Türkiye’de Solunum Sistemine Bağlı Ölüm Oranlarının Mekansal Kümelenmelerinin İncelenmesi

Yıl 2019, Cilt: 19 Sayı: 3, 750 - 761, 31.12.2019

Mustafa Yalçın , Kaan Kaya

https://doi.org/10.35414/akufemubid.588916

Cited By: 5

Öz

Dünyada her yıl solunum sistemi
hastalıkları sebebiyle önemli sayıda insan hayatını kaybetmektedir. Bu tür
hastalıklardan dolayı meydana gelen ölümlerin mekânsal bağımlılıklarının
incelenmesi, ölüm nedenlerinin tespit edilmesinde ve bu yüksek ölüm oranlarına
karşı farkındalık yaratılarak gerekli önlemlerin alınmasında etkin rol oynamaktadır.
Bu çalışmada, 2014-2018 yılları arasında Türkiye il birimlerindeki solunum
sistemi hastalıkları sebebiyle hayatını kaybeden insanların mekânsal kümeleme
yöntemleri ile mekânsal bağımlılıklarının incelenmesi amaçlanmıştır.
Kümelenmelerin tespiti için Coğrafi Bilgi Sistemi (CBS) ortamında, global
kümeleme istatistikleri (Moran’s I, Geary C ve Getis-Ord Genel G) ve lokal
kümeleme istatistikleri (Lokal Moran’s I ve Getis-Ord G*) kullanılmıştır. Global
istatistiklerin sonucunda yüksek anlamlılıkta mekânsal kümelenmeler tespit edilmiştir.
Çalışma sonucunda Global istatistiklerde %95 anlamlılık düzeyi üzerinde mekânsal
kümelenmeler tespit edilmiştir. Lokal istatistikler sonucunda ise kümelenmelerin
tüm yıllarda aynı bölgelerde yoğunlaştığı görülmüştür. Buna göre Batı ve Orta
Karadeniz kesimlerinde yüksek; Doğu ve Güneydoğu Anadolu Bölgelerinde düşük
kümelenmeler yüksek anlamlılık derecesi ile tespit edilmiştir. Gelecek
çalışmalarda, kümelenme tespit edilen illerde, oluşum nedenleri ile ilgili
mekansal regresyon analizleri yapılması planlanmaktadır.

Anahtar Kelimeler

Mekansal kümelenme, Mekansal bağımlılık, CBS; Solunum Sistemi Hastalıkları, Ölüm oranları

Kaynakça

• 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.
• 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.
• Erdoğan, S., 2010. Epidemiyolojide CBS uygulamaları: konumsal kümeleme yöntemlerinin karşılaştırılması-menenjit 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.
• Güngör, H.C., 2013. Epidemiyolojide mekansal analiz Konya ili kanser hastalığı örneği. Doktora Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya, 161.
• 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.
• 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.
• 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.
• 1-https://pro.arcgis.com/en/pro-app/tool-reference/spatial-statistics/h-how-spatial-autocorrelation-moran-s-i-spatial-st.htm, (11.05.2019)
• 2-https://pro.arcgis.com/en/pro-app/tool-reference/spatial-statistics/h-how-high-low-clustering-getis-ord-general-g-spat.htm, (11.05.2019)
• 3-https://pro.arcgis.com/en/pro-app/tool-reference/spatial-statistics/h-how-cluster-and-outlier-analysis-anselin-local-m.htm, (12.05.2019)
• 4-https://pro.arcgis.com/en/pro-app/tool-reference/spatial-statistics/h-how-hot-spot-analysis-getis-ord-gi-spatial-stati.htm, (12.05.2019)