| Attributes | Values |
|---|
| rdf:type
| |
| Description
| - This contribution aims to introduce practical usage of methods of spatial statistics and clustering of health data. Firstly, the methods of spatial clustering or randomness estimation are introduced and applied on a real dataset, then spatial clusters are identified and intensity of processes is quantified. Non-spatial properties and time is considered together with the location data. Also methods of multivariate statistics are used for the purpose of classification of regions with similar properties. Particularly, occurrence data of selected infectious diseases in Olomouc Region in period 2004 - 2010 provided by Regional Public Health Service in Olomouc are used for the case study. (en)
- Od doby, kdy jeden ze zakladatelů oboru epidemiologie John Snow představil svou slavnou geografickou analýzu rozšíření cholery v Londýně v 19. století, se stalo vzájemné propojení zdravotnických dat a analýzy prostorových vzorů standardním postupem jak v oblasti věd o Zemi, tak i v rámci věd zdravotnických. Možnosti současných GIS ve spojení s atributy zdravotnických umožňují provádět prostorové analýzy velice efektivně. Nejdříve byly sestaveny nepravé kartogramy. Následně byly na datovou sadu použity metody odhadující možné prostorové procesy jevů (shlukování, pravidelnost či náhodnost) s důrazem na identifikaci míst možného častějšího výskytu nemoci a stanovení intenzity tohoto procesu (Obr. 1). Na závěr byla provedeno vícerozměrné shlukování v atributovém prostoru, které je vhodným doplňkem k předchozím metodám, jež závisí na konkrétní poloze nálezů než na jejich vlastnostech. Průzkum prostorových vzorů a procesů s využitím metod prostorové statistiky je relativně snadné. Následná interpretace výsledků však může být velmi subjektivní. Mnoho prostorových metod je také závislá na měřítku - např. vzory v malém měřítku vypadající jako shlukové se mohou jevit jako náhodné v měřítku velkém. Jejich výsledky jsou také ovlivněny (ne)vhodným nastavení jejich průběhu, při kterých i jemné změny mohou způsobit diametrálně odlišnou podobu výsledků. Samotné hodnocení prostorových vzorů je samozřejmě silně ovlivněno mnoha dalšími jevy prostředí (u zdravotnických dat zejména počet obyvatel a hustota zalidnění), z nichž některé mohou být na první pohled skryté.
- Od doby, kdy jeden ze zakladatelů oboru epidemiologie John Snow představil svou slavnou geografickou analýzu rozšíření cholery v Londýně v 19. století, se stalo vzájemné propojení zdravotnických dat a analýzy prostorových vzorů standardním postupem jak v oblasti věd o Zemi, tak i v rámci věd zdravotnických. Možnosti současných GIS ve spojení s atributy zdravotnických umožňují provádět prostorové analýzy velice efektivně. Nejdříve byly sestaveny nepravé kartogramy. Následně byly na datovou sadu použity metody odhadující možné prostorové procesy jevů (shlukování, pravidelnost či náhodnost) s důrazem na identifikaci míst možného častějšího výskytu nemoci a stanovení intenzity tohoto procesu (Obr. 1). Na závěr byla provedeno vícerozměrné shlukování v atributovém prostoru, které je vhodným doplňkem k předchozím metodám, jež závisí na konkrétní poloze nálezů než na jejich vlastnostech. Průzkum prostorových vzorů a procesů s využitím metod prostorové statistiky je relativně snadné. Následná interpretace výsledků však může být velmi subjektivní. Mnoho prostorových metod je také závislá na měřítku - např. vzory v malém měřítku vypadající jako shlukové se mohou jevit jako náhodné v měřítku velkém. Jejich výsledky jsou také ovlivněny (ne)vhodným nastavení jejich průběhu, při kterých i jemné změny mohou způsobit diametrálně odlišnou podobu výsledků. Samotné hodnocení prostorových vzorů je samozřejmě silně ovlivněno mnoha dalšími jevy prostředí (u zdravotnických dat zejména počet obyvatel a hustota zalidnění), z nichž některé mohou být na první pohled skryté. (cs)
|
| Title
| - Prostorové statistiky zdravotnických dat: Případová studie v Olomouckém kraji
- Prostorové statistiky zdravotnických dat: Případová studie v Olomouckém kraji (cs)
- Spatial statistics of health data: Case study in Olomouc region, Czech Republic (en)
|
| skos:prefLabel
| - Prostorové statistiky zdravotnických dat: Případová studie v Olomouckém kraji
- Prostorové statistiky zdravotnických dat: Případová studie v Olomouckém kraji (cs)
- Spatial statistics of health data: Case study in Olomouc region, Czech Republic (en)
|
| skos:notation
| - RIV/61989592:15310/13:33145317!RIV15-MSM-15310___
|
| http://linked.open...avai/riv/aktivita
| |
| http://linked.open...avai/riv/aktivity
| |
| http://linked.open...vai/riv/dodaniDat
| |
| http://linked.open...aciTvurceVysledku
| |
| http://linked.open.../riv/druhVysledku
| |
| http://linked.open...iv/duvernostUdaju
| |
| http://linked.open...titaPredkladatele
| |
| http://linked.open...dnocenehoVysledku
| |
| http://linked.open...ai/riv/idVysledku
| - RIV/61989592:15310/13:33145317
|
| http://linked.open...riv/jazykVysledku
| |
| http://linked.open.../riv/klicovaSlova
| - Spatial clustering, Spatial autocorrelation, Disease mapping, Spatial pattern (en)
|
| http://linked.open.../riv/klicoveSlovo
| |
| http://linked.open...ontrolniKodProRIV
| |
| http://linked.open...v/mistoKonaniAkce
| |
| http://linked.open...i/riv/mistoVydani
| |
| http://linked.open...i/riv/nazevZdroje
| - Sborník anotací konference Juniorstav 2013
|
| http://linked.open...in/vavai/riv/obor
| |
| http://linked.open...ichTvurcuVysledku
| |
| http://linked.open...cetTvurcuVysledku
| |
| http://linked.open...vavai/riv/projekt
| |
| http://linked.open...UplatneniVysledku
| |
| http://linked.open...iv/tvurceVysledku
| |
| http://linked.open...vavai/riv/typAkce
| |
| http://linked.open.../riv/zahajeniAkce
| |
| number of pages
| |
| http://purl.org/ne...btex#hasPublisher
| - Vysoké učení technické v Brně
|
| https://schema.org/isbn
| |
| http://localhost/t...ganizacniJednotka
| |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)