ઇન્સિડન્સ અને પ્રિવેલન્સ કેલ્ક્યુલેટર

કેસની સંખ્યા અને વસ્તીને ક્યુમ્યુલેટિવ ઇન્સિડન્સ, પર્સન-ટાઇમ ઇન્સિડન્સ રેટ અને પોઇન્ટ પ્રિવેલન્સમાં ફેરવો — દરેક માપ પાછળના છેદની સ્પષ્ટ વિગત સાથે.

તમારા આંકડા
કેસ
વસ્તી
આના આધારે રેટ રિપોર્ટ કરો
માપદંડો

ક્યુમ્યુલેટિવ ઇન્સિડન્સ (સંચિત ઘટના દર)

ઇન્સિડન્સ પ્રપોશન (ઘટના પ્રમાણ) — સમયગાળા દરમિયાનની સંભાવના

ફોર્મ્યુલાનવા કેસ ÷ જોખમ ધરાવતી વસ્તી × ગુણક
કિંમતો મૂકવી
છેદ (ડિનોમિનેટર)

ઇન્સિડન્સ રેટ (ઘટના દર)

ઇન્સિડન્સ ડેન્સિટી (ઘટના ઘનતા) — નવા કેસ કેટલી ઝડપથી ઉદ્ભવે છે

ફોર્મ્યુલાનવા કેસ ÷ જોખમ ધરાવતો પર્સન-ટાઇમ × ગુણક
કિંમતો મૂકવી
છેદ (ડિનોમિનેટર)

પોઇન્ટ પ્રિવેલન્સ (બિંદુ વ્યાપકતા)

તમામ હાલના કેસોનો સ્નેપશોટ

ફોર્મ્યુલાહાલના કેસ ÷ કુલ વસ્તી × ગુણક
કિંમતો મૂકવી
છેદ (ડિનોમિનેટર)
દરેક માપની ગણતરી તેના પોતાના છેદ પરથી કરવામાં આવે છે — પ્રમાણને તેમના સમયગાળા સાથે અને રેટને તેના સમયના એકમ સાથે દર્શાવો.

તમે દાખલ કરેલી સંખ્યાઓ અને વસ્તી આ પેજ પર જ રહે છે — બધું તમારા બ્રાઉઝરમાં ગણવામાં આવે છે, અને કશું જ અપલોડ, સેવ કે શેર થતું નથી.

વારંવાર પૂછાતા પ્રશ્નો

ઇન્સિડન્સ અને પ્રિવેલન્સ વચ્ચે શું તફાવત છે?

ઇન્સિડન્સ માત્ર સમયગાળા દરમિયાન દેખાતા નવા કેસોની ગણતરી કરે છે — એટલે કે કોઈ સ્થિતિ કેટલી ઝડપથી ઉદ્ભવી રહી છે. પ્રિવેલન્સ સમયના એક ચોક્કસ બિંદુએ તે સ્થિતિ ધરાવતા તમામ લોકોની ગણતરી કરે છે, જૂના અને નવા કેસ એકસાથે — એટલે કે તે ક્ષણે કુલ ભારણ કેટલું છે. ટૂંકા ગાળાની બીમારીમાં એકસાથે ઉચ્ચ ઇન્સિડન્સ અને ઓછું પ્રિવેલન્સ હોઈ શકે છે, જ્યારે લાંબા ગાળાની બીમારીમાં ઇન્સિડન્સ મધ્યમ હોય તો પણ પ્રિવેલન્સના કેસો એકઠા થતા જાય છે.

અલગ-અલગ છેદ ધરાવતા બે ઇન્સિડન્સ માપદંડો શા માટે છે?

