Please use this identifier to cite or link to this item:
https://ptsldigital.ukm.my/jspui/handle/123456789/515829Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Jamal Hisham Hashim, Prof. Dr. | - |
| dc.contributor.author | Haidar Rizal Toha (P51707) | - |
| dc.date.accessioned | 2023-10-16T09:31:24Z | - |
| dc.date.available | 2023-10-16T09:31:24Z | - |
| dc.date.issued | 2014-06-22 | - |
| dc.identifier.other | ukmvital:80554 | - |
| dc.identifier.uri | https://ptsldigital.ukm.my/jspui/handle/123456789/515829 | - |
| dc.description | Penyakit demam denggi adalah penyakit yang mempunyai kesan yang besar di Malaysia dan mempunyai potensi yang besar untuk merebak ke wilayah baru di arena global atas sebab aktiviti manusia dan perubahan iklim. Faktor-faktor persekitaran mempunyai kesan ke atas epidemik penyakit ini melalui pengaruh kepada pembiakan vektornya. Antara beban yang perlu ditanggung dalam menangani masalah ini adalah dalam identifikasi wabak, penentuan diagnosis dan survelans vektor. Hubungan di antara demam denggi dengan faktor-faktor persekitaran iaitu cuaca, kepadatan nyamuk, gunatanah dan tahap pembandaran dikaji di negeri Selangor. Didapati, lebih separuh kes denggi berlaku pada peringkat umur 11 hingga 40 tahun dan pada jantina lelaki. Hasil analisis reruang di empat daerah iaitu Hulu Selangor, Klang, Petaling serta Sepang menunjukkan kejadian demam denggi berlaku secara berkelompok yang bermakna secara statistik pada julat jarak yang berbeza-beza. Penghasilan peta lokasi kes, lokasi wabak, kawasan berisiko tinggi terhadap demam denggi dan kawasan yang menerima kesan penyakit akibat gunatanah yang berhampiran juga dilakukan. Pemetaan kesan gunatanah adalah untuk pertanian, badan air bertakung, perumahan, industri, tanah lapang dan saliran di keempat-empat daerah. Peramalan untuk keputusan serologi, jenis demam denggi dan bilangan kes denggi mingguan telah dilakukan menggunakan analisis jaringan neural buatan. Model dengan 13 neuron dalam 1 lapisan tersembunyi dihasilkan menggunakan input umur pesakit, jantina, bilangan platlet, tekanan darah, suhu badan, hematokrit, bilangan tanda serta gejala dialami, purata hujan mingguan, purata kelembapan relatif mingguan dan purata suhu persekitaran mingguan untuk meramal keputusan serologi dan jenis denggi. Kejituan peramalan keputusan serologi adalah 84.7% manakala untuk keputusan jenis denggi adalah 69.8%. Ramalan terbaik jaringan neural buatan bagi bilangan kes denggi mingguan daerah Klang adalah menggunakan 4 neuron dalam 1 lapisan tersembunyi dengan input purata hujan mingguan, purata kelembapan relatif mingguan purata suhu persekitaran mingguan dan bilangan kes minggu terdahulu. Hasil kajian ini berguna dijadikan alat untuk sistem amaran awal secara klinikal dan perancangan aktiviti kawalan penyakit demam denggi.,Dengue fever has a tremendous effect in Malaysia and it has a huge potential to spread to new territory globally due to human activity and climate change. Environmental factors affect the disease epidemic via their influence to its vector propagation. Among the burden to be borne in dealing with this matter is in epidemic identification, diagnosis determination and vector surveillance. The relationship between dengue fever and environmental factors namely meteorology, vector density, land use and urbanization level was studied in the state of Selangor. As a result, more than half of cases are aged between 11 to 40 years old and occurred in men. Spatial analysis in four districts namely Hulu Selangor, Klang, Petaling and Sepang showed clustering of cases which are statistically significant at differing range of distances. Formation of maps of cases location, epidemic location, high-risk areas and areas that are affected by nearby land uses were done. Land use effect mapping were for agriculure, stagnant water bodies, housing, industry, open land and drainage in all four districts. Prediction of serology result, type of dengue fever and number of dengue cases in a week were performed using artificial neural network. Models with 13 neurons in 1 hidden layer were constructed using inputs of patients' age, gender, platelet count, blood pressure, body temperature, packed cell volume, number of dengue symptoms suffered , weekly mean rainfall, weekly mean temperature and weekly mean relative humidity to predict serology result and type of dengue fever. The accuracy for serology prediction was 84.7% while for type of dengue fever, it was 69.8%. Artificial neural network prediction for number of dengue cases per week was performed for Klang using 4 neurons in 1 hidden layer with weekly mean rainfall, weekly mean temperature, weekly mean relative humidity and number of previous week cases used as inputs. The result of this study is useful to be applied as a tool for early warning system in clinical setting and as a guide for dengue fever prevention and control activities.,Ijazah Doktor Kesihatan Masyarakat,Penyakit demam denggi adalah penyakit yang mempunyai kesan yang besar di Malaysia dan mempunyai potensi yang besar untuk merebak ke wilayah baru di arena global