konya ili kanser hastalığı - Selçuk Üniversitesi Dijital Arşiv Sistemi

advertisement
T.C.
SELÇUK ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
EPİDEMİYOLOJİDE MEKANSAL ANALİZ:
KONYA İLİ KANSER HASTALIĞI ÖRNEĞİ
H. Canan GÜNGÖR
DOKTORA TEZİ
Harita Mühendisliği Anabilim Dalı
Aralık, 2013
KONYA
Her Hakkı Saklıdır
ii
TEZ BİLDİRİMİ
Bu tezdeki bütün bilgilerin etik davranış ve akademik kurallar çerçevesinde elde
edildiğini ve tez yazım kurallarına uygun olarak hazırlanan bu çalışmada bana ait
olmayan her türlü ifade ve bilginin kaynağına eksiksiz atıf yapıldığını bildiririm.
DECLARATION PAGE
I hereby declare that all information in this document has been obtained and
presented in accordance with academic rules and ethical conduct. I also declare that, as
required by these rules and conduct, I have fully cited and referenced all material and
results that are not original to this work.
İmza
Hatice Canan GÜNGÖR
Tarih:
iii
ÖZET
DOKTORA TEZİ
EPİDEMİYOLOJİDE MEKÂNSAL ANALİZ: KONYA İLİ KANSER
HASTALIĞI ÖRNEĞİ
Hatice Canan GÜNGÖR
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Harita Mühendisliği Anabilim Dalı
Danışman: Yrd. Doç. Dr. Gülgün ÖZKAN
2013, 161 Sayfa
Jüri
Yrd. Doç. Dr. Gülgün ÖZKAN
Doç. Dr. Semra GÜNAY AKTAŞ
Yrd. Doç. Dr. Ali ERDİ
Doç.Dr. Savaş DURDURAN
Doç.Dr.Tayfun ÇAY
Bu çalışmada 2005–2009 yılları arası Konya iline ait kanser vakalarının mekânsal ve zamansal
olarak dağılımı ve çevresel faktörlerin etkisi incelenmiştir. İlin jeoloji haritası, arazi kullanım haritası,
topografik eş yükseklik haritası, güneşlenme şiddeti haritası, baz istasyon dağılımı haritası ve maden
haritaları altlık olarak kullanılarak kanserin mekânla ilişkisi araştırılmıştır. Kanser türleri 9 gruba
ayrılmıştır. Kanser hastalarının yaşı, cinsiyeti, eğitimi, mesleği ve kan bağı gibi beşeri bilgileri
birbirleriyle ve mekânla ilişkileri istatistiksel olarak incelenmiştir.
31 ilçesi bulunan Konya İlindeki kanser vakalarının sayısı, ilçe nüfuslarındaki oranlarıyla
(İnsidans) incelenerek mekânsal istatistiğe konu olmuştur. İnsidansı yüksek olan ilçelerdeki mekân ve
hastalık ilişkisi farklı Coğrafi Bilgi Sistemi(CBS) yazlımlarından faydalanarak tematik haritalarla
görselleştirilmiştir.
Çalışmanın öznitelik verilerinin istatistiksel analizlerinde istatistik paket programları
kullanılmıştır. İlçelerle kanser türleri arasındaki ilişki uyum analizi ile incelenmiş ve 2 boyutlu düzlemde
gösterilmiştir. Yıllara göre kanser insidanslarındaki değişim Ki-kare trend analizi ile sürekli değişkenler
arasındaki ilişki korelasyon analizi ile incelenmiştir. Çalışmadaki tüm istatistiksel analizlerde p değeri 0,
05’in altındaki karşılaştırmalar, istatistiksel olarak anlamlı kabul edilmiştir.
Nüfusta yaştan kaynaklanabilecek hataları ortadan kaldırmak amacıyla doğrudan yaş düzeltme
işlemi yapılmıştır. Farklı yaş gruplarındaki kanser türleri tespiti için 2’li karşılaştırma testleri yapılmıştır.
Elde edilen toplam 7298 kanserli vakanın ilçelere göre dağılımı ile her bir ilçenin hastalık
insidansı yerleşimlerdeki nüfus yoğunluğuna göre farklılık göstermektedir. Yıllara göre insidans oranları
incelenerek zamansal değişimdeki, oransal değişimler gözlemlenmiştir.
Kullanılan testlerde ve yazılımlarda, komşu ilçelerdeki insidans oranlarının, kanser sayılarının,
kanser türlerinin benzerlikleri dikkat çekmiştir. Yapılan kümeleme analizlerinde de birbirine komşu
ilçelerin aynı kümede var olduğu görülmüştür. “Her şey bir biriyle ilişkilidir, yakın şeyler birbirleriyle
daha ilişkilidir”, tezi burada doğrulanmaktadır.
Bu çalışma ülkemizde önemi vurgulanan kanser kayıtçılığına, sağlık sistemine öneriler
getirilmesi ve dikkat çekilmesi adına yapılmıştır. Disiplinler arası çalışmalarla, büyük projelere örnek
teşkil etmesi amaçlanmıştır.
Anahtar Kelimeler: Coğrafi Bilgi Sistemi(CBS), Mekânsal Analiz, Epidemiyoloji, Konya İli,
Kanser Hastalığı
iv
ABSTRACT
Ph.D THESIS
SPATIAL ANALYZE IN EPIDEMIOLOGY: DISEASE OF CANCER IN
KONYA CITY
Hatice Canan GUNGOR
THE GRADUATE SCHOOL OF NATURAL AND APPLIED SCIENCE OF
SELÇUK UNIVERSITY
THE DEGREE OF DOCTOR OF PHILOSOPHY
IN MAP ENGINEERING
Advisor: Asst. Prof. Dr. Gülgün ÖZKAN
2013, 161 Pages
Jury
Advisor Asst. Prof. Dr. Gülgün ÖZKAN
Assoc. Prof. Dr Semra GÜNAY AKTAŞ
Asst. Prof. Dr. Ali ERDİ
Assoc. Prof. Dr S.Savaş DURDURAN
Assoc. Prof. Dr Tayfun ÇAY
In this study, spatial and temporal distribution cancer cases between the years 2005-2009 in the
province of Konya is examined and the effects of environmental factors are investigated. Relation
between cancer cases and the location is investigated by examining the geological map, land use map,
topographic contour map, sun intensity map, base station distribution map and mineral map of the area.
Cancers are divided into 9 groups. Age, gender, education, occupation and blood relation data are
investigated internally and compared to locational data statistically.
The number of cancer cases in Konya, which has 31 districts, is statistically compared to
population of districts. In districts with high number of incidences, the relation between the disease and
location is visualized with tematic maps with the help of Geographical Information System (CBS). A
number of CBS software is used to create and analyze the maps. During the locational statistic and autocorrelation analysis Global and Local tests are used and the results are investigated with softwares ,
During the statistical analysis of attributes of the study statistical software packs are used.
Relationship between cancers and locations are analyzed with relation coherence and shown in twodimensional graph. The changes of cancer cases according to years are analyzed with chi-square trend
analysis. During all statistical analysis of the study, comparisons with p value below 0.05 are accepted as
statistically meaningful.
Analyzing the all types of cancers, the percentages of different cancers are varying according to
gender. Ages of the patients are different according to the cancer types. In order to spot the difference,
dual-comparison tests are conducted.
The distribution of the 7298 cases during 5 years is varying according to the population density
of the districts. Since the study investigated a 5-year period, incidence rates are investigated and spatial
and proportional changes are observed.
The similarities between neighbor districts such as incidence rates, number and cancer types are
observed during tests and analyses by softwares. During cluster analysis, neighbor districts are observed
to be in the same clusters as well. So, the thesis that “Everything is related with each other. Closer things
are more related.” is proven.
This study is conduct in order to generate recommendations to public health system and call
attention to cancer registration which is highlighted in our country. With interdisciplinary studies, it is
aimed to set an example for bigger projects.
Keywords: Geographical Information Systems (GIS), Epidemiology, Spatial Analysis, Konya
City, Cancer Disease
v
ÖNSÖZ
Çalışmalarımda yardımını ve zamanını esirgemeyen sayın hocam Yrd. Doç. Dr.
Gülgün ÖZKAN’a, aynı zamanda kaynak, bilgi ve tecrübeleri ile manevi desteğini de
esirgemeyen sevgili babam S.Ü. Tıp Fakültesi Öğretim Üyesi Prof. Dr. Salim
GÜNGÖR’e, Map Info yazılımının kullanılmasında bana kolaylıklar sağlayan ve vakit
ayıran Basarsoft Şirketi Teknik Müdürü Sayın Ahmet DABANLI Bey’e ve her anlamda
destek sayın hocam Doç. Dr. Semra GÜNAY AKTAŞ’a teşekkürü bir borç bilirim.
Çalışmalarım sırasında manevi desteklerini esirgemeyen değerli ailem ve annelerim
Gülten Korkut’a, Saliha Güngör’e, eşim Eşref Kemal Güngör’e, oğullarım Egehan ve
Berkay’a teşekkür ederim.
Saygılarımla…
H.Canan GÜNGÖR
KONYA-2013
vi
İÇİNDEKİLER
TEZ KABUL VE ONAYI ........................................... Hata! Yer işareti tanımlanmamış.
TEZ BİLDİRİMİ ........................................................................................................... iii
ÖZET .............................................................................................................................. iv
ABSTRACT ..................................................................................................................... v
ÖNSÖZ ........................................................................................................................... vi
İÇİNDEKİLER ............................................................................................................. vii
SİMGELER VE KISALTMALAR .............................................................................. ix
ÇİZELGELER LİSTESİ ............................................................................................... x
ŞEKİLLER LİSTESİ ................................................................................................... xii
1. GİRİŞ ........................................................................................................................... 1
1.1 Çalışmanın Amacı .................................................................................................. 2
2. KAYNAK ARAŞTIRMASI ....................................................................................... 4
2.1 CBS ve Gelişimi .................................................................................................... 4
2.2 CBS ve Epidemiyoloji ........................................................................................... 5
2.3 Hastalık Haritalama ............................................................................................... 7
2.4 Ulusal ve Uluslararası CBS-Sağlık Çalışmaları .................................................. 10
2.5 Kanser ve Kanser İstatistikleri ............................................................................. 23
2.5.1 Dünyada kanser istatistikleri ...................................................................... 24
2.5.2 Türkiye’de kanser istatistikleri ................................................................... 26
3. MATERYAL VE METOT ....................................................................................... 29
3.1 Mekânsal Analiz .................................................................................................. 30
3.1.1 Mekansal kümeleme................................................................................... 31
3.2 Mekansal İstatistik ............................................................................................... 32
3.3 Yaş Düzeltme ....................................................................................................... 35
4. EPİDEMİYOLOJİDE MEKANSAL ANALİZ-KONYA İLİ KANSER HASTALIĞI
ÖRNEĞİ .................................................................................................................... 37
4.1 Çalışma Alanı....................................................................................................... 37
4.2 Verilerin Toplanması ........................................................................................... 38
4.2.1 Mekânsal veritabanı oluşturma .................................................................. 38
4.2.1.1 Konum haritası .............................................................................. 39
4.2.1.2 Topografik 1/25000 lik haritalar ................................................... 39
4.2.1.3 Arazi kullanımı haritaları .............................................................. 41
4.2.1.4 Maden haritası ............................................................................... 44
4.3. Sözel Veritabanı Oluşturma ................................................................................ 47
4.3.1 Beşeri faktör verileri .................................................................................. 48
4.3.2 Toprak kirliliğine ilişkin veriler ................................................................. 50
vii
4.3.3 Güneşlenme şiddetine ilişkin veriler .......................................................... 51
4.3.4 Baz istasyon sayısına ilişkin veriler ........................................................... 51
4.4. Oluşturulan Sistemde Verilerin İlişkilendirilmesi .............................................. 52
4.4.1 Toprak kirliliği haritası .............................................................................. 52
4.4.2 Sıcaklık haritası .......................................................................................... 53
4.5 Oluşturulan Sistemde Verilerin Analizi ve Mekansal Analiz .............................. 54
4.5.1 Beşeri faktörler ........................................................................................... 55
4.5.1.1 Cinsiyet-zaman ilişkisi .................................................................. 55
4.5.1.2 Yaş-zaman ilişkisi ......................................................................... 58
4.5.1.3 Meslek-kanser ilişkisi .................................................................... 66
4.5.1.4 Kan bağı-kanser ilişkisi ................................................................. 66
4.5.1.5 Eğitim-Kanser ilişkisi .................................................................... 67
4.5.1.6 Kanser türleri-zaman ilişkisi ......................................................... 68
4.5.2. İnsidans hesaplaması sonuçları ................................................................. 70
4.5.3 Yaşa standardize nüfus ve insidans ............................................................ 77
4.5.4 Baz istasyonu analiz sonuçları ................................................................... 79
4.5.5 Örtüşme analizleri sonuçları ...................................................................... 81
4.6 Mekânsal İstatistik ............................................................................................... 86
4.6.1 GeoDa Yazılımı ile Moran I Testi ............................................................. 87
4.6.2 Global Geary C yöntemi ............................................................................ 91
4.6.3 Genel G(d) istatistiği .................................................................................. 92
4.6.4 LISA testi ve sonuçları ............................................................................... 93
4.7 Kanser Dağılımı Mekansal Kümeleme Analizleri ............................................... 95
4.7.1 SPSS ile kümeleme .................................................................................... 95
4.7.2 SatScan ile kümeleme .............................................................................. 103
4.7.3 ArcGis ile kümeleme................................................................................ 105
5. TARTIŞMA ............................................................................................................. 107
5.1. Çalışmada Karşılaşılan Kısıtlar......................................................................... 112
5.2 Epidemiyolojik Çalışmada Yol Haritası ............................................................ 113
6. SONUÇ VE ÖNERİLER........................................................................................ 118
KAYNAKLAR ............................................................................................................ 121
EKLER ........................................................................................................................ 128
ÖZGEÇMİŞ ................................................................................................................ 147
viii
SİMGELER VE KISALTMALAR
AR-GE
: Araştırma Geliştirme
ADNK
:Adrese Dayalı Nüfus Kayıt
CBS
: Coğrafi Bilgi Sistemi
MKDS
: Mekansal Karar Destek Sistemi
TSBS
: Türkiye Sağlık Bilgi Sistemi
NCI
: Ulusal Kanser Enstitüsü
CDC
: Hastalık Kontrol ve Önleme Merkezi
WHO
: Dünya Sağlık Örgütü
LIBCSP
: Long Island Göğüs Kanseri Çalışma Projesi
ix
ÇİZELGELER LİSTESİ
Çizelge 2.1. Kanser insidansları ..................................................................................... 28
Çizelge 3.1. Mekansal Analize Konu Değişkenler ......................................................... 29
Çizelge 4.1 Arazi Kullanım Verileri............................................................................... 41
Çizelge 4.2 Arazi Kullanımı İlçe Dağılımı ..................................................................... 42
Çizelge 4.3 Arazi Sınıflaması ......................................................................................... 43
Çizelge 4.4. Sözel Veritabanı ......................................................................................... 49
Çizelge 4.5. Nikel Kirlilik noktaları koordinatları ......................................................... 50
Çizelge 4.6. Güneşlenme Şiddeti .................................................................................... 51
Çizelge 4.7. Baz İstasyon Dağılımı ................................................................................ 51
Çizelge 4.8. Kanserin yıllara göre erkekler üzerindeki etkisi......................................... 56
Çizelge 4.9. Kanserin yıllara göre kadınlar üzerindeki etkisi......................................... 57
Çizelge 4.10. Kanser türü-cinsiyet ................................................................................ 58
Çizelge 4.11. kanser türü- vaka yaş ............................................................................... 58
Çizelge 4.12. Vaka- kanser türü karşılaştırma ................................................................ 59
Çizelge 4.13. erkek vaka – kanser türü karşılaştırma ..................................................... 59
Çizelge 4.14. kadın vaka- kanser türü karşılaştırma ....................................................... 60
Çizelge 4.15. her bir türün yaş grafikleri ........................................................................ 61
Çizelge 4.16. kanser türü-meslek ................................................................................... 66
Çizelge 4.17. kanser türü-kan bağı ................................................................................. 67
Çizelge 4.18. kanser türü-eğitim..................................................................................... 67
Çizelge 4.19. kanser türü-ilçeler grafiği ......................................................................... 69
Çizelge 4.20. Konya ili ilçelere göre kanser insidansı(2005-2006) ............................... 71
Çizelge 4.21. insidansı yüksek ilçeler ............................................................................ 72
Çizelge 4.22. insidans değişim oranları .......................................................................... 76
Çizelge 4.23. Yaş Düzeltme Tablosu ............................................................................. 77
Çizelge 4.24. Standardize edilmiş nüfusla İnsidans ....................................................... 78
Çizelge 4.25. Baz istasyonu- insidans değişim oranları ................................................. 79
Çizelge 4.26. İlçe merkez koordinatları.......................................................................... 88
Çizelge 4.27. SPSS Veri Girişi ....................................................................................... 95
Çizelge 4.28. Değişkenlerin Hasta Sayısında Etken Dereceleri ..................................... 96
Çizelge 4.29. Değişkenlerin İnsidans OranındaEtken Dereceleri .................................. 97
Çizelge 4.30. Değişkenlerin İnsidans OranındaEtken Dereceleri .................................. 98
x
Çizelge 4.31. Nikel Değeri ile etken dereceleri: ............................................................. 99
Çizelge 4.32. 2009 vakaları kümeleme ........................................................................ 100
Çizelge 4.33. İlçe Kümeleri .......................................................................................... 101
Çizelge 4.34. SPSS küme Çizelgesi ............................................................................. 103
Çizelge 4.35. Satscan ile oluşan Küme......................................................................... 105
Çizelge 5.1: Epidemiyolojik Çalışmada Yol Haritası .................................................. 113
Çizelge 5.2. Kurumsal Yapı Özeti ................................................................................ 114
Çizelge 5.3. Elde Edilecek Veriler ............................................................................... 115
xi
ŞEKİLLER LİSTESİ
Şekil 2.1: Türkiye’deki kanser kayıt merkezleri (25/04/2002 T.C. Sağlık Bakanlığı). . 27
Şekil 4.1 Konya il haritası .............................................................................................. 37
Şekil 4.2. Konya ili ve ilçelerine ait sayısal harita ......................................................... 39
Şekil 4.3. 90 m aralıklı contour harita ............................................................................ 40
Şekil 4.4. Konya yükseklik haritası ................................................................................ 40
Şekil 4.5. Tanımlanmamış arazi sınıfı ............................................................................ 42
Şekil 4.6. Arazi kullanım haritası ................................................................................... 43
Şekil 4.7. Konya arazi kullanımı tematik haritası .......................................................... 44
Şekil 4.8. Konya İli Maden Haritası (M.T.A. Bölge Müdürlüğü) .................................. 45
Şekil 4.9. Poligon Tabakaları ......................................................................................... 46
Şekil 4.10. Konya maden haritası ................................................................................... 46
Şekil 4.11. Excel dosyasının Tab uzantılı dosya halinde görünümü .............................. 47
Şekil 4.12. Toprak kirliliği tematik haritası .................................................................... 53
Şekil 4.13. Konya güneşlenme haritası .......................................................................... 54
Şekil 4.14. Erkeklerde yıllara göre kanser ...................................................................... 56
Şekil 4.15. Kadınlarda yıllara göre kanser ..................................................................... 57
Şekil 4.16. 2005 yılı yaş haritası..................................................................................... 62
Şekil 4.17. 2006 yılı yaş haritası..................................................................................... 63
Şekil 4.18. 2007 yılı yaş haritası..................................................................................... 63
Şekil 4.19. 2008 yılı yaş haritası..................................................................................... 64
Şekil 4.20. 2009 yılı yaş haritası..................................................................................... 65
Şekil 4.21. 5 yıllık yaş dağılım haritası .......................................................................... 65
Şekil 4.22. 2005 yılı kanser türleri ................................................................................. 70
Şekil 4.23: 2005-2009 yılları kadın vaka insidans değişimi .......................................... 73
Şekil 4.24. 2005-2009 yılları erkek vaka insidans değişimi ........................................... 74
Şekil 4.25. 2005-2009 yılları vaka insidans değişimi ..................................................... 75
Şekil 4.26. düzeltilmiş yaş oranları haritası .................................................................... 78
Şekil 4.27. Baz istasyon sayıları ..................................................................................... 79
Şekil 4.28. Baz İstasyonu Tematik haritası .................................................................... 80
Şekil 4.29: Toprak Kirliliği ve Arazi Kullanım Haritası ................................................ 81
Şekil 4.30. Baz İstasyonu ve Arazi Kullanım Tematik haritası...................................... 82
xii
Şekil 4.31. Arazi Kullanımı- Toprak Kirliliği- Baz İstasyonu Tematik haritası ............ 82
Şekil 4.32. Arazi Kullanımı-İnsidans haritası ................................................................ 83
Şekil 4.33. Sulanmayan Ekilebilir Alanlar-İnsidans haritası .......................................... 83
Şekil 4.34. Bitki Değişim Alanları-İnsidans haritası ...................................................... 84
Şekil 4.35. Güneşlenme Şiddeti-Cilt Kanseri Haritası ................................................... 85
Şekil 4.36. Solunum sistemi Kanserleri 2005-Toprak Kirliliği haritası ......................... 85
Şekil 4.37. 2005 İnsidans-Toprak Kirliliği haritası ........................................................ 86
Şekil 4.38. Moran I Değeri ............................................................................................ 88
Şekil 4.39. Komşusuyla benzerlik gösteren ilçeler......................................................... 89
Şekil 4.40. Z Değeri hesaplanması ................................................................................. 90
Şekil 4.41. Geary C Değeri hesaplanması ...................................................................... 91
Şekil 4.42. Benzerlik gösteren ilçeler kümesi ................................................................ 91
Şekil 4.43. Benzerlik gösteren ilçeler kümesi ................................................................ 92
Şekil 4.44. Yüksek ve düşük değerlerin olduğu ilçeler .................................................. 93
Şekil 4.45. Benzerlik gösteren ilçeler kümesi ................................................................ 93
Şekil 4.46. Z değeri çizelgesi.......................................................................................... 94
Şekil 4.47. Küme Dendogram görüntüsü ..................................................................... 102
Şekil 4.48. Verilerin Sisteme Girişi .............................................................................. 103
Şekil 4.49. Satscan Analizi ........................................................................................... 104
Şekil 4.50. Arcgis ile Kümeleme .................................................................................. 106
Şekil 4.51. Herbir ilçenin” Z”değeri ............................................................................. 106
xiii
1
1. GİRİŞ
Coğrafi Bilgi Sistemleri (CBS) genel anlamda coğrafi veya mekânsal
koordinatlarla tarifleşen veriyi toplayan, analiz eden ve sergileyen bilgisayar yazılımı ve
donanımından oluşmuş bir sistemdir.
Bir başka ifade ile CBS mekanda yer alabilen, haritası çıkarılabilen ve analiz
edilebilen olaylar veya elemanlar hakkındaki gözlemleri içeren veri tabanları silsilesini
kapsar. Clarke (2002) CBS’yi bir bilgi sistemi, bir araç ve bilimsel bir yaklaşım olarak
açıklamaktadır. Bir araç olarak CBS mekânsal veri analizinin ve işleyişinin çeşitliliğini
içeren bir yazılım paket programıdır.
Bu çerçevede, CBS gelişen teknolojileri bünyesinde bulundurarak sürekli
kendini yenileyen ve geliştiren yapısıyla geniş bir yelpazeye hizmet vermektedir.
Bugün tüm dünyada bilim dallarının sınırları sürekli olarak gelişmektedir.
Dolayısıyla disiplinler arasında, birlikte daha sağlıklı çözümleyebilecekleri ortak
konular oluşmakta hem de nitelik ve nicelik açısından önem taşımaktadır.
İnsan
doğasının parçası, olayların oluşumunun izlerini keşfetmeyi denemektedir. Erken
devrede doğru yerde, doğru noktalara bağlanmak acil önlemler için anlamlı bir resim
oluşturacaktır. Bilimsel çalışmalarda, bağlantı noktalarını formül hale getirme metotları,
ilişkileri belirlemede ve neden-sonuç irdelemede güçlü araçları oluşturur (Waller ve
Gotway, 2004).
Özellikle son yıllarda tıbbi konularda yapılan CBS uygulamalarında önemli bir
artış gözlenmektedir. CBS, büyük ölçekten küçük ölçeğe kadar halk sağlığı
programlarının günlük işlemlerini ve yönetimsel çalışmalarını, planlama kapsamında
verdiği katkılar ve epidemiyolojik haritalar aracılığı ile sağladığı bütüncül algılama
yeteneğiyle desteklemektedir. Tıp bilimi ile CBS teknolojisi arasındaki ilişki Tıbbi
Coğrafya konusundaki çalışmaların daha etkin bir şekilde yürütülmesi amacıyla ortaya
atılan yaklaşımlar ile başlamıştır (New., 2003). Tıbbi Coğrafya’da CBS kullanımına
ilişkin uluslararası anlamda birçok çalışma gerçekleştirilmiştir. Sağlık alanında CBS’nin
kullanımı, bu alanda yapılan çalışmalara farklı bir boyut da kazandırmaktadır. Coğrafi
bilginin, Epidemiyoloji, istatistik bilgi ile birleşimiyle, sağlık araştırmalarına önemli
katkılar sağlamaktadır. CBS, halk sağlığı araştırmalarında verilerin bağlantısı ve
görselleştirme noktasında oldukça güçlü bir araçtır (Haining, 2005).
Kamu sağlığı profesyonelleri bu araçları bir eyaletteki yeni doğan, ölüm
oranlarının haritasını çıkartmak, sağlık hizmeti görmeyen bölgeleri belirlemek, bulaşıcı
2
hastalıkları gözetim hizmet sistemini oluşturmak veya zehirli maddelere maruz kalmış
bölgelerin matematiksel modelini oluşturmak amacıyla kullanmaktadır.
CBS ile yapılan hastalık haritaları hastalıkların coğrafi dağılışını, yoğunluk
bölgelerinin nereler olduğunu göstermede görsel açıdan oldukça kuvvetlidir. Harita
üzerinde gösterilen mesajın ya da modelin doğru yorumlanması karar verici konumunda
olan kişilere ve analizlere doğrudan etkilidir. Bununla beraber görselleştirme CBS
uygulamalarının sadece ilk adımıdır. İkinci adımda, CBS bünyesindeki mekânsal
istatistiksel yöntemlerin kullanımı, hastalıkların zamansal ve mekânsal değişimlerini
keşfederek hastalığın izlenmesi ve etiyolojilerinin anlaşılmasında önemli bir rol
oynamaktadır.
CBS ve Epidemiyoloji birlikte kullanılarak Mekânsal Epidemiyoloji adını
almıştır (Özgür, 2008). Mekânsal epidemiyoloji fiziksel çevre karakteristikleri ile
nüfustaki hastalık karakteristikleri arasındaki ilişkiyi incelemektedir. Bir başka ifade ile
hastalık nedenlerini ve korelâsyonları tanımlamaktır (Hossfeld, 1992). Bu amaç için
mekânsal istatistik yöntemler kullanılır. Kullanılan mekânsal istatistiksel yöntemler
hastalığa ilişkin verilerin yapısını ve dağılımının belirlenmesinde, çevreyle olan
etkileşimlerinin, yakın ya da uzak nokta olarak tespitinde ve hastalıklara yönelik
modellerin oluşturulmasında oldukça etkilidir. İstatistiksel yöntemler, mekânsal hastalık
verilerindeki tesadüfî olmayan kümelenmeleri belirlemede etkili olmasına rağmen, bu
kümelenmeye neden olan mekanizmaları net olarak açıklamada yetersiz kalmaktadır.
Bu durumda mekânsal modelleme ile hastalık haritaları oluşturularak hastalığa ve
dağılımına etki eden çevreyle ilgili nedenlere ilişkin çözümler üretilebilmektedir.
(Cressie, 1993)
1.1 Çalışmanın Amacı
Çalışmada amaç, Konya ve ilçelerinde çevresel faktörler ve kanser türleri
arasındaki ilişkinin araştırılması olarak belirlenmiştir. Bu amaçla kanser vakalarının
coğrafî ve zamansal dağılışının betimlenmesi, haritalanarak çalışma bölgesinin kanser
vakalarının kümelenmesinin ortaya konması, kanser vakalarının kümelenmesi üzerine
çevresel
faktörlerin
etkisinin
incelenmesi
çalışmanın
işlem
adımları
olarak
belirlenmiştir.
