Mekânsal Analiz

Mekânsal analiz dünya üzerindeki kültürel ve fiziksel durumların mekansal desenlerle tanımlanması işlemidir. Bu desenler çalışma alanındaki değişken mekânsal dağılımları temsil ederler. Hava-toprak kirliliği, Rakım–arazi kullanımı gibi coğrafi değişkenler nokta ya da alan desenler olarak görüntülenir.

Mekânsal analizler genellikle gözlemlenen birimlerin mekansal ilişkilerini düzenlemeyi amaçlar. Aynı zamanda bu birimlere ilişkin öznitelik bilgilerini de dikkate alırlar (Pfeiffer, 1996). Coğrafî objelerin mekânsal deseni, yeryüzünde hüküm süren fiziki ya da kültürel süreçlerin bir sonucu olup coğrafî objelerin neden ve nasıl dağıldığını ortaya koymaktadır (Lee ve Wong, 2000).

Mekânsal analiz destekli CBS, mekânsal ilişkilerin ve kümelenmelerin belirlenmesine, hastalığın durumunun anlaşılmasına ve nerede ne zaman nasıl önlem alınacağına karar verilmesine destek olmaktadır (Olsen ve ark., 1996). Fakat bu analizlerin başarısı resmi kurum kaynaklarından gelen verilerin güvenilirliğine, kapsamına ve doğruluğuna bağlıdır. Bu verilerle ilgili olarak raporlama ve kodlama gibi problemlerle karşılaşılmaktadır. Bundan dolayı halk sağlığına yönelik CBS kullanımı veri kalitesine ve mekânsal özelliklere bağlıdır (Moore ve Carpenter 1999).

CBS, hastalık haritalarını hızlıca oluşturur. Haritalarla, istatistiksel sonuçlar arasında yakın bir bağlantı oluşturulması, mekansal epidemiyolojik hipotezinin formüle edilmesini ve tanımlanmış alanların varlığını daha fazla destekleyecektir (Gatrell ve Loytonen 1998).

Kanser oranları uzun zamandır bölgelerde, farklı yerlerde dağılım gösterirken, son zamanlarda birbirine yakın sınır bölgelerde tespit edilmiştir. Bunun sebebi kültürel ve davranışsal faktörler, aynı çevrede aynı etkiye maruz kalmaktan kaynaklanabilir (Pommerenke ve ark., 1994).

Kanser hastalığı desenini ortaya koyabilmek için mekânsal analize ve istatistiğe ihtiyaç vardır (MacLennan, 1991).

Mekânsal analizlerde kullanılan yöntemler başlıca 3 aşamada incelenebilir. Bunlar;

● verinin görselleştirilmesi/Konum Belirleme

● tanımlayıcı-keşifçi mekânsal veri analizleri/Nüfusun Karakterizasyonu

● olgunun mekâna bağlı olarak modellenmesidir/Mekansal Modeller (Gatrell ve ark., 1996).

- Konum Belirleme: Örneğin en iyi coğrafi konumdaki, sağlık birimleri ve

hizmet servisleri yerlerinin adreslenmesine ilişkin problemlerin çözümü şeklinde tanımlanabilir. Şu anki CBS ve diğer destek sistemleri; sağlık birimlerinin en iyi nerede konuşlandırılacağı sorusuna cevap bulmak, bir ambulansın hastanelere en iyi ulaşım zamanını tahmin etmek ve hastane olmayan yerler için kararlı cevaplar bulmak şeklinde çözümler sunmaktadır.

- Nüfusun Karakteristiği: Mekânsal epidemiyolojide, coğrafi popülâsyonun

karakterize edilmesi CBS’ nin desteğiyle önemli bir iştir. (Risk faktörleri nerede yüksek?) Epidemiyologlar hastalıkları paylar ve paydalar üzerinde yorumlarlar. Bir hastalık oranında, payda risk altındaki popülâsyonken, pay hastalık durumunu (sayısını) ifade eder. Yüksek riskli popülâsyonu tanımlama v.b. gibi sonuçlar üretilir.

- Mekânsal Modeller: Kamu sağlığında mekansal modellerin son yıllardaki

gelişimleri Monte Carlo ileri tahmin teknikleri jeoistatistik modelleri ve hastalık oranları Bayesian modellerini kapsamaktadır (URL3). Bu modeller ölçeksiz alanlarda değişkenlerin tahmini, harita güncelleme, enterpolasyon ve hastalık oranlarını saptamasıyla ilgili önemli modellerdir (Bithell, 1990).

