Coğrafi Bilgi Sistemi (CBS)

Bulaşıcı hastalıkların görülmesini önlemek ya da kontrol altında tutabilmek için bu hastalıkların nedenlerinin araştırılması, karar vericilere hızlı ve güvenilir bilgi sağlanması ve bu sayede sağlık hizmetlerinin hızlı bir şekilde riskli alanlara ulaştırılmasının sağlanabilmesi için hastalık verilerinin incelenmesinde Coğrafi Bilgi Sistemlerinden (CBS) yararlanılabilmektedir.

CBS, kullanım alanı birçok sektörü kapsayan ve çok farklı disiplinler tarafından faydalanılan bir bilgi tabanıdır. Bu durum, CBS‘nin disiplinler arasında farklı tanımlamalara sahip olması sonucunu doğurmakla birlikte CBS; en genel anlamıyla; yeryüzündeki coğrafi objelere ait mekânsal ve mekânsal olmayan verilerin toplanması, depolanması, analiz edilmesi ve analizler sonucunda kullanıcıya mevcut sorunlarla ilgili alternatif çözüm yolları gösteren veri, yazılım, donanım ve personel bileşenlerinden oluşan bir bilgi sistemidir (32, 107, 131, 132).

CBS‘nin sağlık sektöründeki başlıca uygulamaları; hastalıkların coğrafi dağılımının haritalanması, hastalıkların görüldüğü yerlerin tespiti, hastalık görülme sıklığı, hastaların takibi ve sağlık hizmetlerine olan ihtiyacın coğrafi dağılıma göre açıklanması, risk altındaki popülasyonların haritalanması, risk faktörlerinin belirlenmesi, kaynak tahsis ve erişimi, zaman içindeki hastalık ve müdahalelerin gözlemlenmesi gibi çalışmalardır (131).

Mc Lafferty‘a (2003) göre sağlık coğrafyası adı altında CBS teknolojisi kullanılarak (133);

•Sağlık hizmetlerine olan ihtiyaçlar belirlenebilir,

•Sağlık hizmetlerinin ulaşılabilirliği ve yürütülmesindeki eşitsizlikler irdelenebilir,

•Sağlık hizmetlerinin planlanması ve değerlendirilmesi etkili bir şekilde gerçekleşebilir,

•Hastalıkların görüldüğü yerler ve görülme sıklığı izlenip hastaların takibi hızlı ve güvenilir bir şekilde gerçekleşebilir,

•Tüm bu gerçekleştirilen hizmetlerin ve sonuçların, haritalar ve grafikler kullanarak görselleştirilmesiyle elde edilen bilginin, etkin bir şekilde sunumu ve paylaşımı gerçekleşebilir çıkarımlarını sunmuştur.

Sağlık alanında özellikle epidemiyolojik çalışmalarda kullanılan istatistiksel yöntemlerin başında kümeleme analizleri gelmektedir. Genel anlamda küme,

25

birbirine benzer gözlemlerin oluşturduğu topluluktur. Çalışmalarda genellikle kümelerdeki olguların ortak bir nedene sahip olduğu düşünülmektedir. Kümeleme analizi, gruplandırılmış verileri, benzerliklerine göre alt sınıflara ayırarak açıklayan, çok değişkenli istatistiksel yöntemlerden biridir (134). Bir çalışmada yer alan değişkenler itibari ile olgular ya da nesneler arasındaki benzerlikleri ya da farklılıkları esas almak suretiyle, benzer bireylerin aynı gruplarda-kümelerde toplanması ve yeni bir bireyin hangi gruba dâhil olduğunun tahmin edilmesi kümeleme analizlerinin temelini oluşturmaktadır. Hastalıklar açısından kümeler ise yüksek insidans odaklarıdır. Bir başka ifade ile n sayıdaki değişkenin kendi içinde aynı fakat kendi aralarında birbirlerinden farklı olacak şekilde gruplandırılmasıdır. ABD Hastalık Kontrol Merkezi hastalık kümesini ―yer ve zamanda birlikte gruplanan ve sağlık örgütüne bildirilmiş olan sağlık olaylarının, gerçek ya da gözle görülür şekilde sıra dışı yığılması‖ şeklinde tanımlamıştır (40). Eğer araştırılan bölgede kümelenme bulunursa, sağlık ekiplerinin bu bölgeye yönelmesi sağlanır (135, 136, 137).