Bu kapsamda yapılan çalışmada, Konya İli Sağlık Müdürlüğünden elde edilen
kanser vakaları verileri kullanılacaktır. Kanser hastalığı haritaları yapılarak, CBS ve
mekânsal analiz teknikleri kullanılarak hastalığın yoğun olarak görüldüğü yerlerin
3
nedenlerinin tespit edilmesine yeni bir yaklaşım getirilmesine çalışılacaktır. Konya
ilinde yapılacak bu çalışma ile dikkat çekilen ilçeler, nedenleriyle daha ayrıntılı
incelenmeye çalışılacaktır.
Kanser dağılımı için yapılan analiz çalışmalarına temel olan döküm bilgilerinin
derlenmesinde ve modellemesinde, CBS’nden yararlanılması ve böylece kanser
hastalığı dağılımı analizi ve mekansal verilerin ilişkilendirilmesi, veri modelinin,
yapısının ve formatının ortaya konması ve veri yapısı ile ilgili temel prototiplerin ortaya
konulması yönüyle ülkemizdeki diğer kanser hastalığı mekânsal dağılım analizi
çalışmaları için de önemli bir örnek olarak ortaya çıkarılabileceği umulmaktadır. Ayrıca
çalışmada epidemiyolojik çalışmalar için bir yol haritası çizilmesi planlanmıştır.
Çalışmayla, kanser vakalarının tespitinde ve kontrolünde CBS destekli olarak
ortaya konulan mekânsal istatistik ve mekânsal analiz tekniklerinin de ciddi anlamda
AR-GE değeri olacağı düşünülmektedir. Konya İli Örnekleminden elde edilecek
metodolojiye ilişkin sonuçlardan uluslararası literatüre ve mesleki disiplinler arası
çalışmalara, bilimsel katkı sağlanılacağı hedefler arasındadır.
4
2. KAYNAK ARAŞTIRMASI
Epidemiyolojide mekansal analiz amaçlı çalışma için yapılan literatür
araştırması Coğrafi Bilgi Sistemleri, CBS ve Epidemiyoloji, Kanser Hastalığı, Hastalık
Haritalama, Ulusal ve Uluslararası CBS-Sağlık Çalışmaları şeklinde gruplanmıştır.
2.1 CBS ve Gelişimi
CBS şu andaki işlevsellik seviyesini öğretim ve teknolojideki geniş çapta
gerçekleşen gelişimlere borçludur. Bilim olarak, CBS’nin teorik kökleri coğrafya,
kartografya ve mekansal analize uzanır (Aronoff, 1989). Coğrafya öğretisindeki belirli
paradigmalar CBS teknolojisi gelişimi üzerinde güçlü bir etkiye sahiptir. 1950’lerin
ortasında,
coğrafya
birleşik
bölgesel
yaklaşımlarından
mantıksal
pozitivizmi,
(tümdengelim ve tümevarım salt muhakeme ile) olasılık yasaları ve nicel değişimi
kapsayan paradigmaya doğru bir değişim yaşamıştır (Davies ve Ark., 2005). Gelişmekte
olan bilgisayar teknolojisi bu değişime daha hızlı bilgisayarlar üreterek ve daha çok
bilgi erişimi sağlayarak katkıda bulunmuştur. Bu zaman sürecinde, bu yüzyılda daha
erken gelişen mekansal analiz metotları otomasyona geçirilerek birçok yeni mekansal
/istatistiksel metotlar geliştirildi (Erdoğan ve ark., 2011). Coğrafyadaki peyzaj ve sosyal
ekoloji konuları gibi diğer konular pek çok disiplin için gerekli olan, otomatik harita
yapma teknikleri ve harita çevresel bilgisi gelişimi üzerinde önemli bir etkiye sahip
olmuştur (Buzan, 1995).
1959’da, Waldo Tobler kartografyayı kullanıma geçirmek amacıyla hazırlanan
bir bilgisayar programının kullanımı hakkında bildiri yayınlamıştır. Sonraki 10 yıl
içersinde, Tobler’ın fikirleri, birçoğu harita üretimi ve mekânsal analiz olduğu için
yüksek bir dil düzeyinde yazılan birçok bilgisayar programı ve haritacılık paketlerinin
gelişimine önayak olmuştur (Rowlingson ve Diggle, 1993). Harvard Üniversitesi
Tasarım Enstitüsünde yer alan Bilgisayar grafikleri ve mekânsal analiz laboratuarındaki
öğrenciler de bu program paketlerinin kullanımını geliştirmişlerdir. Laboratuar, satır
yazıcısı üzerinde haritalar üreten ve veri analizi yapan bilgisayar-harita programı olan
SYMAP geliştiren mimar ve şehir plancısı Howard Fisher tarafından yönetilmiştir.
Diğer eski harita programları; GRID, IMGRID, CALFORM ve SURFACE II sonraki
Kansas Jeolojik tetkikle geliştirilmiştir. Bu yazılım programlarının hepsi anabilgisayar
bilgisayarları üzerinde devam etti ve 1980’lerin ortaları/sonlarına kadar üniversite
kampüslerinde yaygın olarak kullanılmıştır.
5
1969 da, peyzaj mimarı Ian McHarg, elemanlar arasındaki mekânsal ilişkileri
analiz edip karar vermek için kullanılan saydam katman tabakanın önemini tanımlayan
“Doğa ile Tasarım” kitabını yayınlamıştır. McHarg bunu tanımlayan ve harita katman
yapısının önemini vurgulayan ilk kişi değildir, fakat kitabı birçok insana ulaşmıştır.
Aslında, haritaları katmanlara ayırma ve üzerine bir şeyler ekleme becerisi CBS’ in
güçlerinden bir tanesidir. Poligon alanı kaplama analizini yapan ilk programlardan birisi
1980’lerde Harvard Üniversitesinde geliştirilen ODYSSEY programıdır. Ayrıca eski
coğrafi veritabanı yönetim sistemlerinin bazıları 1960’larda geliştirilmiştir. 1967 ‘de,
Minnesota Üniversitesinde yer yönetimi bilgi merkezi kurulmuş ve ABD çapında CBS
veritabanı gelişimi başlamıştır. Otomasyona geçen haritacılıkta paralel olarak süregelen
şeyler, gaz/elektrik sağlayan hizmet yönetimi ve bilgisayar destekli tasarım sisteminin
gelişimi gibi diğer katkı sağlayan unsurlar Antenucci ve arkadaşları tarafından detaylı
olarak ele alınmıştır.
Birçok Amerikan federal devlet kurumu, özellikle ABD Nüfus idaresi, CBS’ in
ilerlemesinde ve dijital kartografik veri gelişiminde önemli, bir yere sahiptir. 1967’de
kurum New Haven, Connecticut’taki bir çalışma için dijital coğrafi dosyaların
(caddelerin, sayım blokları) kullanımının kılavuzluğunu yapmıştır. Bu dosyalar, GBF,
DİME, (coğrafi bazlı/çift bağımsız harita Kodlama dosyaları) 1970 ve 1980
seçimlerinde kırsal bölgelerde kullanılmıştır. 1960’larda kullanılan askeri coğrafi veri
teknolojisi bazı ilkel haritacılık programlarında kullanılan Dünya Data Bank gibi dijital
veritabanının gelişimini sağlamıştır.
Günümüzde CBS programı profesyonel olmayan kullanıcılar tarafından da
kolayca kullanılabilmektedir. Böylesi bir kolaylığın birçok avantajı beraberinde
getirmekle birlikte, olumsuz yanları da vardır. Coğrafi veri karışıktır, temel coğrafya
ilkeleri, veri sorunları, harita tasarımı bilgilerine sahip olunmazsa, hata yapmak,
yanılmak ve yanıltmak kaçınılmazdır. Ancak bugünün teknolojisiyle gelişen
yazılımlarla ve nitelikli personelle bu risk daha da düşüktür. Yanılmaya ve yanıltmaya
etki olabilecek durum kullanılan niteliksel verinin kalitesindedir (Jacquez, 2000).
2.2 CBS ve Epidemiyoloji
CBS bugün pek çok disiplin içinde Mekansal Karar Destek Sistemlerine
(MKDS) yardımcı olarak, alınacak her kararda ekonomik ve zamansal karlar
sağlamaktadır. Bu disiplinlerden birisi de sağlık uygulamalarıdır. Sağlık alanında
CBS’den faydalanılması iki yaklaşımla incelenmektedir. Bunlardan birincisi sağlık
6
hizmetlerinin konuşlandırılması, ikincisi de hastalıkların mekânsal dağılımı şeklindedir.
İkinci yaklaşımdaki çalışmalar, bugün hastalıkların nedenlerini tespit etmek için,
epidemiyolojik çalışmalar şeklinde CBS’yi de içine alarak önem teşkil etmektedir (Plant
ve ark., 2003).
Epidemiyoloji, popülâsyondaki hastalık ve sağlığın incelenmesidir. CBS
hastalığa neden olabilecek yerleşimlerin tespitini yaparak epidemiyolojide bir avantaj
olarak kullanılmaktadır (Freedman ve ark., 2006). Epidemiyologlar için “mekansal
düşün” kavramı, mekansal çalışmaların gereksinimini ortaya koymaktadır (Tunstall ve
ark., 2004). CBS’ nin epidemiyolojide kullanımının önemli başarıları ve eşsiz sonuçları
kaynaklarca araştırılıp, ortaya konmuştur.
CBS veri toplama ve analiz, iletişim, karar destek vericilerden oluşan üç tip
temel destekle nüfus tabanlı sağlık analizlerine katkıda bulunmak için geniş potansiyele
sahiptir.
CBS
ile
sağlık
alanındaki
yetkililer
büyük
miktarlardaki
bilgileri
yönetebilmektedirler. Hastalıkların dağılımının çevresel faktörlerle ve sosyoekonomik
çevreyle ilişkisini inceleyerek haritalarla görselleştirebilmektedirler (Bray ve ark., 2002)
. Aynı zamanda ihtiyaç duyulan bölgelerde hastane ya da klinik yapılmasına karar
vererek sağlık politika uygulamalarını geliştirebilmeye ek olarak önümüzdeki
dönemlerde hasta sayısının ne olacağına dair tahminler geliştirilebilmektedirler (Gatrell,
2002).
Konumsal epidemiyoloji, hastalıkların riskinde ya da görülme oranlarındaki
konumsal değişimlerin izlenmesidir. Kısaca, hastalığın insidansının yani görülme
oranının konumsal/coğrafi dağılımının analizi ile ilgilenir. Bazı hastalıkların çevreyle
ilişkili olduğu önceki çalışmalardan tespit edilmiştir. Çevreyle ilişkili olan
hastalıklardan biri de kanser hastalığıdır. Organizmada meydana gelen ve hücreleri
kontrolsüz büyüyen kötü huylu tümörlere verilen genel ad kanserdir (Koyi ve ark.,
2002).
Çağın vebası olarak bilinen kanser hastalığının, bazı türlerinin de, kişinin
yaşadığı çevreyle ilişkili olabileceği daha önceki çalışmalarla tespit edilmiştir (URL1).
Çeşitli kanserlerin çevreye bağlı olarak oluşum oranı günümüzde %80-90’ dır. Sağlık
açısından çevre; toprak, su ve havayı içeren fiziksel çevre, biyolojik çevre ve sosyal
çevre olarak tanımlanabilir ve hepsi birbiriyle etkileşim halinde olup genlerin yapısını
da etkiler (Chauanve ark., 1998) Kanser hakkındaki epidemiyolojik düşünme şeklinin
başlangıcı R. Stern’in çalışmasıyla, 1842 de Verona’da kanserden ölüm oranlarının
7
istatistiksel verilerini bir araya getirmesiyle olmuştur. Kanserin coğrafi dağılımı 19.yy.
ikinci yarısında gittikçe artan bir ilgi görmüş, 1915’de Hoffman kitabında dünya
genelinde kanserin coğrafi patolojisi ve kanserden ölüm oranlarını yazmıştır. Yaşanılan
coğrafya ile kanser sıklığı arasındaki ilişkiye pek çok çalışmayla vurgu yapılmıştır.
Belçika’da akciğer kanseri Japonya’dakine göre 3 kat kadar, Malign melanoma Yeni
Zelanda’lı beyazlarda İzlandalılardan 6 kata kadar daha sık tespit edilmesi, bu duruma
örnektir.
Son yarım yüzyılda, pek çok ülkede hastalıkların ve ölümlerin kayıtlarının
tutulması çok daha geniş bir yaklaşımla, yerel ya da bölgesel olarak hastalıkların
dağılımını anlamaya olanak sağlamıştır.
2.3 Hastalık Haritalama
Hastalık haritalama asırlardan beridir halk sağlığı ve epidemiyolojiye katkı
sağlamaktadır (Gilbert, 1958 ve Shannon, 1981).
Hastalık haritalama CBS’nin kullanımı ile mekansal modellerin belirlenmesinde
yaygın olarak kullanılmaktadır. Özellikle hastalığın nedenleri ve belirleyici süreçleri
bilinmediği durumlarda, coğrafi çalışmalar ve konumsal epidemioloji için CBS önemli
bir unsur oluşturmaktadır (Lawson ve ark. 1999; Rushton, 1998; Elliott ve ark., 2000).
CBS yüksek düzeyde mekansal dağılımda olan sağlık olaylarının çok büyük veri
tabanlarını haritalandırmayı ve risk faktörlerin dağılımını içeren bilgileri ve çevreye ait
diğer bilgiler için kurulan sistemden alınan data ile ilişki kurmayı kolaylaştırır (Elliott
ve ark., 2005).
CBS ile üretilen haritalar öncelikli alanların belirlenmesi, hastalığın etki alanının
coğrafi
dağılımının
belirlenmesi,
hastalık
sebebi
hakkındaki
hipotezlerin
formülüzasyonu, coğrafi çeşitlilikler için gerekli risklerin değerlendirilmesi gibi birçok
amaç için kullanılabilmektedir (Bailey, 2001).
Bir yılda her yüz bin kişideki hız olarak ifade edilen insidans ve prevelansın
haritalanmasında yaygın uygulaması nüfus ve sağlık sonuçları verilerin temel olarak
sıklıkla bu alanlarda kaydedilmesi nedeniyle şehirler ya da sayım bölgeleri gibi siyasi
veya idari birimlerde hastalık oranlarının hesaplanması şeklindedir. Bu yöntemle ilgili
problem bu birimlerin sınırları genellikle nüfusun, vakaların ya da her ikisinin altını
çizecek şekilde keyfi olarak taksim edilmiş olmasıdır (Goodchild ve ark., 1991). CBS
vakalar ve risk altındaki nüfusu ve sağlık sonuçlarının dağılımının çok yönlü
görüntülerini sergilemesini overlay kaplamayı mümkün kılar.
8
CBS aynı zamanda güvenilmeyen kümelenmiş verileri hastalık sınıflarında
kullanılan yöntemler için araştırmaların analizlerini destekler. Yüksek veya düşük
insidansa sahip alanlar yerel nüfusa oranla yüksek vaka sayısına sahip alanları bulmak
için bireysel vakalar çevresinde araştırmalarla tanımlanabilir (Ward ve ark., 2000).
Tıbbi coğrafya ve CBS’nin halk sağlığındaki kullanımı üzerine yazılan bir
makale, 1854 kolera salgını sırasında Londra’nın Soho bölgesindeki kolera vakasının
haritasını çıkaran Londralı Doktor John Snow’un referansı ile başlamıştır. Snow bu
vakaların Broad Caddesi tulumbası etrafında kümeleştiğini göstermiştir. Tulumbanın
kaldırılması ve vakalardaki müteakip azalma Snow’un kolera vakalarının sudan
kaynaklı bir hastalık olduğu görüşünü desteklemiştir. Belki de Snow’un haritasından
daha ilginç olan; su kirliliği ile kolera arasındaki bağlantıyı tanımlamasına yardımcı
olan 1854 ve 1849 salgınından önceki tıbbi çalışmasıydı. 1849 kolera salgınında Büyük
Britanya da 52000 den fazla insan ve sadece Londra da 13000 insan hayatını
kaybetmiştir. Snow 1849’daki bu salgınla ilgili olarak yazılı olarak bir belge
yayınlarken, sonraki birkaç yılda, 2.basımı 1854 ‘te yayımlanan, daha önemli bir
çalışmayı tamamlamıştır (Snow, 1855).
İkinci açıklamasında, Snow kolera, fakirlik, yükseklik ile Londra’da çeşitli
bölgelerde yer alan su ikmali arasındaki bağlantıyı ele almıştır. Bu bağlantıların coğrafi
analizini, haritasını ve büyüleyici şekilde yeniden yapılandırmasını Cliff ve Hagget
(1988) oluşturmuştur. Yazarların belirttiği gibi; bu bağlantılar; Thames nehrine bitişik
olan bölgelerdeki yüksek ölüm oranı ve Londra bölgesindeki su ikmali ile kolera salgını
arasındaki ilişki gibi çarpıcı coğrafi dağılımlarla sonuçlanmıştır. O anda; büyük
şehirdeki birçok su şirketi, şehirlere suyu direkt Thames nehrinden bazıları da
depolardan olmak üzere sayısız kaynaktan sağlıyordu. Kolerada yaşanan ölüm oranı,
direkt Thames nehrinden sağlanan kirli su ile bağlantılı olduğunu vurgulamaktadır.
Snow ayrıca rakım ile kolera arasındaki ilişkiyi de araştırmış ve koleranın alçak
yerlerde rastlandığını gözlemlemiştir. Bunun su kirliliği mi yoksa toprak türünden mi
kaynaklandığı
tartışma
konusu
olmakla
birlikte;
aslında
bu
iki
faktörün
kombinasyonunun sonucu olduğu ortaya çıkmıştır. Alçak yerler su durgunluğuna ve
kirliliğe yol açan daha zayıf drenaja (akıntı) sahiptir. Toprak cinsi, ayrıca suyun
alkalinitesi, yüksek Ph’ta kolera mikrobunun bulaşmasında etkin rol oynamıştır.
Günümüzün teknolojisi Snow’un analizi gibi bir çalışmayı çok kısa bir zaman
diliminde masaüstü bilgisayarda yapmamızı mümkün kılmaktadır. Bu çalışma bugün
yapılmış olsa idi; güçlü bir bilgisayar haritacılığı ve bilgi sistemi donanımı ile Londra
9
bölgelerinin, su ikmallerinin ve kolera vakalarının haritaları, bunun yanında su
kaynağını ve suyun PH değeri gibi karakteristik özelliklerini sunan bir su ikmali
haritasının veritabanı ayrıca toprağın karakteristik özelliklerini ve ona uyan rakım
modelini öngören bir toprak haritası elde edilebilirdi (Cliff, Hagget,, 1988).
1970’te, “Epidemiologlar için yeni gözler: hava fotoğrafları ve diğer uzaktan
algılama teknikleri” başlıklı bir makalede, hastalık salgınlarını bulmak ve değişimlerini
izlemekte, uzaktan algılama tekniklerinin (RS), kullanılmasının doğru tahminlere
götürdüğü belirtilmiştir. Takip eden yıllarda doğruluğu pek çok çalışmayla
kanıtlanmıştır (Cline, 1970).
Jacquez (2000)’a göre CBS hastalıkların sonuçlarını izlemede, sağlık risklerini
ortaya koymada ve müdahale planlarının hazırlanmasında önemlidir. Epidemiyolojide
kümelenme analizi hastalıkların toplanışını belirlemek, istatistikî olarak anlamlı bir
kümelenmenin olup olmadığını ve sonuç olarak kümelenme üzerine etkili faktörlere ait
delilleri bulmak açısından önemlidir. Birçok hastalıkta kümelenmenin gösterilmesinde
CBS analizleri kullanılmaktadır (Tiwari ve ark., 2006). Sağlık haritalarında Dünya
Sağlık Örgütü (WHO) ve UNICEF CBS Programının ilk olarak işbirliği 1993 yılında
Gine Solucanı Yok etme Programının (Guinea Worm Eradication Programme) (GWEP)
yönetim ve izlenmesinde CBS desteğini sağlamak için yapılmıştır. Bu referansla 1995
‘ten beri, işin alanı, diğer hastalık kontrolü ve halk sağlığı programlarını kapsamak
olarak genişletilmiştir (URL2). Sağlık projelerindeki mekansal analizler, kolayca
yayılan hastalıkların kontrolünde, önlenmesinde ve kökünden çözülmesinde başarılı
birer rol oynamaktadırlar.
Mekân ve sağlık arasındaki ilişkiyi anlamak; hastalığı anlamak, kontrol etmek ve
engellemekte büyük bir fırsat olmaktadır. Daha verimli ve etkili kaynaklardan
faydalanarak, daha iyi sağlık güvenliği sonuçlarına ulaştırmaktadır.
Coğrafi bilişimin; bugünün veri çizelgeleriyle sağlık alanında görüş veren bir
teknolojisi olması için, birçok veri kalitesine ek olarak, sağlık çalışanlarının “mekânsal
cehalet” olarak tarif edilen mekana ait bilgi eksikliklerini ortadan kaldırılmış olması
gerekmektedir (Davis, 1996). Coğrafi bilişimde profesyonel eğitimler ve kurslar
sistemin öğretilmesinde ve amacın gerçekleşmesinde oldukça önemlidir (Güney, 2009).
Sağlık haritaları, özellikle toplumsal kaygıya neden olan yüksek kanser
oranlarını göstermek için kullanılmaktadır. Bu haritaların, kullanıcılar için geniş
sahalarda doğru, açık ve yorumlanabilir olarak tasarlanması gerekmektedir (Bell ve ark.,
2006).
10
Pek çok yazar (Goodchild ve ark., 1991; Openshaw 1991) CBS ile istatistiksel
mekansal analizi bağlamak için mümkün yollar tartışmaktadır. 5 stratejiden söz
edilmektedir;
● Ücretsiz mevcut mekansal analiz sistemleri
● Temel CBS işlevleri istatistik yazılım entegrasyonu
● İstatistik programı için özel CBS ‘gevşek bağlantı’
● CBS istatistik mekansal analiz tam uyum
İkinci strateji için Rowlingson ve Diggle (1993) tarafından deneysel sistem
SPLANCS uygulanmaktadır. Mekansal nokta desen verilerini görüntüleme ve analizi
için bir araç oluşturmak üzere S-Plus sisteminde bazı geliştirmeler yapılmıştır. G-, F-ve
K-fonksiyonları da bir çekirdek düzeltme (kernel yoğunluk) prosedürü olarak
uygulamaya alınmıştır.
Bazı gelişmeler CBS ile GLIM, SAS, SPSS gibi ticari istatistik paketlerini,
genellikle ASCII kodları kullanarak çift olarak denemektedirler (Akgül, 2003). Bu
paketler çoğunlukla mekansal otokorelasyon ve ilişkiler üzerinde yoğun olarak
çalışmaktadır (Gatrell and Rowlingson 1994). Diğer uygulamaları birinci ve ikinci
dereceden
nokta
desen
analizleridir.
Bazı
yoğunluk
tahmin
teknikleri
içermektedirler.(kernel yoğunluk tahminleri gibi) (MacLennan 1991; ; Rowlingson ve
Diggle 1993; Gatrell and Rowlingson 1994).
MacLennan 1991’de GRASS sisteme ikinci derece (G- ve L- fonksiyonları)
analiz metotlarını uygulamıştır. Zamansal CBS için zaman boyutu analizleri nadiren
altyapı eksikliği ve analiz yöntemlerinin eksikliği nedeniyle kısmen, kabul edilmiştir.
Openshaw 1994 ‘coğrafi analiz makineleri’ GAM yaptığı daha önceki çalışmaları
genişleterek yeni bir analiz yaklaşımı sunmuştur (Openshaw 1987). Openshaw, desen
bulma geleneksel keşif yöntemlerinin coğrafi, zamansal ve öznitelik bilgileri olarak, üç
alan içeren birden fazla CBS ortamında mümkün olduğunu savunmuştur.
2.4 Ulusal ve Uluslararası CBS-Sağlık Çalışmaları
CBS ile sağlık yönetiminde yapılabilecek çalışmalar sağlık-coğrafya ilişkisi,
sağlık birimlerinin dağılımı, personel yönetimi, hastane vb birimlerin kapasiteleri,
bölgesel hastalık analizleri, sağlık tarama faaliyetleri, ambulans hizmetleri vb. olarak
çeşitlendirilebilir.
Dünyadaki CBS projelerinin başarısı ardındaki temel gerçek iyi organize edilmiş
birimler ile bu konuda alınan danışmanlık hizmetleri olarak düşünülmektedir (URL2).
11
Hastalıkların küme(ler) oluşturduğu belirlendiğinde, kümelerdeki olguların ortak
bir nedenle (etiolojiyle) ortaya çıktığı düşünülmektedir. Seçilen uygun bir kümeleme
yöntemi ile hastalık kümesi/kümelerinin belirlenmesi hastalıkla ilgili ileride yapılacak
çalışmalara ışık tutarak, hastalığın kümelendiği yer ve zaman aralıkları belirlenerek
neden bu yer ve zaman aralığında olguların sayısının fazla olduğu ayrıntılı olarak
incelenebilecektir (Jacquez ve ark., 1996).
Dünya ülkelerinde CBS ve sağlık entegrasyonuyla yapılan projeler ülkemizdeki
projelerden çok daha fazladır.
Ulusal Kanser Enstitüsü (NCI) ve Hastalık Kontrol ve Önleme Merkezi (CDC)
tarafından Resmi Kanser Profilleri web sitesi hazırlanmıştır (URL2)
Bu Web sitesi, kanser istatistiklerini, gösterimini, risk faktör yayılımını ve
nüfusu göstererek, sağlık plancılarına coğrafi alan üzerinde ve tanımlanmış gruplarda
erken müdahale etme şansını sağlamaktadır. Tüm gösterimlerdeki özellikleri ya da
spesifik bölgeleri tasvir için aynı renkler kullanılarak oluşturulan istatistiksel grafikleri
ve haritaları birleştiren mikro harita (LM) örnekleri oluşturulmuştur (Carr ve ark.,
2006). Kullanıcılar, Resmi Kanser Profilleri ana sayfası üzerinden “Karşılaştırmalı Veri
Gösterimi” seçerek ya da direk bir bağlantıyla, istedikleri bölgede istedikleri kanser
türlerini Mikro haritaları (LM) kullanarak keşfedebilmektedirler.
Halk sağlığı bilgisinin hemen hemen her parçası, bir şehir, bir ZIP kodu, haritada
bir nokta, bir hastane odası, hatta insan vücudunda bir nokta bile olabilen, uzayda
herhangi bir yerde yer alabilir (Strensward ve ark., 2004). CBS bütün bu bilginin
mekansal referans sistemi ile bütünleşmesine aracı olmaktadır. Bu araç, halk sağlığı
uzman hekimlerince karar alma için gerekli olan verimli ve etkili verinin, ortaya
koyulmasını ve analizinin sağlanmasıyla birçok şey sunar. Örneğin; Hanchette federal
sağlık reformu mevzuatı altında iade için uygun testi oluşturmak ve 1997 Kanser
hastalığı kontrolü (CDC) öncü mevzuatını tamamlamak için Kuzey Carolina devlet
sağlık kuruluşları aracılığıyla CBS’nin kullanımını göstermiştir.
Richards ve arkadşları, CBS teknolojisinin avantajları, halk sağlık hekimleri
tarafından potansiyel kullanımı ve kullanımındaki kısıtlayıcılar hakkında mükemmel bir
münazara sağlamıştır. Önceki paragraflarda belirtilen avantajlara ek olarak CBS yeni
veri türlerinin gelişimine, veri paylaşımına ve veri ortaklığı kurulumuna, sağlık
uzmanları için yeni araç ve yöntemlerin gelişimine katkıda bulunmuştur.
Harita mekansal bilginin araştırıldığı, görüntülendiği ve analiz edildiği sürecin
sadece bir ürünüdür (Haining ve Wise, 1991).
12
İnsanlar ve organizasyonlar hangi bilgi analiz edilecek ve yapılacak sorgulama
tipleri ve hangi bilgi haritalarla gösterileceğine karar vermek için haritalama sürecine
dâhil edilmelidir.
Grimson 1999, göğüs kanserinin çevresel ve sosyal etkenlerini içeren pin haritası
hazırlanmıştır.
