Referent / 1.1.1 Namenskürzel Name der Präsentation - Datum1

Räumliche Autokorrelation – Clustering und Cluster

Sebastian Völker

Stabsbereich Unternehmensentwicklung

Symposium Geointelligence in der Sicherstellung

Berlin, 10.09.2019

Agenda

Warum beschäftigen wir uns mit räumlichen

Informationen?

Globale räumliche Autokorrelation (Clustering)

Lokale räumliche Autokorrelation (Cluster)

Anwendungsbeispiele

Fazit

Warum beschäftigen wir uns mit räumlichen Informationen?

Warum beschäftigen wir uns mit räumlichen Informationen?

Warum beschäftigen wir uns mit räumlichen Informationen?

Globale räumliche Autokorrelation

Sind die Werte im Raum zufallsverteilt?

Clustering

Wichtigste Methoden:

• (Global) Moran‘s I

• Geary‘s C

Moran‘s I: 0,643025; Z-score: 14,468771; p-value: < 0,001Moran‘s I: 0,0509; Z-score: -0,678313; p-value: 0,497573

Lokale räumliche Autokorrelation (Cluster)

Können im Raum Cluster hoher und/oder niedriger Werte (und Ausreißer) identifiziert werden?

Cluster

Wichtigste Methoden:

• Local Indicators of Spatial Association (LISA oder Anselin‘s Local Moran‘s I)

• Local Geary‘s C

• Getis-Ord Gi*

• (Scanstatistik)

Moran‘s I: 0,643025; Z-score: 14,468771; p-value: < 0,001

Lokale räumliche Autokorrelation (Cluster)

Völker, S. (2019): Die Inanspruchnahme der ambulanten Notfallversorgung in Westfalen-Lippe: eine medizingeographische Studie.

Gesundheitswesen 81(06): 471-477.

Lokale räumliche Autokorrelation (Cluster)

• Sektorübergreifende Bedarfsplanung bei ASK

• Influenzaimpfungen bei über 60-Jährigen

Anwendungsbeispiele

• Fragestellung

• Welche Region(en) eignen sich besonders für eine Intervention in der sektorübergreifenden Bedarfsplanung?

• Methoden

Inanspruchnahme

• Ausschließlich Patienten mit ambulant sensitiven Diagnosen: Ischämische Herzkrankheiten, Herzinsuffizienz, Hypertonie

• Behandlungsfälle stationär (Ersatzkasse) + ambulant (KVWL) im Jahr 2016 als Surrogat (§ 295 und § 301 SGB V)

Angebot

• Standorte von Krankenhäusern (Bettenzahl) und Kardiologen (Vollzeitäquivalente)

• Gravitationsmodellierung (E2SFCA, Fahrdistanzminuten)

Clusteranalyse

• Z-Standardisierung von stationärem und ambulantem Angebot sowie Inanspruchnahme

• Global Moran‘s I & LISA

Sektorübergreifende Bedarfsplanung bei ASK

Sektorübergreifende Bedarfsplanung bei ASK

Sektorübergreifende Bedarfsplanung bei ASK

Sektorübergreifende Bedarfsplanung bei ASK

ambulant

stationär

Sektorübergreifende Bedarfsplanung bei ASK

ambulant

stationär

• Fragestellung

• Deskription des raum-zeitlichen Geschehens der Unterimmunisierung

• Identifizierung signifikanter, räumlicher Risikocluster

• Methoden

• Kohorte gesetzlich Versicherter über 60 Jahren aggregiert auf PLZ-5-Ebene

• Räumliche Scanstatistik mit Bernoulli Wahrscheinlichkeitsmodell

→ Vorteil: raum-zeitliche Analysemöglichkeit

Räumliche Heterogenität: Tendenz zur Clusterung; Global Moran’s I = 0,20; p <0,001

durch lokale Indikatoren bestätigt (Local Moran‘s I)

Influenzaimpfungen bei über 60-Jährigen

• Ergebnisse I

• In Kombination mit Risikoanalyse:

Verstehen hintergründiger Prozesse des

Impfgeschehens

• Sensibilisierung der Mitglieder

• Erarbeitung von Strategien mit weiteren

Stakeholdern

Influenzaimpfungen bei über 60-Jährigen

Völker, S. (in press): Geografische Cluster der

Unterimmunisierung gegen Influenza bei über 60-

Jährigen am Beispiel Westfalen-Lippe.

Gesundheitswesen. DOI: 10.1055/a-0921-7374

Limitationen

• (Globales) Clustering erklärt nicht WO die Klumpung auftritt

• (Lokale) Clustermethoden haben multiples Testproblem → vorsichtige Interpretation

• (Lokale) Cluster können identifiziert, jedoch nicht erklärt werden → unterschiedliche,

hintergründige Prozesse können gleiches räumliches Muster ergeben

• Skalenunterschied: MAUP

Fazit

• Geostatistische Tests/Methoden zur räumlichen Verteilung

• Generelles Vorgehen:

→ Datenanalyse (z.B. numerisch-statistisch, Gravitationsmodellierung)

→ Globale räumliche Autokorrelation

→ Lokale Analyse

→ weitergehende Analysen (z.B. räumliche Regressionsmodellierung, Geographische

Risikoanalyse)

• Zielgenaue Lösungen für Entscheidungsträger in der Gesundheitsversorgung

Referent / 1.1.1 Namenskürzel Name der Präsentation - Datum22

Vielen Dank für Ihre

Aufmerksamkeit!

Dr. Sebastian Völker

Stabsbereich Unternehmensentwicklung

Kassenärztliche Vereinigung Westfalen-Lippe

Robert-Schimrigk-Str. 4-6

44141 Dortmund

Tel.: 0231 9432-3501

Fax.: 0231 9432-83501

E-Mail: Sebastian.Voelker@kvwl.de

Internet: www.kvwl.de