ક્યુમ્યુલેટિવ ઇન્સિડન્સ નવા કેસને સમયગાળાની શરૂઆતમાં જોખમ ધરાવતી વસ્તી વડે ભાગે છે, જે તે સમયગાળા દરમિયાન સ્થિતિ વિકસાવવાની સંભાવના દર્શાવે છે. ઇન્સિડન્સ રેટ પર્સન-ટાઇમ (વ્યક્તિ-સમય) વડે ભાગે છે — જે જોખમ દરમિયાન દરેક વ્યક્તિનું વાસ્તવિક રીતે અવલોકન કરવામાં આવ્યું હોય તે સમયનો સરવાળો છે — તેથી જ્યારે લોકો અલગ-અલગ સમયે જોડાય છે, છોડે છે અથવા સ્થિતિ વિકસાવે છે ત્યારે પણ તે સચોટ રહે છે. ક્યુમ્યુલેટિવ ઇન્સિડન્સને તેના સમયગાળા સાથે અને રેટને તેના સમયના એકમ સાથે દર્શાવો.

હું પર્સન-ટાઇમનો આંકડો કેવી રીતે મેળવી શકું?

જોખમ ધરાવતી દરેક વ્યક્તિના અવલોકન સમયનો સરવાળો કરો: 50 લોકોમાંથી દરેકને 2 વર્ષ સુધી ફોલો કરવાથી 100 પર્સન-યર્સનું યોગદાન મળે છે. જ્યારે કોઈ વ્યક્તિમાં સ્થિતિ વિકસે છે, તેઓ અભ્યાસ છોડી દે છે અથવા સમયગાળો પૂરો થાય છે ત્યારે તેમનું યોગદાન બંધ થઈ જાય છે. જો તમે માત્ર વસ્તીનું કદ અને સમયગાળાની લંબાઈ જાણતા હોવ, તો વસ્તી × સમયગાળો એ સામાન્ય અંદાજ છે — કેલ્ક્યુલેટર હંમેશા તેણે વાસ્તવમાં ઉપયોગમાં લીધેલા છેદને લેબલ કરે છે.

ઇન્સિડન્સ અને પ્રિવેલન્સ કેવી રીતે જોડાયેલા છે?

સ્થિર સ્થિતિમાં રહેલી કોઈ સ્થિતિ માટે, પ્રિવેલન્સ ≈ ઇન્સિડન્સ રેટ × સરેરાશ સમયગાળો. આથી જ ડાયાબિટીસમાં મધ્યમ ઇન્સિડન્સ હોવા છતાં ઉચ્ચ પ્રિવેલન્સ (લાંબો સમયગાળો) હોય છે જ્યારે સામાન્ય શરદીમાં મોટો ઇન્સિડન્સ હોવા છતાં તે ઓછું રહે છે (દિવસો, વર્ષો નહીં). જ્યારે બંને માપદંડો ઉપલબ્ધ હોય ત્યારે કેલ્ક્યુલેટર સૂચિત સરેરાશ સમયગાળાને સુસંગતતા તપાસ તરીકે દર્શાવે છે, કોઈ તારણ તરીકે નહીં.

મારે કયો "પ્રતિ" ગુણક રિપોર્ટ કરવો જોઈએ?

સ્થિતિની વિરલતા માટેની પ્રણાલી સાથે મેળ બેસાડો: સામાન્ય સ્થિતિઓ માટે ટકાવારી યોગ્ય છે, ઓછી વારંવાર બનતી સ્થિતિઓ માટે પ્રતિ 1,000 અથવા પ્રતિ 10,000 યોગ્ય છે, અને કેન્સરની દેખરેખ સામાન્ય રીતે પ્રતિ 100,000 પર્સન-યર્સમાં નોંધવામાં આવે છે. ગુણક માત્ર સંખ્યાનું સ્કેલ બદલે છે — તે ક્યારેય છેદને બદલતો નથી, તેથી જ કેલ્ક્યુલેટર દરેક પરિણામની બાજુમાં છેદનું પુનરાવર્તન કરે છે.