Lewis-Mich ve arkadaşları 1996 New York state sağlık departmanı meme
kanseri riski ile trafik yoğunluğu ele endüstriyel kuruluşların afetine maruz kalma
arasındaki bağı araştıran CBS temelli bir araştırma başlatmıştır. Haritada endüstri
kuruluşlarının yeri ve başlıca trafik koridaları gösterilmekte ve sağlık ve çevresel
etkenler istatistiksel olarak analiz edilmektedir. Busgeeth 2004 yılında, Güney
Afrika’da varolan HIV/Aids hastalarının dağılımını incelenmiştir.
Çevresel halk sağlığı analizinin tartışmalı bir alanı elektromanyetik alanlar ve
insan sağlığı sorunlarının çeşitleri ile muhtemel bağlantıların keşfidir. Epidemiyolojik
araştırmalar elektromanyetik alanlarla ilişkili elektrik güç sistemleri, istasyonlar ve
yüksek voltaj taşıma hatları ve dağıtım hatlarına odaklanmaktadır. Yüksek voltaj taşıma
hatlarının analizi ve haritalaması yapılmıştır (Cromley ve ark., 2002).
CBS ayrıca, sağlık veri setlerinde gerekli olan kalite kontrol süreçlerini
uygulamak için de kullanılabilmektedir. Bu uygulamanın örneği Coğrafi veri
değişkenlerinin uygunluğuna karar vermek amacıyla şehir/ilçe arama çizelgelarının
kullanılmasıdır. Kodlanan hasta ikametgâhları ya da klinikler ilçe ya da zip kodlarının
doğru olup olmadığını tespit etmek için ilçe/zip kod sınırları ile kaplanmaktadır.
(ESRI) Kuzey Carolina için 1995–1999 Göğüs Kanseri Etki Alanı Oranları
haritaları kanser kontrol amaçlı üretilmiş olup, kadın sağlık şubelerine kaynak tahsisi ve
kimlik saptama gereksinimleri için bilgi sağlamaktadır. Güney Çin’de 2003 yılı
içerisinde sars hastalığı nedeniyle ölüm oranlarının artışı dikkat çekmiş olup, ölüm
oranlarının yüksek olduğu bölgeler kayıtlarla tespit edilerek; bölgenin jeolojisi, bitki
örtüsü, doğal ortam canlıları, tüketilen besin kaynakları irdelenmiş hastalıkla
ilişkilerinin var olup olmadığı CBS yardımıyla araştırılmıştır. Kısa zaman dilimlerinde
yüksek orandaki artışlar haritalar üzerinde etkin bir şekilde yansıtılmaktadır. 1990’ların
başında göğüs kanserli hasta ve yakınları Long Island Bölgesinde bu oranın neden
yüksek olduğuna dair bir araştırma yapılması talep etmesi sonucu Long Island Göğüs
Kanseri Çalışma Projesi (LIBCSP) ortaya çıkmıştır. Kanser insidansını arttıran
muhtemel nedenlerin araştırılmasıyla ilgili 10’ dan fazla çalışma projesi başlatılarak
çalışma sonunda insidansın yüksek olduğu başka yerleşim bölgelerinin varlığı da tespit
13
edilmiştir. Bir başka çalışmada ise, yeni teşhis edilen kolon kanserli hastaların
ikametgâhlarının coğrafi kodlamayla tespitini ve geç evredeki kolon kanserli hastaların
mekânsal doku üzerinde derecelendirilmesini hesaplamıştır. Geç evredeki kolon kanser
oranları iki metotla hesaplanıp haritalandırılmıştır. İlk olarak Iawo’nın 99 kenti için
hesaplama yapılmıştır. Kanser oranlarını etkileyen faktörlerin tespiti, çevreye ait
niteliksel ve istatistiksel verilerin analizi ile yapılmıştır. Benzer bir çalışma New Yorkta
1999–2003 New York Kanser kayıtlarıyla prostat kanseri ölüm oranları haritaları
oluşturulmuştur. Troid kanseri az rastlanan bir tümör çeşidi olmasına rağmen
İspanya’da bu hastalık nedeniyle artan bir ölüm oranının dikkat çekmesi üzerine bu
çalışma başlatılmıştır. Çalışmada Besag ve arkadaşları 1991’de klasik istatistik
yöntemleri kullanılarak kentsel ölüm oranları tespit edilmiştir. İspanya’nın 8077 kentsel
alanının tamamını kapsayan çalışma, Bayesian mekânsal modeli temelinde araştırılıp
(Marshall, 1991)sonuçlara ulaşılmaya çalışılmıştır. 1989–1998 arası toplam 2538 Troid
kanserli ölüm sayısı 1041 kentte kayda geçirilmiştir. En yüksek ölüm oranları Kanarya
Adalarında tespit edilmiştir. Çevresel ve genetik faktörler bu tümörün etiyolojisinde rol
oynamaktadır.
Hill ve arkadaşları (2000), Santa Clara (California) Şehrindeki 7 sayım bölgesine
su sağlayan iki kuyunun organik solvent ile kirlenmesi sonucu riske maruz kalan
bölgede 1 Ocak 1981 ile 31 Ağustos 1982 tarihleri arasında canlı doğumlardaki önemli
kalp anomalilerini incelemiştir. Santa Clara Şehrinde 1981 yılında düzeyinde şiddetli
kalp kusurlu doğumların genel kümelenmesi Besag-Newell yöntemi ile önemli
bulunmamıştır (P>0, 05).
Waller ve arkadaşları (1995), 1980-1990 yılları arasında İsveç’deki 2594
bölgede 0-15 yaş grubundaki çocuklarda görülen akut lymphocytic leukaemia’lı (ALL)
656 olguyu incelemiştir. Besag-Newell’in yönteminde kullanılan farklılık değerleri için
hastalık olgularının kümelenmesi önemli bulunmamıştır (P>0, 05).
Waller ve Turnbull (1993), Upstate New York’ta aktif olmayan ve
trichloroethlyene içeren tehlikeli atık bölgesini şüphelenilen kaynak olarak düşünerek
1978-1982 yılları arasında bölgedeki lösemi insidansının bu kaynak etrafında
kümelenmesini üç yöntemle (Besag ve Newell, Stone, Waller ve ark.) incelemiştir.
Araştırmacılar, çalışma bölgesinin bölünmesini iki farklı şekilde yapmıştır: blok grup
bölünmesi ve sayım bölgesi bölünmesi. Besag ve Newell yöntemi için k değeri 6, 8, 10
alındığında blok grup ve sayım bölgesi bölünmesinde farklı sonuçların elde edildiği
belirtilmiştir.
14
Glasgow Üniversitesi, Davies ve Leyland (1995) tarafından finanse edilen
doktora projesi olan Avrupa’daki kanser mortalitelerinin mekansal desenleri
çalışmasında, kanser ölüm oranlarının mekansal varyasyonlarla olan desenleri ortaya
konmaya çalışılmaktadır. Nüfus yapısındaki farklılıklar yaşam tarzı(sigara beslenme vb)
desenleri ortaya çıkarmaktadır.
Kulldorff ve arkadaşları tarafından”Kuzeydoğu Amerika Birleşik Devletleri
Meme Kanseri Kümeleri: Bir Coğrafi Analiz” adlı çalışmalarında, 11 eyalaete ait 244
ilçede 1988-1992 arası, hastalık kümelerinin varlığı ve yaklaşık konumlarını belirlemek
için mekânsal istatistik tarama kullanılmıştır. Her ilçedeki ölüm sayısı poisson dağılımı
ile tespit edilmiştir, yokluk hipotezi(null) yöntemi herhangi bir yaş grubu içindeki
yokluk hipotezini test eder, tüm ilçelerdeki meme kanserinden ölüm riski aynıdır.
Düzeltilmiş yaşlardaki ölüm oranları tüm alanda sabittir.
Kanser oluşumu ile çeşitli meslekler arasında bir ilişkinin varlığı uzun yıllardır
bilinmektedir.
Kanserojen
maddelerin
kimyasal
tanımı,
ancak,
20.Yüzyıl’da
yapılabilmiştir. Radyoaktif maddelerin kanser yapıcı özelliği ise, ilk kez radyumla saat
boyayan işçilerde, kemik kanserinin sık görülmesiyle ortaya konulabilmiştir. Benzer
şekilde, maden işçilerinde görülen akciğer kanserinin de, maden ocaklarındaki
radyoaktif madde ile ilişkili olduğu belirlenmiştir. Yapıştırıcılar içindeki çözücüde
bulunan, Benzen adlı, kimyasal maddenin de Lösemi’ye neden olduğu, ayakkabı
tamircilerinde Lösemi’nin daha sık görülmesiyle tanımlanabilmiştir (Tuncer, 1994).
Güç hatlarından evlerde manyetik alanların oluşması ile çocukluk lösemisi
arasında anlamlı ilişki bulunmuştur. Kontrol grubu ve vakaların yatak odalarında hem
kablolara dayalı maruz kalmanın ölçülmesi hem de manyetik alanların 24 saat ölçülmesi
ile Los Angeles da analiz edilmiştir (Bowman, 2000). Elektrik nakli ve dağıtımı ile ilgili
kablo
modellerinin
geliştirilmesi
için
magnetik
alan
ölçümleri
kablo
konfigürasyonlarının öz niteliklerini fonksiyonu nonlinear regresyon uygulanmıştır
(Bowman 1999; Thomas, Jiang ve Peters, 1999).
Nakil sistemi ve onun kablo kod özellikleri mekansal yapısı ve çocukların uzun
dönemde 24 saatten fazla manyetik alana maruz kaldığı yerleşim alanları ile lösemi
riskinin var görüldüğü alanlar CBS kullanarak gösterilir. CBS yaklaşımı pek çok etkene
maruz kalma ve önceki yerleşmeleri değerlendirmede yeterlidir. Tekrarlanabilen
sonuçların pek çok çevresel etkilere hassas olduğu söylenmiştir (Stallones ve ark.1992).
Hastane temeli vaka çalışmasında Ölü doğumlarla düşük düzeyde arseniği
kronik olarak solumun etkili olduğu bulunmuştur (ihrig, shalat &baynes, 98). Havadaki
15
emisyondan arseniğe maruz kalma seviyesi CBS deki atmosferik dağılım modeli
(atmospheric dispersion model) ile tahmin edilmiştir. Maruz kalma doğum zamanında
annelerin ikamet adreslerine bağlı olarak değerlendirilerek logistic regresyon modelde
kategorik değişkenlerle incelenir. Yüksek maruz kalma alanında İspanyolların arasında
düşük prevelansı yüksek oranda anlamlıdır.
Sağlık istatistikleriyle harita yapımının yetkililere sağladığı faydalar oldukça
fazladır (Kulldorff, 1999) Amerika’da oluşturulan web sitesi, veri tabanı kayıtlarıyla,
güncelliğiyle eyaletlerdeki dağılımı inceleme şansı sunmaktadır. Çalışmada akciğer
kanserinden ölüm oranının yüksek olduğu eyaletler, sigara kullanıcılarının fazlaca
bulunduğu Amerika’nın güney doğu eyaletleri olarak tespit edilmiştir. Hastalık Kontrol
Enstitüsü (NCI), eyaletlerdeki kanser profillerini gösteren bir site geliştirmiştir. Bu Web
sitesi, hastalıklara ilişkin, yaygın risk faktörlerini, nüfus bilgilerini yayınlayarak
kullanıcılara bilgiler sunmaktadır. NCI tarafından tutulan kayıtlarla güncelleştirilen
veritabanı Interaktif haritaların doğru yayınlanmasını sağlamaktadır. Hindistan Gadag
Bölgesi Sıtma Hastalığı Dağılımı için toplam 252 hastanede tutulan verilerin, CBS
ortamına entegresiyle görselleştirilen verilerin analizi çok daha kolay olmaktadır.
Hastane Yönetim Bilgi Sistemi adıyla kurulan kavramsal çizelgeların kayıtları
günceleştikçe haritaların da güncelleşmesi söz konusudur.
Elliott ve ark. Coğrafi analiz için istatistiksel yöntemlerdeki son gelişmelere
rağmen, çevre epidemiyolojisi uygulamalarında birçok kısıtlamadan bahseder. Bu
kısıtlar, veri erişilebilirliği ve kalitesi, özellikle çevresel maruziyet ölçümlerinin çoğu
durumlarda eksikliğidir. Pratik uygulamalar ve epidemiyolojik yorumlama ile hastalığı
‘ait “küme’ oluşturma, nokta kaynaklı, küçük alan hastalık haritalama ve çevreyle ilgili
korelasyon çalışmaları için yöntemleri eleştirel gözden geçirilmiştir. Kümeleme
hastalıkların nedenlerini araştırmak için başlangıçtır.(Applied Biomathematics, 1993).
Yeni Mevcut yöntemleri, özellikle Bayes istatistikleri, coğrafi analizi ve hastalık
haritalama için uygun bir çerçeve sunmaktadır (Marshall, 1991). Hastalık, etiyolojisini
açıklamak için önemli ipuçları vermektedir (Altman, 1992) Belki de en tatmin edici bir
yaklaşım, yorumlama için, sorunları olmasına rağmen, coğrafi bir veritabanı kullanarak
bir priori hipotezleri test etmek uygundur (Trop., 2010).
ZAMBIA (Lusuka şehrine ait tehlikeli alanlarda bulunan 2003–2004 Yıllarına
Ait Risk Faktörlerinin Mekânsal Analizi çalışmasında, 6542 durumdan 187 ölümün
rapor edilmesiyle şehirde bir kolera salgının varlığından bahsedildi. CBS kullanılarak
Luskanın tehlikeli alanlarında kolera enfeksiyonu etkileyen risk faktörleri, koleranın
16
geçme nedenleri ve koleranın yayılımı analiz edilmiştir. Ve bir (hasta-vaka) durumkontrol eşleştirmesi yapılmıştır. Koroplet haritalama ile kolera insidansının değişimi
incelenmiştir. Analizler gösteriyor ki, koleranın sıkça (insidansı) görüldüğü yerler ile
drenaj sistemi olmayan evler arasında bir bağlantı oluşmaktadır.
Czeizel ve arkadaşları, Macaristan’da akrilonitril üreten fabrikaların 25 km
çevresinde oturan annelerin bebeklerinde 15 yıllık bir donemde konjenital anomali
sıklığında artış araştırmıştır. Bu bebeklerde inmemiş testis için rölatif riskin 8.6 kat
arttığı görülmüştür. Yerleşim yeri fabrikadan uzaklaştıkça, inmemiş testis sıklığı
düşmektedir.
Çevresel etkenlere tek tek değil de, bir karışım halinde maruz kaldığımız
düşünüldüğünde endokrin bozucuların hangi dozda nasıl etkilere yol açtığını
kanıtlamanın zorluğu anlaşılmaktadır. Yüksek maliyetli ve daha geniş popülasyonlu
çalışmalar gerektiği görülmektedir (Combs, 2005).
Günümüzde doğal çevre ve sağlık arasındaki ilişki tüm dünyada kabul edilmiş
durumdadır. Bölgesel jeolojiye bağlı insan ve hayvanlardaki sağlık sorunları hemen her
kıtada görülür ve bu Bangladeş’te yeraltı suyundaki arsenik kirliliğinden Kanada’da
sığırlardaki molibdenozis’e kadar çeşitlilik göstermektedir.
2007 yılında Health and Place Dergisi 13. sayısında yayınlanan “Bronx’da astım
ve hava kirliliği: Metodolojik verileri dikkate alarak CBS ile çevresel yasalar ve sağlık
araştırmaları” başlıklı makalede, New York, Bronx’daki astım ile hava kirliliğinin
mekânsal benzerliği (spatial correspondance) üzerine araştırmalarla, CBS ile çevresel
kanunları değerlendirme yöntemleri incelenmiştir. Bronx özellikle bu bölgede astım
nedeniyle hastaneye yatış oranlarının yüksek olması, arazilerin sağlığa zararlı olması ve
astım hastaneye yatışı ile ilgili tam ve doğru veri elde olasılığından dolayı çalışma
bölgesi olarak seçilmiştir.
Demografik ve sosyo ekonomik gruplar için veri seti (analiz birimi), 2000 yılı
ABD nufus sayımlarına göre belirlenmiştir. Bronx bölgesinde ortalama her biri yaklaşık
1400 kişi içeren 957 blok grubu vardır. Bu bloklar maksimum 24000 kişi içermektedir.
Astım nedeniyle hastaneye yatış durumu veri seti (analiz birimi), her bir başvuru
için 5 yıllık hasta kaydı alınmıştır (1995-1999 yılları arasındaki girişler alınmıştır).
New York Karayolları Ulaştırma Karayollarından büyük kamyon gibi araçların
geçişi hakkında verileri alınmıştır. Endüstri bölgeleri verileri belirlenmiştir (Balmes ve
ark., 1987)Hava kirliliği emisyon verileri alınmıştır. Çalışmada özellikle trafik yoğun
17
bölgelerin astıma etkileri irdelenmiştir. Davranışsal faktörler (sigara kullanımı, eğitim
düzeyi gibi) verileri elde edilemediğinden çalışmada yer almamıştır.
Doğru şekilde tahminler elde etmek için tampon bölgedeki nüfus sayımları ve
diğer nüfus verilerinin alansal interpolasyonu (yani ara değerlendirmesi) ve alansal
ağırlıklandırılması gerekmektedir. Bu blok gruplarının alansal verilerine uygulanan bir
algoritma oluşturulur. Genel olarak, veri birleştirme (ya da toplama- agregasyon) ne
kadar küçük olursa, alansal enterpolasyonun homojenlik olasılığı ve güvenilirliği o
kadar yüksek olur. Diğer yöntemlerle karşılaştırıldığında alansal enterpolasyonun doğru
tahminler için daha güvenilir olduğu tespit edilmiştir. Bu çalışma sonucunda, bloklara
göre 16 yaş altı ve 16 yaş üstü olarak astım hastaları haritalanmıştır. Mekansal rastlantı
yöntemi ve yakınlık analizi yapılmıştır. Mekansal rastlantı yöntemi, belirli bir coğrafi
birim içinde nüfus (bir nüfus sayımı sistemi, Posta Kodu, veya ilçe gibi) incelenmesini
gerektirir. Yakınlık analizi ile kirletici faktörleri belirli bir mesafedeki nüfus için
incelenmiştir. Bu tür mekansal analizler CBS olmadan uygulanabilir değildir (Draper ve
ark., 1981) Daha kesin değerlendirmelerin daha erişilebilir sağlık ve çevre veri tabanları
ile mümkün olacağı vurgulanmıştır.
Dent ve arkadaşlarının 2000 yılındaki çalışmasında ise, Toksik yayın envanteri
(TRI) hava emisyonlarının verileri ile CBS hava dağılım modellemesi kullanımını
etkinleştirmek, tanımlamak ve potansiyel olarak maruz kalan nüfusun sağlık riski
tahminleri ve korelâsyonu belirlemek için kullanılır.
İngiltere Sağlık İstatistikleri Birimi ve Avrupa Sağlık ve çevre bilgi sistemi
projesinde çevre kirleticileri ile ilişkili herhangi bir potansiyel sağlık tehlikeleri
konusunda ilk hızlı değerlendirmesi yapılmıştır (2004 Jarup).
Elliott ve Wartenberg 2004 yılı “Mekansal Epidemiyoloji: Güncel yaklaşımlar
ve gelecekteki zorluklar “ başlıklı çalışmasında, küçük bir alan analizleri kapsayan
hastalık
haritalama,
coğrafi
korelasyon
çalışmaları,
hastalık
kümeleri
ve
kümelemelerine odaklanılmıştır. CBS ve istatistik metodolojisi sayesinde daha önce
görülmemiş hastalık ve yerel coğrafik varyasyonların ilişkisi ile coğrafik referanslı
sağlık ve çevre kalitesi verileri oluşturulmuştur. Yine benzer bir çalışmada Wakefield
ve Elliott (2000) küçük alanlarda sağlık verilerinin istatistiksel analizinde karşılaşılan
güçlüklerini genel bir çerçevede incelemişlerdir. Bu konu çerçevesinde homojen
olmayan Poisson Süreçlerinden kaynaklanan risk altındaki nüfus konu alınmıştır. Hasta
vakaları, hastalık riskinin kişilik özelliklerine, zamana ve mekânsal lokasyonuna bağlı
olduğu zayıf bir Poisson prosesinin gerçek örnekleridir.
18
2011 yılında Pedigo ve arkadaşlarının yapmış olduğu bir çalışma 3824 felç ve
5018 kalp krizi ölüm vakası ile yapılmıştır. Çalışmada mekânsal otokorelasyon, nüfus
heterojenite ve varyans kararsızlığı, standart riskler Mekansal Ampirik Bayes Tekniği
kullanılarak düzenlenmiştir. Yüksek risk taşıyan mekânsal kümeler, yaş için ayrık bir
poisson modeli (ve %5 tarama penceresi ile) mekânsal tarama istatistikleri kullanarak
tespit edildi. Anlamlılık testi 999 Monte Carlo permütasyonu kullanılarak yapılmıştır.
Lojistik modelleri mekansal kümelerin mahalle ölçeğinde sosyo-ekonomik ve nüfus
belirleyicileri araştırmak için kullanılarak, yıllık kalp krizi ölüm riski 100000 de 0-243
arasında, felç için ise 100000 de 182 olarak değiştiği tespit edilerek, yüksek ölüm
oranları ve yüksek ölüm riski olana mekansal kümeler belirlenmiştir (p<0, 001). Yüksek
felç ve kalp krizi ölüm oranlarının eğitim durumu düşük olan mahallelerde daha fazla
olduğu tespit edilmiştir. Bu metotlar mahallelerdeki ölüm risklerini belirlemek ve sağlık
eşitsizliklerini ve toplum sağlığını geliştirmeye yönelik olarak oldukça yararlıdır.
Jeolojik çevre ile insan, hayvan ve bitki sağlığı arasındaki çok yakın ilişkinin
fark edilmesi medikal jeolojinin yeni bir bilim dalı olarak ortaya çıkmasına yol açmış ve
Medikal Jeoloji, “jeolojik etkenlerle insan, hayvan ve bitkilerdeki sağlık sorunlar
arasındaki ilişki ile ilgilenen bir bilim dalı” olarak tanımlanmıştır (Selinus, 2002;
Finkelman ve ark. 2001).
Jeoloji ve sağlık arasındaki ilişki binlerce yıldan bu yana bilinmektedir. Eski
Yunan ve Çin’de, fizikçiler ve filozoflar jeolojinin sağlık üzerindeki etkisini fark etmiş
oldukları halde modern tip ancak 19.yy’ da bazı elementlerin sağlık için ne kadar
gerekli olduğunu kabul etmiştir. Pek çok bilim adamınca medikal jeolojinin kurucusu
olarak kabul edilen Hipokrat (400 M.Ö.) çevresel etkenlerin hastalık dağılımını nasıl
etkilediğini fark etmiştir (Lag, 1990; Foster, 2002). M.Ö. 3. yy’da 212 Çin’de Ag, Cu,
Fe, ve Pb’ in zehirlenmeye neden olacağı bulunmuş (Liang et al., 1998), kayaç kırmaya
bağlı olarak gelişmiş akciğer sorunları ve kurşun zehirlenmesi fark edilmiştir. Romalı
mimar Vitruvius (M.Ö. son yy’da) madencilikle ilişkili olabilecek sağlık etkilerini
görüp, madenlerin çevresindeki suyun ve çevre kirliliğinin neden olabileceği tehlikelere
dikkat çekmiştir (Nriagu, 1983). Kurşun, yaklaşık 5000 yıl önce Bakır, Bronz ve Demir
Çağlarında gittikçe artan oranda zararlarının tam olarak farkına varılmadan üretilmiştir
(Hong ve diğ., 1994). Yoğun kurşun kullanımı sonucu ortaya çıkan zehirlenmeler Orta
ve Geç Asurlular dönemlerindeki (M.Ö. 1550-600 arası) kil tabletlerde ve eski Mısır
yazıtlarında (3000 yıl önce) bulunmuştur (Nriagu, 1983). As, Cu, Hg gibi elementlerde
Roma ve Roma öncesi dönemlerde kullanılmıştır. Örneğin, Hg, Ag ve Au Roma
19
İmparatorluğu suresince, 12.yy’ da Mısır’da 16.yy’ da Orta ve Güney Amerika’da
dişlerle ilgili yaygın olarak kullanılmıştır (Eaton & Robertson, 1994; Fergusson, 1990).
Arsenik tedavi amaçlı olduğu kadar zehir olarak ta eski Yunan, Roman, Araplar ve
Perulular tarafından kullanmıştır (Fergusson, 1990).
1990’lu yılların başlarında, yüksek flor içeren içme suyundan kaynaklanan
florozis tanımlanmıştır. Normal flor miktarı genellikle 0, 1 ilâ 1ppm olarak kabul
edildiği halde Afrika, Çin, Hindistan’ın bazı bölgeleri gibi yerlerde bu miktar 40 ppm’e
kadar çıkmakta ve buralarda çok ciddi dişle ilgili sorunlara ve iskelet florozisine neden
olmaktadır. Çin’de, 1930’larda görülen hastalığının bölgedeki düşük selenyumdan
kaynaklandığı anlaşılmıştır (Selinus, 2002).
Yapılan örnek bir çalışmada, Lösemili çocukları gösteren bir şehir haritasında
hasta çocuklar şehrin kuzey doğusunda yoğunlaşmaktadır. Bu alan gerçekte normal
olmayan yüksek bir orana sahiptir. Öncelikle risk altındaki nüfusta lösemi vakalarının
sayısını araştırmaya ihtiyaç duyulmuştur. Risk altındaki nüfus yaş ve cinsiyet itibari ile
sağlık problemi ile ilişkisi olabilecek gruptur. Büyük nüfus gruplarında çok hastanın
olması normaldir. Tanım olarak çocukluk lösemisi çocuklar arasında görülür ve risk
altındaki nüfus şehirde yaşayan bütün çocuklardan ya da şehrin bir kısmında yaşayan
çocuklardan oluşmaktadır. Nüfusun yeryüzündeki dağılışı düzensiz olmasına rağmen
dikkat edilen hastalık oranlarının tekdüze olduğu durumlarda hastalık vakalarının
yoğunlukları düzenli olabilmektedir (Rothman, 1990). Dragioevio ve ark.(2004)’nın
çalışmasında, Kanada’nın kırsal kesimlerindeki tüberkuloz insidansı, mekânsal veri
analizi ile araştırılmıştır.
Sayısız çalışma sonucu çevresel etkenler ve çeşitli hastalıklar arasındaki
bağlantının bulunması, 20.yy’la birlikte iz elementlerin insan, hayvan ve bitki sağlığı
açısından ne kadar önemli olduğunu çok açık bir biçimde ortaya koymuştur (Boulos ve
ark., 2001).
Ülkemizde CBS’ nin sağlık alanında uygulama örneklerine son 10 yılda
rastlamaktayız. Yapılan çalışmalar genellikle akademik çalışmalar şeklindedir.
Durduran ve Erdi, Konya ili için CBS ve sağlık ikilisini çalışmalarında birleştiren ilk
araştırmacılardandır. 2004 yılında Konya ilinde, Fenilketonüri hastalığının tespiti,
önlenmesi ve tedavi amacıyla CBS kullanımı irdelenmektedir. Elde edilen bilgilerin
sayısal altlıklarla ilişkilendirilmesi sonucunda hastalığın konumu, nedeni ve daha çok
nerelerde görüldüğüne dair sorgulama ve analizler yapılmaktadır (Durduran ve ark.
2005). Baysal tarafından, İzmir ilindeki dizanteri verileri incelenerek, bulaşıcı bir
20
hastalığın CBS ile analizinden oluşturulan risk haritaları üzerinde hastalık için en riskli
alanların belirlenmesi amaçlanmıştır. CBS bünyesinde bulunan konumsal ve zamansal
analizlere örnek olarak Erdoğan’ın 2010 yılında, menenjit hastalığının yoğunlaştığı
yerlerin belirlenmesini hedefleyen çalışması görülmektedir. Sonuçlar ülkemizde bu
hastalığın dağılımının tesadüfî olmadığını ve kümelenme özelliği gösterdiğini
belirlemiştir.
