T.C.
SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
EPİDEMİYOLOJİDE MEKANSAL ANALİZ: KONYA İLİ KANSER HASTALIĞI ÖRNEĞİ
H. Canan GÜNGÖR DOKTORA TEZİ
Harita Mühendisliği Anabilim Dalı
Aralık, 2013 KONYA Her Hakkı Saklıdır
iii
TEZ BİLDİRİMİ
Bu tezdeki bütün bilgilerin etik davranış ve akademik kurallar çerçevesinde elde edildiğini ve tez yazım kurallarına uygun olarak hazırlanan bu çalışmada bana ait olmayan her türlü ifade ve bilginin kaynağına eksiksiz atıf yapıldığını bildiririm.
DECLARATION PAGE
I hereby declare that all information in this document has been obtained and presented in accordance with academic rules and ethical conduct. I also declare that, as required by these rules and conduct, I have fully cited and referenced all material and results that are not original to this work.
İmza
Hatice Canan GÜNGÖR Tarih:
iv
ÖZET
DOKTORA TEZİ
EPİDEMİYOLOJİDE MEKÂNSAL ANALİZ: KONYA İLİ KANSER HASTALIĞI ÖRNEĞİ
Hatice Canan GÜNGÖR
Selçuk Üniversitesi Fen Bilimleri Enstitüsü Harita Mühendisliği Anabilim Dalı Danışman: Yrd. Doç. Dr. Gülgün ÖZKAN
2013, 161 Sayfa Jüri
Yrd. Doç. Dr. Gülgün ÖZKAN Doç. Dr. Semra GÜNAY AKTAŞ
Yrd. Doç. Dr. Ali ERDİ Doç.Dr. Savaş DURDURAN
Doç.Dr.Tayfun ÇAY
Bu çalışmada 2005–2009 yılları arası Konya iline ait kanser vakalarının mekânsal ve zamansal olarak dağılımı ve çevresel faktörlerin etkisi incelenmiştir. İlin jeoloji haritası, arazi kullanım haritası, topografik eş yükseklik haritası, güneşlenme şiddeti haritası, baz istasyon dağılımı haritası ve maden haritaları altlık olarak kullanılarak kanserin mekânla ilişkisi araştırılmıştır. Kanser türleri 9 gruba ayrılmıştır. Kanser hastalarının yaşı, cinsiyeti, eğitimi, mesleği ve kan bağı gibi beşeri bilgileri birbirleriyle ve mekânla ilişkileri istatistiksel olarak incelenmiştir.
31 ilçesi bulunan Konya İlindeki kanser vakalarının sayısı, ilçe nüfuslarındaki oranlarıyla (İnsidans) incelenerek mekânsal istatistiğe konu olmuştur. İnsidansı yüksek olan ilçelerdeki mekân ve hastalık ilişkisi farklı Coğrafi Bilgi Sistemi(CBS) yazlımlarından faydalanarak tematik haritalarla görselleştirilmiştir.
Çalışmanın öznitelik verilerinin istatistiksel analizlerinde istatistik paket programları kullanılmıştır. İlçelerle kanser türleri arasındaki ilişki uyum analizi ile incelenmiş ve 2 boyutlu düzlemde gösterilmiştir. Yıllara göre kanser insidanslarındaki değişim Ki-kare trend analizi ile sürekli değişkenler arasındaki ilişki korelasyon analizi ile incelenmiştir. Çalışmadaki tüm istatistiksel analizlerde p değeri 0, 05’in altındaki karşılaştırmalar, istatistiksel olarak anlamlı kabul edilmiştir.
Nüfusta yaştan kaynaklanabilecek hataları ortadan kaldırmak amacıyla doğrudan yaş düzeltme işlemi yapılmıştır. Farklı yaş gruplarındaki kanser türleri tespiti için 2’li karşılaştırma testleri yapılmıştır.
Elde edilen toplam 7298 kanserli vakanın ilçelere göre dağılımı ile her bir ilçenin hastalık insidansı yerleşimlerdeki nüfus yoğunluğuna göre farklılık göstermektedir. Yıllara göre insidans oranları incelenerek zamansal değişimdeki, oransal değişimler gözlemlenmiştir.
Kullanılan testlerde ve yazılımlarda, komşu ilçelerdeki insidans oranlarının, kanser sayılarının, kanser türlerinin benzerlikleri dikkat çekmiştir. Yapılan kümeleme analizlerinde de birbirine komşu ilçelerin aynı kümede var olduğu görülmüştür. “Her şey bir biriyle ilişkilidir, yakın şeyler birbirleriyle daha ilişkilidir”, tezi burada doğrulanmaktadır.
Bu çalışma ülkemizde önemi vurgulanan kanser kayıtçılığına, sağlık sistemine öneriler getirilmesi ve dikkat çekilmesi adına yapılmıştır. Disiplinler arası çalışmalarla, büyük projelere örnek teşkil etmesi amaçlanmıştır.
Anahtar Kelimeler: Coğrafi Bilgi Sistemi(CBS), Mekânsal Analiz, Epidemiyoloji, Konya İli, Kanser Hastalığı
v
ABSTRACT
Ph.D THESIS
SPATIAL ANALYZE IN EPIDEMIOLOGY: DISEASE OF CANCER IN KONYA CITY
Hatice Canan GUNGOR
THE GRADUATE SCHOOL OF NATURAL AND APPLIED SCIENCE OF SELÇUK UNIVERSITY
THE DEGREE OF DOCTOR OF PHILOSOPHY IN MAP ENGINEERING
Advisor: Asst. Prof. Dr. Gülgün ÖZKAN 2013, 161 Pages
Jury
Advisor Asst. Prof. Dr. Gülgün ÖZKAN Assoc. Prof. Dr Semra GÜNAY AKTAŞ
Asst. Prof. Dr. Ali ERDİ
Assoc. Prof. Dr S.Savaş DURDURAN Assoc. Prof. Dr Tayfun ÇAY
In this study, spatial and temporal distribution cancer cases between the years 2005-2009 in the province of Konya is examined and the effects of environmental factors are investigated. Relation between cancer cases and the location is investigated by examining the geological map, land use map, topographic contour map, sun intensity map, base station distribution map and mineral map of the area. Cancers are divided into 9 groups. Age, gender, education, occupation and blood relation data are investigated internally and compared to locational data statistically.
The number of cancer cases in Konya, which has 31 districts, is statistically compared to population of districts. In districts with high number of incidences, the relation between the disease and location is visualized with tematic maps with the help of Geographical Information System (CBS). A number of CBS software is used to create and analyze the maps. During the locational statistic and auto-correlation analysis Global and Local tests are used and the results are investigated with softwares ,
During the statistical analysis of attributes of the study statistical software packs are used. Relationship between cancers and locations are analyzed with relation coherence and shown in two-dimensional graph. The changes of cancer cases according to years are analyzed with chi-square trend analysis. During all statistical analysis of the study, comparisons with p value below 0.05 are accepted as statistically meaningful.
Analyzing the all types of cancers, the percentages of different cancers are varying according to gender. Ages of the patients are different according to the cancer types. In order to spot the difference, dual-comparison tests are conducted.
The distribution of the 7298 cases during 5 years is varying according to the population density of the districts. Since the study investigated a 5-year period, incidence rates are investigated and spatial and proportional changes are observed.
The similarities between neighbor districts such as incidence rates, number and cancer types are observed during tests and analyses by softwares. During cluster analysis, neighbor districts are observed to be in the same clusters as well. So, the thesis that “Everything is related with each other. Closer things are more related.” is proven.
This study is conduct in order to generate recommendations to public health system and call attention to cancer registration which is highlighted in our country. With interdisciplinary studies, it is aimed to set an example for bigger projects.
Keywords: Geographical Information Systems (GIS), Epidemiology, Spatial Analysis, Konya City, Cancer Disease
vi
ÖNSÖZ
Çalışmalarımda yardımını ve zamanını esirgemeyen sayın hocam Yrd. Doç. Dr. Gülgün ÖZKAN’a, aynı zamanda kaynak, bilgi ve tecrübeleri ile manevi desteğini de esirgemeyen sevgili babam S.Ü. Tıp Fakültesi Öğretim Üyesi Prof. Dr. Salim GÜNGÖR’e, Map Info yazılımının kullanılmasında bana kolaylıklar sağlayan ve vakit ayıran Basarsoft Şirketi Teknik Müdürü Sayın Ahmet DABANLI Bey’e ve her anlamda destek sayın hocam Doç. Dr. Semra GÜNAY AKTAŞ’a teşekkürü bir borç bilirim. Çalışmalarım sırasında manevi desteklerini esirgemeyen değerli ailem ve annelerim Gülten Korkut’a, Saliha Güngör’e, eşim Eşref Kemal Güngör’e, oğullarım Egehan ve Berkay’a teşekkür ederim.
Saygılarımla…
H.Canan GÜNGÖR
vii
İÇİNDEKİLER
TEZ KABUL VE ONAYI ... Hata! Yer işareti tanımlanmamış.
