2016
DOI: 10.4038/cjs.v45i3.7399
|View full text |Cite
|
Sign up to set email alerts
|

Geo-statistical dengue risk model using GIS techniques to identify the risk prone areas by linking rainfall and population density factors in Sri Lanka

Abstract: Frequent dengue outbreaks is one of the main health related problems in Sri Lanka. The biggest outbreak occurred in 2014 with 47,246 dengue cases identified.An effective analysis of the epidemic is a vital part in controlling the outbreak. There is an uncertainty in identification of the relationship of dengue outbreak and influencing factors such as rainfall and population density. Hence, a careful study of these factors is needed. Ordinary Least Square (OLS) regression was first applied to find its suitabili… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1

Citation Types

0
2
0
2

Year Published

2017
2017
2023
2023

Publication Types

Select...
7
1
1

Relationship

0
9

Authors

Journals

citations
Cited by 11 publications
(4 citation statements)
references
References 7 publications
0
2
0
2
Order By: Relevance
“…Alat ini efektif untuk melakukan upaya pengendalian demam dengue. 21 Dari 11 artikel di atas, tampak jelas bahwa pemanfaatan sistem informasi geografis dapat digabungkan dengan berbagai metode selain predictive learning untuk memahami dan mengidentifikasi faktor-faktor risiko yang mempengaruhi penyebaran penyakit dengue. Hal tersebut sejalan dengan studi sebelumnya (Jayadas T.T.P, 2023) yang melaporkan bahwa peta risiko dengue berbasis GIS sangat berguna untuk mengidentifikasi pola risiko dengue dan diharapkan dapat berguna bagi dinas kesehatan untuk memprioritaskan sumber daya ke daerah-daerah yang berisiko.…”
Section: Predictive Learningunclassified
“…Alat ini efektif untuk melakukan upaya pengendalian demam dengue. 21 Dari 11 artikel di atas, tampak jelas bahwa pemanfaatan sistem informasi geografis dapat digabungkan dengan berbagai metode selain predictive learning untuk memahami dan mengidentifikasi faktor-faktor risiko yang mempengaruhi penyebaran penyakit dengue. Hal tersebut sejalan dengan studi sebelumnya (Jayadas T.T.P, 2023) yang melaporkan bahwa peta risiko dengue berbasis GIS sangat berguna untuk mengidentifikasi pola risiko dengue dan diharapkan dapat berguna bagi dinas kesehatan untuk memprioritaskan sumber daya ke daerah-daerah yang berisiko.…”
Section: Predictive Learningunclassified
“…Di daerah perkotaan dengan kepadatan bangunan yang berdekatan menjadi tempat ideal nyamuk dewasa untuk berkembang biak, sebab sinar matahari tidak dapat menembus area ini dengan baik sehingga meningkatkan risiko nyamuk Aedes aegypti betina memiliki tempat lembab yang cocok untuk bertelur, terutama di area yang sering terkena tetesan air, seperti dari Air Conditioner (Sekarrini et al 2022a). Vektor nyamuk Aedes aegypti dikaitkan dengan tempat tinggal manusia yang rapat sehingga mudah berpindah antar bangunan untuk mencari makan dan istirahat selama periode tidak aktif, sedangkan menurut (Sumanasinghe et al 2016) curah hujan merupakan salah satu faktor penyebaran penyakit DBD. Terdapat kenaikan populasi nyamuk setelah terjadi hujan.…”
Section: Pembahasanunclassified
“…Many studies have identified environmental, meteorological, and demographic factors related to vector populations and arboviral transmission such as human population density, climate, normalized difference vegetation index (NDVI), and gross domestic product (GDP) [5,6]. More recent research has considered the impact of socio-economic status [7] and urbanization including urban heat islands [8] on risk of increased dengue transmission [9,10].…”
Section: Introductionmentioning
confidence: 99%