Bu
çalışma
ile
konumsal
analiz
uygulamalarının
hastalıkların
epidemiyolojisini anlamada önemli olduğu gösterilmiştir. Yine bu analizlerin
kullanımıyla hastalıklar açısından yüksek risk taşıyan yerlerin belirlenmesi ve uygun
koruyucu önlemlerin alımında etkinlik sağlanacağı açıktır. Demirel ve arkadaşları
(2009) tarafından hazırlanan çalışmada, insanlarda görülen Bruselloz hastalığının
Türkiye’deki dağılımının doğu bölgesinde ve CBS analizleriyle 6 ilde kümelenme
içinde olduğu gözlemlenmiştir. Hastalık riskli bölgelerin keşifçi mekansal analiz
yöntemleri kullanılarak belirlenmesinin hastalıkların epidemiyolojisini anlamaya
katkıda bulunabileceği
vurgulanmıştır. Nazlıgül ve arkadaşları
1997 yılında
Şanlıurfa’da 1990-1994 yıllarına ait 5 yıllık kanser verisi ile cinsiyet ve yaş gruplarına
göre yapmış oldukları araştırmada, bölge ve il düzeylerinde yapılacak epidemiyolojik
çalışmaların haritalandırılarak, kanserle savaşta yöresel öncelikleri belirlemede faydalı
olacağı sonucuna varılmıştır. 2005 yılında Durduran ve arkadaşları yine Konya ilinde,
Diyaliz Merkezlerine başvuran hastaların, diyaliz merkezlerindeki cihaz sayılarına göre
kıyaslaması, diyaliz merkezlerinin bulundukları yerlerin görselleştirilmesi, civarındaki
hastalar için yeterliliği gibi sorulara cevap aramışlardır.
Hastalıkların bir bölgede bir risk odağı (termik santral, nükleer tesis, çöp yakma
fırını vb.) çevresinde ya da belirli bir zaman aralığında kümelenip kümelenmediği test
etmek amacıyla geliştirilmiş birçok istatistiksel yöntem vardır (Cook-Mozaffari, 1989)
Bu çerçevede hastalık kümesi; “yer ve zamanda birlikte gruplanan ve sağlık örgütüne
bildirilmiş olan sağlık olaylarının, gerçek ya da gözle görülür şekilde sıra dışı yığılması
(toplanması)” şeklinde tanımlamıştır. Karabulut ve arkadaşlarının hastalık kümesi
çalışmasında, Nazofarinks kanseri tanısı ile tedavi gören 248 hasta verileriyle, hastalığın
yere göre genel kümelenmesi Grimson yöntemi ile önemsiz bulunmuştur. Yerel (lokal)
kümeleme yöntemlerinin uygulanması sonucunda yöntemlere göre farklı bölgelerde
olmakla birlikte, yerel hastalık kümelenmeleri önemli bulunmuştur (Karabulut ve ark.,
2006).
Güngör 2004 yılı Konya ili kanser vakaları ve türlerinin ilçelerdeki, yaş
gruplarındaki ve cinsiyetteki dağılımını incelemiştir. Çalışmada, sağlık alanında karar
21
vericilere, hastalık tespiti için hız, hastalık nedenlerinin tespiti için de çeşitli fikirler
kazandıracağı hedeflenmiştir. Tağıl 2007 yılındaki çalışmasında, Balıkesir kentinde
hava kirliliği ve solunum yolu hastalıklarından hastaneye yatanlar (SYHHY) arasındaki
ilişkinin araştırılmasını gerçekleştirmiştir. Genellikle yüksek oranlara sahip alanları
tanımlamak için SYHHY’ın coğrafî ve zamansal dağılışının betimlemesi, haritalayarak
SYHHY’ın kümelenmesinin ortaya konması ve SYHHY’ın kümelenmesi üzerine hava
kirliliği kontrolünün tespiti yapılmıştır. Çalışmada CBS tabanlı analizler, SYHHY’ın
mekânsal sürecinin ve mekânsal deseninin tespitinde yol gösterici olmuştur.
Bazı elementler ve minerallerle ilişkili olarak, Türkiye’de çeşitli bölgelerde
tehlikeli sonuçlar doğuran ya da ciddi sağlık riskleri taşıyan bölgelere ait çok sayıda
örnek vardır (Atabey, 2005).
Kütahya Emet civarında önemli bir bor rezervi ve işletmesi bulunmaktadır ve
bölge jeolojisini oluşturan tüfler, tüfitler, kireçtaşları ve killerde yüksek oranda bor,
arsenik, kükürt ve stronsiyum bulunmaktadır (Helvacı & Firman, 1977; Helvacı, 1986).
Kullanılan sular Emet ilçe merkezine yıllarca arsenikçe zengin bir jeolojik yapıdan
getirilmiştir. Bor yatağına çok yakın bir başka köyde de içme suyu hala arsenikçe
zengin kayaçlardan elde edilmekte olup köy halkında el ayası ve ayak tabanlarındaki
deri bozukluğu (keratozis) gözlemlenmiştir (Barış, 2003c).
Konya Sızma’da terkedilmiş bir madenden sızan sular, yüzey ve yeraltı sularında
demir, bakır, arsenik, cıva ve sülfat kirlenmesine neden olmuştur. Ağır metal kirliği
bölgedeki olağan dışı hayvan ölümlerine ve ayrıca köylülerde görülen duyma, körlük
gibi sorunlara neden olmuş olabilir (Güzel ve diğ., 1998).
Lifsi minerallerin neden olduğu sorunlarla ilgili olarak, dünyada milyonda bir
görünen mezotelyoma Türkiye’de özellikle bazı yörelerde (Tuzköy, Karain, Sarıhıdır)
1000 kat fazla görülmektedir. Bazı durumlarda plevral ve peritoneal mezotelyoma ile
birlikte lenfoma, karaciğer kanseri, kemik sarkomu gibi mezotelyoma dışı tümörlerde
görülmektedir (Barış, 2002, 2003a). Araştırmalar, kanser oluşmasındaki etkili faktörün
eriyonit olduğunu gösterirken bununla birlikte genetik yatkınlığında etkili olabileceği
belirtilir (Barış, 2003a).
Türkiye’de Eskişehir Beylikova Kızılcaören köyü, Uşak Eşme Güllü köyü,
Isparta ve Tendürek volkanı çevresi su alanları yüksek oranda flor içeren bölgelerdir
(Atabey, 2005). Isparta’daki yaygın olarak görülen dişlerdeki lekeli yapıya sulardaki
flor neden olur. Ancak 1995 yılından bu yana şehir merkezine gelen içme suyunun
kaynağı değiştirilmiş ve Eğridir Gölü’nden getirilmeye başlanmıştır (Oruç, 1983).
22
Sağlık Bakanlığı’na göre Türkiye’nin batı bölgelerinde hafif, İç Anadolu ve
Doğu Anadolu bölgelerine doğru gittikçe artan iyot eksikliği görülür. İyot eksikliği
tiroid bezlerini etkileyerek hipotiroid (guatr) hastalığına neden olur, daha ileri aşaması
ise kretinizmdir ve fiziksel ve zihinsel gerilik, sağırlık, dilsizlik gibi belirtiler gösterir,
denmektedir (Atabey, 2005).
TÜBİTAK’ın desteği ile Tahsin Yomralıoğlu ve ekibi ile yapılan proje
kapsamında, Doğu Karadeniz Bölgesi’nde kanser vakalarının yaygın olarak hangi
bölgelerde görüldüğü ve çevresel koşullara bağlı olarak hangi kanser türleri ile sık
karşılaşıldığı incelenmiştir. Kanser vakalarının bölgenin arazi yapısı, bitki örtüsü, su ve
toprak kaynakları, enerji nakil hattı gibi çevresel faktörlerle ilişkili olup olmadığı
araştırılarak, Doğu Karadeniz’deki 7 ilde, 2000-2007 yılları arasında görülen 15 bin 299
kanser vakası dikkate alınarak yapılan araştırmadan çarpıcı sonuçlar ortaya çıkmıştır.
Enerji hattı çevresindeki yerleşim alanlarının risk altında olduğunu öne sürülmüştür.
Dünyadaki bilimsel çalışmalarda, elektromanyetik radyasyon yayan yüksek gerilim
hatlarının kansere yol açtığı ortaya çıkmıştır. Yapılan araştırma bunun en büyük kanıtı
olmuştur (URL1).
Sağlık Bakanlığı Kanserle Savaş Dairesi Başkanlığı’nın 2009 yılına göre
epidemiyolojik çalışmalarının başlıkları şunlardır; Ülkemizde Nevşehir İli Tuzköy
Kasabası ve Karain Köyünde Zeolit Nedenli Mezotelyoma Sorunu, Dünyada ve
Türkiye’de (Kütahya Özelinde) Arsenik Sorunu, Kocaeli-Dilovası’nda Çevre ve İnsan
Sağlığı, Türkiye Sularında Ağır Metal Dağılımı, Çernobil Nükleer Kazası ve Ülkemiz
Açısından Önemi, Karadeniz Bölgesi, Kanser ve Kanser Risk Faktörleri Araştırması’dır
(URL4).
Epidemiyolojide hastalıkların coğrafya üzerinde dağılışından başka diğer bir
yaklaşım ise, sağlık tesislerinin coğrafya üzerindeki konumlarıdır. Ülkemizde de CBS
ile sağlık tesislerinin yer seçimiyle ilgili çalışmalar giderek artmaktadır. CBS ile sağlık
ocaklarının hizmet bölgelerinin özellikleri görsel hale dönüştürülerek sağlık ocaklarının
hizmet bölgelerindeki nüfus ve hizmet verilen grupların dağılımı ve yıllar itibariyle
gösterdiği
değişmeler
ve
CBS
ile
sağlık
ocaklarının
personel
dağılımları
belirlenebileceği Samsun ili 1. Basamak sağlık ocaklarının tespitinde Günay ve Saraç
(2006) tarafından vurgulanmıştır. 112 Ambulanslarının vakalara anında müdahale
edebilmesi için 112 istasyonları oluşturulmaktadır. Bu istasyonların oluşturulmaları
esnasında
kentlerin
her
noktasına
kolayca
ulaşmayı
sağlayacak
şekilde
konumlandırılması ve 112 Ambulans istasyonlarının yerlerinin seçiminde mekânsal
23
analizlerden faydalanılması İzmir Anakentinde Gümüş ve arkadaşları tarafından
irdelenmiştir. 112 Ambulans istasyonlarının dağılışının kent ölçeğinde düzenli olmadığı
görülmüş, bu düzensizlik CBS yöntemlerinden olan Voronoi, Nokta Bazlı Buffer
Analizi ile de ortaya konmuştur. Özellikle her istasyonda bir ambulansın
mevcudiyetinden hareketle, tek bir istasyonun sorumluluk alanında kalan sahalarda
(Güzelbahçe, Gaziemir ve Çigli) söz konusu ambulansın görevde olması durumunda
olaya zamanında müdahale şansı ortadan kalkacaktır. Bu durum kentin her noktasında
acil tıbbi müdahale gerektiren vakalarda zamanında müdahaleye olanak veren bir 112
Ambulans ağının, her istasyonda yeterli araç sayısı ve personelin gerekliliğini
vurgulamaktadır (Gümüş ve ark., 2003). Benzer bir çalışma Kara ve arkadaşları
tarafından Konya ili için gerçekleştirilmiştir. “CBS Yöntemi İle Kuş Gribine Karşı
Güvenli Tavuk Çiftliği Alanlarının Oluşturulması” başlıklı çalışmalarında Tekşen ve
Arık (2006), Kuş gribi hastalığının tespiti amacıyla; Türkiye’de görülen kuş gribi
vakalarının harita üzerinde gösterilmesi, yeni oluşabilecek hastalıkların CBS yardımı ile
kontrolünün sağlanması ve güvenli tavuk üretim çiftliklerinin oluşturulması
amaçlanmıştır. CBS sistemiyle bir bilgi havuzu oluşturularak bu havuzda Türkiye’deki
kuş göç yolları, kuş gribinin görüldüğü yerler ve sulak alanlar depolanmış, CBS
sisteminin özelliği olan bilgi depolama özelliği sayesinde gelecekte karşılaşılacak yeni
vakaların da bu bilgilere eklenerek çalışanlara yardımcı olunması amaçlanmıştır.
Ülkemizdeki göçmen kuş rotalarında sağa ve sola 10’ar km.lik etki alanı oluşturulmuş,
sulak alanların çevresine ise 30 km.lik yarıçaplı etki alanı seçilmiştir. Daha sonra tüm
maddeleri tek harita üzerinde birleştirerek güvenli tavuk üretim alanları tespit edilmiştir.
Bilgi iletişim teknolojilerinden faydalanan ülkelerin gelişmişlik düzeyleri bu
faydayla doğru orantılıdır. Halk sağlığı profesyonellerince acil durum teknolojilerinden
biri olarak benimsenen, CBS risk altındaki popülâsyonları haritalandırmada ve risk
faktörlerini katmanlaştırmakta yardımcı olarak kaynak tahsis ve erişimini (sağlık
hizmetleri, okullar, su noktaları) değerlendirmede, birçok “ya olursa” senaryosunu
gerçekleştirmeden simule ederek (tahmin yoluyla) müdahaleleri planlama ve
hedeflemede, epidemileri öngörmede ve zaman içindeki hastalık ve müdahaleleri
gözlemlemede destek olmaktadır.
2.5 Kanser ve Kanser İstatistikleri
Kanser çağımızın en önemli hastalıklarından biridir. Kanser, hücrelerin
kontrolsüz bölünerek çoğalması olarak tanımlanmaktadır.
24
Gelişmekte olan ülkelerde kanser istatistikleri kısıtlı kaynakların ekonomik
kullanımı ve kanser kontrol stratejilerinin planlanması açısından önemlidir. Ayrıca
kanser istatistikleri, belirli kanser türlerinin dağılımı, hastalığa yakalanan bireylerin
sosyodemografik özellikleri (yaş, cinsiyet, etnik grup, din, meslek gibi), bölgeler arası
farklılıklar ve zamanla değişimleri ortaya koyarak kansere yol açan risk faktörlerinin
belirlenmesinde ve ileride kanser gelişiminin engellenmesinde kullanılabilir (Şengelen
2002).
2.5.1 Dünyada kanser istatistikleri
Dünyada kanser hastaları ile ilgili sayım yapma ve veri toplama isteği 1728
yılında Londra’da genel nüfus sayım idaresince yapılan bir çalışma ile başlamış ve bu
tarihten itibaren çeşitli ülkelerde çeşitli çalışmalar ile devam etmiştir. Danimarka’da
1943, Macaristan’da 1952, Finlandiya ve Almanya’da 1953 yıllarında toplum tabanlı
kanser kayıt sistemleri veri toplamaya başlamışlardır. Dünya Sağlık Örgütü tarafından
yapılan standardizasyon çalışmaları ve 1948 yılında yayınlanan ICD (International
Classification of Diseases)’nin 6. Baskısı sonrasında kodlama sisteminin çeşitli
ülkelerde benimsenmesi ile 1992 yılı itibariyle 52 ülkede 266 adet toplum tabanlı kanser
kayıt sistemi oluşmuştur. Bu ülkelerdeki çalışmalar düzenli olarak “5 Kıtada Kanser
İnsidansı” (Cancer Incidence in Five Continents) isimli Dünya Sağlık Örgütü yayınında
özetlenmektedir.
Uluslararası Kanser Araştırma Derneği (International Agency for Research on
Cancer) GLOBACAN 2002 projesinde elde edilen veriler doğrultusunda Avrupa’da 2.9
milyon (%54 olgu erkek, %46 kadın olgu) yeni kanser olgusu ve 1.7 milyon kansere
bağlı ölüm beklenildiğini bildirilmiştir (Boyle ve Ferlay, 2005).
Dünyada ve Avrupa’da en sık tanı konan kanserlerin akciğer (%13.3), meme
(%13), kolorektal (%13.2) kanseri olduğu, Avrupa’da mide kanserinin görülme oranının
azaldığı belirtilmiştir (Boyle ve Ferlay, 2005). Amerika’da ise 2006 raporuna göre
erkeklerde prostat, akciğer ve kolon-rektum kanserlerinin tüm olguların %56’dan
fazlasını oluşturduğu, kadınlarda ise ilk 3 sırayı (yaklaşık olguların %54’ü) meme,
akciğer, kolorektal kanserlerin alacağı belirtilmiştir (Jemal ve ark., 2004).
Çocukluk çağı kanserlerinde ise 2006 verilerine göre en sık görülen kanserlerin
lösemi, santral sinir sistemi tümörleri, yumuşak doku tümörleri, non- hodgkin lenfoma
ve Willms tümörü olduğu bildirilmiştir (Jema ve ark., 2006). Ulusal Kanser
Enstitüsünün programı olan “Surveillance Epidemiology and End Results”‘ın (SEER)
25
1999-2001 yıllarına ait verilerine göre en sık kanser görülme oranlarının 30-34 yaş
(%7.9) ve 40-49 (%16) yaşları arasında olduğu belirlenmiştir.
Akciğer kanseri, tüm dünyada en sık görülen kanser olup her yıl 1.35 milyon
yeni olgu ile tüm kanserlerin yaklaşık %12.8’ini oluşturmaktadır. Özellikle Kuzey
Amerika ve Avrupa’da yüksek oranda görülmektedir. Meme kanseri, erken tanı
oranlarında artış, mortalitede azalmaya rağmen en önemli sağlık sorunu olmaya devam
etmektedir (Boyle ve Ferlay., 2005). Robsham ve ark., 2005 yılındaki çalışmalarında
589521 meme kanserli kadının sosyo demografik özelliklerinin insidans ve sağ kalıma
olan etkisini inceledikleri çalışmada, kent merkezinde yaşayan kadınların sağ
kalımlarının kırsal alanda yaşayanlardan daha iyi olduğunu saptamışlar ve sosyo
demografik
özelliklerin
bireyin
kanser
semptomlarına
katılımını
etkilediğini
belirtmişlerdir. Kolorektal kanser Avrupa’da 2004 yılında yapılan analiz ile akciğer
kanserinden sonra 2. en sık görülen kanser (%13-376400 olgu) türüdür(4). Kadınlarda
%12.2 ile 3., erkeklerde ise %16.6 ile 2. sırada yer almaktadır. Serviks kanserinin %80’i
az gelişmiş ülkelerde ortaya çıkmaktadır (Plant ve ark., 1996). Gelişmiş ülkelerde ise
görülme oranları daha düşüktür. 20.yüzyılın ilk yarısında, Amerika Birleşik
Devletleri’nde kadınlarda serviks kanserinden ölümler diğer kanser türlerinden daha
fazla görülürken, 1940’larda Papanicolaou smear yönteminin kullanılması ile birlikte
preinvaziv lezyonların erken tanısı ve tedavisi mümkün olmuş, servikal kanser tarama
programları ile ABD’de invaziv serviks kanserinin rastlanma sıklığı ve mortalite
oranları 20. yüzyılın sonlarında %75 oranında azaltmıştır. Serviks kanseri kadınlarda
%9.8 görülme oranı ile 3. sırada en sık görülen kanser türüdür (Parkin, 1998). Dünya
kadın kanserlerinin %3.9’ini oluşturan endometrium kanseri kadın ölümlerinin
%1.7’sine sebep olduğu için, mortalitesi morbiditesinden az olarak kabul edilmiştir.
Finlandiya’da 45-69 yaş arasındaki kadınlarda sosyal sınıfın, jinekolojik kanserler
üzerine ve tanı evresine etkisini incelemiş, serviks kanserinin düşük sosyal sınıf
kadınlarda daha sık olduğu, endometrium kanserinde ise 1980’den sonra sınıf farkının
ortadan kalktığı bildirilmiştir (Pukkala ve Weıderpass, 1999).
Prostat kanseri dünyada görülen 3. en sık kanser türü olup, ABD’de 104/100000
olgu oranı ile en sık tanı konan erkek kanseridir. Asya ülkelerinde (6.6-14.4/100000
olgu) Batı ülkelerine göre daha düşük oranda saptandığı bildirilmiştir (Sim ve Cheng,
2005). Avrupa Birliği ülkelerinde kanser insidans hızları erkeklerde yüz binde 200-300,
kadınlarda ise yüz binde 140-260 olarak tahmin edilmektedir (Janssen ve Coebergh,
2003).
26
2.5.2 Türkiye’de kanser istatistikleri
Kanser, Türkiye’de 1982 yılında 1593 sayılı Umumi Hıfzısıhha Kanunu’nun 57.
Maddesi gereğince “bildirimi zorunlu hastalıklar listesi”ne alınmış olmasına rağmen
ülkemizde gerçek kanser insidansı hiç bilinmemektedir. Sağlık Bakanlığı 1983’te tüm
ülke için “pasif kanser kayıt sistemi” kurmuş fakat bildirime dayalı bu sistemde
beklenenin dörtte biri kadar bilgi elde edilmiştir. Bu nedenle ülke çapında ama
güvenilirliği olmayan veri toplamak yerine, coğrafi sınırları ve nüfusu belirlenen bir
alanda aktif olarak toplanacak verilerle bir kanser kayıt sistemi oluşturulması amacı ile
1992 yılında “Kanser Kayıt ve İnsidans” projesi başlatılmış ve Trabzon, Edirne, İzmir,
Ankara, Adana, Antalya, Bursa, Diyarbakır, Sivas ve Erzurum’da kanser kayıt merkezi
kurulmuş 2006 yılında ek olarak, İstanbul, Samsun, Van, Şanlıurfa, Eskişehir, Kayseri
illeri kanser kayıtlarının aktif sistemle toplanacağı iller olarak belirlenmiştir (URL4).
Fakat bu sistemin 1993-1994 yıllarına ait ilk sonuçlarında da beklenen ve rapor
edilen hastalar arasında büyük farklar olduğu görülmüştür. 1993 yılında Sağlık
kuruluşlarından Kanserle Savaş Dairesi’ne bildirimi yapılan kanser vakalarının
değerlendirilmesi sonucunda 23100 kanser vakasının 22079’u değerlendirilmiş (çift veri
girişi ayıklandıktan sonra), ülkemizde kanser insidansı yüz binde 36.7 olarak tespit
edilmiştir. Yapılan araştırmalara göre yüz binde 100-150 olması gerektiği hesaplanan
Türkiye genelinde beklenen kanser insidansına ulaşılamamıştır.
1977’de yürütülen bir araştırmada 10 büyük ilde 39 hastane ve özel patoloji
laboratuarında 12 ay içinde 14696 yeni kanser hastası belirlenmiştir. Bu vakaların organ
tutulumuna göre dağılımı incelendiğinde, birinci sırada melanom dışında kalan deri
kanseri (%14.9), ikinci sırada meme (%9.1) bulunmaktadır. Bu iki kanser türü, tüm
kanserlerin yaklaşık 1/4’ünü oluşturmaktadır. Bu kanserleri sırası ile larinks kanseri,
lenfomalar ve mide kanserleri izlemektedir. Cinsiyete göre dağılım incelendiğinde ise
erkeklerde en sık görülen kanser deri kanseri iken kadınlarda meme kanseridir. Bu
çalışmada insidans hızı yüz binde 35 olarak bulunmuştur. Fakat aynı yıldaki kanser
mortalite hızlarının daha yüksek olması gerçek kanser insidansının daha yüksek olması
gerektiğini ortaya koymaktadır (Fırat 1982).
1994’te yayınlanan benzer bir araştırmada da 16 hastanede 5 yıl içinde patolojik
tanıya dayanan kanser istatistikleri ile kanserin rölatif dağılımı ortaya konmuştur. Fakat
patoloji laboratuar verilerini esas alan çalışmalar, solid tümörler dışında kalan kanser
türleri ile hiç biyopsi alınmayan hastaların verilerini içermemektedirler.
27
Türkiye’deki ölümler ve hastane yatışları içerisinde kanserin yerini inceleyen
1980 ve 1990’lı yıllarda yapılan çalışmalar da Türkiye’deki kanser probleminin
tanımlanması bakımından önemli yer tutmaktadır. Türkiye’de ilk nüfus tabanlı kanser
kayıt sistemi 1992’de İzmir’de kurulmuş ve 1993-1994 yıllarına ait insidans verileri
2001’de yayınlanmıştır. Erkeklerde yüz binde 157.5, kadınlarda ise yüz binde 94 yaşa
göre standardize kanser insidansı bildirilmiş; erkeklerde akciğer (yüz binde 61.6),
mesane (yüz binde 11.0), larinks (yüz binde 10.6); kadınlarda ise meme kanseri (yüz
binde 24.4), rahim (yüz binde 6.4), yumurtalık (yüz binde 5.9) en sık görülen kanserler
olmuştur (Fırat 1983). Türkiye’deki kanser kayıt merkezleri Şekil 3.5.’te görülmektedir.
Şekil 2.1: Türkiye’deki kanser kayıt merkezleri (25/04/2002 T.C. Sağlık Bakanlığı).
Türkiye’de genelinde kanser insidansı, her bir cinsiyet için 2006 yılı
istatistiklerine göre düzenlenerek Çizelge 2.1’de gösterilmiştir. Her bir kayıt merkezi
ihbarı zorunlu olan kanser hasta kayıtlarını elde ederek istatistiksel veri tabanları
oluşturmaktadır (URL4).
Çizelge 2.1.’den de anlaşılacağı gibi erkeklerde akciğer kanseri başta olmak
üzere prostat ve deri kanserleri, kadınlarda ise meme başta olmak üzere deri ve Troid
kanserleri ülkemizde sıklıkla karşılaşılan ilk dört kanser türü arasındadır.
28
Çizelge 2.1. Kanser insidansları
Ülkemizdeki fazla tütün tüketiminin, akciğer kanserinin tetikleyicisi olduğu
literatürlerde geçmektedir. 2000-2006 yılı insidans grafiklerine bakıldığında erkek
vakaların toplumda daha sık kanser hastalığına yakalandığı görülmektedir (URL4).
29
3. MATERYAL VE METOT
Günümüzde, CBS, uzaktan algılama (Remote Sensing) ve diğer teknik bilimler,
hastalıkların popülasyon içindeki oluşumu ile hastalıkların coğrafi ilişkisi gibi konular
arasındaki ilişkiyi açıklamada güçlü araçlardır. Veritabanları arasında özellikle
disiplinler arası araştırıcılarının kullanabileceği veri çeşitleri, yerbilimleri/yerle ilişkili
veriler mekansal analiz ve teknikleriyle irdelenebilirler.
Çalışmada mekansal analiz teknikleri kullanılarak mekansal kümelenme olasılığı
ve mekansal istatistikle dağılımın niceliksel değerleri araştırılacak, nüfus içindeki
yaşdan kaynaklanabilecek yanılmayı önlemek amacıyla yaş düzeltmesi yapılacaktır.
Aşağıdaki çizelgede mekânsal analizde altlık olarak kullanılan değişkenler
verilmiştir.
Çizelge 3.1. Mekansal Analize Konu Değişkenler
Genel tür
Değişkenler
Konum
Enlem, boylam
Yola uzaklık
Yapay unsurlar
İdari sınırlara uzaklık
Nüfus
İnsan popülasyonu
Topografya
Yükseklik
Arazi kullanımı
Bitki örtüsü indeksi
Toprak sıcaklığı
Sıcaklık
Hava sıcaklığı
Güneş şiddeti
Buhar basıncı
Nehirlere uzaklık
Su ve nem
Soğuk bulut süresi
Potansiyel buharlaşma
Genel iklim
Kaynak: Hay (2000); b Green and Hay (2002); c Hay et al (2006); d Hay and Lennon (1999); e
Price (1984); f Goetz et al (2000); g Fischer at al (2002).
Literatürde kabul görmüş, Çizelge 3.1.’de verilen etkenlere ilişkin haritaların,
eldeki verilerle oluşturulması planlanmıştır.
30
3.1 Mekânsal Analiz
Mekânsal analiz dünya üzerindeki kültürel ve fiziksel durumların mekansal
desenlerle tanımlanması işlemidir. Bu desenler çalışma alanındaki değişken mekânsal
dağılımları temsil ederler. Hava-toprak kirliliği, Rakım–arazi kullanımı gibi coğrafi
değişkenler nokta ya da alan desenler olarak görüntülenir.
Mekânsal analizler genellikle gözlemlenen birimlerin mekansal ilişkilerini
düzenlemeyi amaçlar. Aynı zamanda bu birimlere ilişkin öznitelik bilgilerini de dikkate
alırlar (Pfeiffer, 1996). Coğrafî objelerin mekânsal deseni, yeryüzünde hüküm süren
fiziki ya da kültürel süreçlerin bir sonucu olup coğrafî objelerin neden ve nasıl
dağıldığını ortaya koymaktadır (Lee ve Wong, 2000).
