میزانهای سالیانه مرگ و میر، یکی از شناخته شده ترین و کاربردی ترین شاخص های سنجش سلامت و برآورد بار بیماری ها محسوب می شوند. یکی از منابع عمده خطا در آن طبقه بندی نادرست علل مرگ و میر می باشد. طبقه بندی نادرست از جمله مشکلات عمده در تحلیل اپیدمیولوژیک اطلاعات مرگ و میر محسوب می شود و ایران نیز به عنوان یک کشور درحال توسعه از این مشکل مستثنا نیست. به طور کلی دور روش آماری برای تصحیح طبقه بندی نادرست ارائه شده است؛ روش اول استفاده از نمونه تصادفی تصحیح شده و تعمیم نتایج آن به کل جمعیت تحت مطالعه است و روش دیگر استفاده از رویکرد بیزی در برآورد پارامتر طبقه بندی نادرست از طریق یک توزیع پیشین و سپس تصحیح مجدد اطلاعات است. هدف مطالعه حاضر، ارائه یک مدل بیزی جهت تصحیح طبقه بندی نادرست اطلاعات ثبت مرگ حاصل از سرطان های روده بزرگ، معده و کبد در ایران (از سال 1995 تا 2003 که بوسیله وزارت بهداشت تهیه شده بود)در حالتی که طبقه بندی نادرست یک طرفه است و بررسی کارایی این مدل با استفاده از شبیه سازی است. در این تحقیق با استفاده از توزیع های پیشین آگاهی بخش بتا در مدل پواسن، طبقه بندی نادرست داده های ثبتی مرگ حاصل از این سرطان ها در یک الگوریتم نمونه گیری گیبز برآورد شده و سپس میزان های مرگ تصحیح شدند. جهت بررسی میزان کارایی روش در شبیه سازی، اطلاعات در دو گروه تقسیم بندی شده و در حجمهای نمونه مختلف، میزانهای متفاوتی از طبقه بندی نادرست ایجاد شده و سپس با استفاده از توزیع های پیشین ناآگاهی بخش و آگاهی بخش، پارامتر طبقه بندی نادرست برآورد شدند و از معیار حداقل مربع خطا جهت تعیین میزان کارایی مدلها استفاده شد. نتایج این تحقیق نشان داد که درحدود 30 الی 40 درصد از موارد مرگ حاصل از سرطان های روده بزرگ، معده و کبد به غلط طبقه بندی شده اند. درنتیجه برای داشتن برآورد صحیحتری از بار این بیماری ها، تصحیح این طبقه بندی نادرست ضروری است. همچنین یافته های شبیه سازی تایید کرد که درصورت انتخاب توزیع پیشین مناسب، می توان پارامتر طبقه بندی نادرست را با دقت بالایی برآورد کرد. نتایج حاصل از معیار حداقل مربع خطا نشان داد برآوردهایی که براساس توزیع پیشین آگاهی بخش و نیز نمونه های با اندازه کوچک بهتر عمل می کند.

چکیده ندارد.