MMWR 2002 ؛ 51 (شماره 53): ص. 59

تمرین 5. 4

طی 6 سال گذشته ، یک تا سه مورد در سال سل به یک اداره بهداشت و درمان ایالتی گزارش شده است. طی 3 ماه گذشته ، 17 مورد گزارش شده است. به جز دو مورد از این موارد از یک شهرستان گزارش شده است. روزنامه محلی مقاله ای را در مورد یکی از اولین موارد گزارش شده منتشر کرد ، که در یک دختر 3 ساله رخ داده است. دلایل احتمالی افزایش در موارد گزارش شده را شرح دهید.

منابع (این بخش)

1. لانگمویر AD. نظارت بر بیماریهای واگیر با اهمیت ملی. N Engl J Med 1963؛ 268:182-92.

1. Hutwagner L، Thompson W، Seeman GM، Treadwell T. آمادگی بیوتروریسم و پاسخ سیستم گزارش دهی انحراف اولیه (EARS). J Urban Health 2003؛ 80:89-96.
2. Croner CM. سلامت عمومی GIS و اینترنت. بهداشت عمومی Au Rev 2003؛ 24:57-82.
3. Guerra M، Walker E، Jones C، Paskewitz S، Cortinas MR، Stancil A، Beck L، Bobo M، Kitron U. پیش بینی خطر بیماری لایم: مناسب بودن زیستگاه برای Ixodes scapularis در شمال مرکزی ایالات متحده. Emerg Infect Dis. 2002؛ 8:289-97.
4. SaTScan [اینترنت]. بوستون: SaTScan [به روز رسانی در 14 اوت 2006] موجود در: http://www.satscan.org/.
5. مراکز کنترل و پیشگیری از بیماری [اینترنت]. آتلانتا: CDC [به روز شده در 8 نوامبر 2005. به نقل از 31 ژانویه 2006]. EpiInfo. در دسترس از: https://www.cdc. gov/epiinfo/.
6. The HealthMapper [اینترنت] ژنو: سازمان بهداشت جهانی [به روز رسانی در 2006; به نقل از 31 ژانویه 2006]. در دسترس از: http://www.who. int/health_mapping/tools/healthmapper/en/.
7. مراکز کنترل و پیشگیری از بیماری. به روز رسانی روندهای کنونی: تأثیر گسترش تعریف مورد نظارت بر ایدز برای نوجوانان و بزرگسالان در گزارش مورد - ایالات متحده، 1993a. MMWR 1994؛ 43:160-1, 167-70.
8. Ryan CA، Nickels MK، Hargrett-Bean NT، و همکاران. شیوع گسترده سالمونلوز مقاوم به ضد میکروبی در شیر پاستوریزه یافت می شود. جاما 1987؛ 258:3269-74.

صفحه قبل صفحه بعد: بخش 6

توضیحات متن جایگزین برای تصاویر

شکل 5. 2

توضیحات: نمودار خطی افزایش و کاهش را در طول فعالیت های پیشگیری از جمله برنامه کنترل مالاریا TVA با استفاده از مدیریت آب، اقدامات ضد لارو و ضدمجنیال نشان می دهد. برنامه زهکشی کنترل مالاریا WPA شامل اقدامات ضد لارو. برنامه مناطق جنگی برای محافظت از کارآموزان نظامی در برابر مالاریا با استفاده از اقدامات ضد لارو؛برنامه توسعه یافته برای جلوگیری از شیوع مالاریا از سربازان بازگشته با استفاده از DDT. برنامه ریشه کنی مالاریا شامل DDT و درمان. و فعالیت های نظارت و پیشگیری از مالاریا؛و درمان پریماکین با سربازان در ترابری که از مناطق آندمیک مالاریا باز می گردند. عوامل دیگر شامل تأثیر احتمالی رکود اقتصادی بود. عود موارد خارج از کشور؛و عود از کره. بازگشت به متن

شکل 5. 4

توضیحات: نقشه نقطه ای از نمادها برای نشان دادن وجود یا عدم حضور Ixodes scapularis و رنگ ها نشان دهنده مناسب بودن زیستگاه است. بازگشت به متن

شکل 5. 7

توضیحات: نمودار خطی موارد گزارش شده در طول زمان افزایش چشمگیری را نشان می دهد که مربوط به شیوع ناشی از شیر آلوده و پاستوریزه در ایلینوی است. بازگشت به متن

شکل 5. 8

توضیحات: نمودار خطی موارد گزارش شده در طول زمان افزایش چشمگیری در موارد گزارش شده را نشان می دهد که مطابق با گسترش تعریف پرونده نظارت است. بازگشت به متن