Mekânsal analiz destekli CBS, mekânsal ilişkilerin ve kümelenmelerin
belirlenmesine, hastalığın durumunun anlaşılmasına ve nerede ne zaman nasıl önlem
alınacağına karar verilmesine destek olmaktadır (Olsen ve ark., 1996). Fakat bu
analizlerin başarısı resmi kurum kaynaklarından gelen verilerin güvenilirliğine,
kapsamına ve doğruluğuna bağlıdır. Bu verilerle ilgili olarak raporlama ve kodlama gibi
problemlerle karşılaşılmaktadır. Bundan dolayı halk sağlığına yönelik CBS kullanımı
veri kalitesine ve mekânsal özelliklere bağlıdır (Moore ve Carpenter 1999).
CBS, hastalık haritalarını hızlıca oluşturur. Haritalarla, istatistiksel sonuçlar
arasında yakın bir bağlantı oluşturulması, mekansal epidemiyolojik hipotezinin formüle
edilmesini ve tanımlanmış alanların varlığını daha fazla destekleyecektir (Gatrell ve
Loytonen 1998).
Kanser oranları uzun zamandır bölgelerde, farklı yerlerde dağılım gösterirken,
son zamanlarda birbirine yakın sınır bölgelerde tespit edilmiştir. Bunun sebebi kültürel
ve davranışsal faktörler, aynı çevrede aynı etkiye maruz kalmaktan kaynaklanabilir
(Pommerenke ve ark., 1994).
Kanser hastalığı desenini ortaya koyabilmek için mekânsal analize ve istatistiğe
ihtiyaç vardır (MacLennan, 1991).
Mekânsal analizlerde kullanılan yöntemler başlıca 3 aşamada incelenebilir.
Bunlar;
● verinin görselleştirilmesi/Konum Belirleme
● tanımlayıcı-keşifçi mekânsal veri analizleri/Nüfusun Karakterizasyonu
● olgunun mekâna bağlı olarak modellenmesidir/Mekansal Modeller (Gatrell ve
ark., 1996).
31
- Konum Belirleme: Örneğin en iyi coğrafi konumdaki, sağlık birimleri ve
hizmet servisleri yerlerinin adreslenmesine ilişkin problemlerin çözümü şeklinde
tanımlanabilir. Şu anki CBS ve diğer destek sistemleri; sağlık birimlerinin en iyi nerede
konuşlandırılacağı sorusuna cevap bulmak, bir ambulansın hastanelere en iyi ulaşım
zamanını tahmin etmek ve hastane olmayan yerler için kararlı cevaplar bulmak şeklinde
çözümler sunmaktadır.
- Nüfusun Karakteristiği: Mekânsal epidemiyolojide, coğrafi popülâsyonun
karakterize edilmesi CBS’ nin desteğiyle önemli bir iştir. (Risk faktörleri nerede
yüksek?) Epidemiyologlar hastalıkları paylar ve paydalar üzerinde yorumlarlar. Bir
hastalık oranında, payda risk altındaki popülâsyonken, pay hastalık durumunu (sayısını)
ifade eder. Yüksek riskli popülâsyonu tanımlama v.b. gibi sonuçlar üretilir.
- Mekânsal Modeller: Kamu sağlığında mekansal modellerin son yıllardaki
gelişimleri Monte Carlo ileri tahmin teknikleri jeoistatistik modelleri ve hastalık
oranları Bayesian modellerini kapsamaktadır (URL3). Bu modeller ölçeksiz alanlarda
değişkenlerin tahmini, harita güncelleme, enterpolasyon ve hastalık oranlarını
saptamasıyla ilgili önemli modellerdir (Bithell, 1990).
Bir alanda normal olmayan bir sağlık vakası kümesi var mı? Bir hastalığın
normal olmayan yüksek veya düşük prevelensı nerede görülmektedir? Hastalık riskinin
en yüksek ve en düşük olduğu yerler nerelerdir? Mekânsal analiz yöntemleri, sağlık
vakalarının normal olamayan görünüşlerini ve coğrafi yapıyı tanımlamak için sağlık
verilerin filtrelenmesine yarayan bir araç sunar (Mitchell, 2005).
3.1.1 Mekansal kümeleme
Halk sağlığı uzmanlarınca hastalık kümelenmeleri, zamana ve mekâna göre
hastalık vakalarının yoğunluk gösterdiği alanlardır. Toplumda hastalıkların artmakta
olduğuna ilişkin kaygıların olduğu zamanlarda ya da gözlem sisteminde rutin olarak
toplanan verilerle bir yerde alışılmadık bir yoğunlaşmanın olduğunun fark edilmesi
durumunda mekansal kümeleme ve sınıflama incelemeleri kaçınılmazdır.
En yaygın kümeleme analizi yolu sağlık verilerin insidans veya prevelance
oranlarının koroplet haritalarının çizilmesidir. Alanların nüfus büyüklükleri farklı
olduğunda farklı güvenilirlik derecelerinde bu alanlar için hastalık oranları hesaplanır.
Küçük nüfuslu alanlar ve dar alanların oranları değişkendir ve geniş alanların oranlarına
göre daha az güvenilirdir. Dar alanlarda bir ve iki vaka değişikliği insidans veya
prevelans sonralarında devasa farklıklara neden olabilir. Örneğin küçük nüfusa sahip bir
32
alanda düşük ağırlıkta bebek doğması ortalaması 200 doğum iken büyük yerleşmede
1600 dür. İlk alanda yıllara göre değişim %5 ile 16 arasında dalgalanırken diğerinde
%12 ile 16 arasında değişmektedir. Böyle bir durumda dar alanlı alanda her hangi bir yıl
için çizilen harita yanıltıcı sonuç verecektir. Geniş alan için çizilecek harita ise gerçeğe
daha yakın sonuç verecektir.
Mekânsal kümeleme yöntemleri temel halk sağlığı sorularının yanıtlarını temin
etmeye yardım eder.
Kümelenme analizinde kümelenmenin görüldüğü coğrafi uzanım veya ölçek
tanımlanmalıdır. 5 km2’lik bir kümelenme alanı ile 2500 km2’lik alan birbirinden çok
farklıdır. İlki hastalık sınıfının son derece yerel olduğunu, diğeri ise bölgesel olduğunu
gösterir. Bütün kümeleme yöntemleri mekânsal ölçekte bir veya birkaç vakaya
odaklanır. Bazen, analistler her ne kadar nüfus ya da sağlık verisi çalışılacak ölçeği
belirlese de mekansal ölçek seçimini kontrol edebilir.
Ölçek kümeleme çalışmalarından elde edilen sonuçları ciddi anlamda etkiler.
Şehirler ya da toplumlar arasındaki kümeleme çevresel kirlenmenin kaynak noktaları
gibi yerel etkileri yansıtır. Bunun tersine ülke ve bölgelere yönelik elde edilen oranlar
iklim ya da kültür gibi bölgesel etkenlerin sonuçlarını yansıtır. Çalışılan sağlık
sorununun ölçeği hastalık süreçlerinin ve muhtemel nedensel faktörlerin anlaşılmasını
aksettirebilir. Dahası coğrafi ölçeğin yapısı diğer ölçeklerin yapısını gizleyebilir. Bir
ülkede hastalığın ortalama oranı en düşük ve en yüksek olduğu yerlerin oranlarından
kaynaklanabilir. Bu tür farklılıklar ülkesel ortalamalar alındığında kaybolurlar. Ülke
ölçeğindeki analizlerde toplumda en yüksek oranların ortaya çıkarılması gereklidir.
Kümeleme analizinde kaç tane kümenin olduğu yargısına varmak için bir dizi
ölçütlere ihtiyaç vardır. Bir veya iki vaka fazlalığı bir küme teşkil eder mi? Anlamlı
kümeyi tanımlayan hattı nereye çizebiliriz? Bunun mükemmel bir yanıtı olmamasına
rağmen coğrafi ve istatistiksel yöntemler analistlere ve karar vericilerin bilimsel olarak
şekillendirilmiş kararlarına yardım eder.
3.2 Mekansal İstatistik
Coğrafyanın birinci kuralı; “Her şey birbiriyle ilişkilidir ama yakın şeyler daha
fazla ilişkidir” (Tobler, 1970). Bu olgu yakın ve uzak şeyler arasındaki ilişkiyi ortaya
koyarak mekânsal oto-korelâsyon (Spatial Autocorrelation) olarak adlandırılmaktadır
(Ximing ve Dingbao, 2006).
33
Hastalıkların yere göre kümelenmesi için tüm çalışma alanının kullanıldığı
testler iki alt başlıkta incelenir. Bu kategoriler genel (general) ve yerel (local) testler
olarak adlandırılır. Genel testler, çalışma bölgesinde sadece olguların kümelenip
kümelenmediği ile ilgilenir. Yerel testler ise yine tüm çalışma alanında olguların
kümelenip kümelenmediği hakkında bilgi verirken kümelenme varsa bunun yerinin
neresi olduğunu da belirtir (Openshaw ve Perrée, 1996).
Kümeleme yöntemleri 3 grupta toplanır;
● Global testler: “coğrafi bölgede kümelenme var mı” sorusuna yanıt verebilir.
● Lokal testler: Kümelenmenin nerede olduğunun tespiti için kullanılır.
● Odaklanmış testler: İnsidansı yüksek yerler arasında ve hastalığa etki eden
bilinen faktörler arasında inceleme yapar.
Mekânsal otokorelasyon ilişkilerinin irdelenmesi için jeo-istatistik analizleri
Moran I (Anselin, 1995), Geary Oranı (Anselin, 1995), Global G İstatistiği (Ord ve
Getis, 1995), Lokal Moran I, Lokal G İstatistiği ve Moran Saçılım Grafiği (Anselin,
1995) hesaplamaları yapılmaktadır. Mekânsal oto-korelâsyonda pozitif mekânsal otokorelâsyon küçük ya da büyük değerlerden oluşan benzer değerlere bağlı kümelenmeyi,
negatif oto-korelâsyon dağınık deseni ve az ya da hiç olmayan mekânsal oto-korelâsyon
rastgele deseni göstermektedir.
Moran I (I) hesaplanmış oransal sürekli verileri analiz etmektedir (Cliff ve Ord,
1971; Lee ve Wong, 2000). I, -1 (negatif mekânsal otokorelâsyon) ile +1 (pozitif
mekânsal otokorelâsyon) arasında değişen değerleri vermektedir. Kısaca, negatif
değerler komşu değerlerin çok farklı olduğunu; pozitif değerler kümelenme olduğunu; 0
ise gözlenen değerlerin rastgele dağıldığını göstermektedir.
Geary Oranında (C) sonuç 0 ile 2 arasında değişmektedir. 0 mükemmel pozitif
mekânsal otokorelâsyonun, 1 mekânsal otokorelâsyon olmadığının ve 2 ise mükemmel
negatif mekânsal otokorelâsyonun kanıtıdır (Lee ve Wong, 2000). Geary Oranında
negatif standartlaştırılmış değerler (z) pozitif mekânsal otokorelâsyonu; pozitif z değeri
negatif mekânsal otokorelâsyonu göstermektedir. (Kafadar et al. 2004).
Mekânsal otokorelasyon ilişkilerinin irdelenmesi Formül 3.1’de verilen Moran I
indeksin alacağı değer, korelâsyonun varlığını ortaya koymaktadır.
34
(3.1)
Global G İstatistiği (G) sıcak alanları (hot spot) ve soğuk alanları (cold spot)
ortaya koymaktadır (Ord ve Getis, 1995). Bu analiz mesafe matrisi ile yapılır. Sıcak
alanlar ve soğuk alanlar, mekânsal yoğunlaşmayı göstermektedir. Burada sıcak alanlar
pozitif değerlerden oluşan kümelenmeyi; soğuk alanlar ise negatif değerlerden oluşan
kümelenmeyi vermektedir. Yüksek pozitif z değerleri (Sonuçların öneminin test edildiği
değer), mekânsal desenin yüksek değerde kümelerden oluştuğunu, tam tersi durum ise
düşük değerde kümelerden oluştuğunu göstermektedir (Lee ve Wong, 2000; Ord ve
Getis, 1995).
Birçok kümeleme usulleri, belirlenmiş nüfusta tesadüfen meydana çıkan
sınıfların olasılık tanımında istatistik ölçütlere dayanmaktadır. Bilinen olasılığın
dağılımında kullanılabilen öyle bir ölçüt vardır ki poison dağılımı gibi ya da geniş
sayıda random ihtimal çıktılarının/sonuçlarının üretilmesini içeren Monte Carlo
simulasyon yöntemleri kullanılabilir. Bazı usuller aynı zamanda sağlık vakalarının
düzenlenmesine, sadece risk altındaki nüfusun ilişkisine değil aynı zamanda potansiyel
kirlenme kaynakları ya da çevresel afetlerin ilişkisine, örneğin zehirli atık depolarının
yakınındaki vaka kümeleri ya da yol boyunca, güç hatları boyunca olan vakalara da
vurgu yapar (Kulldorff, 2006).
Sağlık alanında istatistik oluşturma, sağlıkla ilgili doğru ve güvenilir veri elde
etmede ve bu veriler doğrultusunda uygun sağlık politikalarının yürütülmesinde hayati
bir rol oynamaktadır (Dawson ve ark., 1990).
Coğrafi değişkenler içindeki coğrafi çeşitliliğin belirlenmesi mekansal
istatistikle nicel (sayılabilir) hale getirilmektedir (Alpar, 2003). Coğrafi uzayda risk
faktörleri ve etkileri gibi pek çok epidemiyolojik istatistik sayesinde tahmini etkileri
tanımlanabilmektedir. Hastalık kümeleme teknikleri üzerine yapılan yöntemsel
araştırma ve mekansal istatistik yazılımları CBS ile entegre bir şekilde gün geçtikçe
artmaktadır. Kanser hastalığı desenini ortaya koyabilmek için mekânsal istatistiğe
ihtiyaç vardır. Bu kapsamda mekânsal desen; küme, dağınık ve rastgele olarak
tanımlanmaktadır (NAACCR, 2002).
35
LISA testi, yakın veya komşu alanlardaki değerler ile belirli bir yerin değeri
arasındaki
ortaklığı
ölçer.
Bu
istatistikler
alansal
verilere
dayalı
hastalık
kümelenmelerini bulmada kullanışlıdır. Bir küme normal olmayan yüksek oranlara
sahip bir bölgedir. LISA için birden fazla lokal testin (Lokal Moran I, G*i (d)) görevini
yerine getiren bir istatistiksel yöntemler topluluğu demek daha doğrudur (Anselin,
1995).
3.3 Yaş Düzeltme
Hastalıklar veya sağlık sorunları farklı yaş gruplarında farklı oranlar
göstermektedir. Örneğin, bisikletle yaralanma veya kızamık hastalığı çocukluk
çağlarında yaygın olarak görülmektedir. Buna karşılık pek çok hastalığa yakalanma ve
bu hastalık nedeniyle ölüm riski yaş ile birlikte artmaktadır. Kanser hastalığı ele
alındığında, bu hastalık çoğunlukla yaşlı insanlarda görülmektedir. Eğer bir yer genç
nüfus yapısına sahip ise kanser vakalarının ve ölümlerin nispeten az; ortalama yaşın
üzerinde ise vakaların ve ölümlerin daha fazla olması beklenir (Gunay, 2008).
Sağlık haritaları hazırlanmadan önce, istatistiklerden elde edilen ham verilerin
görselleştirilebilmesi ve yorumlanabilmesi için gruplandırılması, analiz edilmesi,
aralıkların belirlenmesi gerekmektedir. Hastalık verilerine ilişkin istatistik yöntemler,
veri düzeltme, kaba ölüm oranları ve yaş düzeltilmiş oranlar şeklinde ele alınmaktadır
(Gunay, 2008).
Yaş düzeltme işlemi hastalık, ölüm, yaralanma ve diğer sağlık sorunlarının farklı
yaş yapısına sahip toplumlar arasında karşılaştırma yapmaya yarayan istatistiki bir
işlemdir. Nüfusun yaş yapısının dağılımına bağlı olarak ortalama oranların
ağırlıklandırılmasıdır (Klein ve Schoenborn, 2001). Yaş düzeltilmiş oranlar, üzerinde
çalışılan nüfusun standart nüfus ile aynı dağılımı gösterdiği durumu temsil eder (HIP,
2007). Bu durum yaşın neden olduğu yanılmayı ortadan kaldırmaktadır. Karşılaştırma
için yaş düzeltme gereklidir.
Farklı yaş gruplarını kontrol edebilmek için yaygın olarak kullanılan yaş
düzeltme yöntemlerinden biri Doğrudan Yaş Düzeltme Yöntemidir. Bu yöntem, ülkenin
belli bir yıla ait yaş gruplarına göre nüfusu standart nüfus kabul etmektedir.
Ölüm/hastalık oranları (R), yüz bin kişiye düşen insan sayısı, ırka, yaşa,
cinsiyete ve coğrafi alana göre aşağıda verildiği şekilde hesaplanmaktadır (Devesa,
Grauman ve ark., 1999).
36
R= 100,000* SUM (wiri) = 100,000* SUM (widi/ni)
(3.2)



R= Ölüm oranları
i= 18 yaş grupları 0-4, 5-9,..., 85+
wi= i yaş grubundaki standart nüfusun oranı

ri= yaş özel oranı di/ni

di= i yaş grubundaki ölüm sayısı

ni= i yaş grubundaki insan sayısı
İki terimli tahmin (binomial approximation) için yaş uyarlanmış oranların
varyansı:
var(R)= 100,0002* SUM [wi2ri(1-ri)/ni].
(3.3)
Güven aralığı oranların standart hata değerine bağlı olarak hesaplanır. Standart
hata (sh) oranlar ve ölüm sayısı temeline dayandırılarak belirlenir. Kaba oranlar %95
güven aralığı (GA) için şu şekilde formüle edilebilir (NYS, 2008).
%95 GA= +/- 1.96 x sh
±1.96 x R ÷√vaka sayısı
(3.4)
Yaş düzeltme sonucunda yerleşim birimine ait ölüm sayılarından 100.000 kişiye
düşen ölüm oranları/hasta oranları elde edilmektedir.
Çalışmada doğrudan yaş düzeltme işlemi gerçekleştirilecektir.
37
4. EPİDEMİYOLOJİDE MEKANSAL ANALİZ-KONYA İLİ KANSER HASTALIĞI
ÖRNEĞİ
4.1 Çalışma Alanı
Konya ili; Anadolu Yarımadası‘nın ortasında bulunan İç Anadolu Bölgesi‘nin
güneyinde, şehrin kendi adıyla anılan Konya bölümünde yer almaktadır. İl topraklarının
büyük bir bölümü, İç Anadolu’nun yüksek düzlükleri üzerine rastlar. Güney ve
güneybatı kesimleri Akdeniz bölgesine dahildir. Konya, coğrafi olarak 36º 41’ ve 39º
16’ kuzey enlemleri ile 31º 14’ ve 34º 26’ doğu boylamları arasında yer alır. Yüzölçümü
38.872, 60 km2 (göller hariç)’tir. Ortalama yükseltisi 1016 metredir. İdari yönden,
kuzeyden Ankara, batıdan Isparta, Afyonkarahisar, Eskişehir, güneyden İçel, Karaman,
Antalya, doğudan Niğde, Aksaray illeri ile çevrilidir.
Şekil 4.1 Konya il haritası
Şekil 4.1’de Türkiye haritasında Konya ilinin yeri gösterilmektedir.
38
Konya ili, 31 ilçesiyle Türkiye‘nin en büyük yüzölçümüne sahip olan ilidir. Her
bir ilçe birbirine benzer özelliklere sahiptir. Hastalık dağılımınları için tüm ilçelerde
araştırmalar yapılmış, kümelenmelerin var olduğu ilçeler özelikleri ile ayrıntılı olarak
ele alınmıştır.
4.2 Verilerin Toplanması
Konya ili, merkez ilçeler dahil olmak üzere 31 ilçede araştırma yapılmıştır.
Vakalara ait adres verisi, ilçe olarak alınmıştır.
CBS yazılım programlarından, MapInfo, Arcgis ve GeoDa programlarından
faydalanılmıştır. Öncelikli olarak sayısal altlıklar sisteme aktarılmış, sözel veritabanları
kullanılır hale getirilmiş, daha sonra ilişkilendirilme yapılmıştır.
Konya ilinde, mekansal analize konu olacak altlık haritaları oluşturulmuştur.
Vakalara ait adres verileri, kanser türleri ve beşeri( yaş, cinsiyet, meslek, eğitim)
veriler Konya İl Sağlık Müdürlüğü’nde tutulan kanser kayıt formlarından elde
edilmiştir.
Konya güneşlenme haritası için kullanılan veriler, Devlet Meteoroloji İşleri’nden
resmi yazı ile alınmıştır. Yıllara göre aylık ortalamalar hesaplanarak ortalama
güneşlenme saati ilçeler için elde edilmiştir.
Baz istasyon sayıları Konya İl Çevre Müdürlüğü’nden alınmış, her bir ilçedeki
sayısı veritabanına girilmiştir.
Toprak kirliliği için, nikel değerleri Toprak ve Su İşleri Enstitüsü’nden
alınmıştır.
Yükseklik haritası için, Konya iline ait 90 m aralıklı X-Y boyut NASA grid
haritası ve Arazi sınıfı haritası için, Corine (Avrupa Çevre Birimi Sınıflama Sistemi)
arazi sınıflamasına göre 29 kategoriye ayrılan harita, Başarsoft Yazılım Şirketinden
temin edilmiştir.
Maden haritası, MTA Bölge Müdürlüğü tarafından oluşturulan resim formattan
sayısallaştırılarak elde edilmiştir.
4.2.1 Mekânsal veritabanı oluşturma
31 ilçe idari sınırı ile Konya iline ilişkin harita, baz harita olarak kullanılmıştır.
MapInfo’da baz harita tanımlanırken, - ilçe katmanı alansal obje olarak tanımlanmıştır.
MapInfo’da harita objeleri, Alan objeler, Nokta objeler, Doğrusal objeler, Yazı
objeleri, Birleşim objeleri olarak tanımlanabilmekte, çizim araç çubuğunda bulunan
39
butonlar yardımıyla bütün coğrafi elemanlar kolayca oluşturulabilmektedir. Nokta
objeler butonuyla, X ve Y koordinatları girilerek, doğrusal ve birleşim objeleri ile
alanlar oluşturularak sayısal altlık anlamlı hale getirlmiştir..
4.2.1.1 Konum haritası
Altlık olarak kullanılan Konya il ve ilçelerinin haritaları CBS yazılımları için
üretilmiş sayısal koordinatlı haritalardır.
Konya ilinin CBS yazılımında kullanılacak haritası, Ülkemizde harita standardı olarak
kabul edilen WGS84 Projeksiyonunda, Derece koordinat biriminde, uzaklık kilometre
ve alan birimi kilometrekare olarak tanımlanmış ve çıktı pencerelerinde çizgisel öçek
kullanılmıştır. Konya iline ilişkin oluşturulan sayısal harita görüntüsü Şekil 4.2’de
verilmiştir. Şekilde haritanın özellikleri ve projeksiyon seçimi gösterilmektedir.
Kullanılan haritada ilçe sınırları tanımlaması yapılmıştır.
Şekil 4.2. Konya ili ve ilçelerine ait sayısal harita
4.2.1.2 Topografik 1/25000 lik haritalar
Çalışmada topografyanın hastalıkla bir ilişkisi var mıdır sorusu irdelenmek
üzere, Topoğrafik harita sisteme dâhil edilmiştir.
Topoğrafik raster haritanın, sistemde kullanılabilir hale getirilmesi amaçlı
paftanın sayısallaştırılması işlemi yapılmıştır. Ancak tüm paftanın sayısallaştırma işlemi
40
zaman alıcı olacağı görülerek çalışmaya, Konya iline ait 200 m contour haritası= 90 m
aralıklı X-Y boyut NASA grid haritası kullanılarak devam edilmiştir.
Şekil 4.3. te kullanılan yükseklik haritası görülmektedir. Harita WGS84
Projeksiyonunda, Derece koordinat birimindedir.
Şekil 4.3. 90 m aralıklı contour harita
Şekil 4.4. Konya yükseklik haritası
Şekil 4.3’te elde edilen harita üzerinde grid analizi yapılmıştır. Oluşturulan
yükseklik haritasından anlaşılacağı üzere, ilin güney batı kesimlerinin yüksekliği daha
fazladır (Şekil4.4).
41
4.2.1.3 Arazi kullanımı haritaları
Konya iline ilişkin arazi kullanım haritası, hastalığın arazi kullanım sınıfındaki
dağılımı ve olası benzerliği tespit etmek amaçlı kullanılmak üzere, baz harita yardımı ile
oluşturulmuştur. Elde edilen tanımlanmamış arazi sınıfı haritası (Şekil 4.5) ve arazi
kullanım verileri yardımı (Çizelge 4.1) ile herbir arazi kodunun anlaşırlığı için metinsel
ifade oluşturulmuştur (Çizelge 4.2).
Çizelge 4.1 Arazi Kullanım Verileri
42
Şekil 4.5. Tanımlanmamış arazi sınıfı
Çizelge 4.2 Arazi Kullanımı İlçe Dağılımı
Elde edilen arazi sınıflamaları verileri, arazi kodları ile Layer başlığı altında
yazılmıştır. Çizelge 4.3’te görüldüğü üzere Konya’nın arazi sınıflaması ayrıntılı olarak
incelenmiştir. Arazi örtü sınıf kodları Ek15’te verilmiştir.
43
Çizelge 4.3 Arazi Sınıflaması
Arazi sınıfı Corine (Avrupa Çevre Birimi Sınıflama Sistemi) arazi sınıflamasına
göre 29 kategoriye ayrılmıştır.
Çizelge 4.3’te arazi sınıflarının Konya ili içindeki parça sayıları verilmektedir.
Toplam 1024 Mera parçası, 835 doğal bitki örtülü tarım alanları il sınırlarında
bulunarak ilin karakteristik yapısını ortaya koymaktadır.
Şekil 4.6’da görüldüğü gibi harita, her bir ilçe idari sınırı ile arazi kullanım
haritaları örtüşme (overlay) analizleri ile çakıştırılarak oluşturulmuş haritadır.
MapInfo yardımı ile arazi sınıflarına ait elde edilen tematik harita Şekil 4.7’de
gösterilmiştir. Lejantta görüldüğü üzere Konya ilinde büyük çoğunlukta mera ve tarım
alanları sınıfları hem parça olarak hem alan olarak yüksektir.
Şekil 4.6. Arazi kullanım haritası
44
Şekil 4.7. Konya arazi kullanımı tematik haritası
4.2.1.4 Maden haritası
Maden Tetkik Arama (MTA) kurumunun oluşturduğu resim formatındaki
Konya ili maden haritası sayısallaştırılarak sisteme aktarılmıştır. Konya ili maden
haritası Şekil 4.8’de verilmektedir.
Konya İli maden haritası taratılarak raster görüntüsü MapInfo ortamında
açılmıştır (Şekil 4.9). Sorgulamaların yapılabilmesi için Raster harita, sayısallaştırılarak
anlamlı hale getirilmiştir.
45
Şekil 4.8. Konya İli Maden Haritası (M.T.A. Bölge Müdürlüğü)
İlçelerde görülen madenler nokta tabakasında CBS yazılımında işlenerek
veritabanına girilmiştir.
46
Şekil 4.9. Poligon Tabakaları
Şekil 4.9’daki haritada görüldüğü gibi, Al, Cu, Pb, Zn, Kömür, Jips vb
madenlerin görülme şekli (yatak, Zuhur, İşletme (Yeni-Eski) poligon tabakalarında
oluşturulmuştur.
Şekil 4.10. Konya maden haritası
47
Şekil 4.10’da görüldüğü gibi Seydişehir ilçesi başta olmak üzere alüminyum
yatakları ilin güney kısımlarında yer almaktadır. Büyükşehir ilçeleri magnezyum, Ilgın
ilçesi linyit, Akşehir ilçesi barit yönünden zengin yataklara sahiptir. Bu haritalarda Al,
CuPbZn, Kömür, Jips vb madenlerin toprakta yatak, zuhur, işletme ya da eski işletme
şeklinde varlığı vurgulanmaktadır.
4.3. Sözel Veritabanı Oluşturma
Sözel veriler; kanser verileri, belirlenen mekana ve bu mekanın özelliklerine
ilişkin verilerdir. Elde edilen veriler Excel tabloları haline getirilmiştir.