TEZ BİLDİRİMİ ... iii ÖZET ... iv ABSTRACT ... v ÖNSÖZ ... vi İÇİNDEKİLER ... vii SİMGELER VE KISALTMALAR ... ix ÇİZELGELER LİSTESİ ... x
ŞEKİLLER LİSTESİ ... xii
1. GİRİŞ ... 1 1.1 Çalışmanın Amacı ... 2 2. KAYNAK ARAŞTIRMASI ... 4 2.1 CBS ve Gelişimi ... 4 2.2 CBS ve Epidemiyoloji ... 5 2.3 Hastalık Haritalama ... 7
2.4 Ulusal ve Uluslararası CBS-Sağlık Çalışmaları ... 10
2.5 Kanser ve Kanser İstatistikleri ... 23
2.5.1 Dünyada kanser istatistikleri ... 24
2.5.2 Türkiye’de kanser istatistikleri ... 26
3. MATERYAL VE METOT ... 29
3.1 Mekânsal Analiz ... 30
3.1.1 Mekansal kümeleme ... 31
3.2 Mekansal İstatistik ... 32
3.3 Yaş Düzeltme ... 35
4. EPİDEMİYOLOJİDE MEKANSAL ANALİZ-KONYA İLİ KANSER HASTALIĞI ÖRNEĞİ ... 37
4.1 Çalışma Alanı ... 37
4.2 Verilerin Toplanması ... 38
4.2.1 Mekânsal veritabanı oluşturma ... 38
4.2.1.1 Konum haritası ... 39
4.2.1.2 Topografik 1/25000 lik haritalar ... 39
4.2.1.3 Arazi kullanımı haritaları ... 41
4.2.1.4 Maden haritası ... 44
4.3. Sözel Veritabanı Oluşturma ... 47
4.3.1 Beşeri faktör verileri ... 48
viii
4.3.3 Güneşlenme şiddetine ilişkin veriler ... 51
4.3.4 Baz istasyon sayısına ilişkin veriler ... 51
4.4. Oluşturulan Sistemde Verilerin İlişkilendirilmesi ... 52
4.4.1 Toprak kirliliği haritası ... 52
4.4.2 Sıcaklık haritası ... 53
4.5 Oluşturulan Sistemde Verilerin Analizi ve Mekansal Analiz ... 54
4.5.1 Beşeri faktörler ... 55
4.5.1.1 Cinsiyet-zaman ilişkisi ... 55
4.5.1.2 Yaş-zaman ilişkisi ... 58
4.5.1.3 Meslek-kanser ilişkisi ... 66
4.5.1.4 Kan bağı-kanser ilişkisi ... 66
4.5.1.5 Eğitim-Kanser ilişkisi ... 67
4.5.1.6 Kanser türleri-zaman ilişkisi ... 68
4.5.2. İnsidans hesaplaması sonuçları ... 70
4.5.3 Yaşa standardize nüfus ve insidans ... 77
4.5.4 Baz istasyonu analiz sonuçları ... 79
4.5.5 Örtüşme analizleri sonuçları ... 81
4.6 Mekânsal İstatistik ... 86
4.6.1 GeoDa Yazılımı ile Moran I Testi ... 87
4.6.2 Global Geary C yöntemi ... 91
4.6.3 Genel G(d) istatistiği ... 92
4.6.4 LISA testi ve sonuçları ... 93
4.7 Kanser Dağılımı Mekansal Kümeleme Analizleri ... 95
4.7.1 SPSS ile kümeleme ... 95
4.7.2 SatScan ile kümeleme ... 103
4.7.3 ArcGis ile kümeleme ... 105
5. TARTIŞMA ... 107
5.1. Çalışmada Karşılaşılan Kısıtlar ... 112
5.2 Epidemiyolojik Çalışmada Yol Haritası ... 113
6. SONUÇ VE ÖNERİLER... 118
KAYNAKLAR ... 121
EKLER ... 128
ix
SİMGELER VE KISALTMALAR
AR-GE : Araştırma Geliştirme
ADNK :Adrese Dayalı Nüfus Kayıt
CBS : Coğrafi Bilgi Sistemi
MKDS : Mekansal Karar Destek Sistemi TSBS : Türkiye Sağlık Bilgi Sistemi
NCI : Ulusal Kanser Enstitüsü
CDC : Hastalık Kontrol ve Önleme Merkezi
WHO : Dünya Sağlık Örgütü
x
ÇİZELGELER LİSTESİ
Çizelge 2.1. Kanser insidansları ... 28
Çizelge 3.1. Mekansal Analize Konu Değişkenler ... 29
Çizelge 4.1 Arazi Kullanım Verileri ... 41
Çizelge 4.2 Arazi Kullanımı İlçe Dağılımı ... 42
Çizelge 4.3 Arazi Sınıflaması ... 43
Çizelge 4.4. Sözel Veritabanı ... 49
Çizelge 4.5. Nikel Kirlilik noktaları koordinatları ... 50
Çizelge 4.6. Güneşlenme Şiddeti ... 51
Çizelge 4.7. Baz İstasyon Dağılımı ... 51
Çizelge 4.8. Kanserin yıllara göre erkekler üzerindeki etkisi ... 56
Çizelge 4.9. Kanserin yıllara göre kadınlar üzerindeki etkisi ... 57
Çizelge 4.10. Kanser türü-cinsiyet ... 58
Çizelge 4.11. kanser türü- vaka yaş ... 58
Çizelge 4.12. Vaka- kanser türü karşılaştırma ... 59
Çizelge 4.13. erkek vaka – kanser türü karşılaştırma ... 59
Çizelge 4.14. kadın vaka- kanser türü karşılaştırma ... 60
Çizelge 4.15. her bir türün yaş grafikleri ... 61
Çizelge 4.16. kanser türü-meslek ... 66
Çizelge 4.17. kanser türü-kan bağı ... 67
Çizelge 4.18. kanser türü-eğitim ... 67
Çizelge 4.19. kanser türü-ilçeler grafiği ... 69
Çizelge 4.20. Konya ili ilçelere göre kanser insidansı(2005-2006) ... 71
Çizelge 4.21. insidansı yüksek ilçeler ... 72
Çizelge 4.22. insidans değişim oranları ... 76
Çizelge 4.23. Yaş Düzeltme Tablosu ... 77
Çizelge 4.24. Standardize edilmiş nüfusla İnsidans ... 78
Çizelge 4.25. Baz istasyonu- insidans değişim oranları ... 79
Çizelge 4.26. İlçe merkez koordinatları ... 88
Çizelge 4.27. SPSS Veri Girişi ... 95
Çizelge 4.28. Değişkenlerin Hasta Sayısında Etken Dereceleri ... 96
Çizelge 4.29. Değişkenlerin İnsidans OranındaEtken Dereceleri ... 97
xi
Çizelge 4.31. Nikel Değeri ile etken dereceleri: ... 99
Çizelge 4.32. 2009 vakaları kümeleme ... 100
Çizelge 4.33. İlçe Kümeleri ... 101
Çizelge 4.34. SPSS küme Çizelgesi ... 103
Çizelge 4.35. Satscan ile oluşan Küme ... 105
Çizelge 5.1: Epidemiyolojik Çalışmada Yol Haritası ... 113
Çizelge 5.2. Kurumsal Yapı Özeti ... 114
xii
ŞEKİLLER LİSTESİ
Şekil 2.1: Türkiye’deki kanser kayıt merkezleri (25/04/2002 T.C. Sağlık Bakanlığı). . 27
Şekil 4.1 Konya il haritası ... 37
Şekil 4.2. Konya ili ve ilçelerine ait sayısal harita ... 39
Şekil 4.3. 90 m aralıklı contour harita ... 40
Şekil 4.4. Konya yükseklik haritası ... 40
Şekil 4.5. Tanımlanmamış arazi sınıfı ... 42
Şekil 4.6. Arazi kullanım haritası ... 43
Şekil 4.7. Konya arazi kullanımı tematik haritası ... 44
Şekil 4.8. Konya İli Maden Haritası (M.T.A. Bölge Müdürlüğü) ... 45
Şekil 4.9. Poligon Tabakaları ... 46
Şekil 4.10. Konya maden haritası ... 46
Şekil 4.11. Excel dosyasının Tab uzantılı dosya halinde görünümü ... 47
Şekil 4.12. Toprak kirliliği tematik haritası ... 53
Şekil 4.13. Konya güneşlenme haritası ... 54
Şekil 4.14. Erkeklerde yıllara göre kanser ... 56
Şekil 4.15. Kadınlarda yıllara göre kanser ... 57
Şekil 4.16. 2005 yılı yaş haritası ... 62
Şekil 4.17. 2006 yılı yaş haritası ... 63
Şekil 4.18. 2007 yılı yaş haritası ... 63
Şekil 4.19. 2008 yılı yaş haritası ... 64
Şekil 4.20. 2009 yılı yaş haritası ... 65
Şekil 4.21. 5 yıllık yaş dağılım haritası ... 65
Şekil 4.22. 2005 yılı kanser türleri ... 70
Şekil 4.23: 2005-2009 yılları kadın vaka insidans değişimi ... 73
Şekil 4.24. 2005-2009 yılları erkek vaka insidans değişimi ... 74
Şekil 4.25. 2005-2009 yılları vaka insidans değişimi ... 75
Şekil 4.26. düzeltilmiş yaş oranları haritası ... 78
Şekil 4.27. Baz istasyon sayıları ... 79
Şekil 4.28. Baz İstasyonu Tematik haritası ... 80
Şekil 4.29: Toprak Kirliliği ve Arazi Kullanım Haritası ... 81
xiii
Şekil 4.31. Arazi Kullanımı- Toprak Kirliliği- Baz İstasyonu Tematik haritası ... 82
Şekil 4.32. Arazi Kullanımı-İnsidans haritası ... 83
Şekil 4.33. Sulanmayan Ekilebilir Alanlar-İnsidans haritası ... 83
Şekil 4.34. Bitki Değişim Alanları-İnsidans haritası ... 84
Şekil 4.35. Güneşlenme Şiddeti-Cilt Kanseri Haritası ... 85
Şekil 4.36. Solunum sistemi Kanserleri 2005-Toprak Kirliliği haritası ... 85
Şekil 4.37. 2005 İnsidans-Toprak Kirliliği haritası ... 86
Şekil 4.38. Moran I Değeri ... 88
Şekil 4.39. Komşusuyla benzerlik gösteren ilçeler ... 89
Şekil 4.40. Z Değeri hesaplanması ... 90
Şekil 4.41. Geary C Değeri hesaplanması ... 91
Şekil 4.42. Benzerlik gösteren ilçeler kümesi ... 91
Şekil 4.43. Benzerlik gösteren ilçeler kümesi ... 92
Şekil 4.44. Yüksek ve düşük değerlerin olduğu ilçeler ... 93
Şekil 4.45. Benzerlik gösteren ilçeler kümesi ... 93
Şekil 4.46. Z değeri çizelgesi ... 94
Şekil 4.47. Küme Dendogram görüntüsü ... 102
Şekil 4.48. Verilerin Sisteme Girişi ... 103
Şekil 4.49. Satscan Analizi ... 104
Şekil 4.50. Arcgis ile Kümeleme ... 106
1. GİRİŞ
Coğrafi Bilgi Sistemleri (CBS) genel anlamda coğrafi veya mekânsal koordinatlarla tarifleşen veriyi toplayan, analiz eden ve sergileyen bilgisayar yazılımı ve donanımından oluşmuş bir sistemdir.
