We used a DLM that model led the ma

We used a DLM that model led the main effects as a linear function and the delayed effects as a polynomial function. The selection of maximum lag was conducted using model residual checking and we checked maximum lag up to 6 months. We used second order quadratic polynomial smoothing for the lag. The mean value of each weather var- iable was used as a baseline (referring value) to measure the relative risks. We plotted relative risks against weather variables and lags to show the entire relationship between weather conditions and dengue.

ผลลัพธ์ (ไทย) 1:

เราใช้ DLM ว่ารูปแบบนำผลกระทบหลักที่เป็นฟังก์ชันเชิงเส้นและผลกระทบล่าช้าเป็นฟังก์ชันพหุนาม การเลือกของความล่าช้าสูงสุดคือการดำเนินการโดยใช้การตรวจสอบที่เหลือรุ่นและเราตรวจสอบความล่าช้าสูงสุดถึง 6 เดือน เราใช้คำสั่งที่สองพหุนามกำลังสองเรียบกับความล่าช้าค่าเฉลี่ยของแต่ละสภาพอากาศ var-iable ถูกนำมาใช้เป็นพื้นฐาน (ค่าอ้างอิง) ในการวัดความเสี่ยงที่เกี่ยวข้อง เราวางแผนความเสี่ยงที่เกี่ยวข้องกับตัวแปรสภาพอากาศและล่าช้าในการแสดงความสัมพันธ์ระหว่างทั้งสภาพอากาศและโรคไข้เลือดออก

ผลลัพธ์ (ไทย) 2:

เราใช้ DLM เป็นแบบจำลองที่นำผลหลักเป็นฟังก์ชันเชิงเส้นและผลล่าช้าเป็นฟังก์ชันพหุนาม การเลือกของความล่าช้าสูงสุดได้ดำเนินการโดยใช้แบบตรวจสอบส่วนที่เหลือ และเราตรวจสอบความล่าช้าสูงสุดค่าเดือน 6 เราใช้ปรับให้สองสั่งกำลังสองพหุนามเรียบสำหรับความล่าช้า ค่าเฉลี่ยของแต่ละสภาพอากาศ var-iable ถูกใช้เป็นหลัก (ค่าอ้างอิง) เพื่อวัดความเสี่ยงสัมพัทธ์ เราพล็อตความเสี่ยงที่สัมพันธ์กับสภาพอากาศแปรและ lags เพื่อแสดงความสัมพันธ์ทั้งระหว่างสภาพป่วย