ઇન્સિડન્સ અને પ્રિવેલન્સ વચ્ચેના મુખ્ય તફાવતો

રોગચાળાના વિજ્ઞાન (epidemiology) માં વસ્તીના સ્વાસ્થ્યનું મૂલ્યાંકન કરવા માટે ઇન્સિડન્સ (incidence) અને પ્રિવેલન્સ (prevalence) એ બે સૌથી પાયાના માપદંડો છે. આ બંને વિભાવનાઓ વસ્તીમાં રોગ અથવા સ્વાસ્થ્યની સ્થિતિના ભારણને અલગ-અલગ દ્રષ્ટિકોણથી માપે છે.

ઇન્સિડન્સ એ ચોક્કસ સમયગાળા દરમિયાન વસ્તીમાં ઉદ્ભવતા નવા કેસોની ગણતરી કરે છે. તે દર્શાવે છે કે કોઈ ચોક્કસ સ્થિતિ કેટલી ઝડપથી ફેલાઈ રહી છે અથવા વસ્તીમાં નવા કેસ કેટલા વેગથી આવી રહ્યા છે. બીજી તરફ, પ્રિવેલન્સ એ સમયના એક ચોક્કસ બિંદુએ વસ્તીમાં અસ્તિત્વ ધરાવતા તમામ કેસોનો સ્નેપશોટ છે. આમાં જૂના અને નવા બંને કેસોનો સમાવેશ થાય છે, જે તે ચોક્કસ ક્ષણે વસ્તી પર રોગનું કુલ કેટલું ભારણ છે તે દર્શાવે છે.

ટૂંકા ગાળાની બીમારીઓ (જેમ કે સામાન્ય શરદી અથવા ઈન્ફલ્યુએન્ઝા) માં નવો ચેપ ઝડપથી ફેલાતો હોવાથી તેનો ઇન્સિડન્સ ઘણો ઊંચો હોઈ શકે છે, પરંતુ દર્દીઓ ઝડપથી સાજા થઈ જતા હોવાથી કોઈ એક ચોક્કસ દિવસે તેનું પ્રિવેલન્સ ઓછું જોવા મળે છે. આનાથી વિપરીત, લાંબા ગાળાની અથવા આજીવન ચાલતી સ્થિતિઓ (જેમ કે ડાયાબિટીસ) માં વાર્ષિક નવા કેસોનો દર (ઇન્સિડન્સ) મધ્યમ હોઈ શકે છે, પરંતુ દર્દીઓ લાંબા સમય સુધી જીવતા હોવાથી વસ્તીમાં એકઠા થયેલા કુલ કેસોનું પ્રમાણ (પ્રિવેલન્સ) ઘણું ઊંચું હોય છે.

રોગચાળાના વિજ્ઞાનમાં છેદ (ડિનોમિનેટર) નું મહત્વ

કોઈપણ સ્વાસ્થ્ય સૂચકાંકની ગણતરી કરતી વખતે માત્ર કેસની સંખ્યા પૂરતી નથી; તે કેસ કઈ વસ્તીમાંથી અને કેટલા સમયના અવલોકનમાંથી આવ્યા છે તે છેદ (denominator) નક્કી કરવું અત્યંત મહત્વપૂર્ણ છે. સંશોધનો દર્શાવે છે કે છેદની ખોટી પસંદગી પ્રકાશિત થતા આંકડાઓમાં મોટો તફાવત લાવી શકે છે, તેથી જ દરેક માપની ગણતરી તેના પોતાના વિશિષ્ટ છેદ પરથી થવી જોઈએ.

ક્યુમ્યુલેટિવ ઇન્સિડન્સ (સંચિત ઘટના દર) ની ગણતરી કરતી વખતે છેદ તરીકે "સમયગાળાની શરૂઆતમાં જોખમ ધરાવતી વસ્તી" નો ઉપયોગ થાય છે. આ એવા લોકો છે જેઓ અભ્યાસની શરૂઆતમાં રોગમુક્ત છે પરંતુ તેમને આ રોગ થવાનું જોખમ છે.