Bir başka ifade ile CBS mekanda yer alabilen, haritası çıkarılabilen ve analiz edilebilen olaylar veya elemanlar hakkındaki gözlemleri içeren veri tabanları silsilesini kapsar. Clarke (2002) CBS’yi bir bilgi sistemi, bir araç ve bilimsel bir yaklaşım olarak açıklamaktadır. Bir araç olarak CBS mekânsal veri analizinin ve işleyişinin çeşitliliğini içeren bir yazılım paket programıdır.
Bu çerçevede, CBS gelişen teknolojileri bünyesinde bulundurarak sürekli kendini yenileyen ve geliştiren yapısıyla geniş bir yelpazeye hizmet vermektedir.
Bugün tüm dünyada bilim dallarının sınırları sürekli olarak gelişmektedir. Dolayısıyla disiplinler arasında, birlikte daha sağlıklı çözümleyebilecekleri ortak konular oluşmakta hem de nitelik ve nicelik açısından önem taşımaktadır. İnsan doğasının parçası, olayların oluşumunun izlerini keşfetmeyi denemektedir. Erken devrede doğru yerde, doğru noktalara bağlanmak acil önlemler için anlamlı bir resim oluşturacaktır. Bilimsel çalışmalarda, bağlantı noktalarını formül hale getirme metotları, ilişkileri belirlemede ve neden-sonuç irdelemede güçlü araçları oluşturur (Waller ve Gotway, 2004).
Özellikle son yıllarda tıbbi konularda yapılan CBS uygulamalarında önemli bir artış gözlenmektedir. CBS, büyük ölçekten küçük ölçeğe kadar halk sağlığı programlarının günlük işlemlerini ve yönetimsel çalışmalarını, planlama kapsamında verdiği katkılar ve epidemiyolojik haritalar aracılığı ile sağladığı bütüncül algılama yeteneğiyle desteklemektedir. Tıp bilimi ile CBS teknolojisi arasındaki ilişki Tıbbi Coğrafya konusundaki çalışmaların daha etkin bir şekilde yürütülmesi amacıyla ortaya atılan yaklaşımlar ile başlamıştır (New., 2003). Tıbbi Coğrafya’da CBS kullanımına ilişkin uluslararası anlamda birçok çalışma gerçekleştirilmiştir. Sağlık alanında CBS’nin kullanımı, bu alanda yapılan çalışmalara farklı bir boyut da kazandırmaktadır. Coğrafi bilginin, Epidemiyoloji, istatistik bilgi ile birleşimiyle, sağlık araştırmalarına önemli katkılar sağlamaktadır. CBS, halk sağlığı araştırmalarında verilerin bağlantısı ve görselleştirme noktasında oldukça güçlü bir araçtır (Haining, 2005).
Kamu sağlığı profesyonelleri bu araçları bir eyaletteki yeni doğan, ölüm oranlarının haritasını çıkartmak, sağlık hizmeti görmeyen bölgeleri belirlemek, bulaşıcı
hastalıkları gözetim hizmet sistemini oluşturmak veya zehirli maddelere maruz kalmış bölgelerin matematiksel modelini oluşturmak amacıyla kullanmaktadır.
CBS ile yapılan hastalık haritaları hastalıkların coğrafi dağılışını, yoğunluk bölgelerinin nereler olduğunu göstermede görsel açıdan oldukça kuvvetlidir. Harita üzerinde gösterilen mesajın ya da modelin doğru yorumlanması karar verici konumunda olan kişilere ve analizlere doğrudan etkilidir. Bununla beraber görselleştirme CBS uygulamalarının sadece ilk adımıdır. İkinci adımda, CBS bünyesindeki mekânsal istatistiksel yöntemlerin kullanımı, hastalıkların zamansal ve mekânsal değişimlerini keşfederek hastalığın izlenmesi ve etiyolojilerinin anlaşılmasında önemli bir rol oynamaktadır.
CBS ve Epidemiyoloji birlikte kullanılarak Mekânsal Epidemiyoloji adını almıştır (Özgür, 2008). Mekânsal epidemiyoloji fiziksel çevre karakteristikleri ile nüfustaki hastalık karakteristikleri arasındaki ilişkiyi incelemektedir. Bir başka ifade ile hastalık nedenlerini ve korelâsyonları tanımlamaktır (Hossfeld, 1992). Bu amaç için mekânsal istatistik yöntemler kullanılır. Kullanılan mekânsal istatistiksel yöntemler hastalığa ilişkin verilerin yapısını ve dağılımının belirlenmesinde, çevreyle olan etkileşimlerinin, yakın ya da uzak nokta olarak tespitinde ve hastalıklara yönelik modellerin oluşturulmasında oldukça etkilidir. İstatistiksel yöntemler, mekânsal hastalık verilerindeki tesadüfî olmayan kümelenmeleri belirlemede etkili olmasına rağmen, bu kümelenmeye neden olan mekanizmaları net olarak açıklamada yetersiz kalmaktadır. Bu durumda mekânsal modelleme ile hastalık haritaları oluşturularak hastalığa ve dağılımına etki eden çevreyle ilgili nedenlere ilişkin çözümler üretilebilmektedir. (Cressie, 1993)
1.1 Çalışmanın Amacı
Çalışmada amaç, Konya ve ilçelerinde çevresel faktörler ve kanser türleri arasındaki ilişkinin araştırılması olarak belirlenmiştir. Bu amaçla kanser vakalarının coğrafî ve zamansal dağılışının betimlenmesi, haritalanarak çalışma bölgesinin kanser vakalarının kümelenmesinin ortaya konması, kanser vakalarının kümelenmesi üzerine çevresel faktörlerin etkisinin incelenmesi çalışmanın işlem adımları olarak belirlenmiştir.
Bu kapsamda yapılan çalışmada, Konya İli Sağlık Müdürlüğünden elde edilen kanser vakaları verileri kullanılacaktır. Kanser hastalığı haritaları yapılarak, CBS ve mekânsal analiz teknikleri kullanılarak hastalığın yoğun olarak görüldüğü yerlerin
nedenlerinin tespit edilmesine yeni bir yaklaşım getirilmesine çalışılacaktır. Konya ilinde yapılacak bu çalışma ile dikkat çekilen ilçeler, nedenleriyle daha ayrıntılı incelenmeye çalışılacaktır.
Kanser dağılımı için yapılan analiz çalışmalarına temel olan döküm bilgilerinin derlenmesinde ve modellemesinde, CBS’nden yararlanılması ve böylece kanser hastalığı dağılımı analizi ve mekansal verilerin ilişkilendirilmesi, veri modelinin, yapısının ve formatının ortaya konması ve veri yapısı ile ilgili temel prototiplerin ortaya konulması yönüyle ülkemizdeki diğer kanser hastalığı mekânsal dağılım analizi çalışmaları için de önemli bir örnek olarak ortaya çıkarılabileceği umulmaktadır. Ayrıca çalışmada epidemiyolojik çalışmalar için bir yol haritası çizilmesi planlanmıştır.
Çalışmayla, kanser vakalarının tespitinde ve kontrolünde CBS destekli olarak ortaya konulan mekânsal istatistik ve mekânsal analiz tekniklerinin de ciddi anlamda AR-GE değeri olacağı düşünülmektedir. Konya İli Örnekleminden elde edilecek metodolojiye ilişkin sonuçlardan uluslararası literatüre ve mesleki disiplinler arası çalışmalara, bilimsel katkı sağlanılacağı hedefler arasındadır.
2. KAYNAK ARAŞTIRMASI
Epidemiyolojide mekansal analiz amaçlı çalışma için yapılan literatür araştırması Coğrafi Bilgi Sistemleri, CBS ve Epidemiyoloji, Kanser Hastalığı, Hastalık Haritalama, Ulusal ve Uluslararası CBS-Sağlık Çalışmaları şeklinde gruplanmıştır.
2.1 CBS ve Gelişimi
CBS şu andaki işlevsellik seviyesini öğretim ve teknolojideki geniş çapta gerçekleşen gelişimlere borçludur. Bilim olarak, CBS’nin teorik kökleri coğrafya, kartografya ve mekansal analize uzanır (Aronoff, 1989). Coğrafya öğretisindeki belirli paradigmalar CBS teknolojisi gelişimi üzerinde güçlü bir etkiye sahiptir. 1950’lerin ortasında, coğrafya birleşik bölgesel yaklaşımlarından mantıksal pozitivizmi, (tümdengelim ve tümevarım salt muhakeme ile) olasılık yasaları ve nicel değişimi kapsayan paradigmaya doğru bir değişim yaşamıştır (Davies ve Ark., 2005). Gelişmekte olan bilgisayar teknolojisi bu değişime daha hızlı bilgisayarlar üreterek ve daha çok bilgi erişimi sağlayarak katkıda bulunmuştur. Bu zaman sürecinde, bu yüzyılda daha erken gelişen mekansal analiz metotları otomasyona geçirilerek birçok yeni mekansal /istatistiksel metotlar geliştirildi (Erdoğan ve ark., 2011). Coğrafyadaki peyzaj ve sosyal ekoloji konuları gibi diğer konular pek çok disiplin için gerekli olan, otomatik harita yapma teknikleri ve harita çevresel bilgisi gelişimi üzerinde önemli bir etkiye sahip olmuştur (Buzan, 1995).
1959’da, Waldo Tobler kartografyayı kullanıma geçirmek amacıyla hazırlanan bir bilgisayar programının kullanımı hakkında bildiri yayınlamıştır. Sonraki 10 yıl içersinde, Tobler’ın fikirleri, birçoğu harita üretimi ve mekânsal analiz olduğu için yüksek bir dil düzeyinde yazılan birçok bilgisayar programı ve haritacılık paketlerinin gelişimine önayak olmuştur (Rowlingson ve Diggle, 1993). Harvard Üniversitesi Tasarım Enstitüsünde yer alan Bilgisayar grafikleri ve mekânsal analiz laboratuarındaki öğrenciler de bu program paketlerinin kullanımını geliştirmişlerdir. Laboratuar, satır yazıcısı üzerinde haritalar üreten ve veri analizi yapan bilgisayar-harita programı olan SYMAP geliştiren mimar ve şehir plancısı Howard Fisher tarafından yönetilmiştir. Diğer eski harita programları; GRID, IMGRID, CALFORM ve SURFACE II sonraki Kansas Jeolojik tetkikle geliştirilmiştir. Bu yazılım programlarının hepsi anabilgisayar bilgisayarları üzerinde devam etti ve 1980’lerin ortaları/sonlarına kadar üniversite kampüslerinde yaygın olarak kullanılmıştır.
