Zusammenfassung
Die Krebsregistrierung in Deutschland erhebt flächendeckend kleinräumige Daten, zu deren Veranschaulichung thematische Landkarten erstellt werden können („disease mapping“). Wegen auftretender zufälliger Extremwerte von Raten ist eine Kartendarstellung ohne vorherige räumlich statistische Datenanalyse aus methodischer und aus risikokommunikativer Sicht problematisch – die Extremwerte führen den Kartenleser leicht in die Irre und tatsächliche räumliche Muster werden verschleiert.
Dem Problem der Dateninstabilität lässt sich generell entweder durch Aggregation oder durch Glättung begegnen. Der Krebsatlas Schleswig-Holstein beruht auf Daten von 1142 Gemeindegebieten (mediane Einwohnerzahl: 721) für die Diagnosejahre 2001–2010. Karten für die Inzidenz (als standardisiertes Inzidenzverhältnis), die Mortalität (als standardisiertes Mortalitätsverhältnis) und das relative Überleben (als relatives Überschussrisiko) wurden mit einem Bayes’schen Verfahren (BYM-Modell) geglättet. Die Karten zeigen, dass durch Glättung räumliche Unterschiede sichtbar gemacht werden können.
Datenaggregation ist der methodisch einfachere Weg, bedeutet aber Informationsverlust. Der Atlas zeigt, dass eine kleinräumige Darstellung unter Erhalt der gesamten räumlichen Informationen machbar ist. Das Verfahren der Glättung ist aufwendig, aber zur Hypothesengenerierung lohnenswert. Die gefundenen räumlichen Muster sind wegen der vielfältigen Einflussfaktoren (Datenerfassung, Lebensstilfaktoren, Früherkennung, Risikofaktoren etc.) komplex, schwer zu interpretieren und bedürfen der Zusammenarbeit von Fachleuten verschiedener Profession. Nicht zu unterschätzen ist der Aufwand für die methodischen Erklärungen in einer öffentlichkeitsnahen Sprache.
Abstract
The cancer registry in Germany collects area-wide small-area data that can be presented in themes (disease mapping). Because of the occurrence of random extreme values of rates, mapping without prior spatial-statistical data analysis is problematic from a methodological and risk-communicative viewpoint – the extreme values easily mislead the card reader and obscure actual spatial patterns.
The problem of data instability can generally be met by aggregation or by smoothing. The cancer atlas for Schleswig-Holstein is based on data from 1142 municipalities (median population: 721) for the diagnostic years 2001–2010. Maps for incidence (as a standardized incidence ratio), mortality (as a standardized mortality ratio), and relative survival (as a relative excess risk) were smoothed by using a Bayesian method (BYM model). The maps show that spatial differences can be made visible by smoothing.
Data aggregation is the methodically simpler way, but means a loss of information. The atlas shows that small-scale mapping is possible while preserving the entire spatial information. The method of smoothing is complex, but useful for generating hypotheses. The spatial patterns found are complex, difficult to interpret, and require the collaboration of specialists from different professions, because of the diverse influencing factors (data collection, lifestyle factors, early detection, risk factors, etc.). The effort required to explain the methodology in a language easy to understand should not be underestimated.
Literatur
Robert Koch-Institut, Gesellschaft Der Epidemiologischen Krebsregister in Deutschland E. V (Hrsg) (2015) Krebs in Deutschland 2011/2012. Robert Koch-Institut, Berlin
Robert Koch-Institut (2010) Verbreitung von Krebserkrankungen in Deutschland. Entwicklung der Prävalenzen zwischen 1990 und 2010. Rober Koch-Institut, Berlin
Zanetti R, Sacchetto L, Calvia M et al (2014) Economic evaluation of cancer registration in Europe. J Registry Manag 41:31–37
Katalinic A, Pritzkuleit R (2016) Krebsregistrierung in Deutschland. Public Health Forum 24(2):127–130
Hentschel S, Pritzkuleit R, Schmid-Höpfner S, Katalinic A (2011) Epidemiologische Krebsregistrierung in Deutschland. Aufgaben und aktueller Status. Der Onkologe 17:97–106
Gesetz zur Weiterentwicklung der Krebsfrüherkennung und zur Qualitätssicherung durch klinische Krebsregister (2013) (Krebsfrüherkennungs- und -registergesetz – KFRG). In: Bundesgesetzblatt Jahrgang 2013 Teil I Nr. 16, ausgegeben zu Bonn am 8. April 2013
Kieschke J, Hoopmann M (2014) Aktives Monitoring kleinräumiger Krebshäufungen. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 57:33–40
Condon SK, Sullivan J, Netreba B (2013) Cancer clusters in the USA: what do the last twenty years of state and federal investigations tell us? Crit Rev Toxicol 43:73–74
Robert Koch-Institut (2009) Empfehlungen für den Umgang mit Beobachtungen von räumlich-zeitlichen Krankheitsclustern – Mitteilung der Kommission „Methoden und Qualitätssicherung in der Umweltmedizin“. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 52:239–255
Anonymous (2009) Cancer clusters: how can we improve understanding? Lancet Oncol 10:1129
Kulldorff M, Song C, Gregorio D, Samociuk H, Dechello L (2006) Cancer map patterns. Are they random or not? Am J Prev Med 30:37–49
Thun MJ, Sinks T (2004) Understanding cancer clusters. CA Cancer J Clin 54:273–280