ઇન્સિડન્સ રેટ (ઘટના દર) ની ગણતરીમાં છેદ તરીકે "પર્સન-ટાઇમ" (વ્યક્તિ-સમય) નો ઉપયોગ થાય છે. આ પદ્ધતિ વધુ સચોટ છે કારણ કે તે જોખમ હેઠળ રહેલી દરેક વ્યક્તિના વાસ્તવિક અવલોકન સમયનો સરવાળો કરે છે.

પોઇન્ટ પ્રિવેલન્સ (બિંદુ વ્યાપકતા) ની ગણતરીમાં છેદ તરીકે "સંદર્ભ સમયે કુલ વસ્તી" નો ઉપયોગ થાય છે, જેમાં તે ક્ષણે હાજર તમામ લોકોનો સમાવેશ થાય છે.

પર્સન-ટાઇમ (વ્યક્તિ-સમય) ની ગણતરી અને અંદાજ

પર્સન-ટાઇમ એ રોગચાળાના અભ્યાસમાં સમય અને વસ્તી બંનેને એકસાથે માપવાનો એકમ છે. જ્યારે અભ્યાસ દરમિયાન લોકો અલગ-અલગ સમયે જોડાતા હોય, અધવચ્ચેથી છોડી દેતા હોય અથવા રોગનો ભોગ બનતા હોય ત્યારે આ માપદંડ અત્યંત ઉપયોગી બને છે.

પર્સન-ટાઇમની ગણતરી કરવા માટે, જોખમ ધરાવતી દરેક વ્યક્તિએ અવલોકન હેઠળ વિતાવેલા સમયનો સરવાળો કરવામાં આવે છે. ઉદાહરણ તરીકે, જો 50 લોકોને 2 વર્ષ સુધી ફોલો કરવામાં આવે, તો કુલ અવલોકન સમય 50 × 2 = 100 પર્સન-યર્સ (વ્યક્તિ-વર્ષો) થાય છે. જો કોઈ વ્યક્તિને 6 મહિના (0.5 વર્ષ) પછી રોગ થાય છે, તો તે વ્યક્તિ માત્ર 0.5 પર્સન-યર્સનું યોગદાન આપશે અને ત્યારબાદ તેનું અવલોકન બંધ થઈ જશે.

જ્યારે વ્યક્તિગત સ્તરે ચોક્કસ સમય ઉપલબ્ધ ન હોય, ત્યારે વસ્તીના કદને કુલ સમયગાળા વડે ગુણીને પર્સન-ટાઇમનો અંદાજ મેળવવામાં આવે છે. કેલ્ક્યુલેટર વપરાશકર્તા દ્વારા પસંદ કરેલા સમયના એકમો જેવા કે "વર્ષો", "મહિના", "અઠવાડિયા", અથવા "દિવસો" ના આધારે પર્સન-ટાઇમની ગણતરી કરે છે.

સ્થિર-સ્થિતિ (Steady-State) માં ગાણિતિક સંબંધ

જ્યારે કોઈ વસ્તીમાં રોગની સ્થિતિ સ્થિર હોય — એટલે કે નવા કેસ આવવાનો દર અને જૂના કેસ સાજા થવાનો કે મૃત્યુ પામવાનો દર સમાન રહેતો હોય — ત્યારે ઇન્સિડન્સ અને પ્રિવેલન્સ વચ્ચે એક ચોક્કસ ગાણિતિક સંબંધ સ્થાપિત થાય છે. આ સંબંધ નીચે મુજબ છે:

પ્રિવેલન્સ ≈ ઇન્સિડન્સ રેટ × સરેરાશ સમયગાળો

આ ફોર્મ્યુલા દર્શાવે છે કે જો આપણને ઇન્સિડન્સ રેટ અને પ્રિવેલન્સની માહિતી હોય, તો આપણે તે રોગ અથવા સ્થિતિનો સરેરાશ સમયગાળો (duration) શોધી શકીએ છીએ. કેલ્ક્યુલેટર આ સંબંધનો ઉપયોગ કરીને એક સ્થિર-સ્થિતિ ક્રોસ-ચેક પ્રદાન કરે છે, જે દર્શાવે છે કે દાખલ કરેલા આંકડાઓ મુજબ રોગનો સરેરાશ સમયગાળો કેટલો હોઈ શકે. આ ક્રોસ-ચેક માત્ર ત્યારે જ અર્થપૂર્ણ બને છે જો સ્થિતિ સ્થિર-સ્થિતિ (steady state) માં હોય.