1969 da, peyzaj mimarı Ian McHarg, elemanlar arasındaki mekânsal ilişkileri analiz edip karar vermek için kullanılan saydam katman tabakanın önemini tanımlayan “Doğa ile Tasarım” kitabını yayınlamıştır. McHarg bunu tanımlayan ve harita katman yapısının önemini vurgulayan ilk kişi değildir, fakat kitabı birçok insana ulaşmıştır. Aslında, haritaları katmanlara ayırma ve üzerine bir şeyler ekleme becerisi CBS’ in güçlerinden bir tanesidir. Poligon alanı kaplama analizini yapan ilk programlardan birisi 1980’lerde Harvard Üniversitesinde geliştirilen ODYSSEY programıdır. Ayrıca eski coğrafi veritabanı yönetim sistemlerinin bazıları 1960’larda geliştirilmiştir. 1967 ‘de, Minnesota Üniversitesinde yer yönetimi bilgi merkezi kurulmuş ve ABD çapında CBS veritabanı gelişimi başlamıştır. Otomasyona geçen haritacılıkta paralel olarak süregelen şeyler, gaz/elektrik sağlayan hizmet yönetimi ve bilgisayar destekli tasarım sisteminin gelişimi gibi diğer katkı sağlayan unsurlar Antenucci ve arkadaşları tarafından detaylı olarak ele alınmıştır.
Birçok Amerikan federal devlet kurumu, özellikle ABD Nüfus idaresi, CBS’ in ilerlemesinde ve dijital kartografik veri gelişiminde önemli, bir yere sahiptir. 1967’de kurum New Haven, Connecticut’taki bir çalışma için dijital coğrafi dosyaların (caddelerin, sayım blokları) kullanımının kılavuzluğunu yapmıştır. Bu dosyalar, GBF, DİME, (coğrafi bazlı/çift bağımsız harita Kodlama dosyaları) 1970 ve 1980 seçimlerinde kırsal bölgelerde kullanılmıştır. 1960’larda kullanılan askeri coğrafi veri teknolojisi bazı ilkel haritacılık programlarında kullanılan Dünya Data Bank gibi dijital veritabanının gelişimini sağlamıştır.
Günümüzde CBS programı profesyonel olmayan kullanıcılar tarafından da kolayca kullanılabilmektedir. Böylesi bir kolaylığın birçok avantajı beraberinde getirmekle birlikte, olumsuz yanları da vardır. Coğrafi veri karışıktır, temel coğrafya ilkeleri, veri sorunları, harita tasarımı bilgilerine sahip olunmazsa, hata yapmak, yanılmak ve yanıltmak kaçınılmazdır. Ancak bugünün teknolojisiyle gelişen yazılımlarla ve nitelikli personelle bu risk daha da düşüktür. Yanılmaya ve yanıltmaya etki olabilecek durum kullanılan niteliksel verinin kalitesindedir (Jacquez, 2000).
2.2 CBS ve Epidemiyoloji
CBS bugün pek çok disiplin içinde Mekansal Karar Destek Sistemlerine (MKDS) yardımcı olarak, alınacak her kararda ekonomik ve zamansal karlar sağlamaktadır. Bu disiplinlerden birisi de sağlık uygulamalarıdır. Sağlık alanında CBS’den faydalanılması iki yaklaşımla incelenmektedir. Bunlardan birincisi sağlık
hizmetlerinin konuşlandırılması, ikincisi de hastalıkların mekânsal dağılımı şeklindedir. İkinci yaklaşımdaki çalışmalar, bugün hastalıkların nedenlerini tespit etmek için, epidemiyolojik çalışmalar şeklinde CBS’yi de içine alarak önem teşkil etmektedir (Plant ve ark., 2003).
Epidemiyoloji, popülâsyondaki hastalık ve sağlığın incelenmesidir. CBS hastalığa neden olabilecek yerleşimlerin tespitini yaparak epidemiyolojide bir avantaj olarak kullanılmaktadır (Freedman ve ark., 2006). Epidemiyologlar için “mekansal düşün” kavramı, mekansal çalışmaların gereksinimini ortaya koymaktadır (Tunstall ve ark., 2004). CBS’ nin epidemiyolojide kullanımının önemli başarıları ve eşsiz sonuçları kaynaklarca araştırılıp, ortaya konmuştur.
CBS veri toplama ve analiz, iletişim, karar destek vericilerden oluşan üç tip temel destekle nüfus tabanlı sağlık analizlerine katkıda bulunmak için geniş potansiyele sahiptir.
CBS ile sağlık alanındaki yetkililer büyük miktarlardaki bilgileri yönetebilmektedirler. Hastalıkların dağılımının çevresel faktörlerle ve sosyoekonomik çevreyle ilişkisini inceleyerek haritalarla görselleştirebilmektedirler (Bray ve ark., 2002) . Aynı zamanda ihtiyaç duyulan bölgelerde hastane ya da klinik yapılmasına karar vererek sağlık politika uygulamalarını geliştirebilmeye ek olarak önümüzdeki dönemlerde hasta sayısının ne olacağına dair tahminler geliştirilebilmektedirler (Gatrell, 2002).
Konumsal epidemiyoloji, hastalıkların riskinde ya da görülme oranlarındaki konumsal değişimlerin izlenmesidir. Kısaca, hastalığın insidansının yani görülme oranının konumsal/coğrafi dağılımının analizi ile ilgilenir. Bazı hastalıkların çevreyle ilişkili olduğu önceki çalışmalardan tespit edilmiştir. Çevreyle ilişkili olan hastalıklardan biri de kanser hastalığıdır. Organizmada meydana gelen ve hücreleri kontrolsüz büyüyen kötü huylu tümörlere verilen genel ad kanserdir (Koyi ve ark., 2002).
Çağın vebası olarak bilinen kanser hastalığının, bazı türlerinin de, kişinin yaşadığı çevreyle ilişkili olabileceği daha önceki çalışmalarla tespit edilmiştir (URL1). Çeşitli kanserlerin çevreye bağlı olarak oluşum oranı günümüzde %80-90’ dır. Sağlık açısından çevre; toprak, su ve havayı içeren fiziksel çevre, biyolojik çevre ve sosyal çevre olarak tanımlanabilir ve hepsi birbiriyle etkileşim halinde olup genlerin yapısını da etkiler (Chauanve ark., 1998) Kanser hakkındaki epidemiyolojik düşünme şeklinin başlangıcı R. Stern’in çalışmasıyla, 1842 de Verona’da kanserden ölüm oranlarının
istatistiksel verilerini bir araya getirmesiyle olmuştur. Kanserin coğrafi dağılımı 19.yy. ikinci yarısında gittikçe artan bir ilgi görmüş, 1915’de Hoffman kitabında dünya genelinde kanserin coğrafi patolojisi ve kanserden ölüm oranlarını yazmıştır. Yaşanılan coğrafya ile kanser sıklığı arasındaki ilişkiye pek çok çalışmayla vurgu yapılmıştır. Belçika’da akciğer kanseri Japonya’dakine göre 3 kat kadar, Malign melanoma Yeni Zelanda’lı beyazlarda İzlandalılardan 6 kata kadar daha sık tespit edilmesi, bu duruma örnektir.
Son yarım yüzyılda, pek çok ülkede hastalıkların ve ölümlerin kayıtlarının tutulması çok daha geniş bir yaklaşımla, yerel ya da bölgesel olarak hastalıkların dağılımını anlamaya olanak sağlamıştır.
2.3 Hastalık Haritalama
Hastalık haritalama asırlardan beridir halk sağlığı ve epidemiyolojiye katkı sağlamaktadır (Gilbert, 1958 ve Shannon, 1981).
Hastalık haritalama CBS’nin kullanımı ile mekansal modellerin belirlenmesinde yaygın olarak kullanılmaktadır. Özellikle hastalığın nedenleri ve belirleyici süreçleri bilinmediği durumlarda, coğrafi çalışmalar ve konumsal epidemioloji için CBS önemli bir unsur oluşturmaktadır (Lawson ve ark. 1999; Rushton, 1998; Elliott ve ark., 2000).
CBS yüksek düzeyde mekansal dağılımda olan sağlık olaylarının çok büyük veri tabanlarını haritalandırmayı ve risk faktörlerin dağılımını içeren bilgileri ve çevreye ait diğer bilgiler için kurulan sistemden alınan data ile ilişki kurmayı kolaylaştırır (Elliott ve ark., 2005).
CBS ile üretilen haritalar öncelikli alanların belirlenmesi, hastalığın etki alanının coğrafi dağılımının belirlenmesi, hastalık sebebi hakkındaki hipotezlerin formülüzasyonu, coğrafi çeşitlilikler için gerekli risklerin değerlendirilmesi gibi birçok amaç için kullanılabilmektedir (Bailey, 2001).
Bir yılda her yüz bin kişideki hız olarak ifade edilen insidans ve prevelansın haritalanmasında yaygın uygulaması nüfus ve sağlık sonuçları verilerin temel olarak sıklıkla bu alanlarda kaydedilmesi nedeniyle şehirler ya da sayım bölgeleri gibi siyasi veya idari birimlerde hastalık oranlarının hesaplanması şeklindedir. Bu yöntemle ilgili problem bu birimlerin sınırları genellikle nüfusun, vakaların ya da her ikisinin altını çizecek şekilde keyfi olarak taksim edilmiş olmasıdır (Goodchild ve ark., 1991). CBS vakalar ve risk altındaki nüfusu ve sağlık sonuçlarının dağılımının çok yönlü görüntülerini sergilemesini overlay kaplamayı mümkün kılar.
