Türkiye’de Solunum Sistemine Bağlı Ölüm Oranlarının Mekansal Kümelenmelerinin İncelenmesi
Dünyada her yıl solunum sistemi hastalıkları sebebiyle önemli sayıda insan hayatını kaybetmektedir. Butür hastalıklardan dolayı meydana gelen ölümlerin mekânsal bağımlılıklarının incelenmesi, ölümnedenlerinin tespit edilmesinde ve bu yüksek ölüm oranlarına karşı farkındalık yaratılarak gerekliönlemlerin alınmasında etkin rol oynamaktadır. Bu çalışmada, 2014-2018 yılları arasında Türkiye ilbirimlerindekisolunum sistemi hastalıkları sebebiyle hayatını kaybeden insanların mekânsal kümelemeyöntemleri ile mekânsal bağımlılıklarının incelenmesi amaçlanmıştır. Kümelenmelerin tespiti içinCoğrafi Bilgi Sistemi (CBS) ortamında, global kümeleme istatistikleri (Moran’s I, Geary C ve Getis-OrdGenel G) ve lokal kümeleme istatistikleri (Lokal Moran’s I ve Getis-Ord G*) kullanılmıştır. Globalistatistiklerin sonucunda yüksek anlamlılıkta mekânsal kümelenmeler tespit edilmiştir. Çalışmasonucunda Global istatistiklerde %95 anlamlılık düzeyi üzerinde mekânsal kümelenmeler tespitedilmiştir. Lokal istatistikler sonucunda ise kümelenmelerin tüm yıllarda aynı bölgelerde yoğunlaştığıgörülmüştür. Buna göre Batı ve Orta Karadeniz kesimlerinde yüksek; Doğu ve Güneydoğu AnadoluBölgelerinde düşük kümelenmeler yüksek anlamlılık derecesi ile tespit edilmiştir. Gelecek çalışmalarda,kümelenme tespit edilen illerde, oluşum nedenleri ile ilgili mekansal regresyon analizleri yapılmasıplanlanmaktadır.
Investigation of Spatial Clusters of Mortalities due to Respiratory System in Turkey
Every year, a significant number of people die due to respiratory diseases in the world. Investigation of the spatial dependence of deaths caused by such diseases plays an active role in determining the causes of death and creating awareness against these high mortality rates and taking necessary precautions. In this study, it is aimed to investigate the spatial dependence of Turkey's people who lost their lives due to respiratory diseases in provincial units with spatial clustering methods between 2014-2018 years. Global clustering statistics (Moran Is I, Geary C and Getis-Ord General G) and local clustering statistics (Local Moran’s I and Getis-Ord G *) were used to determine clusters in the Geographical Information System (GIS) environment. As a result of the study, spatial clusters over 95% significance level were determined according to the global statistics. As a result of local statistics, it is observed that clusters are defined in the same regions in all years. Accordingly, it is high in the western and central Black Sea regions; low clusters were detected with a high degree of significance in eastern and southeastern Anatolia regions. In future studies, it is planned to conduct spatial regression analyzes on the reasons of event in the provinces where clustering is detected.
___
- Al-Rumaizan, S.A., Ayala, C.J., Been, A.J., Chen, J., Cook, J.,
Duarte, G.G., ... and Lashuk, I.V., 2004. A brief
evaluation of statistical methods for detecting disease
clusters in time and/or space. 53-56
- Anselin, L., 1995. Local indicators of spatial association—
LISA. Geographical analysis, 27(2), 93-115.
- Anselin, L., 2019. A local indicator of multivariate spatial
association: extending Geary's C. Geographical
Analysis, 51(2), 133-150.
- Atalay, A., 2010. Türkiye’deki trafik kazalarının mekansal
ve zamansal analizi. Doktora Tezi, Atatürk Üniversitesi
Fen Bilimleri Enstitüsü, Erzurum, 223.
- David, R.M., 2017. Türkiye’de amipli dizanteri ve hepatit
a hastalıklarının mekansal doku ve sıcak noktalarının
CBS ve geoistatistik analizler ile incelenmesi. Yüksek
Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri
Enstitüsü, İstanbul, 82.
- Dogru, A. O., Kahraman, A., Seker, D. Z., & Sivri, N. (2019).
GIS based evaluation of social determinants of
children's health in Turkey: Case study of
Istanbul. Environmental Research, 179, 108753.
- Durduran, S.S. and Durduran, Y., 2009. Coğrafi bilgi
sistemi yardımıyla kalp ve solunum yolu hastalarının
mekansal dağılımının belirlenmesi: Konya
örneği. Selçuk Üniversitesi Mühendislik, Bilim ve
Teknoloji Dergisi, 24(3), 19-28.
- Emik, K. Y., & Önal, A. E. (2019). 2009-2016 Yıllarında
Türkiye’deki Ölümlerin Epidemiyolojik Yönden
İncelenmesi ve Ölüm Bildirim Sisteminin
Önemi. İstanbul Tıp Fakültesi Dergisi, 82(3), 25-26.