યોગ્ય રિપોર્ટિંગ ગુણક (Multiplier) ની પસંદગી

રોગચાળાના આંકડાઓને સામાન્ય લોકો અથવા નીતિ ઘડવૈયાઓ સમજી શકે તે રીતે રજૂ કરવા માટે યોગ્ય ગુણક (multiplier) પસંદ કરવો જરૂરી છે. કેલ્ક્યુલેટર વપરાશકર્તાને વિવિધ સ્કેલ પસંદ કરવાની મંજૂરી આપે છે, જેમ કે ટકાવારી (%), પ્રતિ 1,000, પ્રતિ 10,000 અથવા પ્રતિ 100,000 લોકો.

ગુણકની પસંદગી સામાન્ય રીતે રોગની વિરલતા પર આધાર રાખે છે:

  • ટકાવારી (%): સામાન્ય સ્થિતિઓ અથવા વ્યાપક રોગો માટે યોગ્ય છે (દા.ત. પુખ્ત વયના લોકોમાં હાઈ બ્લડ પ્રેશરનું પ્રિવેલન્સ).
  • પ્રતિ 1,000 અથવા 10,000: મધ્યમ પ્રમાણ ધરાવતી બીમારીઓ માટે ઉપયોગી છે.
  • પ્રતિ 100,000: કેન્સર અથવા અન્ય વિરલ રોગોની દેખરેખ અને સત્તાવાર સરકારી અહેવાલો માટે આ પ્રમાણભૂત સ્કેલ છે.

નોંધનીય છે કે ગુણક માત્ર પરિણામની રજૂઆતનું સ્કેલ બદલે છે, તે ક્યારેય ગણતરીના મૂળભૂત છેદને બદલતો નથી.

કેલ્ક્યુલેટરના ઇનપુટ્સ અને ગણતરીના નિયમો

કેલ્ક્યુલેટરમાં સચોટ પરિણામો મેળવવા માટે વપરાશકર્તાએ "તમારા આંકડા" વિભાગ હેઠળ નીચેના આંકડા દાખલ કરવાના રહેશે:

કેસ (Cases)

  • સમયગાળા દરમિયાન નવા કેસ: સમયગાળા દરમિયાન જે લોકોમાં આ સ્થિતિ વિકસી છે તેમની સંખ્યા (પૂર્ણાંક).
  • સંદર્ભ સમયે હાલના કેસ: સંદર્ભ સમયે આ સ્થિતિ ધરાવતા તમામ લોકો — જૂના અને નવા કેસ એકસાથે (પૂર્ણાંક).

વસ્તી (Populations)

  • શરૂઆતમાં જોખમ ધરાવતી વસ્તી: શરૂઆતમાં જોખમ ધરાવતી વસ્તી જે રોગમુક્ત છે (પૂર્ણાંક).
  • અવલોકન કરેલ પર્સન-ટાઇમ: અવલોકન કરેલ પર્સન-ટાઇમ અને તેનો સમયગાળો (વર્ષો, મહિના, અઠવાડિયા, દિવસો).
  • સંદર્ભ સમયે કુલ વસ્તી: સંદર્ભ સમયે કુલ વસ્તી (પૂર્ણાંક).