atas sebab aktiviti manusia dan perubahan iklim. Faktor-faktor persekitaran mempunyai kesan ke atas epidemik penyakit ini melalui pengaruh kepada pembiakan vektornya. Antara beban yang perlu ditanggung dalam menangani masalah ini adalah dalam identifikasi wabak, penentuan diagnosis dan survelans vektor. Hubungan di antara demam denggi dengan faktor-faktor persekitaran iaitu cuaca, kepadatan nyamuk, gunatanah dan tahap pembandaran dikaji di negeri Selangor. Didapati, lebih separuh kes denggi berlaku pada peringkat umur 11 hingga 40 tahun dan pada jantina lelaki. Hasil analisis reruang di empat daerah iaitu Hulu Selangor, Klang, Petaling serta Sepang menunjukkan kejadian demam denggi berlaku secara berkelompok yang bermakna secara statistik pada julat jarak yang berbeza-beza. Penghasilan peta lokasi kes, lokasi wabak, kawasan berisiko tinggi terhadap demam denggi dan kawasan yang menerima kesan penyakit akibat gunatanah yang berhampiran juga dilakukan. Pemetaan kesan gunatanah adalah untuk pertanian, badan air bertakung, perumahan, industri, tanah lapang dan saliran di keempat-empat daerah. Peramalan untuk keputusan serologi, jenis demam denggi dan bilangan kes denggi mingguan telah dilakukan menggunakan analisis jaringan neural buatan. Model dengan 13 neuron dalam 1 lapisan tersembunyi dihasilkan menggunakan input umur pesakit, jantina, bilangan platlet, tekanan darah, suhu badan, hematokrit, bilangan tanda serta gejala dialami, purata hujan mingguan, purata kelembapan relatif mingguan dan purata suhu persekitaran mingguan untuk meramal keputusan serologi dan jenis denggi. Kejituan peramalan keputusan serologi adalah 84.7% manakala untuk keputusan jenis denggi adalah 69.8%. Ramalan terbaik jaringan neural buatan bagi bilangan kes denggi mingguan daerah Klang adalah menggunakan 4 neuron dalam 1 lapisan tersembunyi dengan input purata hujan mingguan, purata kelembapan relatif mingguan purata suhu persekitaran mingguan dan bilangan kes minggu terdahulu. Hasil kajian ini berguna dijadikan alat untuk sistem amaran awal secara klinikal dan perancangan aktiviti kawalan penyakit demam denggi,Dengue fever has a tremendous effect in Malaysia and it has a huge potential to spread to new territory globally due to human activity and climate change. Environmental factors affect the disease epidemic via their influence to its vector propagation. Among the burden to be borne in dealing with this matter is in epidemic identification, diagnosis determination and vector surveillance. The relationship between dengue fever and environmental factors namely meteorology, vector density, land use and urbanization level was studied in the state of Selangor. As a result, more than half of cases are aged between 11 to 40 years old and occurred in men. Spatial analysis in four districts namely Hulu Selangor, Klang, Petaling and Sepang showed clustering of cases which are statistically significant at differing range of distances. Formation of maps of cases location, epidemic location, high-risk areas and areas that are affected by nearby land uses were done. Land use effect mapping were for agriculure, stagnant water bodies, housing, industry, open land and drainage in all four districts. Prediction of serology result, type of dengue fever and number of dengue cases in a week were performed using artificial neural network. Models with 13 neurons in 1 hidden layer were constructed using inputs of patients' age, gender, platelet count, blood pressure, body temperature, packed cell volume, number of dengue symptoms suffered , weekly mean rainfall, weekly mean temperature and weekly mean relative humidity to predict serology result and type of dengue fever. The accuracy for serology prediction was 84.7% while for type of dengue fever, it was 69.8%. Artificial neural network prediction for number of dengue cases per week was performed for Klang using 4 neurons in 1 hidden layer with weekly mean rainfall, weekly mean temperature, weekly mean relative humidity and number of previous week cases used as inputs. The result of this study is useful to be applied as a tool for early warning system in clinical setting and as a guide for dengue fever prevention and control activities | - |
| dc.language.iso | may | - |
| dc.publisher | UKM, Kuala Lumpur | - |
| dc.relation | Faculty of Medicine / Fakulti Perubatan | - |
| dc.rights | UKM | - |
| dc.subject | Demam denggi | - |
| dc.subject | Public health | - |
| dc.subject | Dissertations, Academic -- Malaysia | - |
| dc.subject | Universiti Kebangsaan Malaysia -- Dissertations | - |
| dc.title | Kejadian demam denggi dan hubungannya dengan faktor-faktor persekitaran dalam pembentukan ramalan penyakit di negeri Selangor dari tahun 2008 hingga 2010 | - |
| dc.type | Theses | - |
| dc.format.pages | 266 | - |
| dc.identifier.callno | WA20.5.H149k 2014 9HUKM tesis | - |
| Appears in Collections: | Faculty of Medicine / Fakulti Perubatan | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ukmvital_80554+SOURCE1+SOURCE1.0.PDF Restricted Access | 5.41 MB | Adobe PDF |  View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.