Die kartografische Darstellung regionaler Unterschiede in der Morbidität

Abstract

The cancer registry in Germany collects area-wide small-area data that can be presented in themes (disease mapping). Because of the occurrence of random extreme values of rates, mapping without prior spatial-statistical data analysis is problematic from a methodological and risk-communicative viewpoint - the extreme values easily mislead the card reader and obscure actual spatial patterns.The problem of data instability can generally be met by aggregation or by smoothing. The cancer atlas for Schleswig-Holstein is based on data from 1142 municipalities (median population: 721) for the diagnostic years 2001-2010. Maps for incidence (as a standardized incidence ratio), mortality (as a standardized mortality ratio), and relative survival (as a relative excess risk) were smoothed by using a Bayesian method (BYM model). The maps show that spatial differences can be made visible by smoothing.Data aggregation is the methodically simpler way, but means a loss of information. The atlas shows that small-scale mapping is possible while preserving the entire spatial information. The method of smoothing is complex, but useful for generating hypotheses. The spatial patterns found are complex, difficult to interpret, and require the collaboration of specialists from different professions, because of the diverse influencing factors (data collection, lifestyle factors, early detection, risk factors, etc.). The effort required to explain the methodology in a language easy to understand should not be underestimated.

Geografische Ansätze in der Gesundheitsberichterstattung

“…Die meisten Krebsregister publizieren Ergebnisse nicht nur auf Landesebene, sondern auch auf Ebene der Kreise und kreisfreien Städte. Bundesweit werden die Daten sowohl im GEKID-Atlas als auch im Bericht Krebs in Deutschland veröffentlicht [ 36 – 38 ]. Ziele der Krebsregister sind es, die Früherkennung auszuweiten und zu einer höheren Versorgungsqualität beizutragen.…”

Regionale und zeitliche Trends der SARS-CoV-2 assoziierten Sterblichkeit in Bayern: Eine altersstratifizierte Analyse über 5 Quartale für Personen ab 50 Jahren

“…Die Stärken der Untersuchung liegen in der Verwendung des BYM-Modells, das statistische Artefakte kontrolliert und die Interaktion einer Region mit ihren Nachbarn berücksichtigt. Pritzkuleit et al 16 sehen solche Modelle als Standardwerkzeuge der geographischen Epidemiologie an. Weitere Anwendungsgebiete dieser Modelle sind das Disease Mapping von kardiovaskulärer Morbidität und Mortalität, Tumorinzidenz und tumorbedingter Sterblichkeit 3 16 17 18 19 20 .…”

“…Pritzkuleit et al 16 sehen solche Modelle als Standardwerkzeuge der geographischen Epidemiologie an. Weitere Anwendungsgebiete dieser Modelle sind das Disease Mapping von kardiovaskulärer Morbidität und Mortalität, Tumorinzidenz und tumorbedingter Sterblichkeit 3 16 17 18 19 20 .…”

Regionales Monitoring von Infektionen mittels standardisierter Fallfatalitätsraten am Beispiel von SARS-CoV-2 in Bayern

“…Pritzkuleit et al. [ 13 ] sehen darin Standardwerkzeuge der geografischen Epidemiologie zur Glättung von Karten. Die Methoden erlauben die Einbeziehung von Regressionskomponenten und damit die Möglichkeit, für regionale Faktoren (Deprivationsindex, regionale Mobilität, Impfquote) zu adjustieren.…”

“…Das Prinzip der sFFR lässt sich auch auf andere Krankheiten anwenden: kardiovaskuläre Morbidität und Mortalität, Tumorinzidenz und tumorbedingte Sterblichkeit. In solchen Krankheitsfeldern ist Disease Mapping bereits Standard [ 13 , 19 – 23 ].…”