ગણતરીના નિયમો અને ભૂલો (Errors)

ચોક્કસ ગણતરી માટે કેલ્ક્યુલેટર કેટલાક કડક નિયમોનું પાલન કરે છે અને ભૂલ હોવા પર નીચે મુજબના સંદેશાઓ દર્શાવે છે:

  • કેસની સંખ્યા અને વસ્તી પૂર્ણાંક હોવી જોઈએ; વ્યક્તિ-સમય દશાંશ પણ હોઈ શકે છે. જો અપૂર્ણાંક કેસ કે વસ્તી દાખલ કરવામાં આવે તો "કેસની સંખ્યા અને વસ્તી પૂર્ણાંક સંખ્યાઓ હોવી જોઈએ." ભૂલ દર્શાવશે.
  • કોઈપણ કિંમત નકારાત્મક ન હોઈ શકે, અન્યથા "મૂલ્યો નકારાત્મક હોઈ શકતા નથી." સંદેશ દેખાશે.
  • છેદ શૂન્ય ન હોવો જોઈએ. શૂન્ય હોવા પર "છેદ શૂન્ય કરતાં મોટો હોવો જોઈએ." ભૂલ આવશે.
  • નવા કેસની સંખ્યા જોખમ ધરાવતી વસ્તી કરતાં વધુ ન હોઈ શકે, અન્યથા "નવા કેસ જોખમ ધરાવતી વસ્તી કરતાં વધુ ન હોઈ શકે — બંને સંખ્યાઓ તપાસો." ભૂલ દર્શાવશે.
  • હાલના કેસ કુલ વસ્તી કરતાં વધુ ન હોઈ શકે, અન્યથા "હાલના કેસ કુલ વસ્તી કરતાં વધુ ન હોઈ શકે — બંને સંખ્યાઓ તપાસો." ભૂલ દર્શાવશે.
  • જો કોઈ અમાન્ય અક્ષર દાખલ કરવામાં આવે તો "દરેક ભરેલા ફીલ્ડમાં માન્ય સંખ્યાનો ઉપયોગ કરો." સંદેશ જોવા મળશે.

પ્રાઇવસી અને પ્રોસેસિંગની વિગત

આ કેલ્ક્યુલેટરમાં સુરક્ષા અને ગોપનીયતાનું ખાસ ધ્યાન રાખવામાં આવ્યું છે. વપરાશકર્તા દ્વારા દાખલ કરવામાં આવેલી તમામ સંખ્યાઓ અને વસ્તીના આંકડા આ પેજ પર જ રહે છે. બધી ગણતરીઓ સ્થાનિક રીતે તમારા વેબ બ્રાઉઝરમાં જ પ્રક્રિયા થાય છે, અને કોઈપણ ડેટા સર્વર પર અપલોડ, સેવ કે શેર કરવામાં આવતો નથી.


વારંવાર પૂછાતા પ્રશ્નો (FAQ)

ઇન્સિડન્સ અને પ્રિવેલન્સ વચ્ચે શું તફાવત છે?

ઇન્સિડન્સ માત્ર સમયગાળા દરમિયાન દેખાતા નવા કેસોની ગણતરી કરે છે — એટલે કે કોઈ સ્થિતિ કેટલી ઝડપથી ઉદ્ભવી રહી છે. પ્રિવેલન્સ સમયના એક ચોક્કસ બિંદુએ તે સ્થિતિ ધરાવતા તમામ લોકોની ગણતરી કરે છે, જૂના અને નવા કેસ એકસાથે — એટલે કે તે ક્ષણે કુલ ભારણ કેટલું છે. ટૂંકા ગાળાની બીમારીમાં એકસાથે ઉચ્ચ ઇન્સિડન્સ અને ઓછું પ્રિવેલન્સ હોઈ શકે છે, જ્યારે લાંબા ગાળાની બીમારીમાં ઇન્સિડન્સ મધ્યમ હોય તો પણ પ્રિવેલન્સના કેસો એકઠા થતા જાય છે.

અલગ-અલગ છેદ ધરાવતા બે ઇન્સિડન્સ માપદંડો શા માટે છે?