CBS aynı zamanda güvenilmeyen kümelenmiş verileri hastalık sınıflarında kullanılan yöntemler için araştırmaların analizlerini destekler. Yüksek veya düşük insidansa sahip alanlar yerel nüfusa oranla yüksek vaka sayısına sahip alanları bulmak için bireysel vakalar çevresinde araştırmalarla tanımlanabilir (Ward ve ark., 2000).
Tıbbi coğrafya ve CBS’nin halk sağlığındaki kullanımı üzerine yazılan bir makale, 1854 kolera salgını sırasında Londra’nın Soho bölgesindeki kolera vakasının haritasını çıkaran Londralı Doktor John Snow’un referansı ile başlamıştır. Snow bu vakaların Broad Caddesi tulumbası etrafında kümeleştiğini göstermiştir. Tulumbanın kaldırılması ve vakalardaki müteakip azalma Snow’un kolera vakalarının sudan kaynaklı bir hastalık olduğu görüşünü desteklemiştir. Belki de Snow’un haritasından daha ilginç olan; su kirliliği ile kolera arasındaki bağlantıyı tanımlamasına yardımcı olan 1854 ve 1849 salgınından önceki tıbbi çalışmasıydı. 1849 kolera salgınında Büyük Britanya da 52000 den fazla insan ve sadece Londra da 13000 insan hayatını kaybetmiştir. Snow 1849’daki bu salgınla ilgili olarak yazılı olarak bir belge yayınlarken, sonraki birkaç yılda, 2.basımı 1854 ‘te yayımlanan, daha önemli bir çalışmayı tamamlamıştır (Snow, 1855).
İkinci açıklamasında, Snow kolera, fakirlik, yükseklik ile Londra’da çeşitli bölgelerde yer alan su ikmali arasındaki bağlantıyı ele almıştır. Bu bağlantıların coğrafi analizini, haritasını ve büyüleyici şekilde yeniden yapılandırmasını Cliff ve Hagget (1988) oluşturmuştur. Yazarların belirttiği gibi; bu bağlantılar; Thames nehrine bitişik olan bölgelerdeki yüksek ölüm oranı ve Londra bölgesindeki su ikmali ile kolera salgını arasındaki ilişki gibi çarpıcı coğrafi dağılımlarla sonuçlanmıştır. O anda; büyük şehirdeki birçok su şirketi, şehirlere suyu direkt Thames nehrinden bazıları da depolardan olmak üzere sayısız kaynaktan sağlıyordu. Kolerada yaşanan ölüm oranı, direkt Thames nehrinden sağlanan kirli su ile bağlantılı olduğunu vurgulamaktadır.
Snow ayrıca rakım ile kolera arasındaki ilişkiyi de araştırmış ve koleranın alçak yerlerde rastlandığını gözlemlemiştir. Bunun su kirliliği mi yoksa toprak türünden mi kaynaklandığı tartışma konusu olmakla birlikte; aslında bu iki faktörün kombinasyonunun sonucu olduğu ortaya çıkmıştır. Alçak yerler su durgunluğuna ve kirliliğe yol açan daha zayıf drenaja (akıntı) sahiptir. Toprak cinsi, ayrıca suyun alkalinitesi, yüksek Ph’ta kolera mikrobunun bulaşmasında etkin rol oynamıştır.
Günümüzün teknolojisi Snow’un analizi gibi bir çalışmayı çok kısa bir zaman diliminde masaüstü bilgisayarda yapmamızı mümkün kılmaktadır. Bu çalışma bugün yapılmış olsa idi; güçlü bir bilgisayar haritacılığı ve bilgi sistemi donanımı ile Londra
bölgelerinin, su ikmallerinin ve kolera vakalarının haritaları, bunun yanında su kaynağını ve suyun PH değeri gibi karakteristik özelliklerini sunan bir su ikmali haritasının veritabanı ayrıca toprağın karakteristik özelliklerini ve ona uyan rakım modelini öngören bir toprak haritası elde edilebilirdi (Cliff, Hagget,, 1988).
1970’te, “Epidemiologlar için yeni gözler: hava fotoğrafları ve diğer uzaktan algılama teknikleri” başlıklı bir makalede, hastalık salgınlarını bulmak ve değişimlerini izlemekte, uzaktan algılama tekniklerinin (RS), kullanılmasının doğru tahminlere götürdüğü belirtilmiştir. Takip eden yıllarda doğruluğu pek çok çalışmayla kanıtlanmıştır (Cline, 1970).
Jacquez (2000)’a göre CBS hastalıkların sonuçlarını izlemede, sağlık risklerini ortaya koymada ve müdahale planlarının hazırlanmasında önemlidir. Epidemiyolojide kümelenme analizi hastalıkların toplanışını belirlemek, istatistikî olarak anlamlı bir kümelenmenin olup olmadığını ve sonuç olarak kümelenme üzerine etkili faktörlere ait delilleri bulmak açısından önemlidir. Birçok hastalıkta kümelenmenin gösterilmesinde CBS analizleri kullanılmaktadır (Tiwari ve ark., 2006). Sağlık haritalarında Dünya Sağlık Örgütü (WHO) ve UNICEF CBS Programının ilk olarak işbirliği 1993 yılında Gine Solucanı Yok etme Programının (Guinea Worm Eradication Programme) (GWEP) yönetim ve izlenmesinde CBS desteğini sağlamak için yapılmıştır. Bu referansla 1995 ‘ten beri, işin alanı, diğer hastalık kontrolü ve halk sağlığı programlarını kapsamak olarak genişletilmiştir (URL2). Sağlık projelerindeki mekansal analizler, kolayca yayılan hastalıkların kontrolünde, önlenmesinde ve kökünden çözülmesinde başarılı birer rol oynamaktadırlar.
Mekân ve sağlık arasındaki ilişkiyi anlamak; hastalığı anlamak, kontrol etmek ve engellemekte büyük bir fırsat olmaktadır. Daha verimli ve etkili kaynaklardan faydalanarak, daha iyi sağlık güvenliği sonuçlarına ulaştırmaktadır.
Coğrafi bilişimin; bugünün veri çizelgeleriyle sağlık alanında görüş veren bir teknolojisi olması için, birçok veri kalitesine ek olarak, sağlık çalışanlarının “mekânsal cehalet” olarak tarif edilen mekana ait bilgi eksikliklerini ortadan kaldırılmış olması gerekmektedir (Davis, 1996). Coğrafi bilişimde profesyonel eğitimler ve kurslar sistemin öğretilmesinde ve amacın gerçekleşmesinde oldukça önemlidir (Güney, 2009).
Sağlık haritaları, özellikle toplumsal kaygıya neden olan yüksek kanser oranlarını göstermek için kullanılmaktadır. Bu haritaların, kullanıcılar için geniş sahalarda doğru, açık ve yorumlanabilir olarak tasarlanması gerekmektedir (Bell ve ark., 2006).
Pek çok yazar (Goodchild ve ark., 1991; Openshaw 1991) CBS ile istatistiksel mekansal analizi bağlamak için mümkün yollar tartışmaktadır. 5 stratejiden söz edilmektedir;
● Ücretsiz mevcut mekansal analiz sistemleri
● Temel CBS işlevleri istatistik yazılım entegrasyonu ● İstatistik programı için özel CBS ‘gevşek bağlantı’ ● CBS istatistik mekansal analiz tam uyum
İkinci strateji için Rowlingson ve Diggle (1993) tarafından deneysel sistem SPLANCS uygulanmaktadır. Mekansal nokta desen verilerini görüntüleme ve analizi için bir araç oluşturmak üzere S-Plus sisteminde bazı geliştirmeler yapılmıştır. G-, F-ve K-fonksiyonları da bir çekirdek düzeltme (kernel yoğunluk) prosedürü olarak uygulamaya alınmıştır.
Bazı gelişmeler CBS ile GLIM, SAS, SPSS gibi ticari istatistik paketlerini, genellikle ASCII kodları kullanarak çift olarak denemektedirler (Akgül, 2003). Bu paketler çoğunlukla mekansal otokorelasyon ve ilişkiler üzerinde yoğun olarak çalışmaktadır (Gatrell and Rowlingson 1994). Diğer uygulamaları birinci ve ikinci dereceden nokta desen analizleridir. Bazı yoğunluk tahmin teknikleri içermektedirler.(kernel yoğunluk tahminleri gibi) (MacLennan 1991; ; Rowlingson ve Diggle 1993; Gatrell and Rowlingson 1994).
MacLennan 1991’de GRASS sisteme ikinci derece (G- ve L- fonksiyonları) analiz metotlarını uygulamıştır. Zamansal CBS için zaman boyutu analizleri nadiren altyapı eksikliği ve analiz yöntemlerinin eksikliği nedeniyle kısmen, kabul edilmiştir. Openshaw 1994 ‘coğrafi analiz makineleri’ GAM yaptığı daha önceki çalışmaları genişleterek yeni bir analiz yaklaşımı sunmuştur (Openshaw 1987). Openshaw, desen bulma geleneksel keşif yöntemlerinin coğrafi, zamansal ve öznitelik bilgileri olarak, üç alan içeren birden fazla CBS ortamında mümkün olduğunu savunmuştur.
2.4 Ulusal ve Uluslararası CBS-Sağlık Çalışmaları
CBS ile sağlık yönetiminde yapılabilecek çalışmalar sağlık-coğrafya ilişkisi, sağlık birimlerinin dağılımı, personel yönetimi, hastane vb birimlerin kapasiteleri, bölgesel hastalık analizleri, sağlık tarama faaliyetleri, ambulans hizmetleri vb. olarak çeşitlendirilebilir.
Dünyadaki CBS projelerinin başarısı ardındaki temel gerçek iyi organize edilmiş birimler ile bu konuda alınan danışmanlık hizmetleri olarak düşünülmektedir (URL2).
Hastalıkların küme(ler) oluşturduğu belirlendiğinde, kümelerdeki olguların ortak bir nedenle (etiolojiyle) ortaya çıktığı düşünülmektedir. Seçilen uygun bir kümeleme yöntemi ile hastalık kümesi/kümelerinin belirlenmesi hastalıkla ilgili ileride yapılacak çalışmalara ışık tutarak, hastalığın kümelendiği yer ve zaman aralıkları belirlenerek neden bu yer ve zaman aralığında olguların sayısının fazla olduğu ayrıntılı olarak incelenebilecektir (Jacquez ve ark., 1996).