Verilerin
öznitelik
verisi
haline
gelmesi
için
mekâna
dayandırılması
gerekmektedir. Mekânsal ilişkiyi irdelemek için, sözel veriler ilişkisel veri yapısı ile
CBS yazılım programlarında kullanılır formata dönüştürülmüştür.
Şekil 4.11’de görüldüğü üzere veriler kullanılan MapInfo yazılım programında
açılmıştır.
Çalışmada ilk olarak, 2010 yılı Ocak-Aralık dönemlerinde Meram Tıp Fakültesi
Onkoloji bölümünde kanser vakalarını incelemek üzere hastalara anket uygulanmıştır.
Toplamda 127 adet anket uygulamasının sonucunda, tüm sorulara verilen yanıtların
olduğu anket sayısı 68’e düşmüştür. Bu durumda, istatistiksel olarak veri analizini
mümkün
kılacak
sayıda
anket
cevaplandırılamamış
ve
mekânla
incelenememiştir. Ek 1’de hazırlanmış anket örneği verilmiştir.
Şekil 4.11. Excel dosyasının Tab uzantılı dosya halinde görünümü
ilişkiler
48
Konya İl Sağlık Müdürlüğü’nün 2004 yılından bu yana tuttuğu kanser
kayıtlarından ve S.Ü. Meram Tıp Fakültesi Patoloji A.B.D. hasta kayıtlarından,
hastalara ait, yaş, cinsiyet, eğitim, meslek, kan bağı, kanser türü ve adres verileri
düzenlenerek, tekrarlı veriler ayıklanarak 2005-2009 yılları arası 7298 vaka veri
tabanına aktarılmıştır.
4.3.1 Beşeri faktör verileri
Elimizde bulunan 2005-2009 yılları toplam kanser hastası
“7298” olup
● 3014 kadın
● 4284 erkek ‘ vaka olarak belirlenmiştir.
Buna göre toplam hastaların ;
- %41, 30 u kadın
- %58.70 i erkek vaka olarak tespit edilmiştir.
Sistemde kanser türleri, beşeri özelliklerle ilgili kodlamalar yapılmıştır.
Vakaların beşeri faktörleri ile kanser arasında ilişkinin varlığı istatistiksel olarak
incelenmesi amaçlı her bir hastanın yaşı, mesleği, cinsiyeti, kan bağı, kanser türü ve
adresi tespit edilerek Excel dosyasında tablolar haline getirilmiştir. Kullanılan sözel
veritabanından bir kesit Çizelge 4.4’de gösterilmiştir. Çizelgede görüldüğü üzere,
cinsiyet kodlamaları:
1= Erkek
2= Kadın, olarak yapılmıştır.
Kanser türlerinin sistemde tanımlanması, TM olarak gösterilen kolonda
yapılmıştır. Bu bilgiler kanser türlerini belirtmektedir. Analizlerin daha sağlıklı
yapılması amacıyla kanser türleri 9 ana başlıkla toplanmıştır.
Buna bağlı olarak ;
1) Cilt
2) Endokrin Sistem (Troid).
3) Hematolojik Sistem (Lenf nodu, Lenfoma, Kemik İliği).
4) Kas-İskelet sistemi
5) Meme
6) Sindirim Sistemi (Mide, Rektum, Kolon, Çekum, Apandis, Safrakesesi,
Pankreas, Tükrük bezi, Adomen, İncebarsak, Karaciğer, Sigmoid Mezenterik Lenf
nodu).
49
7) Sinir Sistemi (Paryatal, Temporal ).
8) Solunum Sistemi (Akciğer, Larenks, Nazofareks).
9) Ürogenital Sistem (Böbrek, Testis, Endometrium, Pelvik, Pelvis, Servikal,
Over, Uterus, Mesane, Prostat), şeklinde sıralanmaktadır.
Sözel veri tabanı için, Kanbağına ilişkin kodlama aşağıdaki şekilde yapılmıştır.
KANBAĞI
0
1
2
3
Yok
Birinci derecede akraba (Anne, Baba, Kardeş, Çocuk)
İkinci derece akraba
Bilinmeyen
Eğitim durumu, meslek durumuna ilişkin kodlamalar aşağıdaki şekilde sisteme
aktarılmıştır.
EĞİTİM DURUMU KODU EĞİTİM
Eğitimsiz
İlk-orta(ilköğretim)
Lise
Yüksek okul-üniversite
Bilinmeyen
1
2
3
4
9
MESLEK KODU
MESLEK
0
İşsiz
1
İlmi, teknik eleman, serbest meslek
2
MÜTEŞEBBİSLER(iş adamları, direktörler, kademe yöneticileri)
3
İdari personelve benzeri çalışanlar
4
Ticaret ve satış personeli
5
Hizmet işlerinde çalışanlar
6
Tarım, hayvancılık, ormancılık, avcılık işiyle uğraşanlar
7
Tarım dışı üretim faaliyetlerinde çalışanlar
8
Ev hanımı
9
Emekli
10
Ağır işte çalışanlar(madenler vs.)
99
Bilinmeyenler
Çizelge 4.4’te gözlendiği gibi, vakaların beşeri özellikleri ile ilgili; meslekleri,
eğitim durumları da incelenmiş her biri kodlanarak veri tabanına işlenmiştir. Buna göre
her bir koda karşılık gelen açıklamalar tablolar halinde verilmektedir.
Çizelge 4.4. Sözel Veritabanı
DOĞUM
YERİ
CİNSİYETİ
EĞİTİM
DURUMU
YAŞI
MESLEĞİ
ADRESİ
TÜMYERİ (TM)
KAN
BAĞI
4207
86
1
2
99
4207
ÜROGENİTAL_SİSTEM
0
0199
62
1
2
99
4226
ÜROGENİTAL_SİSTEM
0
4214
68
1
2
99
4214
ÜROGENİTAL_SİSTEM
0
4214
81
1
1
99
4214
ÜROGENİTAL_SİSTEM
0
4214
50
2
2
8
4214
ÜROGENİTAL_SİSTEM
0
4214
49
1
2
99
4214
ÜROGENİTAL_SİSTEM
0
50
DOĞUM
YERİ
YAŞI
CİNSİYETİ
EĞİTİM
DURUMU
MESLEĞ
İ
ADRESİ
TÜMYERİ (TM)
KAN
BAĞI
4214
76
1
2
99
4214
ÜROGENİTAL_SİSTEM
0
4214
71
1
2
99
4214
ÜROGENİTAL_SİSTEM
0
4226
42
2
2
8
4226
ENDOKRİN_SİSTEM
0
4207
52
1
2
5
4226
SOLUNUM_SİSTEMİ
0
4222
75
2
2
8
4222
SİNDİRİM_SİSTEMİ
0
4224
56
1
2
6
4224
SİNDİRİM_SİSTEMİ
0
4.3.2 Toprak kirliliğine ilişkin veriler
Konya iline ilişkin toprak kirliliği ve su kirliliği konusunda harita
bulunamamıştır. Kirlilik haritalarını üretmek amacıyla Konya Toprak ve Su Araştırma
Enstitüsünden elde edilen Nikel değeri ve koordinatları Excel tablosunda özetlenmiştir
(Çizelge 4.5). Su kirliliğine ilişkin verilere ulaşılamamıştır.
Çizelge 4.5. Nikel Kirlilik noktaları koordinatları
X Koordinat
511915
427321
443604
499374
504033
478376
471531
465269
466314
458719
501767
489004
454984
464538
462480
362475
596664
618876
619870
400468
398565
595250
595696
511557
521720
519010
494132
494226
472831
455077
400739
Y Koordinatı
4267731
4249903
4256564
4232398
4236979
4253073
4258946
4266265
4251738
4246712
4215944
4226868
4200248
4207465
4225385
4201383
4119450
4120887
4111176
4098374
4089800
4115976
4116563
4258094
4267515
4268437
4097815
4095732
4106200
4128886
4098937
Nikel Değeri
77.7228
93.1956
100
92.9
99.36
93.08
123.34
144.73
131
82.96
81.07
92.21
106.69
137.43
94.04
78.021
129.99
84.131
118.81
190.645
222.518
296.734
267.384
127.7014
106.5786
137.9136
90.044
81.3912
83.06666
79.115
184.7884
Yer
Kulu
Yunak
Yunak
Cihanbeyli
Cihanbeyli
Cihanbeyli
Cihanbeyli
Cihanbeyli
Cihanbeyli
Cihanbeyli
Cihanbeyli
Cihanbeyli
Sarayönü
Sarayönü
Sarayönü
Akşehir
Ereğli
Ereğli
Ereğli
Seydişehir
Ereğli
Ereğli
Ereğli
Kulu
Kulu
Kulu
Çumra
Çumra
Çumra
Meram
Seydişehir
Yetkililerden gelen açıklamada bu verilerin kayıt altında yeteri kadar olmadığı,
ancak istenilen bölgeden numune alınarak kayıtlar tutulduğu belirtilmiştir.
51
4.3.3 Güneşlenme şiddetine ilişkin veriler
Konya iline ilişkin sıcaklık haritası üretmek amacıyla, Devlet Meteoroloji İşleri
Genel Müdürlüğünden temin edilen verilerle, 14 ilçede güneşlenme şiddeti yıllık
ortalamaları düzenlenmiştir. Elde edilen veriler Çizelge 4.6 ‘da verilmiştir.
Çizelge 4.6. Güneşlenme Şiddeti
İlçe Kodu
4203
4205
4207
4209
4214
4216
4219
4221
4222
4223
4224
4226
4227
4231
İlce
AKSEHIR
BEYSEHIR
CIHANBEYLI
CUMRA
EREGLI
HADIM
ILGIN
KARAPINAR
KARATAY
KULU
MERAM
SELCUKLU
SEYDISEHIR
YUNAK
Toplam Güneşlenme Süresi (Sa)
212.96
229.04
214.53
224.17
238.76
219.1
217.01
226.65
220.61
206.68
220.61
220.61
219.83
215.7
4.3.4 Baz istasyon sayısına ilişkin veriler
Konya iline ilişkin baz istasyon haritası üretmek amacıyla, Çevre Bakanlığından
onaylı 2006 yılı toplam baz istasyon sayıları temin edilerek veritabanı oluşturulmuştur.
Çizelge 4.7. Baz İstasyon Dağılımı
Sıra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
TOPLAM
İlçe adı
AHIRLI
AKOREN
AKSEHIR
ALTINEKIN
BEYSEHIR
BOZKIR
CIHANBEYLI
CELTIK
CUMRA
DERBENT
DEREBUCAK
DOGANHISAR
EMIRGAZI
EREGLI
GUNEYSINIR
HADIM
HALKAPINAR
HUYUK
ILGIN
KADINHANI
KARAPINAR
KARATAY
KULU
MERAM
SARAYONU
SELCUKLU
SEYDISEHIR
TASKENT
TUZLUKCU
YALIHUYUK
YUNAK
İlçe Kodu
4201
4202
4203
4204
4205
4206
4207
4208
4209
4210
4211
4212
4213
4214
4215
4216
4217
4218
4219
4220
4221
4222
4223
4224
4225
4226
4227
4228
4229
4230
4231
Baz İstasyonu Sayısı
6
7
27
13
42
28
45
5
29
9
13
13
3
39
6
16
3
13
26
14
20
148
26
156
14
229
27
10
1
2
20
1010
52
Çizelge 4.7’de görüldüğü üzere merkez ilçeler başta olmak üzere baz istasyon sayısı
nüfusla doğru orantılı artmaktadır.
4.4. Oluşturulan Sistemde Verilerin İlişkilendirilmesi
Konya ili için, seçilen mekansal analiz değişkenlerini tanımlayacak ve mekansal
analize konu olacak altlık haritaları oluşturulmuştur. Bir başka ifade ile sözel veri olarak
sisteme dahil edilen değişkenler, baz harita ile ID’leri yardımı ile ilişkilendirilmiş ve
istenilen haritalar üretilmiştir.
Aşağıda üretilen haritalar listelenmektedir.
● Sıcaklık Haritası (Güneşlenme Şiddeti Verileri ile).
● Toprak kirliliği (Nikel değerleri ile).
Her ilçede devamlı olarak tutulamayan kayıtların eksikliği nedeniyle su - nem,
genel iklim ve hava kirliliği haritaları oluşturulamamıştır.
Mekansal verideki dağılımın gösterimi için MapInfo, ArcGis, GeoDa gibi
yazılımlardan faydalanılmıştır. Ayrıca, Sözel verilerin sistemde grafik altlıklarla
ilişkilendirilmesi ile istenilen özellikte, tematik harita oluşturulabilmektedir. Arazi
kullanım haritaları, 2005-2009 zaman periyodundaki vaka oranlarının cinsiyete göre
dağılım haritaları oluşturulan tematik haritalara örnek olarak verilebilir. Her yıldaki
insidans oranları zamansal değişimleriyle betimlenmiştir.
4.4.1 Toprak kirliliği haritası
Eldeki verileri harita ile ilişkilendirme için kullanılan yöntem (IDW) ters
ağırlıklı uzaklık yöntemidir. Kısıtlı verilerden -toprak kirliliği numune sayısı gibienterpolasyon yöntemiyle mekan modellemesi yapılarak Konya İli Toprak Kirliliği
haritası oluşturulmuştur. Oluşturulan harita WGS84 projeksiyon sisteminde, koordinat
birimi derece, uzunluk birimi kilometre ve alan birimi kilometrekare olarak verilmiştir.
Toprağın yapısına katılan ve doğal olmayan maddelerin yanı sıra toprağın
bünyesinde belirli değerler üzerinde bulunan elementlerin toprak kirliliğine neden
olduğu bilinmektedir. Toprak Su İşleri Enstitüsünden, alınan Nikel değerleri Toprak
Kirliliği haritası için temel veriler olarak kullanılmıştır.
31 noktada Nikel değer sınırlarının üstünde çıkmıştır. Elde edilen harita IDW
enterpolasyonla diğer ilçelerde de olabilirliği haritada görülmektedir.
53
Şekil 4.12. Toprak kirliliği tematik haritası
Şehrin kuzey bölgeleri Cihanbeyli, Kulu, Yunak ve Sarayönü, güneyde
Seydişehir ve güneydoğuda Ereğli olmak üzere, toprak kirliliği durumundan diğer
ilçelere göre yüksektir (Şekil 4.12).
4.4.2 Sıcaklık haritası
Eldeki verileri harita ile ilişkilendirme için kullanılan yöntem (IDW) ters
ağırlıklı uzaklık yöntemidir. Sıcaklık verileri ile mekan modellemesi yapılarak Konya
İli Güneşlenme şiddeti haritası oluşturulmuştur. Oluşturulan harita WGS84 projeksiyon
sisteminde, koordinat birimi derece olarak seçilmiştir.
Güneş ışınları kansere etki eden diğer faktördür. Özellikle ultraviyole X ışınları
cilt kanseri nedenleri arasında bilinmektedir.
Konya ili için güneşlenme saat süresi DMİ kurumundan alınmış, ancak her ilçe
değeri elde mevcut olmadığından diğer ilçelerde yine IDW enterpolasyon yöntemi ile
elde edilmiştir.
54
Şekil 4.13. Konya güneşlenme haritası
Haritaya göre, Konya merkezde Selçuklu, Meram, Karatay, Karapınar, Ereğli ve
kuzey kesimlerinde Kulu, Cihanbeyli, Yunak, Ilgın, Akşehir ve batıda Beyşehir,
Seydişehir ve güneyde Hadim olmak üzere, güneş ışınları daha uzun süre etkili olarak
görülmektedir (Şekil 4.13).
4.5 Oluşturulan Sistemde Verilerin Analizi ve Mekansal Analiz
Çalışmanın öznitelik verilerinim, istatistiksel analizlerinde SPSS 13.0, EpiInfo7
ve Minitab 14.0 paket programları kullanılmıştır. Global ve Lokal testler uygulanarak
sonuçları irdelenmiştir. Veri setinde yer alan kategorik değişkenler frekans ve yüzde ile
sürekli değer alan değişkenler ortalama, medyan, standart sapma, minimum ve
maksimum değerleriyle verilmiştir.
Sürekli değer alan değişkenlerin normal dağılıma uygunluğu Shapiro Wilk
testiyle test edilmiştir. Test sonucuna göre kullanılacak istatistiksel teste karar
verilmiştir.
Normal
dağılım
göstermeyen
değişkenlerin
3
ve
daha
fazla
grup
karşılaştırmalarında, -yaşın kanser türü iler karşılaştırılmasında-Kruskal Wallis testi, 2
55
grup karşılaştırmalarında, -yaşın cinsiyete göre karşılaştırılmasında- Mann Whitney U
testi kullanılmıştır. İlçelerle kanser türleri arasındaki ilişki uyum analizi ile incelenmiş
ve 2 boyutlu düzlemde gösterilmiştir. Yıllara göre kanser insidanslarındaki değişim Kikare trend analizi ile incelenmiştir. Sürekli değişkenler arasındaki ilişki korelasyon
analizi ile incelenmiştir. Çalışmadaki tüm istatistiksel analizlerde p değeri 0, 05’in
altındaki karşılaştırmalar istatistiksel olarak anlamlı kabul edilmiştir.
4.5.1 Beşeri faktörler
Kümeleme analizi, sınıflandırmada olduğu gibi sahip olunan verileri gruplara
ayırma işlemidir. Sınıflandırma işleminde, sınıflar önceden belirli iken kümelemede
sınıflar önceden belirli değildir. Verilerin hangi gruplara/kümelere, hatta kaç değişik
gruba ayrılacağı eldeki verilerin birbirlerine olan benzerliğine göre belirlenir. Bu amaçla
7298 vakaya ait,
● Cinsiyet
● Yaş
● Meslek
● Kan bağı
● Eğitim
● Kanser türü
gibi verilerden yola çıkarak Kümeleme analizi ((Bir veri yığını içerisinde, o veri
yığınını oluşturan birimleri (kişiler, haneler, firmalar, vs)) tespit edilen bilgilere göre,
benzeştikleri ve ayrıştıkları özellikler baz alınarak gruplara ayırma, gruplama
gerçekleştirip kanser dağılımı yapılmıştır. Öncelikle, verilerimizin istatistiksel olarak
birbirleriyle ilişkileri incelenmiştir. Her bir vaka için, yukarıda belirlenen beşeri faktör
değişkenlerinin durumları incelenmiştir.
4.5.1.1 Cinsiyet-zaman ilişkisi
Cinsiyetlere göre kanserin yıllara göre vakalar üzerindeki etkileri tablo ve grafik
olarak sunulmuştur.
56
Çizelge 4.8. Kanserin yıllara göre erkekler üzerindeki etkisi
Yıllar/
Vaka Sayısı
Cilt
2005
2006
2007
2008
2009
70
100
109
117
107
Endokrinsistem
6
8
12
22
10
Hematolojiksistem
16
28
51
136
150
Kasiskeletsistem
6
14
18
18
13
Meme
1
2
3
3
2
100
114
267
238
176
sindirimsistem
Sinirsistem
7
11
38
42
5
solunumsistem
85
154
322
290
245
Ürogenital sistem
101
185
184
409
289
392
616
1004
1275
997
Çizelge 4.8 ve Şekil 4.14’te görüldüğü gibi erkek vakalarda çoğu kanser türü
yıllara göre artış eğilimi göstermektedir.
Şekil 4.14. Erkeklerde yıllara göre kanser
Erkek vakalarda göze çarpan farklılık, ürogenital sistem kanserlerinin 2008
yılında ciddi bir artış gösterdiği, sindirim sistemi kanserlerinde de 2009 yılında bir
düşüş gösterdiği yönündedir.
57
Çizelge 4.9. Kanserin yıllara göre kadınlar üzerindeki etkisi
Yıllar/
2005
2006
2007
2008
2009
2010
Cilt
72
107
103
89
88
Endokrinsistem
20
31
36
35
36
Hematolojiksistem
5
10
49
82
86
Kasiskeletsistem
5
11
16
10
12
Meme
85
112
135
121
122
Sindirimsistem
70
82
151
174
117
Sinirsistem
4
9
21
18
12
Solunumsistem
10
28
71
51
46
Ürogenitalsistem
38
63
101
229
241
309
453
683
809
760
1 Yıllık veri elde mevcut olmadığı için
analize dahil edilmemiştir.
Vaka Sayısı
Çizelge 4.9 ve Şekil 4.15’te kadın vakalarla-Kanser türü ilişkisi verilmiştir.
Kadın vakalarda da 2008 yılında ürogenital sistem kanserlerinde bir artış söz
konusu iken, 2009 yılında ise sindirim sistemi kanserlerinde düşüşün olduğu
görülmektedir.( Çizelge4.9)
Şekil 4.15. Kadınlarda yıllara göre kanser
2005-2009 yılları tüm vakalar ele alındığında; kanser türleri ile cinsiyet arasında
ilişki varlığı aşağıdaki Çizelge 4.10’da verilmiştir.
58
Kanser Türü
Cilt
Endokrin Sistem
Hematolojik Sistem
Kas-Iskelet Sistemi
Meme
Sindirim Sistemi
Sinir Sistemi
Solunum Sistemi
Ürogenital Sistem
Toplam
Çizelge 4.10. Kanser türü-cinsiyet
Erkek
Kadın
503 (%11, 7)
459 (%15, 2)
58 (%1, 4)
158 (%5, 2)
381 (%8, 9)
232 (%7, 7)
69 (%1, 6)
54 (%1, 8)
11 (%0, 3)
575 (%19, 1)
895 (%20, 9)
594 (%19, 7)
103 (%2, 4)
64 (%2, 1)
1096 (%25, 6)
206 (%6, 8)
1168 (%27, 3)
672 (%22, 3)
4284 (%100, 0)
3014 (%100, 0)
Toplam
962
216
613
123
586
1489
167
1302
1840
7298
P
0, 001*
0, 001*
0, 070
0, 554
0, 001*
0, 217
0, 429
0, 001*
0, 001*
Tüm yıllara göre baktığımızda cinsiyete göre kanser türleri arasında istatistiksel
olarak anlamlı farklılık olduğu görülmüştür (p=0, 001*) (Çizelge 4.10).
Çizelge 4.10 incelendiğinde cilt, endokrin sistem, meme, solunum sistemi ve
ürogenital sistem kaynaklı kanserlerin kadın ve erkeklerde görülme yüzdeleri farklılık
göstermektedir.
Bu sonuçlara göre; cilt, endokrin sistem, meme kanserleri kadınlarda, solunum
ve ürogenital sistem hastalıkları erkeklerde daha fazla gözükmektedir. Kısacası cinsiyet
farklılığının bu kanser türleri için bir risk faktörü olduğu söylenebilir.
4.5.1.2 Yaş-zaman ilişkisi
Kanserlerin çoğunun 55 yaşın üzerinde görüldüğü,. 40-79 yaş arası kadınlarda
ve 60-79 yaş arası erkeklerde ölüm nedenleri arasında kanserin ön sırada yeraldığı
literatürlerde verilmektedir. Ancak, kanser her yaşta görülebilir. Kanserler, değişik yaş
gruplarında farklı sıklıklarda ortaya çıkarlar.
Kanser türleri ile yaş arasında ilişki var mı? Sorusunun yanıtını aramak amaçlı
yapılan istatistikî araştırma sonuçları, çizelgelerde verilmiştir. Çizelge 4.11 kanser
türleri ve yaş ilişkisini özetlemektedir. Çizelgedeki değerler incelendiğinde kanserlerin
yaş üzerindeki etkisinin literatür bilgileriyle örtüştüğü görülmüştür.
Kanser türü
1
2
3
4
5
6
7
8
9
Cilt
Endokrin
Hematolojik
Kas-İskelet
Meme
Sindirim
Sinir
Solunum
Ürogenital
Toplam
Çizelge 4.11. kanser türü- vaka yaş
Ortalama ± Std.
Medyan
Sapma
962
64, 18 ± 14, 66
66
216
44, 62 ± 13, 63
44
613
45, 14 ± 24, 07
49
123
46, 31 ± 22, 59
53
585
52, 97 ± 12, 36
52
1488
61, 35 ± 14, 08
62
167
46, 47 ± 21, 28
52
1295
61, 21 ± 10, 79
61
1838
60, 49 ± 14, 04
61
7287
58, 36 ± 16, 18
60
N
Minimum
Maksimum
1
10
0
1
15
0
1
15
0
0
100
86
88
85
87
98
89
104
94
104
59
Çizelge 4.11’de görüldüğü gibi, endokrin, hematolojik, kas-iskelet, meme ve
sinir sistemi kanserlerinin 40-50 yaş aralığında, diğer kanser türlerinin ise 50 ve üstü
yaş aralığında olduğu görülmektedir.
Ayrıca tüm vakalar ve kanser türleri için yapılan ikili karşılaştırma sonuçları
Çizelge 4.14’te özetlenmektedir.
Çizelge 4.12. Vaka- kanser türü karşılaştırma
2’li karşılaştırma çizelgesi
1-2
1-3
1-4
1-5
1-6
1-7
1-8
1-9
5-6
5-7
5-8
5-9
p
0, 001*
0, 001*
0, 001*
0, 001*
0, 001*
0, 001*
0, 001*
0, 001*
p
0, 001*
0, 021*
0, 001*
0, 001*
2-3
2-4
2-5
2-6
2-7
2-8
2-9
p
0, 073
0, 058
0, 001*
0, 001*
0, 016*
0, 001*
0, 001*
3-4
3-5
3-6
3-7
3-8
3-9
P
0, 633
0, 001*
0, 001*
0, 866
0, 001*
0, 001*
4-5
4-6
4-7
4-8
4-9
p
0, 114
0, 001*
0, 798
0, 001*
0, 001*
6-7
6-8
6-9
p
0, 001*
0, 045*
0, 044*
7-8
7-9
P
0, 001*
0, 001*
8-9
P
0, 915
Çizelge 4.12’de, tüm kanser tiplerinin yaş için karşılaştırma sonuçları
görülmektedir. P değerleri 0, 05’in altında bulunan tüm kanser tipi karşılaştırmalarında
ilgili kanser tipleri arasında yaş bakımından istatistiksel olarak anlamlı farklılık olduğu
ortaya çıkmıştır.
Erkek vakalar için, 9 kanser türü arasında yaşlara göre, farklılığın incelenmesi
amaçlı 2’li karşılaştırma testleri yapılmıştır (Çizelge 4.12).
Çizelge 4.13. erkek vaka – kanser türü karşılaştırma
2’li karşılaştırma tablosu
1-2
p
0, 001*
2-3
p
0, 938
3-4
P
0, 126
4-5
p
0, 543
1-3
0, 001*
2-4
0, 113
1-4
0, 001*
2-5
0, 136
3-5
0, 211
4-6
0, 001*
3-6
0, 001*
4-7
0, 356
1-5
0, 141
2-6
0, 001*
1-6
0, 006*
2-7
0, 449
3-7
0, 704
4-8
0, 001*
3-8
0, 001*
4-9
0, 001*
1-7
0, 001*
2-8
0, 001*
1-8
0, 001*
2-9
0, 001*
3-9
0, 001*
1-9
0, 564
5-6
0, 259
6-7
0, 001*
7-8
0, 001*
8-9
0, 001*
5-7
0, 263
5-8
0, 308
6-8
0, 040*
7-9
0, 001*
6-9
0, 001*
5-9
0, 128
p
p
P
p
60
Erkeklerde kanser türlerine göre yaşlar karşılaştırıldığında, erkeklerden kanser
türleri arasında yaş bakımından istatistiksel olarak anlamlı farklılık olduğu
görülmüştür.(p=0, 001*).
Çizelge 4.13’de erkek-kanser türü için yapılan ikili karşılaştırmalarda P değerleri
0, 05’in altında bulunan, ilgili kanser tipleri arasında yaş bakımından istatistiksel olarak
anlamlı farklılık olduğu görülmüştür.
Kadın vakalar için, 9 kanser türü arasında yaşlara göre, farklılığın incelenmesi
amaçlı 2’li karşılaştırma testleri yapılmıştır. Bu testlerin sonuçları aşağıdaki gibidir
(Çizelge 4.13). Kadınlarda kanser türlerine göre yaşlar karşılaştırıldığında, kadınlarda
kanser türleri arasında yaş bakımından istatistiksel olarak anlamlı farklılık olduğu
görülmüştür.(p=0, 001*).