ક્યુમ્યુલેટિવ ઇન્સિડન્સ નવા કેસને સમયગાળાની શરૂઆતમાં જોખમ ધરાવતી વસ્તી વડે ભાગે છે, જે તે સમયગાળા દરમિયાન સ્થિતિ વિકસાવવાની સંભાવના દર્શાવે છે. ઇન્સિડન્સ રેટ પર્સન-ટાઇમ (વ્યક્તિ-સમય) વડે ભાગે છે — જે જોખમ દરમિયાન દરેક વ્યક્તિનું વાસ્તવિક રીતે અવલોકન કરવામાં આવ્યું હોય તે સમયનો સરવાળો છે — તેથી જ્યારે લોકો અલગ-અલગ સમયે જોડાય છે, છોડે છે અથવા સ્થિતિ વિકસાવે છે ત્યારે પણ તે સચોટ રહે છે. ક્યુમ્યુલેટિવ ઇન્સિડન્સને તેના સમયગાળા સાથે અને રેટને તેના સમયના એકમ સાથે દર્શાવો.

હું પર્સન-ટાઇમનો આંકડો કેવી રીતે મેળવી શકું?

જોખમ ધરાવતી દરેક વ્યક્તિના અવલોકન સમયનો સરવાળો કરો: 50 લોકોમાંથી દરેકને 2 વર્ષ સુધી ફોલો કરવાથી 100 પર્સન-યર્સનું યોગદાન મળે છે. જ્યારે કોઈ વ્યક્તિમાં સ્થિતિ વિકસે છે, તેઓ અભ્યાસ છોડી દે છે અથવા સમયગાળો પૂરો થાય છે ત્યારે તેમનું યોગદાન બંધ થઈ જાય છે. જો તમે માત્ર વસ્તીનું કદ અને સમયગાળાની લંબાઈ જાણતા હોવ, તો વસ્તી × સમયગાળો એ સામાન્ય અંદાજ છે — કેલ્ક્યુલેટર હંમેશા તેણે વાસ્તવમાં ઉપયોગમાં લીધેલા છેદને લેબલ કરે છે.

ઇન્સિડન્સ અને પ્રિવેલન્સ કેવી રીતે જોડાયેલા છે?

સ્થિર સ્થિતિમાં રહેલી કોઈ સ્થિતિ માટે, પ્રિવેલન્સ ≈ ઇન્સિડન્સ રેટ × સરેરાશ સમયગાળો. આથી જ ડાયાબિટીસમાં મધ્યમ ઇન્સિડન્સ હોવા છતાં ઉચ્ચ પ્રિવેલન્સ (લાંબો સમયગાળો) હોય છે જ્યારે સામાન્ય શરદીમાં મોટો ઇન્સિડન્સ હોવા છતાં તે ઓછું રહે છે (દિવસો, વર્ષો નહીં). જ્યારે બંને માપદંડો ઉપલબ્ધ હોય ત્યારે કેલ્ક્યુલેટર સૂચિત સરેરાશ સમયગાળાને સુસંગતતા તપાસ તરીકે દર્શાવે છે, કોઈ તારણ તરીકે નહીં.

મારે કયો "પ્રતિ" ગુણક રિપોર્ટ કરવો જોઈએ?

સ્થિતિની વિરલતા માટેની પ્રણાલી સાથે મેળ બેસાડો: સામાન્ય સ્થિતિઓ માટે ટકાવારી યોગ્ય છે, ઓછી વારંવાર બનતી સ્થિતિઓ માટે પ્રતિ 1,000 અથવા પ્રતિ 10,000 યોગ્ય છે, અને કેન્સરની દેખરેખ સામાન્ય રીતે પ્રતિ 100,000 પર્સન-યર્સમાં નોંધવામાં આવે છે. ગુણક માત્ર સંખ્યાનું સ્કેલ બદલે છે — તે ક્યારેય છેદને બદલતો નથી, તેથી જ કેલ્ક્યુલેટર દરેક પરિણામની બાજુમાં છેદનું પુનરાવર્તન કરે છે.