Zusammenfassung
Hintergrund
Dieser Beitrag beschreibt die raumzeitliche Analyse von Daten zu Antibiotika-Verschreibungen für die Stadt Dresden und deren Bereitstellung der Ergebnisse in einem Geoportal.
Methoden
Die Antibiotika-Verschreibungen werden mittels Zeitreihenanalyse und Methoden der Mustererkennung auf raumzeitliche Muster hin untersucht. Zur Klärung dieser Muster werden sie mit weiteren Parametern verschnitten und mittels Korrelationsanalysen auf statistische Zusammenhänge hin untersucht. Dies wird am Beispiel des Zusammenhangs zwischen Antibiotika-Verschreibungen und Fällen von Atemwegsinfektionen aus Google Grippe-Trends aufgezeigt.
Ergebnisse
Es konnte eine hohe bis sehr hohe Korrelation zwischen Fällen von Atemwegsinfektionen und Antibiotika-Verschreibungen der Gruppe der Makrolide nachgewiesen werden. Diese und weitere Ergebnisse werden im Geoportal ANTI-Resist der Öffentlichkeit zur Verfügung gestellt.
Diskussion
Für die betrachteten Substanzen der Makrolid-Gruppe können die Daten zu Atemwegsinfektionen von Google Grippe-Trends als Prädiktorvariable fungieren und über ein einfaches Regressionsmodell in ein Frühwarnsystem zur Vorhersage zeitnaher kritischer Antibiotika-Zustände integriert werden.
Abstract
Background
This paper describes the spatio-temporal analysis of antibiotic prescriptions data for the city of Dresden and the publication of the results in a geoportal.
Methods
The antibiotic prescriptions are analyzed for spatio-temporal patterns using time series analysis and pattern recognition methods. To clarify these patterns the prescription data is joined with further parameters and analyzed for statistical correlations. This is demonstrated using the example of the relationship between antibiotic prescriptions and cases of respiratory infections from Google Flu Trends.
Results
There has been detected a high to very high correlation between cases of respiratory infections and antibiotic prescriptions of the macrolide group. These and other results are made available to the public in the Geoportal ANTI-Resist.
Conclusions
For the considered substances of the macrolide group the data of respiratory infections from Google Flu Trends can act as a predictor variable and can be integrated into an early warning system via a simple regression model for predicting current critical antibiotics states.
This is a preview of subscription content, log in via an institution to check access.
Literatur
Alves D (2006) Interoperability through web services: evaluating OGC standards in client development for spatial data infrastructures. GeoInfo: 173–188
Bernard L, Fitzke J, Wagner R (2005) Geodateninfrastruktur – Grundlagen und Anwendungen
Bernard L, Kanellopoulos I, Annoni A (2005) The European geoportal-one step towards the establishment of a European spatial data infrastructure. Comput Environ Urban 29:15–31
Bundesministeriums der Justiz (2012) Gesetz über den Zugang zu digitalen Geodaten (Geodatenzugangsgesetz – GeoZG)
Ginsberg J et al (2008) Detecting influenza epidemics using search engine query data. Nature 457(7232):1012–1014
Google (2011) Google Grippe-Trends. Häufig gestellt Fragen. http://www.google.org/flutrends/about/faq.html. Zugegriffen: 4. Feb. 2014
Google (2011) Google Grippe-Trends. Wie funktioniert das? http://www.google.org/flutrends/about/how.html. Zugegriffen: 4. Feb. 2014
Granell C, Diaz F (2014) Geospatial information infrastructures to address spatial needs in health: collaboration, challenges and opportunities. Future Generation Computer Systems-the International Journal of Grid Computing and Escience 31:213–222
McLaughlin G (2000) Geospatial data infrastructure: concepts, cases, and good practice. Oxford. Oxford University Press
Bernard H (2013) Usability für Geoportale am Beispiel der Konzeption des Geoportal Sachsen. Kartografische Nachrichten, 5/2013
Herold S (2011) Pathogenese, Klinik und Therapie der Virusgrippe. Vom harmlosen Infekt bis zur Intensivstation. Pharmazie in unserer Zeit 40(2):115–119
Hüben (2008) Anforderungen an ein Geoportal. Berlin. GDI-BE/BB
Kiehle C, Greve K, Heier C (2006) Standardized geoprocessing-taking spatial data infrastructures one step further. In Proceedings of the 9th AGILE International Conference on Geographic Information Science. Visegrád, Hungary
Koschorreck, Lehmann, Naulin (Hrsg) (2005) Arzneimittel in der Umwelt – Zu Risiken und Nebenwirkungen fragen Sie das Umweltbundesamt. Umweltbundesamt. Texte 29/05. Dessau
Müller M, Bernard L, Kadner D (2013) Moving code – sharing geoprocessing logic on the Web. ISPRS Journal of Photogrammetry and Remote Sensing 83. International Society for Photogrammetry and Remote Sensing, Inc. (ISPRS): 193-203
Müller M, Bernard L (2010) Moving code in spatial data infrastructures – web service based deployment of geoprocessing algorithms. Transactions in GIS 14(s1):101–118
Open Geospatial Consortium (2005) Web Feature Service Implementation Specification. 1.1.0. Open Geospatial Consortium
Open Geospatial Consortium (2006) OpenGIS® Web Map Service Implementation Specification. 1.3.0. Open Geospatial Consortium
Schaberg (2003) Diagnostik, Therapie und Prävention der Influenza (Virusgrippe). Pneumologie 57(01):27–33
Schröder H et al (2003) Antibiotika: Solange sie noch wirken. Gesundheit und Gesellschaft Wissenschaft 2(2003):7–16
Einhaltung ethischer Richtlinien
Interessenkonflikt
L. Hutka, D. Kadner und L. Bernard geben an, dass kein Interessenkonflikt besteht.
Patientenrechte und Tierschutzbestimmungen
Dieser Beitrag beinhaltet keine Studien an Menschen oder Tieren.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Hutka, L., Kadner, D. & Bernard, L. Antibiotika im Abwasser – Erstellung von Bewertungskarten & Konzeption eines Informations- und Warnsystems. Präv Gesundheitsf 9, 211–217 (2014). https://doi.org/10.1007/s11553-014-0449-y
Published:
Issue Date:
DOI: https://doi.org/10.1007/s11553-014-0449-y