Coğrafi bilgi sistemleri bünyesinde kullanılan konumsal ve zamansal analizler toplum sağlığı ve çevresel uygulamalarda, hastalıkların yoğunlaştıkları yerlerin tespitinde kullanılmaktadır (138, 139). Bu yüzden kümeleme çalışmalarındaki veriler hastalığın görüldüğü coğrafi mekâna göre, hastalığın görüldüğü zaman periyoduna göre, ya da hem coğrafi mekân hem de zaman periyodu ile birlikte ele alınarak incelenir. Bir bölgede hastalıkla ilgili kümelenme olduğu tespit edilirse, sağlık bütçeleri de yerinde kullanılmış olur. Ayrıca hastalıkla ilgili yeni hipotezler üretilebilir ve hastalığın önüne geçebilmek için yeni arayışlara gidilebilir.

Hastalıklarda, sağlık personellerinin ya da ilgili kurumların doğru, hızlı ve önleyici tedbirleri zamanında alabilmesi insan sağlığı açısından büyük önem taşır. Bu durumlarda CBS aranılan bir çözümdür.

Bu alanda örnek gösterilebilecek, en önemli çalışmalardan biri 1853-1854‘te John Snow‘un Londra‘da içme suyu ile kolera arasındaki ilişkiyi incelemesidir (41). Snow, Londra‘daki evleri tek tek dolaşarak koleradan ölen olup olmadığını ve içme suyunun nereden sağlandığını araştırmıştır. Snow, yaptığı çalışmalar sonucunda Sauthwark şirketinden su alanlardaki kolera ölüm hızının Lambeth şirketinden su alanlara göre yaklaşık 5 kat fazla olduğunu gözlemlemiş, daha sonra Southwark şirketinin içme suyunu Thames nehrinin atıklar ile çok kirlenmiş bir bölümünden

26

aldığını Lambeth şirketinin ise daha temiz bir bölgeden aldığını ortaya koyarak koleranın içme suyu ile bulaşmış olduğunu tespit etmiştir. Kolera etkeni V. Cholera Snow‘un bu çalışmasından yaklaşık 15 yıl sonra Koch tarafından 1883 yılında saptanmıştır. Snow koleranın sıklığını, dağılımını, aynı zamanda salgının bir nedenini belirlemiş ve epidemiyoloji tanımının üç bileşenini ele alan ilk araştırmacı olmuştur (140).

Herhangi bir t zaman periyodunda bir bölgedeki veya bölgenin alt yerleşim yerlerinde görülen hastalıkların gözlenen yapısının sadece şans eseri mi oluştuğu yoksa istatistiksel yöntemlerle bölgede görülen hastalığın kümelenmesinin anlamlı mı olduğu, eğer anlamlı ise bu kümelenme yerlerinin görsel olarak haritalarda gösterilmesi ve tespit edilmesi gibi yapılan genel çalışmalar hastalıkların kümelenmelerini ortaya çıkarmaya yönelik konumsal kümeleme yöntemleri ile gerçekleştirilmektedir.