Çizelge 4.14. kadın vaka- kanser türü karşılaştırma
2’li karşılaştırma tablosu
p
p
P
p
1-2
0, 001*
2-3
0, 067
3-4
0, 287
4-5
0, 007*
1-3
0, 001*
2-4
0, 993
3-5
0, 005*
4-6
0, 001*
1-4
0, 001*
2-5
0, 001*
3-6
0, 001*
4-7
0, 484
1-5
0, 001*
2-6
0, 001*
3-7
0, 853
4-8
0, 001*
1-6
0, 001*
2-7
0, 055
3-8
0, 001*
4-9
0, 001*
1-7
0, 001*
2-8
0, 001*
3-9
0, 001*
1-8
1-9
0, 001*
0, 001*
2-9
0, 001*
p
p
P
5-6
0, 001*
6-7
0, 001*
7-8
0, 001*
5-7
0, 046*
6-8
0, 531
7-9
0, 002*
5-8
5-9
0, 001*
0, 001*
6-9
0, 001*
p
8-9
0, 001*
Çizelge 4.14’te incelendiğinde, örneğin (3-9), ürogenital sistem kanserleri ileri
yaşlarda görülürken hematolojik sistem kanserlerinin daha erken yaşlarda görüldüğü,
yaş karşılaştırmasında anlamlı farklılığı anlatmaktadır.
61
Çizelge 4.15. her bir türün yaş grafikleri
Kanser türleri ile yaş arasında ilişki var mı? Sorusunun yanıtını aramak amaçlı
yapılan istatistiki araştırma sonuçları, grafiksel olarak özetlenmiştir (Çizelge 4.15).
62
Ayrıca bu grafiksel anlatımlar görselleştirilerek yaş haritaları oluşturulmuştur.
Oluşturulan haritalar ilçe bazlı olup, ilçedeki vakaların yaş ortalamalarını da ifade
etmektedir.
Şekil 4.16. 2005 yılı yaş haritası
Şekil 4.16’da görüldüğü üzere 2005 yılı için Ilgın, Hüyük vaka yaş ortalaması en
yüksek ilçelerdir. Kulu, Karapınar ve Ereğli ilçelerinde de vaka yaş ortalamasının
yüksek olduğu görülmektedir.
63
Şekil 4.17. 2006 yılı yaş haritası
Şekil 4.17 2006 yılı yaş haritası incelendiğinde, İlin Kuzey doğu tarafında yaşlı
kanser vakalarının benzerliği görülmektedir. Güney kısmında ise genç vakaların
kümelendiği gözlenmektedir.
Şekil 4.18. 2007 yılı yaş haritası
64
Şekil 4.18 2007 yılı yaş haritası incelendiğinde, İlin Kuzeybatı tarafında yaşlı
kanser vakalarının benzerliği görülmektedir. Güney kısmında ve iç kısımlara doğru ise
genç vakaların kümelendiği gözlenmektedir. Farklı olarak doğu kısmında da yaşlı
vakaların varlığı görülmektedir. Yani Altınekin, Karatay, Çumra, Akören, Ahırlı ve
Seydişehir ilçelerinde genç kanserli vakalar, Yunak, Tuzlukçu, Doğanhisar, Akşehir ve
Ilgın ilçelerinde yaşlı kanserli vakalar çoğunluktadır.
Şekil 4.19. 2008 yılı yaş haritası
Şekil 4.19 2008 yılı yaş haritası incelendiğinde, İlin Kuzeybatı ve güneydoğu
tarafında yaşlı kanser vakalarının benzerliği görülmektedir. Farklı olarak iç kısımlarda
ve Güneybatı kısmında ise genç vakaların kümelendiği gözlenmektedir.
65
Şekil 4.20. 2009 yılı yaş haritası
Şekil 4.20 2009 yılı yaş haritası incelendiğinde, İlin Kuzey, Batı ve Güneydoğu
tarafında yaşlı kanser vakalarının benzerliği görülmektedir. İlin iç kısmında ise genç
vakaların kümelendiği gözlenmektedir.
Tüm yıllardaki vakalar incelendiğinde yaş dağılım haritası Şekil 4.21 de
verilmiştir.
Şekil 4.21. 5 yıllık yaş dağılım haritası
66
Şekil 4.21’de görülen harita incelendiğinde Kulu, Ilgın, Yunak Emirgazi, Ereğli,
Karapınar, Bozkır ve Doğanhisar ilçelerinde kanser vakalarının ileri yaşlarda, Çumra,
Çeltik, Hadim, Akşehir, Seydişehir ve Derebucak ilçelerinde ise kanser vakalarının genç
yaşlarda çoğunluk gösterdiği gözlemlenmiştir.
4.5.1.3 Meslek-kanser ilişkisi
Maden işleri ve kimyasal fabrikalarda çalışan ağır işçilerde kanser hastalığının
mevcudiyeti bilinmektedir. Çalışma bölgesinde elde edilen kayıtlar yardımı ile her bir
kanser türü ile meslek ilişkisi incelenmiştir. İnceleme ilçe bazlı yapılmıştır. Her bir ilçe
için yapılan, kanser türü ile meslek ilişki sonuçları ekler bölümünde sunulmuştur.
Çizelge 4.16. kanser türü-meslek
Kanser
Türü
Tuzlukçu
Cilt
Sindirim
Sinir
Ürogenital
1
5
0%
0%
100%
0%
0%
0%
0%
20%
Meslekler
6
100%
80%
0%
20%
8
9
0%
20%
0%
20%
0%
0%
0%
40%
Toplam
hasta
1
5
1
5
Çizelge 4.16 ‘da Tuzlukçu ilçesinde, hastalık ve meslekler arasındaki ilişki
verilmiştir. Çizelge incelendiğinde %50 oranla tarım, hayvancılık ve av işleri ile
uğraşan vaka sayısı yüksek çıkmıştır.
4.5.1.4 Kan bağı-kanser ilişkisi
Çalışma bölgesinde elde edilen kayıtlar yardımı ile her bir kanser türünün,
vakanın aile hikâyesi ile akrabalık derecesi irdelenmiştir. İnceleme ilçe bazlı
yapılmıştır. Her bir ilçe için yapılan, kanser türü ile kan bağı ilişki sonuçları ekler
bölümünde sunulmuştur.
Aşağıdaki çizelge insidans oranı yüksek olan Bozkır ilçesindeki durumu
özetlemektedir. Çizelgeye göre toplam kanser vakasından %56, 4 oranla kan bağı
bulunmayan vakalar çoğunluğu oluşturmaktadır (Çizelge 4.17).
67
Çizelge 4.17. kanser türü-kan bağı
a
Ka nse r_Türü * KANBAGI Crosstabulation
KANBAGI
0
Kanser_Türü
Total
CILT
Count
% within Kans er_Türü
% of Total
ENDOKRIN SISTEM
Count
% within Kans er_Türü
% of Total
HEMATOLOJIK SISTEM Count
% within Kans er_Türü
% of Total
KAS-ISKELET
Count
% within Kans er_Türü
% of Total
MEME
Count
% within Kans er_Türü
% of Total
SINDIRIM
Count
% within Kans er_Türü
% of Total
SINIR
Count
% within Kans er_Türü
% of Total
SOLUNUM
Count
% within Kans er_Türü
% of Total
UROGENITAL
Count
% within Kans er_Türü
% of Total
Count
% within Kans er_Türü
% of Total
1
21
60,0%
10,4%
2
66,7%
1,0%
6
33,3%
3,0%
2
40,0%
1,0%
11
68,8%
5,4%
11
39,3%
5,4%
0
,0%
,0%
34
72,3%
16,8%
27
56,3%
13,4%
114
56,4%
56,4%
2
3
8,6%
1,5%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
3
10,7%
1,5%
1
50,0%
,5%
2
4,3%
1,0%
0
,0%
,0%
9
4,5%
4,5%
3
1
2,9%
,5%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
2
12,5%
1,0%
2
7,1%
1,0%
0
,0%
,0%
2
4,3%
1,0%
3
6,3%
1,5%
10
5,0%
5,0%
10
28,6%
5,0%
1
33,3%
,5%
12
66,7%
5,9%
3
60,0%
1,5%
3
18,8%
1,5%
12
42,9%
5,9%
1
50,0%
,5%
9
19,1%
4,5%
18
37,5%
8,9%
69
34,2%
34,2%
Total
35
100,0%
17,3%
3
100,0%
1,5%
18
100,0%
8,9%
5
100,0%
2,5%
16
100,0%
7,9%
28
100,0%
13,9%
2
100,0%
1,0%
47
100,0%
23,3%
48
100,0%
23,8%
202
100,0%
100,0%
a. ilc e = Boz kir
4.5.1.5 Eğitim-Kanser ilişkisi
Çalışma bölgesinde elde edilen kayıtlar yardımı ile her bir kanser türü ile
vakanın eğitim durumu irdelenmiştir. İnceleme ilçe bazlı yapılmıştır. Her bir ilçe için
yapılan, kanser türü ile eğitim durumu ilişki sonuçları ekler bölümünde sunulmuştur.
Çzelge 4.18’de Doğanhisar ilçesi için kanser türü-eğitim arasındaki ilişki
verilmiştir.
Çizelge 4.18. kanser türü-eğitim
Eğitim
Kanser Türü
Ahırlı
Cilt
Meme
Sindirim
Solunum
Ürogenital
1
0%
0%
0%
33%
100%
Toplam hasta
2
100%
100%
100%
67%
0%
2
1
2
3
1
Çizelge 4.18 incelendiğinde kanserli vakaların %73, 8 oranı ilköğretim
düzeyindedir.
68
4.5.1.6 Kanser türleri-zaman ilişkisi
Çalışma bölgesinde elde edilen kayıtlar yardımı ile her bir kanser türünün,
çalışma bölgesi için zamansal değişimi incelenmiştir. Her yıl için yapılan, kanser türüilçe bazlı zamansal değişim sonuçları ekler bölümünde sunulmuştur.
Aşağıdaki çizelge (Çizelge 4.19) 2005 yılı kadın ve erkek vakalar için, her
kanser türünün ilçelere göre dağılımının, 2 boyutlu düzlemde grafik olarak sunuluşunu
özetlemektedir.
Çizelge 4.19 ‘da görüldüğü gibi, 2005 yılı için erkek vakalar ve ilçeler ilişkisi
incelendiğinde, sinir sistemi kanserlerinin, Derbent, Halkapınar ve Akşehir ilçelerinde
benzerlik gösterdiği, Yunak, Altınekin ve Hadim ilçelerinde bir kümelenme olduğu,
Kadınhanı, Tuzlukçu, Ilgın, Kulu ilçelerinde Sindirim sistemi kanserlerinde benzerlik
gösterdiği belirlenmiştir.
2005 yılı kadın vakalar ve ilçeler ilişkisi incelendiğinde, Seydişehir, Emirgazi,
Güneysınır ve Hadim ilçelerinde kümelenmenin olduğu, Altınekin ve Ereğli ilçelerinde
Sinir sistemi kanserlerinin benzerlik gösterdiği, Ahırlı ve Hüyük ilçelerinde Solunum
sistemi kanserlerinin benzerlik gösterdiği belirlenen kümelenmeler arasındadır.
69
Çizelge 4.19. kanser türü-ilçeler grafiği
2005_Erkek Vakalar
2005_Kadın Vakalar
70
Kanser türlerinin ilçelere göre dağılımını görmek amaçlı oluşturulan kanser
haritaları tematik olarak üretilmiştir. Şekil 4.22, 2005 yılı için Konya ili ve çevreesinde
sıklıkla görülen kanser türlerini göstermektedir.
Şekil 4.22. 2005 yılı kanser türleri
Şekil 4.22 incelendiğinde Meram, Kadınhanı ve Altınekin ilçelerinde çoğunlukla
Solunum Sistemi kanserlerinin varlığından, Karapınar, Ereğli, Ilgın, Tuzlukçu ve
Derbent incelendiğinde Cilt kanser türünün varlığından söz edilebilir. Ancak haritalarda
her yıla ait kanser sayısı oranları incelendiğinde nüfusu yoğun olan ilçelerde yüksek
çıktığı görülmektedir.
Bu durum o ilçede kanserin daha büyük tehdit oluşturulduğu anlamına gelemez.
Doğal olarak nüfusu yüksek ilçelerden, vaka sayısının yüksek çıkması beklenebilir. Asıl
doğru sonuç nüfustaki hastalık oranlarının incelenmesi olacaktır. Bu durumda insidans
haritalarına yönelip, bu haritaları yorumlamak, daha yerinde sonuçları ortaya
koyabilecektir.
4.5.2. İnsidans hesaplaması sonuçları
Vaka sayısının Risk altındaki populasyona 100.0000 sayısında oranlanmasıdır.
Çıkan değer Dünya Sağlık Örütüne göre 300’den yüksek ise dikkat çekilmelidir.
Eldeki verilerle yapılan insidans hesaplaması sonucu, 2005 ve 2006 yılı
verilerinde Bozkır ilçesinde bu oranın yüksek olduğu görülmüştür.
71
Çizelge 4.20. Konya ili ilçelere göre kanser insidansı(2005-2006)
Dipnot: (vaka sayısı*100 000)/ilçe nüfusu
2007, 2008 ve 2009 yıllarına ait oluşturulan insidans değer çizelgeleri ise Ek
18’de sunulmuştur.
Eldeki verilerle yapılan insidans hesaplaması sonucu insidası yüksek olan ilçeler
tespit edilmiş bu ilçelere ait zamansal değişimler Çizelge 4.21’de çizelgeler halinde
sunulmuştur.
Her ilçedeki insidans oranlarının, mekansal olarak değişimleri zamansal değişim
haritalarında oluşturulmuştur.
72
Çizelge 4.21. insidansı yüksek ilçeler
BOZKIR
Toplam
Kadın
Erkek
2005yılı
333.8739
326.3582
341.2969
2006yılı
724.9833
575.9263
872.2033
2007yılı
171.5854
108.6432
238.9255
2008yılı
161.3873
123.3274
201.5081
2009yılı
84.86906
94.85979
74.4186
HUYUK
Toplam
Kadın
Erkek
2005yılı
188.8574
101.3171
265.252
2006yılı
188.8574
75.98784
287.3563
2007yılı
94.0046
71.2831
117.9245
2008yılı
62.8019
47.43383
78.74791
2009yılı
24.19433
9.441979
39.70223
DERBENT
Toplam
Kadın
Erkek
2006yılı
161.2903
199.0899
127.421
CIHANBEYLI
Toplam
Kadın
Erkek
2006yılı
174.8061
123.5122
223.4043
Şekil 4.23 incelendiğinde 2005 ve 2006 yıllarında kadın insidans oranları ilin
batı kısımlarında yoğunluk göstermiştir. 2007-2009 yıllarında bu oran doğu kısımlarda
batıya oranla yükselme eğilimindedir. Kadın vakalarda, istikrarlı bir oran değişimi
gözlemlenmiştir.
73
Şekil 4.23: 2005-2009 yılları kadın vaka insidans değişimi
74
Şekil 4.24. 2005-2009 yılları erkek vaka insidans değişimi
75
Şekil 4.24 incelendiğinde erkek kanser vakalarındaki insidans oranları 20052006 yıllarında ilin batı kısımlarında benzerlik göstererek yüksek oranda seyretmiştir.
2007-2008 yıllarında iç kısımlarda ve doğuya yönelik oran artışları gözlemlenmiştir.
2009 yılında oran yine komşu ilçelerde benzeşme göstererek seyretmiştir.
2009 insidans
2008 insidans
2007 insidans
2006 insidans
2005 insidans
Şekil 4.25. 2005-2009 yılları vaka insidans değişimi
76
Şekil 4.25’te görüldüğü gibi, tüm vakalardaki insidans oranlarının ilçe dağılımı
gözlendiğinde, 2005 Yılında ilin batıdan kuzeye doğru ilçelerinde kümelenmeden
bahsedilir. Derebucak, Beyşehir, Hüyük, Doğanhisar, ılgın, Kadınhanı ve Sarayönü
ilçeleri insidans oranları birbirine yakındır. Her şey bir biriyle ilişkilidir. Yakın şeyler
birbirleriyle daha ilişkilidir, tezi burada doğrulanmaktadır.
İnsidans haritası ile arazi kullanımları, yükseklik durumları ve toprak kirliliği
tematik haritaları örtüşme analizi ile incelendiğinde kanserin coğrafi ve çevresel
özellikle ilişkisinde anlamlı bir kümenin varlığı sorusuna yanıt aranmış olacaktır.
Önceki yıllara göre toplam, kadın ve erkek insidans oranlarındaki değişimler
incelendiğinde Çizelge 4.22 elde edilmiştir. Her üç çizelgede p değeri 0,01 bulunarak
yapılan incelemede,
Çizelge 4.22. insidans değişim oranları
Çizelge 4.22’de toplam, erkek ve kadın insidanslarını yıllara göre değişimlerinin
anlamlı olarak artış gösterdiğini söylemektedir. P değerleri her 3 çizelge için de 0, 001
bulunmuştur. “OR” olarak ifade edilen katsayılar o yılın bir önceki yıla göre kaç kat risk
faktörü olduğunu söylemektedir. Örneğin erkek insidansı tablosuna bakıldığında, 2006
yılı için 1, 57 değeri demektir ki, 2006 yılı 2005 yılına göre 1, 57 kat risk faktörü olarak
çıkmıştır.
Kısaca 2005’den 2009’a kadar olan toplam, kadın ve erkek insidanslarını
incelediğimizde insidanslarda zamana bağlı bir artış söz konusu ve bu artış da
istatistiksel olarak anlamlıdır.
77
4.5.3 Yaşa standardize nüfus ve insidans
Yaş standardize edilen durumlarda, düzeltilmiş oranlar tek başına gerçek
nüfusun hastalık riskini yansıtmaz. Bu durumda gerçek nüfusun ortalama hastalık riski
kaba oranlarla belirlenmelidir. Ayrıca yaş düzeltilmiş oranların sayı değerlerinin,
kullanılan standarda bağlı olması nedeniyle tek başına anlamlı olmamaktadır. Ek olarak,
hastalığın zaman içindeki gelişimi incelenirken, bir yaş grubundaki hastalık oranlarında
artış, başka bir yaş grubunda ise azalma var ise bu durum gözden kaçırılabilir. Bu
sorunu ortadan kaldırmak için, hastalık durumunun en yaygın görüldüğü yaş grubundaki
değişikliklerin belirlenmesi amacıyla yapılan çalışmalarda yaş düzeltilmiş oranlar, kaba
oranlarla desteklenmelidir.
Düzeltilmiş yaş oranları ile oluşturulan harita aşağıda gösterilmiştir. Harita tüm
5 yıllık vakalar üzerinden düzeltme yapılarak oluşturulmuştur. Buradaki amaç nüfustaki
dağılımı oranlamak ve yanılgıyı ortadan kaldırmaktır. Çizelge 4.23’te yaş düzeltilmiş
değerler verilmektedir.
15-24
25-34
35-44
45-54
55-64
65-74
75+D
toplam d
İlçeler
4201
4202
4203
4204
4205
4206
4207
4208
4209
4210
4211
4212
4213
4214
4215
4216
4217
4218
4219
4220
4221
4222
4223
4224
4225
4226
4227
4228
4229
4230
4231
-15
Çizelge 4.23. Yaş Düzeltme Tablosu
0
0
0.8
0
2
1.8
1.6
0.2
1.4
0
0
0
0
3.2
0.6
0
0
0.2
1
0.4
1.4
4.6
0.2
4.8
0
9.2
0.8
0
0
0
0.2
0
0
0.8
0
0.8
1
0.4
0.2
1.6
0
0.2
0
0
1.2
0
0.2
0
0
1.2
1
0.2
5.2
0.2
5.8
0.2
7.8
0.4
0
0
0
0.6
0
0
1.4
0.2
1.6
0.2
1
0.2
2.6
0.2
0
1.2
0.4
2.2
0.2
0
0
0.2
1.2
0.2
1.6
9
0.4
5.4
0.6
17
1.4
0.2
0
0
0
0
0.4
1.6
1
3.4
2
3.4
0
4.2
0.2
0.2
0.2
0.2
6.4
0.4
1.2
0
1.6
4.6
2.2
3.6
21.8
0.8
17
2
35.8
3.4
0.2
0.2
0
0.8
0.2
1
12.2
2
8.8
8.2
6
0
9.6
1.4
2.4
1.8
0.6
10.4
1
2
0.4
1.6
7.2
3.8
7.4
41.2
1.6
47.6
4.4
79.4
8.2
0.8
0.2
0.2
0.8
0.2
0.4
18.8
2.4
12.2
10
9.6
0.2
12.2
1.2
1
5.8
2
15.8
2.8
4.2
0.2
3.8
15
7.8
9.2
64.4
2
58.6
8.2
107.2
10.6
0.6
0.2
0
2.4
0.6
0.6
11.4
1.2
10.4
15
10
0.2
14.6
1.8
2
7
0.6
13.2
2
2.8
0.4
3.2
17.4
5
7.6
56.8
3.6
56.6
4.4
85.4
13.4
1.4
1.6
0
1.8
0.6
0.8
8.6
0.6
5.2
3.6
6.4
0.4
9.8
1
0.8
4.4
0.2
9.2
1
2.2
0
3
3.8
3.6
4.2
33.6
3.6
35.6
2.6
49.8
7
1
0.4
0
0.4
1.6
3.2
55.6
7.4
44.4
41.8
38.4
1.4
56
5.8
6.6
20.4
4
61.6
8
12.6
1
13.6
51.4
24
35.2
236.6
12.4
231.4
22.4
391.6
45.2
4.2
2.6
0.2
7
78
Önce her ilçenin kanser sayıları yaş gruplarına göre toplanarak ortalamaları
alınmıştır. İlçelerin 5 yıllık ortalama nüfuslarını da herbir satıra ekleyerek haritalanacak
kanser sayısını Formül (3.3) ve Formül (3.4) kullanılarak yaş düzeltilmesi yapılmış
kanser hasta sayısı elde edilmiştir (Çizelge 4.24).
Çizelge 4.24. Standardize edilmiş nüfusla İnsidans
Şekil 4.26. düzeltilmiş yaş oranları haritası
79
Yaş düzeltilmesi yapıldıktan sonra, hastalık oran dağılımı merkez ilçelerde,
Bozkır, Akşehir ve Ereğli ilçelerinde yoğunluk göstermektedir (Şekil 4.26).
4.5.4 Baz istasyonu analiz sonuçları
Literatürlerden edinilen bilgilerin ışığında kanser, manyetik alan ilişkisinin
varlığından söz edilmektedir. Derived
Bu amaçla,
her ilçedeki baz istasyon sayısı dağılımı
Stimulus Configuration
haritalandırılmış, istatistiksel olarak da insidansla ilgisi analiz edilmiştir.
Euclidean distance model
0,3
VAR7
VAR23
VAR24
0,2
VAR31
Dimension 2
VAR5
0,1
VAR4
VAR16
VAR22
VAR11
VAR28
VAR18
VAR10
0,0
VAR14
VAR8
VAR17
VAR27
VAR6
-0,1
VAR26
VAR2
VAR1
VAR15
VAR12
VAR25
VAR20
VAR21
VAR30
VAR13
VAR29
VAR9
VAR19
VAR3
-0,2
-6
-5
-4
-3
-2
-1
0
1
Dimension 1
Şekil 4.27. Baz istasyon sayıları
Şekil 4.27’deki grafikte, bölgeler baz istasyonu ile kanser sayılarına göre 2
boyutlu düzlemde gösterilmiştir. Elde edilen sonuç doğrultusunda Var24 (Karatay) ve
Var22 (Meram) bir grupta, Var26(selçuklu) ‘nın bu ilçelerden ayrı gruplandığını, Var7
(Cihanbeyli), Var23(Kulu), Var5(Beyşehir) ve Var31(Yunak) ‘ın ayrı gruplandığını,
diğer ilçelerin de kendi içinde bir gruplama olduğu (tabi buraya kadar bahsettiğimiz
diğer ilçeler kadar belirgin değil) görülmektedir.
Her bir yıl için baz istasyonu sayısı ile toplam, kadın ve erkek insidansları
incelenmiştir.
Çizelge 4.25. Baz istasyonu- insidans değişim oranları
2005
Baz ist.
2006
Baz ist.
2007
Baz ist.
2008
Baz ist.
2009
Baz ist.
Toplam ins.
r=0, 235
p=0, 219
Toplam ins.
r=0, 358
p=0, 062
Toplam ins.
r=0, 455*
p=0, 010
Toplam ins.
r=0, 552*
p=0, 001
Toplam ins.
r=0, 609*
p=0, 001
Kadın ins.
r=0, 106
p=0, 598
Kadın ins.
r=0, 290
p=0, 150
Kadın ins.
r=0, 389
p=0, 055
Kadın ins.
r=0, 448*
p=0, 017
Kadın ins.
r=0, 561*
p=0, 003
Erkek ins.
r=0, 030
p=0, 881
Erkek ins.
r=-0, 012
p=0, 953
Erkek ins.
r= 0, 220
p=0, 242
Erkek ins.
r= 0, 318
p=0, 086
Erkek ins.
r= 0, 464*
p=0, 011
80
Çizelge 4.25’te görüldüğü üzere, 2005 ve 2006 yılları için baz istasyonları ile
kanser vakaları arasında istatistiksel olarak bir ilişki saptanmamıştır.
2007 yılı verilerine bakıldığında. toplam insidans ile baz istasyonu arasında
istatistiksel olarak anlamlı bir ilişki vardır. Aralarında pozitif yönde orta derecede bir
korelasyon mevcuttur (r=0, 455; p=0, 010).
2008 yılı verilerine bakıldığında, toplam insidans ve kadın insidansı ile baz
istasyonu arasında istatistiksel olarak anlamlı bir ilişkiden söz etmek mümkündür.
Bakıldığında ilişkinin kuvveti 2007’ye göre biraz daha fazladır. Aralarında pozitif
yönde orta derecede bir korelasyon bulunmuştur.
2009 yılı verilerine bakıldığında ise, toplam insidans, kadın insidans ve erkek
insidans oranları ile baz istasyonu ilişkilidir. 3 insidans değeri de baz istasyonu ile orta
derece pozitif korelasyona sahiptir. Yine ilişkinin şiddetini incelediğimizde 2009
yılındaki ilişkilerin bir önceki yıla göre daha şiddetli olduğu görülmektedir. Bu da
yıllara göre insidans artışının anlamlı olduğu sonucunu destekler bir sonuçtur.
2009 yılı için toplam insidansa bakıldığında r=0, 609 olduğundan R2=0, 370 elde
edilir., 2009 yılına ait kanser insidansının %37’sini baz istasyonları ile açıklanabilir. Bu
durumun normal olduğu düşünülmüştür.
Şekil 4.28. Baz İstasyonu Tematik haritası
Şekil 4.28’de görüldüğü üzere nüfusu yoğun büyük ilçelerde istasyon sayısı daha
fazladır. Kanser sadece baz istasyonlarından kaynaklanmaz, pek çok dış etmenden de
81
etkilenir. Ama tüm bunlardan daha çok aile öyküsü ve genetik yapı ile de alakalıdır.
Ülkemizdeki gsm teknolojisinin geçmişine bakarsak 15 yıllık bir geçmişi olduğunu
görürüz. Tıpta bu süre dış etkenlerin kansere etkilerini görmek için çok kısadır.
Aşağıdaki haritada, baz istasyonlarının ilçelere göre yoğunluğu gösterilmiştir.
4.5.5 Örtüşme analizleri sonuçları
Pek çok değişkenle oluşturulan, haritalar, mekânsal analizle irdelenmiştir. İlk
olarak arazi kullanımı ve nikel kirliliği haritaları üst üste çakıştırılarak incelenmiştir.
Şekil de gösterilmektedir.
Şekil 4.29: Toprak Kirliliği ve Arazi Kullanım Haritası
Harita incelendiğinde, nikel kirliliğinin, çoğunlukla sulanmayan ekilebilir
alanlarda mevcut olduğu gözlemlenmektedir. Yine şekildeki haritayı incelediğimizde,
baz istasyonlarının da sulanmayan ekilebilir alanlarda yoğunluk teşkil ettiği
görülmektedir.
82
Şekil 4.30. Baz İstasyonu ve Arazi Kullanım Tematik haritası
Şekil 4.30’daki harita incelendiğinde, baz istasyonlarının genellikle meralar
üzerinde yerleştiği görülmektedir.
Şekil 4.31. Arazi Kullanımı- Toprak Kirliliği- Baz İstasyonu Tematik haritası
83
Her üç değişkenin üst üste çakıştırılması analizi ile elde edilen, harita Şekil 4.31’
de gözlenmektedir. Bu haritaya göre, baz istasyon sayılarının merkez ilçelerde yoğunluk
gösterdiği, baz istasyonlarının, arazi örtü sınıfındaki dağılımında önemli bir durumun
dikkati çekmediği ve nikel kirlilik oranlarının büyük çoğunlukla sulanmayan ekilebilir
alanlarda var olduğu dikkat çekmiştir.