- Erdoğan, S., 2010. Epidemiyolojide CBS uygulamaları:
konumsal kümeleme yöntemlerinin karşılaştırılmasımenenjit örneği. Harita Teknolojileri Elektronik
Dergisi, 2(2), 23-31.
- Erdoğan, S., Yalçın, M. and Dereli, M.A., 2011.
Kriminolojide coğrafi bilgi sistemleri ve mekansal
istatistiksel yöntemlerin kullanımı: Hırsızlık
örneği. TMMOB Harita ve Kadastro Mühendisleri
Odası, 13, 18-22.
- Eyyuboğlu, B.B., 2015. Sosyal bilimlerde mekânsal
istatistik ve coğrafi bilgi sistemleri: Kuramdan
uygulamaya. Doktora Tezi, Anadolu Üniversitesi Fen
Bilimleri Enstitüsü, Eskişehir, 107.
- Fischer, M.M. and Getis, A., 2009. Handbook of applied
spatial analysis: software tools, methods and
applications. Springer Science & Business Media, 279-
298.
- Forum of International Respiratory Societies, 2017. The
Global Impact of Respiratory Disease – Second
Edition. Sheffi eld, European Respiratory Society.
Güngör, H.C., 2013. Epidemiyolojide mekansal analiz
Konya ili kanser hastalığı örneği. Doktora Tezi, Selçuk
Üniversitesi Fen Bilimleri Enstitüsü, Konya, 161.
- Keeler, C., Emch, M. (2017). Geographic Information
Systems (GIS) in Public Health, International
Encyclopedia of Public Health (Second Edition), 253-
255,
- Kervankıran, İ., 2015. Turizmde mekânsal veri analizi
tekniklerinin kullanımı: Türkiye'de ilçelere göre
konaklama örneği. Zeitschrift für die Welt der
Türken/Journal Of World Of Turks, 7(2), 217-241.
- Khademi, N., Reshadat, S., Zanganeh, A., Saeidi, S.,
Ghasemi, S., & Zakiei, A. (2016). Identifying HIV
distribution pattern based on clustering test using GIS
software, Kermanshah, Iran. HIV & AIDS
Review, 15(4), 147-152.
- Lee, J. and Wong, D.W., 2001. Statistical analysis with
ArcView GIS. John Wiley & Sons, 156-189.
- Liu, Y., Wang, X., Liu, Y., Sun, D., Ding, S., Zhang, B., Du, Z.
and Xue, F., 2013. Detecting spatial-temporal clusters
of HFMD from 2007 to 2011 in Shandong Province,
China. PloS one, 8(5), e63447
- Menteşe, S., 2011. Zonguldak'ta hava kirliliği (PM10 &
SO2) ve solunum yolu hastalıkları ilişkisi. Yüksek Lisans
Tezi, Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü,
Balıkesir, 88.
- Nişancı, R., Yıldırım, V. and Çolak, H.E., 2010. Coğrafi bilgi
sistem uygulamaları. Bilim ve Teknik, 514, 58-63
- Nordbø, E. C. A., Nordh, H., Raanaas, R. K., & Aamodt, G.
(2018). GIS-derived measures of the built
environment determinants of mental health and
activity participation in childhood and adolescence: A
systematic review. Landscape and urban
planning, 177, 19-37.
- Özgür, L., 2008. Coğrafi bilgi sistemlerinde sağlık
uygulamaları Afyonkarahisar örneği. Yüksek Lisans
Tezi, Afyon Kocatepe Üniversitesi Fen Bilimleri
Enstitüsü, Afyonkarahisar, 120.
- Requia, W. and Roig, H., 2015. Analyzing spatial patterns
of cardiorespiratory diseases in the Federal District,
Brazil. Health, 7(10), 1283.
- Tağıl, Ş., 2007. Balıkesir’de hava kirliliğinin solunum yolu
hastalıklarının mekânsal dağılışı üzerine etkisini
anlamada jeo-istatistik teknikler. Coğrafi Bilimler
Dergisi, 5(1), 37-56.
- Zhang, C., Luo, L., Xu, W. and Ledwith, V., 2008. Use of
local Moran's I and GIS to identify pollution hotspots
of Pb in urban soils of Galway, Ireland. Science of the
total environment, 398(1-3), 212-221.
- ZÜLFİKAR, H. (2014). Hava Kirliliği ile İnsan Sağlığı Üzerine
İrdelemeler ve Türkiye Örneği. Turkiye Klinikleri
Archives of Lung, 15(2), 59-69.
- 1-https://pro.arcgis.com/en/pro-app/toolreference/spatial-statistics/h-how-spatialautocorrelation-moran-s-i-spatial-st.htm, (11.05.2019)
- 2-https://pro.arcgis.com/en/pro-app/toolreference/spatial-statistics/h-how-high-low-clusteringgetis-ord-general-g-spat.htm, (11.05.2019)
- 3-https://pro.arcgis.com/en/pro-app/toolreference/spatial-statistics/h-how-cluster-and-outlieranalysis-anselin-local-m.htm, (12.05.2019)
- 4-https://pro.arcgis.com/en/pro-app/toolreference/spatial-statistics/h-how-hot-spot-analysisgetis-ord-gi-spatial-stati.htm, (12.05.2019)