Dünyada ve ülkemizde CBS kullanılarak bulaşıcı hastalıkların risk haritalarının oluşturulduğu, mekansal kümelenme analizleri yapılarak hastalığın yoğunlaştığı bölgelerin tespit edildiği epidemiyolojik amaçlı çalışmalar bulunmaktadır (132, 141-154). Bu çalışmalara; Machado-Coelho ve ark. Brezilya‘da Amerikan kutanöz leishmaniasisinin dağılımını (149), Doherr ve ark. Scrapie hastalığıyla ilgili olguların mekânsal kümelenmesini (155), Fosgate ve ark. Kaliforniya‘da insanda görülen bruselloz hastalığının mekânsal kümelenmesini (150), Zhong ve ark. Çin‘de Hepatit B hastalığının mekânsal epidemiyolojisini (151), Haghdoost ve ark. İran içinde yerel bir bölgede Brusella hastalığının mekânsal dağılımını (152), Brooker ve ark. Afganistan‘da Plasmodium Vivax‘ın epidemiyolojisini (153), Ward ve ark. H5N1‘in mekânsal analiz yöntemlerini kullanarak dağılımını (154), Baysal İzmir ilinde paraziter hastalıkların CBS tabanlı risk analizi uygulamasını (156), Teksen ve Arık CBS yöntemi ile kuş gribine karşı güvenli tavuk çiftliği alanlarının oluşturulmasını (157), Uluğtekin ve ark. Gaziosmanpaşa ilçesinde kızamık vakaları dağılımının tespitini (158), Kantürk CBS kullanarak İzmir ve ilçelerindeki tüberküloz vakalarının dağılımını (159), S.S. Durduran ve Y. Durduran Konya ilindeki tüberküloz hastalarının CBS ile mekânsal analizini (160), Demirel ve ark. Türkiye‘de insan brusellozu için riskli bölgelerin keşifçi mekânsal analiz yöntemleri kullanılarak belirlenmesini (141), Demirel ve Erdoğan Türkiye‗de leishmaniasis için riskli bölgelerin mekânsal analiz yöntemleri kullanılarak belirlenmesini (143), Erdoğan ‗‘Epidemiyolojide CBS Uygulamaları:

27

Konumsal Kümeleme Yöntemlerinin Karşılaştırılması-Menenjit Örneği‘‘ adlı çalışmasını (148), Şişman ve ark. KKKA hastalığının risk bölgelerinin belirlenmesini (161), Turgay ve ark. Cryptosporidiosis olgularının İzmir ve ilçelerindeki coğrafi dağılımını örnek olarak verebiliriz (162).

Yapılan çalışmaların, mekânsal analiz ve istatistiksel yöntemlerin hastalık hızının yüksek olduğu yerleri belirlemede olduğu kadar, hastalıkların epidemiyolojisini anlamaya da katkıda bulunabileceğini göstermektedir. Ayrıca, bu veriler doğrultusunda, özellikle kümelenmenin olduğu yerlerdeki risk faktörlerine yönelik ileri araştırmaların yapılması ve artışa neden olan çevresel etmenlerin de analiz edilmesi uygun olacaktır. Böylece, tıbbi hizmetlerin öncelikle ulaştırılması gereken bölgelerin tespit edilmesi ve uygun koruyucu önlemlerin etkin olarak alınması sağlanacaktır.

Su kaynaklı hastalıklar morbidite, mortalite, sakatlık, iş gücü kaybı ve ekonomik kayba yol açması nedeniyle önemli bir halk sağlığı sorunudur. Sadece hasta kişilerle sınırlı kalmamakta çevresindeki insanları da etkilemektedir.

Türkiye‘de sağlık alanında CBS kullanılarak yapılan çalışmaların büyük bir kısmını sadece görselleştirme amaçlı, veri sınıflandırma teknikleri kullanarak bilginin sadece sunulduğu araştırmalar oluşturmaktadır.

Bulaşıcı hastalıkları takip etmek ve doğru müdahaleyi doğru zamanda, doğru bölgeye yapmak hastalığın önlenmesine ve yayılmasını azaltmaya yardımcı olacaktır. Bu nedenle düşük ve yüksek riskli alanların hızlı ve doğru bir şekilde belirlenmesini sağlamak, hastalıkların mekânsal varyasyonlarını ve dağılım paternlerini daha etkin bir şekilde gösterebilmek, kümelenme analiz yöntemlerini kullanıp hastalığın yoğunlaştığı bölgeleri tespit etmek için CBS‘den yararlanabilmektedir. Hastalık verileri CBS yazılımları içinde veri tabanına kaydedilerek zaman içinde yeni verilerin sisteme dâhil edilmesiyle risk haritaları düzenli olarak güncellenecek ve oluşturulan risk haritaları hastalıkların sürekli olarak izlenmesine olanak sağlayacaktır.

28