Advertisement

Untersuchungen zur Entdeckung räumlicher Cluster im Kinderkrebsregister Mainz

  • Irene Schmidtmann
  • Peter Kaatsch
  • Jörg Michaelis
Conference paper
Part of the Medizinische Informatik und Statistik book series (MEDINFO, volume 72)

Zusammenfassung

Im Rahmen des Mainzer Kinderkrebsregisters beschäftigen wir uns mit der Frage, ob die Inzidenzen kindlicher Krebserkrankungen regional besonders hoch oder besonders niedrig sind. Nicht nur regionale Häufungen sind für das Register von Interesse, sondern, als Hinweis auf systematische Erfassungslücken, auch regional besonders niedrige Inzidenzen. Dies führt auf die Frage, ob die Inzidenzen von Krebserkrankungen bei Kindern räumliche Autokorrelation aufweisen. Ob man auf einer Landkarte Cluster visuell wahrnimmt und ob Tests auf räumliche Autokorrelation Cluster entdecken, hängt auch von der Klasseneinteilung der beobachteten Werte und von den verwendeten Verfahren ab. Wir haben daher mehrere Autokorrelationsmaße und verschiedene Klasseneinteilungen betrachtet.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Bernhard, G., Kaatsch., P., Michaelis J. (1990). Statistische Beurteilungskriterien für die Interpretation von regionalen Erkrankungsraten - am Beispiel des Kinderkrebsregisters Mainz, in: Quantitative Methoden in der Epidemiologie, 35. Jahrestagung der GMDS Berlin, September 1990, Proceedings, Reihe Medizinische Informatik und Statistik. Springer-Verlag, Berlin, Heidelberg, New YorkGoogle Scholar
  2. Clayton, D., Kaldor, J. (1987). Empirical Bayes Estimates of Age-standardized Relative Risks for Use in Disease Mapping. Biometrics 43, 671–681CrossRefGoogle Scholar
  3. Cliff, A.D., Ord, J. K. (1981). Spatial Processes - Models and Applications, Pion, LondonGoogle Scholar
  4. Geary, R. C. (1954). The contiguity ratio and statistical mapping. The Incorporated Statistician 5, 115–145CrossRefGoogle Scholar
  5. Moran, P. A. P. (1948). The interpretation of statistical maps. Journal of the Royal Statistical Society, Series B 10, 243–251Google Scholar
  6. Moran, P. A. P. (1950). Notes on Continuous stochastic phenomena. Biometrika 37, 17–23MathSciNetzbMATHGoogle Scholar
  7. Ohno, Y. Aoki, K., Aoki, N. (1979). A Test of Significance for Geographic Clusters of Disease. International Journal of Epidemiology 8, 273–281Google Scholar
  8. Ohno, Y., Aoki, K. (1981). Cancer Deaths by City and County in Japan (1969–1971): A Test of Significance for Geographic Clusters of Disease. Social Science and Medicine 15D, 251–258Google Scholar
  9. Reiniitz, P.-E. (1989). Statistische Methoden zur Entdeckung räumlicher Cluster bei klassierten Daten. Dortmund, Univ. Diss.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1991

Authors and Affiliations

  • Irene Schmidtmann
    • 1
  • Peter Kaatsch
    • 1
  • Jörg Michaelis
    • 1
  1. 1.Institut für Medizinische Statistik Dokumentation KlinikumJohannes Gutenberg-UniversitätMainzDeutschland

Personalised recommendations