Dünya ülkelerinde CBS ve sağlık entegrasyonuyla yapılan projeler ülkemizdeki projelerden çok daha fazladır.
Ulusal Kanser Enstitüsü (NCI) ve Hastalık Kontrol ve Önleme Merkezi (CDC) tarafından Resmi Kanser Profilleri web sitesi hazırlanmıştır (URL2)
Bu Web sitesi, kanser istatistiklerini, gösterimini, risk faktör yayılımını ve nüfusu göstererek, sağlık plancılarına coğrafi alan üzerinde ve tanımlanmış gruplarda erken müdahale etme şansını sağlamaktadır. Tüm gösterimlerdeki özellikleri ya da spesifik bölgeleri tasvir için aynı renkler kullanılarak oluşturulan istatistiksel grafikleri ve haritaları birleştiren mikro harita (LM) örnekleri oluşturulmuştur (Carr ve ark., 2006). Kullanıcılar, Resmi Kanser Profilleri ana sayfası üzerinden “Karşılaştırmalı Veri Gösterimi” seçerek ya da direk bir bağlantıyla, istedikleri bölgede istedikleri kanser türlerini Mikro haritaları (LM) kullanarak keşfedebilmektedirler.
Halk sağlığı bilgisinin hemen hemen her parçası, bir şehir, bir ZIP kodu, haritada bir nokta, bir hastane odası, hatta insan vücudunda bir nokta bile olabilen, uzayda herhangi bir yerde yer alabilir (Strensward ve ark., 2004). CBS bütün bu bilginin mekansal referans sistemi ile bütünleşmesine aracı olmaktadır. Bu araç, halk sağlığı uzman hekimlerince karar alma için gerekli olan verimli ve etkili verinin, ortaya koyulmasını ve analizinin sağlanmasıyla birçok şey sunar. Örneğin; Hanchette federal sağlık reformu mevzuatı altında iade için uygun testi oluşturmak ve 1997 Kanser hastalığı kontrolü (CDC) öncü mevzuatını tamamlamak için Kuzey Carolina devlet sağlık kuruluşları aracılığıyla CBS’nin kullanımını göstermiştir.
Richards ve arkadşları, CBS teknolojisinin avantajları, halk sağlık hekimleri tarafından potansiyel kullanımı ve kullanımındaki kısıtlayıcılar hakkında mükemmel bir münazara sağlamıştır. Önceki paragraflarda belirtilen avantajlara ek olarak CBS yeni veri türlerinin gelişimine, veri paylaşımına ve veri ortaklığı kurulumuna, sağlık uzmanları için yeni araç ve yöntemlerin gelişimine katkıda bulunmuştur.
Harita mekansal bilginin araştırıldığı, görüntülendiği ve analiz edildiği sürecin sadece bir ürünüdür (Haining ve Wise, 1991).
İnsanlar ve organizasyonlar hangi bilgi analiz edilecek ve yapılacak sorgulama tipleri ve hangi bilgi haritalarla gösterileceğine karar vermek için haritalama sürecine dâhil edilmelidir.
Grimson 1999, göğüs kanserinin çevresel ve sosyal etkenlerini içeren pin haritası hazırlanmıştır.
Lewis-Mich ve arkadaşları 1996 New York state sağlık departmanı meme kanseri riski ile trafik yoğunluğu ele endüstriyel kuruluşların afetine maruz kalma arasındaki bağı araştıran CBS temelli bir araştırma başlatmıştır. Haritada endüstri kuruluşlarının yeri ve başlıca trafik koridaları gösterilmekte ve sağlık ve çevresel etkenler istatistiksel olarak analiz edilmektedir. Busgeeth 2004 yılında, Güney Afrika’da varolan HIV/Aids hastalarının dağılımını incelenmiştir.
Çevresel halk sağlığı analizinin tartışmalı bir alanı elektromanyetik alanlar ve insan sağlığı sorunlarının çeşitleri ile muhtemel bağlantıların keşfidir. Epidemiyolojik araştırmalar elektromanyetik alanlarla ilişkili elektrik güç sistemleri, istasyonlar ve yüksek voltaj taşıma hatları ve dağıtım hatlarına odaklanmaktadır. Yüksek voltaj taşıma hatlarının analizi ve haritalaması yapılmıştır (Cromley ve ark., 2002).
CBS ayrıca, sağlık veri setlerinde gerekli olan kalite kontrol süreçlerini uygulamak için de kullanılabilmektedir. Bu uygulamanın örneği Coğrafi veri değişkenlerinin uygunluğuna karar vermek amacıyla şehir/ilçe arama çizelgelarının kullanılmasıdır. Kodlanan hasta ikametgâhları ya da klinikler ilçe ya da zip kodlarının doğru olup olmadığını tespit etmek için ilçe/zip kod sınırları ile kaplanmaktadır.
(ESRI) Kuzey Carolina için 1995–1999 Göğüs Kanseri Etki Alanı Oranları haritaları kanser kontrol amaçlı üretilmiş olup, kadın sağlık şubelerine kaynak tahsisi ve kimlik saptama gereksinimleri için bilgi sağlamaktadır. Güney Çin’de 2003 yılı içerisinde sars hastalığı nedeniyle ölüm oranlarının artışı dikkat çekmiş olup, ölüm oranlarının yüksek olduğu bölgeler kayıtlarla tespit edilerek; bölgenin jeolojisi, bitki örtüsü, doğal ortam canlıları, tüketilen besin kaynakları irdelenmiş hastalıkla ilişkilerinin var olup olmadığı CBS yardımıyla araştırılmıştır. Kısa zaman dilimlerinde yüksek orandaki artışlar haritalar üzerinde etkin bir şekilde yansıtılmaktadır. 1990’ların başında göğüs kanserli hasta ve yakınları Long Island Bölgesinde bu oranın neden yüksek olduğuna dair bir araştırma yapılması talep etmesi sonucu Long Island Göğüs Kanseri Çalışma Projesi (LIBCSP) ortaya çıkmıştır. Kanser insidansını arttıran muhtemel nedenlerin araştırılmasıyla ilgili 10’ dan fazla çalışma projesi başlatılarak çalışma sonunda insidansın yüksek olduğu başka yerleşim bölgelerinin varlığı da tespit
edilmiştir. Bir başka çalışmada ise, yeni teşhis edilen kolon kanserli hastaların ikametgâhlarının coğrafi kodlamayla tespitini ve geç evredeki kolon kanserli hastaların mekânsal doku üzerinde derecelendirilmesini hesaplamıştır. Geç evredeki kolon kanser oranları iki metotla hesaplanıp haritalandırılmıştır. İlk olarak Iawo’nın 99 kenti için hesaplama yapılmıştır. Kanser oranlarını etkileyen faktörlerin tespiti, çevreye ait niteliksel ve istatistiksel verilerin analizi ile yapılmıştır. Benzer bir çalışma New Yorkta 1999–2003 New York Kanser kayıtlarıyla prostat kanseri ölüm oranları haritaları oluşturulmuştur. Troid kanseri az rastlanan bir tümör çeşidi olmasına rağmen İspanya’da bu hastalık nedeniyle artan bir ölüm oranının dikkat çekmesi üzerine bu çalışma başlatılmıştır. Çalışmada Besag ve arkadaşları 1991’de klasik istatistik yöntemleri kullanılarak kentsel ölüm oranları tespit edilmiştir. İspanya’nın 8077 kentsel alanının tamamını kapsayan çalışma, Bayesian mekânsal modeli temelinde araştırılıp (Marshall, 1991)sonuçlara ulaşılmaya çalışılmıştır. 1989–1998 arası toplam 2538 Troid kanserli ölüm sayısı 1041 kentte kayda geçirilmiştir. En yüksek ölüm oranları Kanarya Adalarında tespit edilmiştir. Çevresel ve genetik faktörler bu tümörün etiyolojisinde rol oynamaktadır.
Hill ve arkadaşları (2000), Santa Clara (California) Şehrindeki 7 sayım bölgesine su sağlayan iki kuyunun organik solvent ile kirlenmesi sonucu riske maruz kalan bölgede 1 Ocak 1981 ile 31 Ağustos 1982 tarihleri arasında canlı doğumlardaki önemli kalp anomalilerini incelemiştir. Santa Clara Şehrinde 1981 yılında düzeyinde şiddetli kalp kusurlu doğumların genel kümelenmesi Besag-Newell yöntemi ile önemli bulunmamıştır (P>0, 05).
Waller ve arkadaşları (1995), 1980-1990 yılları arasında İsveç’deki 2594 bölgede 0-15 yaş grubundaki çocuklarda görülen akut lymphocytic leukaemia’lı (ALL) 656 olguyu incelemiştir. Besag-Newell’in yönteminde kullanılan farklılık değerleri için hastalık olgularının kümelenmesi önemli bulunmamıştır (P>0, 05).
Waller ve Turnbull (1993), Upstate New York’ta aktif olmayan ve trichloroethlyene içeren tehlikeli atık bölgesini şüphelenilen kaynak olarak düşünerek 1978-1982 yılları arasında bölgedeki lösemi insidansının bu kaynak etrafında kümelenmesini üç yöntemle (Besag ve Newell, Stone, Waller ve ark.) incelemiştir. Araştırmacılar, çalışma bölgesinin bölünmesini iki farklı şekilde yapmıştır: blok grup bölünmesi ve sayım bölgesi bölünmesi. Besag ve Newell yöntemi için k değeri 6, 8, 10 alındığında blok grup ve sayım bölgesi bölünmesinde farklı sonuçların elde edildiği belirtilmiştir.
Glasgow Üniversitesi, Davies ve Leyland (1995) tarafından finanse edilen doktora projesi olan Avrupa’daki kanser mortalitelerinin mekansal desenleri çalışmasında, kanser ölüm oranlarının mekansal varyasyonlarla olan desenleri ortaya konmaya çalışılmaktadır. Nüfus yapısındaki farklılıklar yaşam tarzı(sigara beslenme vb) desenleri ortaya çıkarmaktadır.
