Räumlich-statistische Analyse von Infektions-Meldedaten in Niedersachsen

Zusammenfassung

Hintergrund: In Niedersachsen basiert die Auswertung der Meldedaten nach Infektionsschutzgesetz (IfSG) auf zwei Säulen: Eine Säule sind wöchentliche Auswertungen zur Identifikation von Clustern und überregionalen Ausbrüchen im Sinne eines Frühwarnsystems, und die zweite Säule bildet das jährliche Berichtswesen zur Gewinnung eines systematischen Überblicks über die Meldedaten und zur Identifikation längerfristiger Trends. In beiden Bereichen werden räumlich-statistische Methoden eingesetzt. Methodik: Wöchentlich werden die IfSG-Meldedaten der Landkreise und kreisfreien Städte für die 16 wichtigsten Erkrankungen analysiert und für das Internet grafisch aufbereitet. Den Einstieg in die Internetdarstellung bildet eine Übersichtsseite, auf der die beobachteten und erwarteten Fallzahlen der 16 Erkrankungen einander tabellarisch und grafisch gegenübergestellt werden. Die zeitliche und räumliche Verteilung der Fälle wird für jede Erkrankung auf einer separaten Internetseite unter Verwendung folgender Grafiken präsentiert: Zeitreihendarstellung der wöchentlichen Fallzahlen und ihrer gleitenden Mittelwerte, Flächenkarte der regionalen Inzidenzraten und Punktkarte der regionalen Fallzahlen. Zur Identifikation von Ausbrüchen werden die Meldedaten mit Hilfe des „Scanverfahrens” von Kulldorff wöchentlich nach räumlichen Clustern durchsucht, und die statistische Signifikanz dieser Cluster wird bewertet. Die Verfahren laufen hochgradig automatisiert ab und sind überwiegend in Public Domain Software realisiert. Ergebnisse und Diskussion: Der gewählte Ansatz entspricht dem Grundprinzip der Surveillance, den Datenlieferanten ein unmittelbares Feedback zu geben. Das Scanverfahren stellt ein universelles, objektives Instrument zur Bewertung räumlicher Häufungen dar. Besonderer Vorteil ist die Erfassung Landkreis-übergreifender Cluster. Die Eigenschaften der identifizierten Cluster (räumliche Ausdehnung, Fallzahl etc.) geben Einblicke in die charakteristische Epidemiologie der betrachteten Infektionskrankheiten.

Abstract

Background: In Lower Saxony the analysis of notification data according to the infection protection law is based on two pillars: One pillar is the weekly analysis to identify clusters and locally non-detectable outbreaks by an early warning system. The second pillar is an anual reporting system for obtaining an overall picture and for identifying long-term trends. In both fields methods of spatial statistics are applied. Methods: For the 16 most frequent notifiable diseases, the notification data of the districts of Lower Saxony are analysed and presented on the Internet. The presentation starts with an overview page, on which differences between observed and expected case counts for these diseases are presented tabulated and graphically. On a separate page for each disease the temporal and spatial distribution is shown by means of the following graphs: Time series presentation (weekly case counts and moving averages), chloropleth map of regional incidence rates and dot map of regional case counts. For identification of outbreaks, Kulldorff’s “scan statistic” is used to search the data for clusters and to assess the significance of these clusters. The methods are executed mainly automatically using predominantly public domain software. Results and discussion: The approach attempts to meet the surveillance principle of providing the participants with immediate feedback. The scan statistics is a universal objective instrument for detecting and assessing spatial clusters. A special advantage is the identification of clusters which include several districts. The properties of the identified clusters (spatial extension, number of cases) offer some insight into the characteristic epidemiology of the diseases.

Infektionssurveillance - Meldewesen - explorative Analyse - Scanstatistik

Infectious disease surveillance - notification system - exploratory analysis - scan statistic

Literatur

• 1 Robert Koch-Institut . Umsetzung der Übermittlung der meldepflichtigen Infektionen nach dem Infektionsschutzgesetz.  Bundesgesundheitsbl. 2000;  43 870-874
• 2 Pfaff G M. Das Infektionsschutzgesetz - Anpassung des Meldewesens auf Kreis- und auf Landesebene.  Bundesgesundheitsbl. 2000;  43 900-904
• 3 Stroup D F, Williamson G D, Herndon J L. et al . Detection of aberrations in the occurrence of notifiable diseases surveillance data.  Stat Med. 1989;  8 323-329
• 4 Reintjes R, Baumeister H G, Coulombier D. Infectious disease surveillance in North Rhine-Westphalia: First steps in the development of an early warning system.  Int J Hyg Environ Health. 2001;  203 195-199
• 5 Hartung J, Elpelt B, Klösener K H. Statistik. München; Oldenbourg 2002
• 6 Bollman J, Koch W G. Lexikon der Kartographie und Geomatik. Heidelberg; Spektrum Akademischer Verlag 2001
• 7 Dean J A, Dean A G, Burton A H. et al .Epi Map 2: A mapping program for IBM compatible microcomputers. Atlanta; Centers for Disease Control and Prevention 1995 (Software erhältlich unter http://www.cdc.gov/epiinfo/Epi6/ei6.htm)
• 8 Kulldorff M. A spatial scan statistic.  Communs Statist Theory Methods. 1997;  26 1481-1496
• 9 Feil F, Dreesman J, Steffens I. Tuberculosis screening of Aussiedler at the Friedland border immigration centre, Germany. Eurosurveillance Weekly 2004; 8(18): 29/04/2004 (http://www.eurosurveillance.org/ew/2004/040 429.asp). 
• 10 Giesecke J. Modern Infectious Disease Epidemiology. London; Arnold 1994
• 11 Buehler J W. Surveillance. Rothman KJ, Greenland S Modern Epidemiology Philadelphia; Lippincott-Raven 1998: 453-457
• 12 Farrington C P, Beale A D. The detection of outbreaks of infectious disease. Gierl L, Cliff AD, Valleron AJ Geomed 97 Stuttgart; Teubner 1997: 97-117
• 13 Kulldorff M. Prospective time periodic geographical disease surveillance using a scan statistic.  J R Statist Soc A. 2001;  164 61-72
• 14 Cousens S, Smith P G, Ward H. et al . Geographical distribution of variant Creutzfeldt-Jakob disease in Great Britain, 1994 - 2000.  Lancet. 2001;  357 1002-1007
• 15 Sauders B D, Fortes E D, Morse D L. et al . Molecular subtyping to detect human listeriosis clusters.  Emerg Infect Dis. 2003;  9 672-680
• 16 Kulldorff M, Rand K, Gherman G. et al . SaTScan v 2.1: Software for the Spatial and Space-time Scan Statistics. Bethesda, USA: National Cancer Institute, 1998 (erhältlich unter http://www.satscan.org/). 
• 17 Robert-Koch-Institut . EDV-technische Umsetzung des Meldewesens.  Bundesgesundheitsbl. 2000;  43 880-881
• 18 S-PLUS 6 for Windows Programmer’s Guide. Seattle; Insightful Corporation 2001