Skip to main content
Erschienen in: Die Dermatologie 1/2022

30.11.2021 | Maligne Tumoren der Haut | Leitthema

Methoden zur Analyse räumlicher Daten

Beispiel der regionalen Hautkrebsprävalenz in Deutschland

verfasst von: S. Wolf, A. Kis, PD Dr. J. Augustin

Erschienen in: Die Dermatologie | Ausgabe 1/2022

Einloggen, um Zugang zu erhalten

Zusammenfassung

Hintergrund

Studien zeigen eine räumliche Variation der Hautkrebshäufigkeit, deren Ursachen allerdings noch nicht vollständig verstanden wurden. Bei der Analyse räumlicher Muster und Zusammenhänge sind verschiedene Herangehensweisen zu beachten, da die Daten durch die räumliche Struktur Besonderheiten aufweisen.

Ziel der Arbeit

Warum die räumliche Betrachtung der Hautkrebshäufigkeit überhaupt von Bedeutung ist und welche Analysemethoden von Nutzen sind, wird in diesem Beitrag näher betrachtet.

Material und Methoden

Zunächst wird dargestellt, welche deskriptiven Methoden, wie beispielsweise eine statistische Glättung, angewendet werden können. Im Weiteren wird auf räumliche Cluster- und Regressionsanalysen eingegangen. Dabei wird die Prüfung auf räumliche Autokorrelation berücksichtigt.

Ergebnisse

Insbesondere die räumliche Abhängigkeit der Daten gegenüber benachbarten Regionen, die bei Nichtbeachtung zu verzerrten Schätzungen führen, ist bei der Analyse räumlicher Daten von besonderer Bedeutung und bedarf spezieller räumlicher Analysemethoden.