Kulldorff ve arkadaşları tarafından”Kuzeydoğu Amerika Birleşik Devletleri Meme Kanseri Kümeleri: Bir Coğrafi Analiz” adlı çalışmalarında, 11 eyalaete ait 244 ilçede 1988-1992 arası, hastalık kümelerinin varlığı ve yaklaşık konumlarını belirlemek için mekânsal istatistik tarama kullanılmıştır. Her ilçedeki ölüm sayısı poisson dağılımı ile tespit edilmiştir, yokluk hipotezi(null) yöntemi herhangi bir yaş grubu içindeki yokluk hipotezini test eder, tüm ilçelerdeki meme kanserinden ölüm riski aynıdır. Düzeltilmiş yaşlardaki ölüm oranları tüm alanda sabittir.
Kanser oluşumu ile çeşitli meslekler arasında bir ilişkinin varlığı uzun yıllardır bilinmektedir. Kanserojen maddelerin kimyasal tanımı, ancak, 20.Yüzyıl’da yapılabilmiştir. Radyoaktif maddelerin kanser yapıcı özelliği ise, ilk kez radyumla saat boyayan işçilerde, kemik kanserinin sık görülmesiyle ortaya konulabilmiştir. Benzer şekilde, maden işçilerinde görülen akciğer kanserinin de, maden ocaklarındaki radyoaktif madde ile ilişkili olduğu belirlenmiştir. Yapıştırıcılar içindeki çözücüde bulunan, Benzen adlı, kimyasal maddenin de Lösemi’ye neden olduğu, ayakkabı tamircilerinde Lösemi’nin daha sık görülmesiyle tanımlanabilmiştir (Tuncer, 1994).
Güç hatlarından evlerde manyetik alanların oluşması ile çocukluk lösemisi arasında anlamlı ilişki bulunmuştur. Kontrol grubu ve vakaların yatak odalarında hem kablolara dayalı maruz kalmanın ölçülmesi hem de manyetik alanların 24 saat ölçülmesi ile Los Angeles da analiz edilmiştir (Bowman, 2000). Elektrik nakli ve dağıtımı ile ilgili kablo modellerinin geliştirilmesi için magnetik alan ölçümleri kablo konfigürasyonlarının öz niteliklerini fonksiyonu nonlinear regresyon uygulanmıştır (Bowman 1999; Thomas, Jiang ve Peters, 1999).
Nakil sistemi ve onun kablo kod özellikleri mekansal yapısı ve çocukların uzun dönemde 24 saatten fazla manyetik alana maruz kaldığı yerleşim alanları ile lösemi riskinin var görüldüğü alanlar CBS kullanarak gösterilir. CBS yaklaşımı pek çok etkene maruz kalma ve önceki yerleşmeleri değerlendirmede yeterlidir. Tekrarlanabilen sonuçların pek çok çevresel etkilere hassas olduğu söylenmiştir (Stallones ve ark.1992).
Hastane temeli vaka çalışmasında Ölü doğumlarla düşük düzeyde arseniği kronik olarak solumun etkili olduğu bulunmuştur (ihrig, shalat &baynes, 98). Havadaki
emisyondan arseniğe maruz kalma seviyesi CBS deki atmosferik dağılım modeli (atmospheric dispersion model) ile tahmin edilmiştir. Maruz kalma doğum zamanında annelerin ikamet adreslerine bağlı olarak değerlendirilerek logistic regresyon modelde kategorik değişkenlerle incelenir. Yüksek maruz kalma alanında İspanyolların arasında düşük prevelansı yüksek oranda anlamlıdır.
Sağlık istatistikleriyle harita yapımının yetkililere sağladığı faydalar oldukça fazladır (Kulldorff, 1999) Amerika’da oluşturulan web sitesi, veri tabanı kayıtlarıyla, güncelliğiyle eyaletlerdeki dağılımı inceleme şansı sunmaktadır. Çalışmada akciğer kanserinden ölüm oranının yüksek olduğu eyaletler, sigara kullanıcılarının fazlaca bulunduğu Amerika’nın güney doğu eyaletleri olarak tespit edilmiştir. Hastalık Kontrol Enstitüsü (NCI), eyaletlerdeki kanser profillerini gösteren bir site geliştirmiştir. Bu Web sitesi, hastalıklara ilişkin, yaygın risk faktörlerini, nüfus bilgilerini yayınlayarak kullanıcılara bilgiler sunmaktadır. NCI tarafından tutulan kayıtlarla güncelleştirilen veritabanı Interaktif haritaların doğru yayınlanmasını sağlamaktadır. Hindistan Gadag Bölgesi Sıtma Hastalığı Dağılımı için toplam 252 hastanede tutulan verilerin, CBS ortamına entegresiyle görselleştirilen verilerin analizi çok daha kolay olmaktadır. Hastane Yönetim Bilgi Sistemi adıyla kurulan kavramsal çizelgeların kayıtları günceleştikçe haritaların da güncelleşmesi söz konusudur.
Elliott ve ark. Coğrafi analiz için istatistiksel yöntemlerdeki son gelişmelere rağmen, çevre epidemiyolojisi uygulamalarında birçok kısıtlamadan bahseder. Bu kısıtlar, veri erişilebilirliği ve kalitesi, özellikle çevresel maruziyet ölçümlerinin çoğu durumlarda eksikliğidir. Pratik uygulamalar ve epidemiyolojik yorumlama ile hastalığı ‘ait “küme’ oluşturma, nokta kaynaklı, küçük alan hastalık haritalama ve çevreyle ilgili korelasyon çalışmaları için yöntemleri eleştirel gözden geçirilmiştir. Kümeleme hastalıkların nedenlerini araştırmak için başlangıçtır.(Applied Biomathematics, 1993). Yeni Mevcut yöntemleri, özellikle Bayes istatistikleri, coğrafi analizi ve hastalık haritalama için uygun bir çerçeve sunmaktadır (Marshall, 1991). Hastalık, etiyolojisini açıklamak için önemli ipuçları vermektedir (Altman, 1992) Belki de en tatmin edici bir yaklaşım, yorumlama için, sorunları olmasına rağmen, coğrafi bir veritabanı kullanarak bir priori hipotezleri test etmek uygundur (Trop., 2010).
ZAMBIA (Lusuka şehrine ait tehlikeli alanlarda bulunan 2003–2004 Yıllarına Ait Risk Faktörlerinin Mekânsal Analizi çalışmasında, 6542 durumdan 187 ölümün rapor edilmesiyle şehirde bir kolera salgının varlığından bahsedildi. CBS kullanılarak Luskanın tehlikeli alanlarında kolera enfeksiyonu etkileyen risk faktörleri, koleranın
geçme nedenleri ve koleranın yayılımı analiz edilmiştir. Ve bir (hasta-vaka) durum-kontrol eşleştirmesi yapılmıştır. Koroplet haritalama ile kolera insidansının değişimi incelenmiştir. Analizler gösteriyor ki, koleranın sıkça (insidansı) görüldüğü yerler ile drenaj sistemi olmayan evler arasında bir bağlantı oluşmaktadır.
Czeizel ve arkadaşları, Macaristan’da akrilonitril üreten fabrikaların 25 km çevresinde oturan annelerin bebeklerinde 15 yıllık bir donemde konjenital anomali sıklığında artış araştırmıştır. Bu bebeklerde inmemiş testis için rölatif riskin 8.6 kat arttığı görülmüştür. Yerleşim yeri fabrikadan uzaklaştıkça, inmemiş testis sıklığı düşmektedir.
Çevresel etkenlere tek tek değil de, bir karışım halinde maruz kaldığımız düşünüldüğünde endokrin bozucuların hangi dozda nasıl etkilere yol açtığını kanıtlamanın zorluğu anlaşılmaktadır. Yüksek maliyetli ve daha geniş popülasyonlu çalışmalar gerektiği görülmektedir (Combs, 2005).
Günümüzde doğal çevre ve sağlık arasındaki ilişki tüm dünyada kabul edilmiş durumdadır. Bölgesel jeolojiye bağlı insan ve hayvanlardaki sağlık sorunları hemen her kıtada görülür ve bu Bangladeş’te yeraltı suyundaki arsenik kirliliğinden Kanada’da sığırlardaki molibdenozis’e kadar çeşitlilik göstermektedir.
2007 yılında Health and Place Dergisi 13. sayısında yayınlanan “Bronx’da astım ve hava kirliliği: Metodolojik verileri dikkate alarak CBS ile çevresel yasalar ve sağlık araştırmaları” başlıklı makalede, New York, Bronx’daki astım ile hava kirliliğinin mekânsal benzerliği (spatial correspondance) üzerine araştırmalarla, CBS ile çevresel kanunları değerlendirme yöntemleri incelenmiştir. Bronx özellikle bu bölgede astım nedeniyle hastaneye yatış oranlarının yüksek olması, arazilerin sağlığa zararlı olması ve astım hastaneye yatışı ile ilgili tam ve doğru veri elde olasılığından dolayı çalışma bölgesi olarak seçilmiştir.
Demografik ve sosyo ekonomik gruplar için veri seti (analiz birimi), 2000 yılı ABD nufus sayımlarına göre belirlenmiştir. Bronx bölgesinde ortalama her biri yaklaşık 1400 kişi içeren 957 blok grubu vardır. Bu bloklar maksimum 24000 kişi içermektedir.
Astım nedeniyle hastaneye yatış durumu veri seti (analiz birimi), her bir başvuru için 5 yıllık hasta kaydı alınmıştır (1995-1999 yılları arasındaki girişler alınmıştır).
New York Karayolları Ulaştırma Karayollarından büyük kamyon gibi araçların geçişi hakkında verileri alınmıştır. Endüstri bölgeleri verileri belirlenmiştir (Balmes ve ark., 1987)Hava kirliliği emisyon verileri alınmıştır. Çalışmada özellikle trafik yoğun
bölgelerin astıma etkileri irdelenmiştir. Davranışsal faktörler (sigara kullanımı, eğitim düzeyi gibi) verileri elde edilemediğinden çalışmada yer almamıştır.
