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.

PDF

___

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)