räumliche autokorrelation – clustering und cluster · • (lokale) cluster können...
TRANSCRIPT
Referent / 1.1.1 Namenskürzel Name der Präsentation - Datum1
Räumliche Autokorrelation – Clustering und Cluster
Sebastian Völker
Stabsbereich Unternehmensentwicklung
Symposium Geointelligence in der Sicherstellung
Berlin, 10.09.2019
Agenda
Warum beschäftigen wir uns mit räumlichen
Informationen?
Globale räumliche Autokorrelation (Clustering)
Lokale räumliche Autokorrelation (Cluster)
Anwendungsbeispiele
Fazit
Warum beschäftigen wir uns mit räumlichen Informationen?
Warum beschäftigen wir uns mit räumlichen Informationen?
Warum beschäftigen wir uns mit räumlichen Informationen?
Globale räumliche Autokorrelation
Sind die Werte im Raum zufallsverteilt?
Clustering
Wichtigste Methoden:
• (Global) Moran‘s I
• Geary‘s C
Moran‘s I: 0,643025; Z-score: 14,468771; p-value: < 0,001Moran‘s I: 0,0509; Z-score: -0,678313; p-value: 0,497573
Lokale räumliche Autokorrelation (Cluster)
Können im Raum Cluster hoher und/oder niedriger Werte (und Ausreißer) identifiziert werden?
Cluster
Wichtigste Methoden:
• Local Indicators of Spatial Association (LISA oder Anselin‘s Local Moran‘s I)
• Local Geary‘s C
• Getis-Ord Gi*
• (Scanstatistik)
Moran‘s I: 0,643025; Z-score: 14,468771; p-value: < 0,001
Lokale räumliche Autokorrelation (Cluster)
Völker, S. (2019): Die Inanspruchnahme der ambulanten Notfallversorgung in Westfalen-Lippe: eine medizingeographische Studie.
Gesundheitswesen 81(06): 471-477.
Lokale räumliche Autokorrelation (Cluster)
• Sektorübergreifende Bedarfsplanung bei ASK
• Influenzaimpfungen bei über 60-Jährigen
Anwendungsbeispiele
• Fragestellung
• Welche Region(en) eignen sich besonders für eine Intervention in der sektorübergreifenden Bedarfsplanung?
• Methoden
Inanspruchnahme
• Ausschließlich Patienten mit ambulant sensitiven Diagnosen: Ischämische Herzkrankheiten, Herzinsuffizienz, Hypertonie
• Behandlungsfälle stationär (Ersatzkasse) + ambulant (KVWL) im Jahr 2016 als Surrogat (§ 295 und § 301 SGB V)
Angebot
• Standorte von Krankenhäusern (Bettenzahl) und Kardiologen (Vollzeitäquivalente)
• Gravitationsmodellierung (E2SFCA, Fahrdistanzminuten)
Clusteranalyse
• Z-Standardisierung von stationärem und ambulantem Angebot sowie Inanspruchnahme
• Global Moran‘s I & LISA
Sektorübergreifende Bedarfsplanung bei ASK
Sektorübergreifende Bedarfsplanung bei ASK
Sektorübergreifende Bedarfsplanung bei ASK
Sektorübergreifende Bedarfsplanung bei ASK
ambulant
stationär
Sektorübergreifende Bedarfsplanung bei ASK
ambulant
stationär
• Fragestellung
• Deskription des raum-zeitlichen Geschehens der Unterimmunisierung
• Identifizierung signifikanter, räumlicher Risikocluster
• Methoden
• Kohorte gesetzlich Versicherter über 60 Jahren aggregiert auf PLZ-5-Ebene
• Räumliche Scanstatistik mit Bernoulli Wahrscheinlichkeitsmodell
→ Vorteil: raum-zeitliche Analysemöglichkeit
Räumliche Heterogenität: Tendenz zur Clusterung; Global Moran’s I = 0,20; p <0,001
durch lokale Indikatoren bestätigt (Local Moran‘s I)
Influenzaimpfungen bei über 60-Jährigen
• Ergebnisse I
• In Kombination mit Risikoanalyse:
Verstehen hintergründiger Prozesse des
Impfgeschehens
• Sensibilisierung der Mitglieder
• Erarbeitung von Strategien mit weiteren
Stakeholdern
Influenzaimpfungen bei über 60-Jährigen
Völker, S. (in press): Geografische Cluster der
Unterimmunisierung gegen Influenza bei über 60-
Jährigen am Beispiel Westfalen-Lippe.
Gesundheitswesen. DOI: 10.1055/a-0921-7374
Limitationen
• (Globales) Clustering erklärt nicht WO die Klumpung auftritt
• (Lokale) Clustermethoden haben multiples Testproblem → vorsichtige Interpretation
• (Lokale) Cluster können identifiziert, jedoch nicht erklärt werden → unterschiedliche,
hintergründige Prozesse können gleiches räumliches Muster ergeben
• Skalenunterschied: MAUP
Fazit
• Geostatistische Tests/Methoden zur räumlichen Verteilung
• Generelles Vorgehen:
→ Datenanalyse (z.B. numerisch-statistisch, Gravitationsmodellierung)
→ Globale räumliche Autokorrelation
→ Lokale Analyse
→ weitergehende Analysen (z.B. räumliche Regressionsmodellierung, Geographische
Risikoanalyse)
• Zielgenaue Lösungen für Entscheidungsträger in der Gesundheitsversorgung
Referent / 1.1.1 Namenskürzel Name der Präsentation - Datum22
Vielen Dank für Ihre
Aufmerksamkeit!
Dr. Sebastian Völker
Stabsbereich Unternehmensentwicklung
Kassenärztliche Vereinigung Westfalen-Lippe
Robert-Schimrigk-Str. 4-6
44141 Dortmund
Tel.: 0231 9432-3501
Fax.: 0231 9432-83501
E-Mail: [email protected]
Internet: www.kvwl.de