Doğru şekilde tahminler elde etmek için tampon bölgedeki nüfus sayımları ve diğer nüfus verilerinin alansal interpolasyonu (yani ara değerlendirmesi) ve alansal ağırlıklandırılması gerekmektedir. Bu blok gruplarının alansal verilerine uygulanan bir algoritma oluşturulur. Genel olarak, veri birleştirme (ya da toplama- agregasyon) ne kadar küçük olursa, alansal enterpolasyonun homojenlik olasılığı ve güvenilirliği o kadar yüksek olur. Diğer yöntemlerle karşılaştırıldığında alansal enterpolasyonun doğru tahminler için daha güvenilir olduğu tespit edilmiştir. Bu çalışma sonucunda, bloklara göre 16 yaş altı ve 16 yaş üstü olarak astım hastaları haritalanmıştır. Mekansal rastlantı yöntemi ve yakınlık analizi yapılmıştır. Mekansal rastlantı yöntemi, belirli bir coğrafi birim içinde nüfus (bir nüfus sayımı sistemi, Posta Kodu, veya ilçe gibi) incelenmesini gerektirir. Yakınlık analizi ile kirletici faktörleri belirli bir mesafedeki nüfus için incelenmiştir. Bu tür mekansal analizler CBS olmadan uygulanabilir değildir (Draper ve ark., 1981)Daha kesin değerlendirmelerin daha erişilebilir sağlık ve çevre veri tabanları ile mümkün olacağı vurgulanmıştır.
Dent ve arkadaşlarının 2000 yılındaki çalışmasında ise, Toksik yayın envanteri (TRI) hava emisyonlarının verileri ile CBS hava dağılım modellemesi kullanımını etkinleştirmek, tanımlamak ve potansiyel olarak maruz kalan nüfusun sağlık riski tahminleri ve korelâsyonu belirlemek için kullanılır.
İngiltere Sağlık İstatistikleri Birimi ve Avrupa Sağlık ve çevre bilgi sistemi projesinde çevre kirleticileri ile ilişkili herhangi bir potansiyel sağlık tehlikeleri konusunda ilk hızlı değerlendirmesi yapılmıştır (2004 Jarup).
Elliott ve Wartenberg 2004 yılı “Mekansal Epidemiyoloji: Güncel yaklaşımlar ve gelecekteki zorluklar “ başlıklı çalışmasında, küçük bir alan analizleri kapsayan hastalık haritalama, coğrafi korelasyon çalışmaları, hastalık kümeleri ve kümelemelerine odaklanılmıştır. CBS ve istatistik metodolojisi sayesinde daha önce görülmemiş hastalık ve yerel coğrafik varyasyonların ilişkisi ile coğrafik referanslı sağlık ve çevre kalitesi verileri oluşturulmuştur. Yine benzer bir çalışmada Wakefield ve Elliott (2000) küçük alanlarda sağlık verilerinin istatistiksel analizinde karşılaşılan güçlüklerini genel bir çerçevede incelemişlerdir. Bu konu çerçevesinde homojen olmayan Poisson Süreçlerinden kaynaklanan risk altındaki nüfus konu alınmıştır. Hasta vakaları, hastalık riskinin kişilik özelliklerine, zamana ve mekânsal lokasyonuna bağlı olduğu zayıf bir Poisson prosesinin gerçek örnekleridir.
2011 yılında Pedigo ve arkadaşlarının yapmış olduğu bir çalışma 3824 felç ve 5018 kalp krizi ölüm vakası ile yapılmıştır. Çalışmada mekânsal otokorelasyon, nüfus heterojenite ve varyans kararsızlığı, standart riskler Mekansal Ampirik Bayes Tekniği kullanılarak düzenlenmiştir. Yüksek risk taşıyan mekânsal kümeler, yaş için ayrık bir poisson modeli (ve %5 tarama penceresi ile) mekânsal tarama istatistikleri kullanarak tespit edildi. Anlamlılık testi 999 Monte Carlo permütasyonu kullanılarak yapılmıştır. Lojistik modelleri mekansal kümelerin mahalle ölçeğinde sosyo-ekonomik ve nüfus belirleyicileri araştırmak için kullanılarak, yıllık kalp krizi ölüm riski 100000 de 0-243 arasında, felç için ise 100000 de 182 olarak değiştiği tespit edilerek, yüksek ölüm oranları ve yüksek ölüm riski olana mekansal kümeler belirlenmiştir (p<0, 001). Yüksek felç ve kalp krizi ölüm oranlarının eğitim durumu düşük olan mahallelerde daha fazla olduğu tespit edilmiştir. Bu metotlar mahallelerdeki ölüm risklerini belirlemek ve sağlık eşitsizliklerini ve toplum sağlığını geliştirmeye yönelik olarak oldukça yararlıdır.
Jeolojik çevre ile insan, hayvan ve bitki sağlığı arasındaki çok yakın ilişkinin fark edilmesi medikal jeolojinin yeni bir bilim dalı olarak ortaya çıkmasına yol açmış ve Medikal Jeoloji, “jeolojik etkenlerle insan, hayvan ve bitkilerdeki sağlık sorunlar arasındaki ilişki ile ilgilenen bir bilim dalı” olarak tanımlanmıştır (Selinus, 2002; Finkelman ve ark. 2001).
Jeoloji ve sağlık arasındaki ilişki binlerce yıldan bu yana bilinmektedir. Eski Yunan ve Çin’de, fizikçiler ve filozoflar jeolojinin sağlık üzerindeki etkisini fark etmiş oldukları halde modern tip ancak 19.yy’ da bazı elementlerin sağlık için ne kadar gerekli olduğunu kabul etmiştir. Pek çok bilim adamınca medikal jeolojinin kurucusu olarak kabul edilen Hipokrat (400 M.Ö.) çevresel etkenlerin hastalık dağılımını nasıl etkilediğini fark etmiştir (Lag, 1990; Foster, 2002). M.Ö. 3. yy’da 212 Çin’de Ag, Cu, Fe, ve Pb’ in zehirlenmeye neden olacağı bulunmuş (Liang et al., 1998), kayaç kırmaya bağlı olarak gelişmiş akciğer sorunları ve kurşun zehirlenmesi fark edilmiştir. Romalı mimar Vitruvius (M.Ö. son yy’da) madencilikle ilişkili olabilecek sağlık etkilerini görüp, madenlerin çevresindeki suyun ve çevre kirliliğinin neden olabileceği tehlikelere dikkat çekmiştir (Nriagu, 1983). Kurşun, yaklaşık 5000 yıl önce Bakır, Bronz ve Demir Çağlarında gittikçe artan oranda zararlarının tam olarak farkına varılmadan üretilmiştir (Hong ve diğ., 1994). Yoğun kurşun kullanımı sonucu ortaya çıkan zehirlenmeler Orta ve Geç Asurlular dönemlerindeki (M.Ö. 1550-600 arası) kil tabletlerde ve eski Mısır yazıtlarında (3000 yıl önce) bulunmuştur (Nriagu, 1983). As, Cu, Hg gibi elementlerde Roma ve Roma öncesi dönemlerde kullanılmıştır. Örneğin, Hg, Ag ve Au Roma
İmparatorluğu suresince, 12.yy’ da Mısır’da 16.yy’ da Orta ve Güney Amerika’da dişlerle ilgili yaygın olarak kullanılmıştır (Eaton & Robertson, 1994; Fergusson, 1990). Arsenik tedavi amaçlı olduğu kadar zehir olarak ta eski Yunan, Roman, Araplar ve Perulular tarafından kullanmıştır (Fergusson, 1990).
1990’lu yılların başlarında, yüksek flor içeren içme suyundan kaynaklanan florozis tanımlanmıştır. Normal flor miktarı genellikle 0, 1 ilâ 1ppm olarak kabul edildiği halde Afrika, Çin, Hindistan’ın bazı bölgeleri gibi yerlerde bu miktar 40 ppm’e kadar çıkmakta ve buralarda çok ciddi dişle ilgili sorunlara ve iskelet florozisine neden olmaktadır. Çin’de, 1930’larda görülen hastalığının bölgedeki düşük selenyumdan kaynaklandığı anlaşılmıştır (Selinus, 2002).
Yapılan örnek bir çalışmada, Lösemili çocukları gösteren bir şehir haritasında hasta çocuklar şehrin kuzey doğusunda yoğunlaşmaktadır. Bu alan gerçekte normal olmayan yüksek bir orana sahiptir. Öncelikle risk altındaki nüfusta lösemi vakalarının sayısını araştırmaya ihtiyaç duyulmuştur. Risk altındaki nüfus yaş ve cinsiyet itibari ile sağlık problemi ile ilişkisi olabilecek gruptur. Büyük nüfus gruplarında çok hastanın olması normaldir. Tanım olarak çocukluk lösemisi çocuklar arasında görülür ve risk altındaki nüfus şehirde yaşayan bütün çocuklardan ya da şehrin bir kısmında yaşayan çocuklardan oluşmaktadır. Nüfusun yeryüzündeki dağılışı düzensiz olmasına rağmen dikkat edilen hastalık oranlarının tekdüze olduğu durumlarda hastalık vakalarının yoğunlukları düzenli olabilmektedir (Rothman, 1990). Dragioevio ve ark.(2004)’nın çalışmasında, Kanada’nın kırsal kesimlerindeki tüberkuloz insidansı, mekânsal veri analizi ile araştırılmıştır.
Sayısız çalışma sonucu çevresel etkenler ve çeşitli hastalıklar arasındaki bağlantının bulunması, 20.yy’la birlikte iz elementlerin insan, hayvan ve bitki sağlığı açısından ne kadar önemli olduğunu çok açık bir biçimde ortaya koymuştur (Boulos ve ark., 2001).
Ülkemizde CBS’ nin sağlık alanında uygulama örneklerine son 10 yılda rastlamaktayız. Yapılan çalışmalar genellikle akademik çalışmalar şeklindedir. Durduran ve Erdi, Konya ili için CBS ve sağlık ikilisini çalışmalarında birleştiren ilk araştırmacılardandır. 2004 yılında Konya ilinde, Fenilketonüri hastalığının tespiti, önlenmesi ve tedavi amacıyla CBS kullanımı irdelenmektedir. Elde edilen bilgilerin sayısal altlıklarla ilişkilendirilmesi sonucunda hastalığın konumu, nedeni ve daha çok nerelerde görüldüğüne dair sorgulama ve analizler yapılmaktadır (Durduran ve ark. 2005). Baysal tarafından, İzmir ilindeki dizanteri verileri incelenerek, bulaşıcı bir
