Methods Used For Clustering of Disease Due To Geographical Distribution

Abstract

Diseases may be aggregated in certain space (geographical clustering) or in certain time periods (time clustering). Several statistical methods have been developed to determine disease clustering in space, time, and space and time. In this study, Grimson, Besag-Newell, Kulldorff's spatial scan, Lawson-Waller score methods used in space clustering of disease were promoted. Findings that were obtained from the applications of some methods were comparatively examined. Application data were obtained from 248 patients under treatment for nasopharynx cancer in Hacettepe University Oncology Hospital, Radiation Oncology Department between October 1993 and June 2002. Global spatial disease clustering wasn't statistically significant according to Grimson's method. When local spatial clustering methods were applied, local disease clustering was found significant with all methods, in different areas. In Kulldorff's spatial scan test, different results were obtained by selecting different scanning window sizes. When scanning window size is increased, the method became more sensitive to large clusters. In Besag and Newell method, local clustering were not significant for k=2, 4, and 6, and local clustering were significant for k=8, 10, 12, 14 and 16. Although there was no evidence of focus of risk in our data, in order to examine the disease clustering around a focus by Lawson and Waller score test, the coordinates of Çankaya-Ankara was set as the coordinates of a focus. Clustering was found significant according to Lawson and Waller score test around this focus. Key words: Disease clustering, Space clustering, Spatial pattern, Nasopharyngeal carcinoma.

Keywords

• Disease clustering, Space clustering, Spatial pattern, Nasopharyngeal carcinoma.

Hastalıkların Yere Göre Kümelenmesinde Kullanılan Yöntemler

Abstract

Hastalıklar belirli bir bölgede (yer kümesi) ya da belirli bir zaman aralığında/diliminde (zaman kümesi) yığılım gösterebilir. Hastalıkların yer, zaman ya da yer‑zamanda kümelenip kümelenmediğini belirlemek için çok sayıda istatistiksel yöntem geliştirilmiştir. Bu çalışmada, hastalıkların yere göre kümelenip kümelenmediğini belirlemekte kullanılan Grimson, Besag-Newell, Kulldorff'un yersel scan, Lawson-Waller skor yöntemleri tanıtılmıştır. Yapılan uygulama ile yöntemlere ilişkin elde edilen bulgular karşılaştırmalı olarak incelenmiştir. Uygulama verisi, Hacettepe Üniversitesi Onkoloji Hastanesi Radyasyon Onkolojisi Anabilim Dalında nazofarinks kanseri tanısı ile tedavi gören 248 hastadan elde edilmiştir. Hastalığın yere göre genel kümelenmesi Grimson yöntemi ile önemsiz bulunmuştur. Yerel (lokal) kümeleme yöntemlerinin uygulanması sonucunda yöntemlere göre farklı bölgelerde olmakla birlikte, yerel hastalık kümelenmeleri önemli bulunmuştur. Kulldorff scan testi kullanıldığında seçilen farklı tarama penceresi büyüklükleri için farklı sonuçlar elde edilmiştir. Tarama penceresinin büyüklüğü arttıkça yöntem büyük kümelere duyarlı olmaktadır. Besag-Newell yönteminde k değerleri 2, 4, ve 6 için yerel kümelenme önemli bulunmazken 8, 10, 12, 14 ve 16 değerleri için yerel kümelenmeler önemli bulunmuştur. Bir risk odağı çevresinde hastalık kümelenmesini incelemek için, verimizde önceden belirlenmiş bir odak olmamasına karşın, Ankara-Çankaya'nın koordinatları odak olarak varsayılıp Lawson-Waller skor testi ile inceleme yapıldığında bu odak çevresinde kümelenme önemli bulunmuştur. Anahtar kelimeler: Hastalık kümelenmesi, Yere göre kümelenme, Yersel yapı, Nazofarinks kanseri.

Keywords

• Hastalık kümelenmesi, Yere göre kümelenme, Yersel yapı, Nazofarinks kanseri.

References

1. Metz L.M. ve McGuinness S. Responding to Reported Clusters of Common Disease: The Case of Multiple Sclerosis. Canadian Journal of Public Health 1997; 88(4): 277- 79.
2. Özdamar Kazım. Hastalıkların Yer, Zaman ve Yer-Zaman'da Kümelenmelerinin Belirlenmesinde Yaralanılan Yöntemler. 5. Ulusal Biyoistatistik Kongresi Bildiri Kitabı. Eskişehir 2000; 234-61.
3. Fidaner C., Eser S.Y. ve Parkin D.M. Incidence in Izmir in 1993-1994: First Results From Izmir Cancer Registery. European Journal of Cancer 2001; 37: 83-92.
4. Ederer F., Myers M.H. ve Mantel N. A Statistical Problem in Space and Time: Do Leukemia Cases Come in Clusters. Biometrics 1964; 20: 626-38.
5. Rothman K.J. A Sobering Start for The Cluster Busters' Conference. American Journal of Epidemiology 1990; 132: S6-13.
6. Wakefield J. ve Quinn M. Editorial: Disease Clusters and Ecological Studies. Journal of Royal Statistics Society A2001: 164: 1-2.
7. Jacquez G.M. ve Ark. The Analysis of Disease Clusters, Part I. Infection Control and Hospital Epidemiology 1996; 17(5): 319-27.
8. Besag J. ve Newell J. The Detection of Clusters in Rare Disease. Journal of Royal Statistics Society. A (1991); 154:143-55.

9. Marshall R.J. A Review of Methods for the Statistical Analysis of Spatial Patterns of Disease. Journal of Royal Statistics Society. A (1991); 154:421-41.
10. Grimson R.C. ve Rose R.D. A Versatile Test for Clustering and A Proximity Analysis of Neurons. Methods of Information in Medicine 1991; 30: 299-303.
11. Hill E.G. ve Ark. A Comparision of Three Tests to Detect General Clustering of Rare Disease in Santa Clara County, California. Statistics in Medicine 2000; 19: 1363-378.
12. Waller L.A. ve Ark. Detection and Assessment of Clusters of Disease: An Application to Nuclear Power Plant Facilities and Childhood Leukaemia in Sweden. Statistics in Medicine 1995;14:3-16.
13. Waller L.A. ve Turnbull B.W. The Effects of Scale on Tests for Disease Clustering. Statistics in Medicine 1993; 12: 1869-884.
14. Kulldorff Martin. A Spatial Scan Statistic. Communication in Statistics 1997; 26(6): 1481-496.
15. Kulldorff M. ve Ark. Evaluating Cluster Alarms: A Space-Time Scan Statistic and Brain Cancer in Los Alamos, New Mexico. American 7. Journal of Public Health 1998; 88: 1377-380.
16. Kulldorff Martin. Geographic Information System (GIS) and Community Health: Some Statistical Issues. Journal of Public Health Management Practice 1999; 5(2): 100-06.