Diskussion

Der Beitrag gibt eine Einführung und Übersicht statistischer Methoden, die für die räumliche Analyse von Hautkrebserkrankungen von Bedeutung sind.
Literatur
1.
Zurück zum Zitat Augustin J, Kis A, Sorbe C et al (2018) Epidemiology of skin cancer in the German population: impact of socioeconomic and geographic factors. J Eur Acad Dermatol Venereol 32(11):1906–1913CrossRef Augustin J, Kis A, Sorbe C et al (2018) Epidemiology of skin cancer in the German population: impact of socioeconomic and geographic factors. J Eur Acad Dermatol Venereol 32(11):1906–1913CrossRef
2.
Zurück zum Zitat Augustin J, Sorbe C, Augustin M et al (2020) Regional variations in the use of statutory skin cancer screenings in Germany: population-based spatial multisource analysis. J Eur Acad Dermatol Venereol 34(8):1736–1743CrossRef Augustin J, Sorbe C, Augustin M et al (2020) Regional variations in the use of statutory skin cancer screenings in Germany: population-based spatial multisource analysis. J Eur Acad Dermatol Venereol 34(8):1736–1743CrossRef
3.
Zurück zum Zitat Besag J, York J, Mollié A (1991) Bayesian image restoration, with two applications in spatial statistics. Ann Inst Stat Math 43(1):1–59CrossRef Besag J, York J, Mollié A (1991) Bayesian image restoration, with two applications in spatial statistics. Ann Inst Stat Math 43(1):1–59CrossRef
4.
Zurück zum Zitat Carsin AE, Sharp L, Comber H (2011) Geographical, urban/rural and socioeconomic variations in nonmelanoma skin cancer incidence: a population-based study in Ireland. Br J Dermatol 164(4):822–829CrossRef Carsin AE, Sharp L, Comber H (2011) Geographical, urban/rural and socioeconomic variations in nonmelanoma skin cancer incidence: a population-based study in Ireland. Br J Dermatol 164(4):822–829CrossRef
5.
Zurück zum Zitat Dreesmann J (2017) Räumlich-statistische Analyse von epidemiologischen Daten. In: Augustin J, Koller D (Hrsg) Geografie der Gesundheit, 1. Aufl. Hogrefe, Bern, S 48–66 Dreesmann J (2017) Räumlich-statistische Analyse von epidemiologischen Daten. In: Augustin J, Koller D (Hrsg) Geografie der Gesundheit, 1. Aufl. Hogrefe, Bern, S 48–66
7.
Zurück zum Zitat Gini C (2005) On the measurement of concentration and variability of characters. Int J Stat 63(1):3–38 Gini C (2005) On the measurement of concentration and variability of characters. Int J Stat 63(1):3–38
8.
Zurück zum Zitat Grekousis G (2020) Spatial autocorrelation. In: Grekousis G (Hrsg) Spatial analysis methods and practice. Cambridge University Press, Cambridge, S 207–274CrossRef Grekousis G (2020) Spatial autocorrelation. In: Grekousis G (Hrsg) Spatial analysis methods and practice. Cambridge University Press, Cambridge, S 207–274CrossRef
9.
Zurück zum Zitat Kahn H, Sempos CT (1989) Statistical methods in epidemiology. Oxford University Press, New York Kahn H, Sempos CT (1989) Statistical methods in epidemiology. Oxford University Press, New York
10.
Zurück zum Zitat Katalinic A, Waldmann A, Weinstock MA et al (2012) Does skin cancer screening save lives?: an observational study comparing trends in melanoma mortality in regions with and without screening. Cancer 118(21):5395–5402CrossRef Katalinic A, Waldmann A, Weinstock MA et al (2012) Does skin cancer screening save lives?: an observational study comparing trends in melanoma mortality in regions with and without screening. Cancer 118(21):5395–5402CrossRef
11.
Zurück zum Zitat Kulldorff M (1997) A spatial scan statistic. Commun Stat Theory Methods 26(6):1481–1496CrossRef Kulldorff M (1997) A spatial scan statistic. Commun Stat Theory Methods 26(6):1481–1496CrossRef
12.
Zurück zum Zitat Pritzkuleit R, Eisemann N, Richter A et al (2016) Krebsatlas Schleswig-Holstein. Räumliche Verteilung von Inzidenz, Mortalität und Überleben in den Jahren 2001 bis 2010. Infinite Science Publishing Lübeck University Press and Academic Printing, Lübeck Pritzkuleit R, Eisemann N, Richter A et al (2016) Krebsatlas Schleswig-Holstein. Räumliche Verteilung von Inzidenz, Mortalität und Überleben in den Jahren 2001 bis 2010. Infinite Science Publishing Lübeck University Press and Academic Printing, Lübeck
13.
Zurück zum Zitat Ray GT, Kulldorff M, Asgari MM (2016) Geographic clusters of basal cell carcinoma in a northern california health plan population. JAMA Dermatol 152(11):1218–1224CrossRef Ray GT, Kulldorff M, Asgari MM (2016) Geographic clusters of basal cell carcinoma in a northern california health plan population. JAMA Dermatol 152(11):1218–1224CrossRef
14.
15.
Zurück zum Zitat Sundmacher L, Götz N, Vogt V (2014) Statistische Methoden der kleinräumigen Versorgungsforschung. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 57(2):174–179CrossRef Sundmacher L, Götz N, Vogt V (2014) Statistische Methoden der kleinräumigen Versorgungsforschung. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 57(2):174–179CrossRef
16.
Zurück zum Zitat Völker S, Hammerschmidt R, Spura A (2021) Geografische Analysen für evidenzbasierte Public-Health-Interventionen: Das Beispiel Identifikation und Typisierung von Risikoclustern für Masern, Mumps und Röteln. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 64(5):600–609CrossRef Völker S, Hammerschmidt R, Spura A (2021) Geografische Analysen für evidenzbasierte Public-Health-Interventionen: Das Beispiel Identifikation und Typisierung von Risikoclustern für Masern, Mumps und Röteln. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 64(5):600–609CrossRef
Metadaten
Titel
Methoden zur Analyse räumlicher Daten
Beispiel der regionalen Hautkrebsprävalenz in Deutschland
verfasst von
S. Wolf
A. Kis
PD Dr. J. Augustin
Publikationsdatum
30.11.2021
Verlag
Springer Medizin
Erschienen in
Die Dermatologie / Ausgabe 1/2022
Print ISSN: 2731-7005
Elektronische ISSN: 2731-7013
DOI
https://doi.org/10.1007/s00105-021-04914-1

Weitere Artikel der Ausgabe 1/2022

Die Dermatologie 1/2022 Zur Ausgabe

Leitlinien kompakt für die Dermatologie

Mit medbee Pocketcards sicher entscheiden.

Seit 2022 gehört die medbee GmbH zum Springer Medizin Verlag

Update Dermatologie

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.