Kulldorff M (1997) A spatial scan statistic. Communications in statistics – theory and. Methods 26:1481–1496
Rothman KJ (1990) A sobering start for the cluster buster’s conference. Am J Epidemiol 132:6–13
Neutra RR (1990) Counterpoint from a cluster buster. Am J Epidemiol 132:1–8
Pritzkuleit R, Katalinic A, Gieseler F (2017) Krebsregister und Gesundheitswesen. Anfragen bei Verdacht auf Krebshäufungen, Erwartungen und Befürchtungen. Der Onkologe 23(4):264–271
Pritzkuleit R (2017) Krebsepidemiologie. In: Augustin J, Koller D (Hrsg) Geografie der Gesundheit. Die räumliche Dimension von Epidemiologie und Versorgung. Horgrefe, Bern, S 170–180
Schweikart J, Kistemann T (2017) Erkenntnisgewinn einer räumlichen Betrachtung von Gesundheit. In: Augustin J, Koller D (Hrsg) Geografie der Gesundheit. Die räumliche Dimension von Epidemiologie und Versorgung. Hogrefe, Bern, S 15–28
Swart E, Graf Von Stillfried D, Koch-Gromus U (2014) Kleinräumige Versorgungsforschung. Wo sich Wissenschaft, Praxis und Politik treffen. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 57:161–163
Gesellschaft Der Epidemiologischen Krebsregister Deutschland (Hrsg) (2015) Atlas der Krebsinzidenz und –mortalität in Deutschland (GEKID-Atlas). Datenlieferung: Dezember 2015. Gesellschaft der epidemiologischen Krebsregister in Deutschland e. V. (GEKID), Lübeck
Becker N, Wahrendorf J, Holzmeier S (1997) Krebsatlas der Bundesrepublik Deutschland 1981–1990. Atlas of cancer mortality in the Federal Republic of Germany. Springer, Berlin
Stabenow R, Schulz M, Meinlschmidt G, Imme U (2007) Krebsatlas Berlin 2002–2004 – Inzidenz und Mortalität. Gemeinsames Krebsregister der Länder Berlin, Brandenburg, Mecklenburg-Vorpommern, Sachsen-Anhalt und der Freistaaten Sachsen und Thüringen (GKR), Berlin
Ministerium Für Justiz Arbeit, Gesundheit und Soziales des Saarlandes (Hrsg) (2009) Krebs im Saarland – Atlas der Inzidenz und Mortalität 1997–2006 und Bericht für die Jahre 2004–2006. Krebsregister Saarland, Saarbrücken
Goovaerts P, Xiao H (2011) Geographical, temporal and racial disparities in late-stage prostate cancer incidence across Florida: a multiscale joinpoint regression analysis. Int J Health Geogr 10:63
Madelin M, Grasland C, Mathian H, Sanders L (2009) Das „MAUP“: Modifiable Areal Unit – Problem oder Fortschritt? Inf Raumentwickl 10(11):2009
Tobler W (1970) A computer movie simulating urban growth in the Detroit region. Econ Geogr 46(2):234–240
Best N, Richardson S, Thomson A (2005) A comparison of Bayesian spatial models for disease mapping. Stat Methods Med Res 14:35–59
Knorr-Held L, Rasser G (2000) Bayesian detection of clusters and discontinuities in disease maps. Biometrics 56:13–21
Knorr-Held L, Becker N (2000) Bayesian modelling of spatial heterogeneity in disease maps with application to German cancer mortality data. All Stat Arch 84:121–140
Augustin J, Kistemann T, Koller D et al (2016) Gute Kartographische Praxis im Gesundheitswesen (GKPiG). Leibnitz-Institut für Länderkunde (Hrsg) forum ifl, Leipzig, Heft 32
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
Cramb SM, Mengersen KL, Baade PD (2011) Atlas of cancer in Queensland: geographical variation in incidence and survival 1998 to 2007. iertel Centre for Research in Cancer Control, Cancer Council Queensland, Brisbane
Cramb SM, Mengersen KL, Baade PD (2011) Developing the atlas of cancer in Queensland: methodological issues. Int J Health Geogr 10:9
National Cancer Registry/Northern Ireland Cancer Registry (2011) All-Ireland Cancer Atlas 1995–2007. Cork, Belfast
Besag J, York J, Mollié A (1991) Baysian image restoration, with two applications in spatial statistics. Ann Inst Stat Math 43:1–59
Becker N (1994) Cancer mapping: why not use absolute scales? Eur J Cancer 30:699–706
Hentschel S, Katalinic A (Hrsg) (2008) Das Manual der epidemiologischen Krebsregistrierung. W. Zuckschwerdt, München, Wien, New York
Hofmeister C, Maier W, Mielck A, Stahl L, Breckenkamp J, Razum O (2016) Regionale Deprivation in Deutschland: Bundesweite Analyse des Zusammenhangs mit Mortalität unter Verwendung des „German Index of Multiple Deprivation“ (GIMD). Gesundheitswesen 78:42–48
Maier W, Fairburn J, Mielck A (2012) Regionale Deprivation und Mortalität in Bayern. Entwicklung eines „Index Multipler Deprivation“ auf Gemeindeebene. Gesundheitswesen 74:416–425
Parker L (2001) Social inequality and cancer deaths. Lancet Oncol 2(1):5
Koch K (2003) PSA-Test und Prostatakarzinom: Ein Beispiel für das Dilemma der Früherkennung. Dtsch Arztebl Int 100:2486
Author information
Authors and Affiliations
Corresponding author
Ethics declarations
Interessenkonflikt
R. Pritzkuleit, N. Eisemann und A. Katalinic geben an, dass kein Interessenkonflikt besteht.
Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.
Rights and permissions
About this article
Cite this article
Pritzkuleit, R., Eisemann, N. & Katalinic, A. Die kartografische Darstellung regionaler Unterschiede in der Morbidität. Bundesgesundheitsbl 60, 1319–1327 (2017). https://doi.org/10.1007/s00103-017-2651-5
Published:
Issue Date:
DOI: https://doi.org/10.1007/s00103-017-2651-5