Bir alanda normal olmayan bir sağlık vakası kümesi var mı? Bir hastalığın normal olmayan yüksek veya düşük prevelensı nerede görülmektedir? Hastalık riskinin en yüksek ve en düşük olduğu yerler nerelerdir? Mekânsal analiz yöntemleri, sağlık vakalarının normal olamayan görünüşlerini ve coğrafi yapıyı tanımlamak için sağlık verilerin filtrelenmesine yarayan bir araç sunar (Mitchell, 2005).

3.1.1 Mekansal kümeleme

Halk sağlığı uzmanlarınca hastalık kümelenmeleri, zamana ve mekâna göre hastalık vakalarının yoğunluk gösterdiği alanlardır. Toplumda hastalıkların artmakta olduğuna ilişkin kaygıların olduğu zamanlarda ya da gözlem sisteminde rutin olarak toplanan verilerle bir yerde alışılmadık bir yoğunlaşmanın olduğunun fark edilmesi durumunda mekansal kümeleme ve sınıflama incelemeleri kaçınılmazdır.

En yaygın kümeleme analizi yolu sağlık verilerin insidans veya prevelance oranlarının koroplet haritalarının çizilmesidir. Alanların nüfus büyüklükleri farklı olduğunda farklı güvenilirlik derecelerinde bu alanlar için hastalık oranları hesaplanır. Küçük nüfuslu alanlar ve dar alanların oranları değişkendir ve geniş alanların oranlarına göre daha az güvenilirdir. Dar alanlarda bir ve iki vaka değişikliği insidans veya prevelans sonralarında devasa farklıklara neden olabilir. Örneğin küçük nüfusa sahip bir

alanda düşük ağırlıkta bebek doğması ortalaması 200 doğum iken büyük yerleşmede 1600 dür. İlk alanda yıllara göre değişim %5 ile 16 arasında dalgalanırken diğerinde %12 ile 16 arasında değişmektedir. Böyle bir durumda dar alanlı alanda her hangi bir yıl için çizilen harita yanıltıcı sonuç verecektir. Geniş alan için çizilecek harita ise gerçeğe daha yakın sonuç verecektir.

Mekânsal kümeleme yöntemleri temel halk sağlığı sorularının yanıtlarını temin etmeye yardım eder.

Kümelenme analizinde kümelenmenin görüldüğü coğrafi uzanım veya ölçek tanımlanmalıdır. 5 km2_{’lik bir kümelenme alanı ile 2500 km}2_{’lik alan birbirinden çok}

farklıdır. İlki hastalık sınıfının son derece yerel olduğunu, diğeri ise bölgesel olduğunu gösterir. Bütün kümeleme yöntemleri mekânsal ölçekte bir veya birkaç vakaya odaklanır. Bazen, analistler her ne kadar nüfus ya da sağlık verisi çalışılacak ölçeği belirlese de mekansal ölçek seçimini kontrol edebilir.

Ölçek kümeleme çalışmalarından elde edilen sonuçları ciddi anlamda etkiler. Şehirler ya da toplumlar arasındaki kümeleme çevresel kirlenmenin kaynak noktaları gibi yerel etkileri yansıtır. Bunun tersine ülke ve bölgelere yönelik elde edilen oranlar iklim ya da kültür gibi bölgesel etkenlerin sonuçlarını yansıtır. Çalışılan sağlık sorununun ölçeği hastalık süreçlerinin ve muhtemel nedensel faktörlerin anlaşılmasını aksettirebilir. Dahası coğrafi ölçeğin yapısı diğer ölçeklerin yapısını gizleyebilir. Bir ülkede hastalığın ortalama oranı en düşük ve en yüksek olduğu yerlerin oranlarından kaynaklanabilir. Bu tür farklılıklar ülkesel ortalamalar alındığında kaybolurlar. Ülke ölçeğindeki analizlerde toplumda en yüksek oranların ortaya çıkarılması gereklidir.

Kümeleme analizinde kaç tane kümenin olduğu yargısına varmak için bir dizi ölçütlere ihtiyaç vardır. Bir veya iki vaka fazlalığı bir küme teşkil eder mi? Anlamlı kümeyi tanımlayan hattı nereye çizebiliriz? Bunun mükemmel bir yanıtı olmamasına rağmen coğrafi ve istatistiksel yöntemler analistlere ve karar vericilerin bilimsel olarak şekillendirilmiş kararlarına yardım eder.