Şekil 4.32. Arazi Kullanımı-İnsidans haritası
Arazi kullanım haritası ile 2005 yılı insidans oranı örtüşme analizi ile
izlendiğinde, insidansın yüksek görüldüğü yerlerin çoğunlukla mera arazileri üzerinde
olduğu görülmüştür (Şekil4.32).
Şekil 4.33. Sulanmayan Ekilebilir Alanlar-İnsidans haritası
84
Bir diğer analizde ise her bir arazi sınıfı seçilerek insidans oranları ile
örtüşmeleri incelenmiştir (Şekil 4.33).
Şekil 4.34’te resmedilen haritada, sulanmayan ekilebilir arazi sınıfındaki
insidans oranları gözlenmektedir. Buna göre yine komşu ilçelerdeki benzeşmeler dikkat
çekmektedir.
Şekil 4.34. Bitki Değişim Alanları-İnsidans haritası
Bitki değişim alanları ile insidans oranları örtüşme analizinde dikkat çekici bir
farklılık gözlemlenmemiştir. Bitki değişim alanlarının çoğunlukla ilçenin batı kısmında
yer teşkil ettiğini ve komşu ilçelerde benzeşmeler olduğu görülmektedir. Ancak kanser
insidans oranlarında benzeşmesi görülmemektedir.
85
Şekil 4.35. Güneşlenme Şiddeti-Cilt Kanseri Haritası
Şekil 4.35’te gösterilen Güneşlenme haritası ile cilt kanserli vakalar örtüşme
analizini gösterir harita incelendiğinde, merkez ilçelerde hasta sayısının yüksek ancak
güneşlenme şiddetinin ortalama olduğu görülmektedir. Bu da güneşlenme şiddetinin cilt
kanserleri üzerinde etkinliğinin bu haritada aktif olmadığını göstermektedir.
Şekil 4.36. Solunum sistemi Kanserleri 2005-Toprak Kirliliği haritası
86
Şekil 4.36 verilen harita incelendiğinde, Derebucak, Beyşehir ve Yalıhüyük
ilçelerinde, toprak kirliliği ile 2005 yılı solunum sistemi kanserlerinin yoğunluk
göstermesi dikkat çekmektedir.
Şekil 4.37. 2005 İnsidans-Toprak Kirliliği haritası
Şekil 4.37’deki harita incelendiğinde, ilin batı kesimlerinde Akşehir ve Tuzlukçu
ilçeleri, doğuda Ereğli ilçesinde kuzeyde Akören, Hadim, Güneysınır ilçeleri toprak
kirliliği ile 2005 yılı insidans oranlarının yoğunluk göstermesi dikkat çekmektedir.
4.6 Mekânsal İstatistik
Mekansal İstatistikle Satscan programında komşuluk analizleri irdelenmiş,
Geoda programıyla görselleştirilmiştir.
Mekansal İstatistikle hastalıkların dağılımlarındaki benzerliğin varlığını ölçmek
için kullanılan mekansal otokorelasyon yaklaşımı, ilçe merkezi coğrafi koordinatları
seçilmiştir. Buna göre her ilçenin merkezi enlem ve boylamından ağırlık matrisleri
oluşturularak ilçeler arası mesafeler ölçülmüştür.
Otokorelasyon testlerinde oluşturulan hipotezler genellikle şu şekildedir;
H0: Bir olgunun varlığı başka olguların lokasyonlarından bağımsızdır.
HA: Bir olgunun varlığı başka olguların lokasyonlarına bağlıdır.
87
Oluşturulan hipotezin doğruluğu mekansal istatistikte kullanılan testlerle
irdelenmiştir. Mekansal otokorelasyonu ölçen global indeksler Moran I ve Geary C
uygun yazılımlarla kullanılmıştır.
Ayrıca veriler Spss yazılımı, Lisa Testi, ArcGIS ile de incelenmiştir.
4.6.1 GeoDa Yazılımı ile Moran I Testi
Formülde verilen Moran I indeksin alacağı değer, korelâsyonun varlığını ortaya
koymaktadır.
(4.1).
I >O pozitif mekânsal otokorelasyon
I<O negatif mekânsal otokorelasyon mevcuttur denilebilir.
n: bölge sayısı ----------- N:31
X i: i. bölgedeki oran ---------X1:Ahırlı İlçesi Kanser Vakası/Ahırlı Nüfusu
X j: j. bölgedeki oran---------- X j Örn Bozkır İlçesi Kanser Vakası/Bozkır Nüfusu
W ij: bölge i ve bölge j arasındaki bağlantının gücünü gösteren ağırlık matrisi
Wİ: İlçe merkez koordinatlarının oluşturmuş olduğu uzaklık matrisi
88
Çizelge 4.26. İlçe merkez koordinatları
Çizelge 4.26’da kullanılan ağırlık matrisi için, ilçe merkezi coğrafi
koordinatlarının değerleri görülmektedir. Bu değerler kullanılarak uzaklık matrisleri
oluşturulmuştur.
Şekil 4.38. Moran I Değeri
89
Çıkan bu değer, ilçeler arasında benzerlik olduğunu göstermektedir. Grafiğin
[+.+] ve [-, -] olduğu noktalar komşularıyla benzerlik gösteren ilçelerin varlığını ifade
etmektedir. Şekil 4.38’de, I indeks değeri pozitif çıktığından, mekansal otokorelasyon
mevcuttur diyebilmekteyiz.
Elde edilen sonuçlar GeoDa yazılımı kullanılarak harita oluşturulmuştur.
Oluşturulan harita, Şekil 4.39’da gösterilmiştir.
Şekil 4.39. Komşusuyla benzerlik gösteren ilçeler
Şekil 4.39’daki harita 2005 yılı kanser durumlarına göre irdelenmiştir. Bu
duruma göre Meram, Selçuklu, Karatay ve Çumra ilçelerinde pozitif otokorelasyondan
bahsedilmektedir. Bu istatistikler her yıl için elde edilmiş ve eklerde sunulmuştur.
Moran I’nın istatistiksel anlamlılığı, standartlaştırılmış normal dağılım istatistiği
z ile değerlendirilmiştir. Burada z değeri,
(4.2).
ile hesaplanmıştır. Formül 4.2’de,
z değeri pozitif ise: olgular benzer olmaya eğilimli (kümelenme olabilir).
z değeri negatif ise: olgular ayrık olmaya eğilimli (kümelenme olmayabilir).
90
z değeri yaklaşık 0 ise: olgular mekân üzerine rastgele dizilmişlerdir seklinde
yorumlanmıştır.
Şekil 4.40. Z Değeri hesaplanması
91
Z değeri pozitif çıkmıştır (Şekil4.40). Bu sonuç 2005 yılı kanser vakalarındaki
mekansal dağılımında kümelenmenin, benzer olmaya eğilimli sonucunu doğurur.
4.6.2 Global Geary C yöntemi
Benzerlik gösteren ilçeler kümesi incelendiğinde, beklenen değerleri ve gerçek
değerleri karşılaştırılmıştır (Şekil 4.41).
Şekil 4.41. Geary C Değeri hesaplanması
Örneğin, Bozkır ilçesi ele alındığında vaka sayısı nüfusuna ve komşu ilçelerine göre 7,
7 beklenirken, 135 olarak görülmektedir. Burada risk değişkenleri etkenliği araştırılmıştır.
Şekil 4.42. Benzerlik gösteren ilçeler kümesi
Şekil 4.42 incelendiğinde Selçuklu, Karatay ilçelerinde beklenen ve
gözlemlenen vaka sayıları benzerlik göstermektedir. Aynı zamanda bu ilçeler
birbirlerine komşu ilçeler olduğundan, bu benzerlik aykırı gelmemektedir.
92
4.6.3 Genel G(d) istatistiği
G istatistiği mekânsal alanda yüksek değerlerin (olguların) mi yoksa düşük
değerlerinin mi kümelendiğinin tespitinde kullanılmasıdır. Genel G istatistiği, kritik
uzaklıklar içine düsen genel mekânsal birliktelik değerlerinin çarpımsal ölçüsünü veren
bir istatistiktir.
Elde edilen sonuçlarla, GeoDa yazılımı kullanılarak harita oluşturulmuştur.
Oluşturulan harita, Şekil 4.43’te gösterilmiştir.
Şekil 4.43. Benzerlik gösteren ilçeler kümesi
Haritaya göre, benzerlik gösteren ve vaka sayısının yüksek beklendiği
Büyükşehir İlçeleri görülmektedir. Farklı olarak Halkapınar ilçesinde düşük olguların
varlığı kümelenmiştir.
93
Şekil 4.44. Yüksek ve düşük değerlerin olduğu ilçeler
Şekildeki haritada ise Bozkır ilçesinde düşük olgu kümesi beklenirken yüksek
olgu kümelenmesi dikkat çekmektedir (Şekil 4.44)
4.6.4 LISA testi ve sonuçları
LISA testi ile oluşturulan haritaya göre yine Bozkır ilçesinde yüksek insidans
oranın
varlığı
gözlemlenmiştir.
Büyükşehir
ilçelerinde,
birbirine
benzerlik
görülmektedir. Düşük oranlardaki insidans değerleri, ilin doğu bölgesinde benzerlik
göstermiştir.
Şekil 4.45. Benzerlik gösteren ilçeler kümesi
94
GeoDA programında oluşturulan haritaya göre, ilin batısı ve güneyinde artan bir
oran saptanmıştır (Şekil 4.45)
4.6.5 Mekansal analiz sonuçlarının irdelenmesi
Hatasız bir test yapılması mümkün olmayacağından tüm çalışmalarda olduğu
gibi kümelenme çalışmalarında da bir miktar yanılma riski vardır. Bu yanılma riski (a)
çalışmadan istenen güven düzeyi ile ilişkili olup bu çalışmada (a) = 0.05 alınmıştır. Bir
testin güven düzeyi 1−a olup bu çalışmada yapılan uygulamalarda güven düzeyi 0.95
olarak alınmıştır. %95 güven düzeyi için z a = 1.96 ve za= - 1.96 ‘ya eşit olup test
sonuçları bu değerlerle karsılaştırılıp sıfır veya alternatif hipotezin kabullenebilirliliği
hakkında neticeye varılmıştır.
Şekil 4.46. Z değeri çizelgesi
Moran I, kümelenen değerlerin yüksek mi ya da düşük değerler mi olduğu
hakkında bilgi vermez. Uygulamada yüksek mi ya da düşük mü olan değerlerin
kümelenmesi hakkında bir fikir sahibi olabilmemiz için Getis-Ord General G yöntemi
kullanılmıştır. Bu yöntem daha çok High/low clustering adı altında geçmekte olup
çalışma alanında ne tür değerlerin kümelendiği yani sıcak nokta veya soğuk noktalarının
bölgede bulunup bulunmadığı hakkında araştırmacıya bilgi verir. Moran I yönteminde
olduğu gibi bu yöntemde de test istatistik değeri ile z değeri hesaplanmıştır (Şekil 4.46).
95
Şekil 4.46’da görüldüğü gibi hesaplanan Z değeri, Za değerinden (1.96) büyük
ise yüksek değerlerin bölgede en fazla %5 yanılma olasılığı ile kümelenmiş olduğunu
ve aynı şekilde hesaplamalar sonucu elde edilen Z değeri, Za değerinden küçük ise (1.96) düşük değerlerin bölgede en fazla %5 yanılma olasılığı ile kümelenmiş olduğunu
kabul edilir. Diğer bir ihtimal ise z değerinin 0 değerine yakın olması durumudur, o
zaman da olguların bölge içerisinde rastgele dağıldığını anlamlı bir kümenin mevcut
olmadığını kabul edilir.
Burada Z değeri Meram İlçesi için 0’a yakın çıkmıştır. Bölge içerisinde olgunun
varlığı rastgele dağılım göstermektedir.
4.7 Kanser Dağılımı Mekansal Kümeleme Analizleri
4.7.1 SPSS ile kümeleme
Çalışma bölgesi için mevcut veriler, SPSS yazılımı kullanılarak regrasyon
analizi ile irdelenmiştir.(Çizelge 4.27, Çizelge 4.28, Çizelge 4.29) Analiz için,
● Kansere etki eden çevresel faktörler her ilçe için tespit edilememiş,
● Eldeki tüm değişkenlerin dolu olduğu ilçe sayısı 14-8’ olarak belirlenmiştir.
Çizelge 4.27. SPSS Veri Girişi
Çizelge 4.27 Spss yazılımı veri girişini vermektedir. Bağımsız değişken olarak,
ortalama basınç ve güneşlenme süresi seçildiğinde, bağımlı değişken olan kanser vaka
sayısına etken dereceleri, regrasyon analizi uygulaması sonucu Çizelge 4.28
görülmektedir.
96
Çizelge 4.28. Değişkenlerin Hasta Sayısında Etken Dereceleri
Çizelge 4.28’ e göre elde edilen regrasyon denklemi;
Hasta Sayısı= 0, 748Baz İstasyon Sayısı+0, 103Güneşlenme Saati+0, 115 Ortalama Basınç
(4.3)
Denklem 4.3’te, oluşan modelde, baz istasyon sayısı ile hasta sayısı arasında
kuvvetli bir ilişkiden söz edilebilir. Ancak, güneşlenme saati ve ortalama basınç
değerlerinin etken dereceleri çok düşük olduğundan, hasta sayısı ile ilişki varlığından
söz edilemez.
97
Çizelge 4.29. Değişkenlerin İnsidans OranındaEtken Dereceleri
Çizelge 4.29’da oluşturulan Regrasyon analizi incelendiğinde, R2= 0.604 olarak
görülmektedir. Bu değer yükseldikçe analizin doğruluğu kanıtlanmaktadır.
98
Çizelge 4.30. Değişkenlerin İnsidans OranındaEtken Dereceleri
Bağımsız değişkenler olarak, güneşlenme saati, ortalama basınç, baz istasyon
sayısı, nüfus ve hasta sayısı ele alınmıştır. Her bir değişkenin insidans oranınındaki etki
derecesi aşağıdaki denklem (4.4)’teki, modelde formülüze edilmiştir.
İnsidans oranı= 0, 307Bazİstasyon Sayısı+0, 082 Güneşlenme Saati+0, 409Ortalama Basınç-0,
001 Nüfus+1, 291 Hasta Sayısı
(4.4)
Şeklinde elde edilmiştir.
99
Çizelge 4.31. Nikel Değeri ile etken dereceleri:
Çizelge 4.31’de görüldüğü gibi, oluşturulan modelde, regrasyon analizine nikel
değeri eklenerek inceleme yapılmıştır. Nikel değerinin 0, 030 olduğu çizelgeda
görülmektedir. Bu durumda insidans oranında nikel değerinin etken olmadığını ortaya
koymaktadır.
100
Çizelge 4.32. 2009 vakaları kümeleme
Herbir hastalık türü ile SPSS ile yapılan kümeleme analizinde, ilçeler kanser
türlerine göre 4 kümeye bölünmüştür. Çizelge 4.32 incelendiğinde, Meram ilçesinin tek
başına bir küme oluşturduğunu, Selçuklu ve Karatay ilçelerinin aynı kümede olduğunu,
Akşehir, Beyşehir, Cihanbeyli, Çumra, Ereğli, Ilgın, Karapınar, Kulu ve Seydişehir
ilçelerinin aynı kümede olduğunu ve diğer ilçelerin de birlikte küme oluşturduğunu
görmekteyiz.
Çizelge 4.33 incelendiğinde 1 nolu kümede 19 ilçe, 2 nolu kümede 1
ilçe(Selçuklu), 3 nolu kümede 2 ilçe(Meram ve Karatay) ve 4 nolu kümede 9 ilçe
olduğu görülmektedir.
101
Çizelge 4.33. İlçe Kümeleri
102
SPSS ile yapılan küme analizi sonuçları iki boyutlu görüntülenmiştir. Kümeler
Pearson uzaklık testi ile incelenerek dendogram oluşturulmuştur (Şekil 4.47)
Şekil 4.47. Küme Dendogram görüntüsü
Şekil 4.47 incelendiğinde, 2009 verileri %85 benzerlik oranında renkli gruplar
oluşturduğu görülmektedir. Örneğin 1 ve 17 nolu ilçeler aynı gruptadır.
103
Çizelge 4.34. SPSS küme Çizelgesi
Çizelge 4.34 incelendiğinde, kanser türleri, insidans oranları, baz istasyon sayısı,
hasta sayısı ve nüfuslar arasında birbirine benzerlik gösteren kümeler oluşturulmuştur.
4.7.2 SatScan ile kümeleme
Mekansal istatistikle Satscan programında komşuluk analizleri irdelenmiş,
GeoDA programıyla görselleştirilmiştir.
Şekil 4.48. Verilerin Sisteme Girişi
104
Şekil 4.48’deki her bir ilçe, kodlarıyla, oransal ortalama nüfuslarıyla ve 20052009 vaka sayıları ile şekilde görüldüğü üzere, programa aktarılmıştır.
Şekil 4.49. Satscan Analizi
Şekil 4.49’da görüldüğü üzere, seçilen istatistik Poisson istatistiğidir. Alansal
verilerde bu istatistik türünün daha doğru sonuçlar verildiği saptanmıştır.
İleri analiz özellikleri ile, Nüfus oranlaması yaplarak, yazılımda kullanılmak
üzere toplam nüfusun %50 sinin altı çıkartıldı.
Çizelge 4.35 incelendiğinde, satscan ile 4 küme oluştuğu gözlenmektedir.
Birinci küme, Bozkır ilçesi, ikinci küme, Akşehir, Tuzlukçu, Doğanhisar, Ilgın, Hüyük,
Yunak, Derbent, Kadınhanı, Beyşehir, Çeltik, Sarayönü, Selçuklu, Derebucak ilçeleri,
üçüncü küme, Cihanbeyli ilçesi ve dördüncü kümeyi de Çumra ilçesi oluşturmaktadır.
Yine kümelenmeden de anlaşılacağı üzere, ilin batı kısımlarında benzerliklerden
bahsetmek mümkündür.
105
Çizelge 4.35. Satscan ile oluşan Küme
4.7.3 ArcGis ile kümeleme
Kanser vakası üzerinden Arcgis ile kümeleme yapıldığında, Z değerinin negatif
olduğunu Şekil 4.50’de görmekteyiz. Negatif değerin anlamı olguların ayrık olduğu
şeklindedir.
106
Şekil 4.50. Arcgis ile Kümeleme
z değeri pozitif ise: olgular benzer
z değeri negatif ise: olgular ayrık
z değeri yaklaşık 0 ise: olgular mekân üzerine rastgele dizilmişlerdir
Şekil 4.51. Herbir ilçenin” Z”değeri
Şekil 4.51’de görüldüğü üzere Halkapınar, Ereğli ilçesi Z değerleri 0’a yakındır.
Bu durumda, olguların mekân üzerinde rastgele dizildiklerinde bahsetmek mümkündür.
Tuzlukçu, Ilgın, Kadınhanı, Doğanhisar, Hüyük, Beyşehir gibi ilçelerin Z değeri
pozitiftir. Bu durumda Satscan ile yapılan kümelemedekine benzer sonuçlar
görülmektedir. Pozitif değer, olguların benzer olduğunu göstermektedir.
107
5. TARTIŞMA
Bu tezde, çağımızın en ölümcül hastalıklarından biri olan “kanser hastalığı”nın
çevresel nedenlerini
● İzlemek,
● Çözümlemek,
● Kontrol etmek ve/ veya azaltmak amacı
ile yapılan kapsamlı bir çalışma yapmak hedeflenmiştir.
CBS yardımı ile Konya merkez ilçe ve ilçelerini kapsayan bölge için, kanser
hastalığını baz alan epidemiyolojik çalışma yapılmıştır.
Bu çalışmada 31 ilçesi bulunan Konya İlindeki kanser vakalarının sayısı, ilçe
nüfuslarındaki oranlarıyla (İnsidans) incelenerek mekân ve hastalık ilişkisi Coğrafi Bilgi
Sisteminden (CBS) faydalanarak haritalarla görselleştirilmiştir.
2005–2009 yılları arası Konya iline ait kanser vakalarının mekânsal ve zamansal
olarak dağılımı incelenmiş ve çevresel faktörlerin etkisi incelenmiştir. İlin jeoloji
haritası, arazi kullanım haritası, topografik eş yükseklik haritası, güneşlenme şiddeti
haritası, baz istasyon dağılımı haritası ve maden haritaları altlık olarak kullanılarak
kanserin mekânla ilişkisi araştırılmıştır. Kanser hastalarının yaşı, cinsiyeti, eğitimi,
mesleği ve kan bağı gibi beşeri bilgileri birbirleriyle ve mekânla olan ilişkileri
istatistiksel olarak incelenmiştir.
Konya ili kanser kayıtları veri tabanına aktarılmadan önce, düzenlemeye
sokulmuştur. Elde edilen veriler hastanın yaşı, cinsiyeti, mesleği, kan bağı, kanser türü
adresi ve doğum yeri şeklinde sekiz başlıkta listeler haline getirilmiştir. Elde edilen
toplam 7298 kanserli vakanın 4284 adeti erkek hasta, 3014 adeti ise kadın hasta olarak
tespit edilmiştir. Kanser türleri Cilt, Endokrin Sistem, Hematolojik Sistem, Kas İskelet
Sistemi, Meme, Sindirim Sistemi, Sinir Sistemi, Solunum Sistemi ve Ürogenital sistem
kanserleri olarak 9 gruba ayrılmıştır.
Çalışmanın yapılacağı bölge olan Konya merkez ve ilçelerinin coğrafi durumu
incelenerek iklimi, çevresi ve ilçe özellikleri hakkında bilgi edinilmiştir. İlçelerde
bulunan hastalığa etki edebileceği düşünülen tesisler araştırılmıştır.
2005–2009 yılları arası vaka sayılarının, her yılki nüfustaki oranları araştırılarak
karakteristikler tespit edilmiştir.
2005 yılı nüfusu Türkiye 2000 yılı genel nüfus sayımına göre alınmış, takip eden
yıllarda ise Adrese Dayalı Nüfusu Kayıt Sistemine (ADNKS) göre tespit edilen nüfus
108
ile orantılanmıştır. Her bir oran her ilçe içinde kadın ve erkek vakalarda ayrı ayrı
oluşturulmuştur.
Mekânsal olarak ilin Topografik haritası, arazi kullanım haritası, maden haritası,
toprak kirliliği haritası ve güneşlenme şiddeti haritaları oluşturulmuş, Kanser kayıtları
veri tabanı ilişkilendirilmiştir. Kanser vakalarının dağılışında hastaların hastaneye beyan
ettikleri adresler dikkate alınarak, bu adresler kullanılarak mekânsal konumlandırma
yapılmıştır.
Çalışmada kanser hastalığı ıle elde edilen sonuçlar aşağıdaki şekilde
özetlenebilir.
● Her bir kanser türünün ayrı ayrı incelenmesi sonucunda, cilt, endokrin sistem,
meme, solunum sistemi ve ürogenital sistem kaynaklı kanserlerin kadın ve erkeklerde
görülme yüzdeleri farklılık göstermektedir. Cilt, endokrin sistem, meme kanserleri
kadınlarda, solunum ve ürogenital sistem hastalıkları erkeklerde daha fazla
gözükmektedir. Kısacası cinsiyet bu kanser türleri için bir risk faktörüdür.
● Konya ilinde, ürogenital sistemi kanseri ilk sırada gelmektedir. 7298 kayıtın
1840 tanesi ürogenital sistemi kanserli hastadan oluşmaktadır. Selçuklu ve Bozkır
ilçelerinde sıklıkla rastlanmaktadır. Bozkır ilçesinde genç nüfusun büyük kentlere göç
etmesi nedeniyle, ilçe nüfusunun yaş ortalamasının büyük olduğu görülmektedir.
Ürogenital sistem kanseri genel olarak yaş ortalaması yüksek olan kişilerde görülen bir
kanser türüdür.
● İncelemeler sonucu tespit edilen kanser türlerinden sindirim sistemi kanserleri
1489 kişide tespit edilmiştir. Sindirim sistemi kanserini arttırıcı faktör olarak bilinen
yeme alışkanlığı, tüketilen gıdalar gözden geçirilmelidir. Çoğunlukla Selçuklu ilçesinde
rastlanmıştır. Selçuklu ilçesinde üretilen gıda kontrollerinin sık sık yapılması
gerekmektedir.
● Solunum sistemi kanseri 1302 vakada tespit edilmiştir. Sıklıkla Karatay ve
Ereğli ilçelerinde görülmektedir. Ancak nüfusa oranlarsak Hüyük ilçesi yüksek bir
orana sahip olmaktadır. Karatay ilçesi küçük sanayi ve turizm bölgesidir. İlçede, akciğer
kanseri riski faktörlerinden olan sanayi atıkların olabileceği büyük sanayi tesisleri
mevcut değildir. Bu oranın yüksek olması kişililerin beslenme alışkanlıklarına
bağlanabilir. Ereğli ilçesinde ise topraktaki kansere direkt etkisi ispatlanmış asbest oranı
oldukça yüksek bulunmaktadır. Özellikle civar köylerde tarımcılık ve hayvancılıkla
uğraşan kişilerin bu hastalığa daha çabuk yakalanma riskinin yüksek olduğunu fark
ediyoruz. Hüyük ilçesinde göze çarpıcı bir etken olmamakla birlikte yine kişinin
109
beslenme alışkanlığına bağlayabiliriz. Tütün tüketiminin erkeklerde kadınlara oranla
daha fazla olması hastalığı arttıran etkenlerdendir. Kayıtlarımızda 1302 vakanın
1096’sının erkek vaka olduğu gözlemlenmiştir. Kadın vakası ise sadece 206 adettir.
Genel istatistiğe bakıldığında erkeklerde tütün kullanım alışkanlığının kadınlara göre
daha fazla olduğu ve tütün kullanımının bu tür kanserlerde risk faktörü olduğu
bilindiğinden, bu sonuç şaşırtıcı çıkmamaktadır. Hava kirliliğini de göz önüne alırsak
yine merkez ilçelerde sıklıkla görülmesi muhtemeldir. Ancak Konya hava kirliliği
ölçümü gün geçtikçe aza inmektedir. Doğal gaz kullanımına yönelmek ivedi şekilde
devam etmelidir.
● 7298 kaydın 962 tanesi cilt kanseri hastasından oluşmaktadır. Yoğun olarak
görülen ilçeler Selçuklu, Karatay, Meram ve Bozkır’dır. Selçuklu ilçesi Konya ilinin
sanayi merkezi sayılabilir. Ancak cilt kanserine sanayi atıklarının bir etkisi olduğu
bilinmemektedir. Cilt kanseri riski faktörleri, güneş ışınlarına maruz kalmak olarak
söylenebilir. İklim olarak Konya ili karasal yapıdadır. Bu da yaz mevsimlerinin kurak
geçmesi anlamına gelmektedir. Kayıtlarımız nisan ve eylül ayları arası tespit edilen
kayıtlardır. Bu da yaz döneminde bu kanser türünün tespitine neden olmaktadır diye
düşünülebilinir. Bozkır ilçesinde ise halk, tarıma elverişli arazi sayısının az olmasından
dolayı genel olarak okumaya yönlendirilmiştir. Buradaki nüfusa oranla sayının fazla
olması bir nedene bağlanamamaktadır.
● Hematolojik sistemi kanser hastaları kaydı 613 adettir. Genel olarak yaş
ortalaması küçük hastalar tespit edilmiştir. Yine nüfusla doğru orantılı olarak artış
Selçuklu ve Meram ilçelerinde görülmektedir.
● Meme kanseri büyük çoğunlukla kadın hastalarda görülen bir kanser türüdür.
Kayıtlarımızın 586 adetini oluşturmaktadır. Genel olarak 50 yaş üstü kadınlarda tespit
edilmiştir. Yoğunluk olarak Meram ilçesinde rastlanmıştır. Kanser riskini artıracak
faktörler konusunda değinilen ekonomik gelir düzeyi yüksek aile kadınlarında görülme
sıklığının fazla olması, Meram ilçesinde genel olarak yüksek gelirli kesimin
bulunmasıyla bağdaştırılabilinir.
● Sinir sistemi kanseri kayıtları 167 adettir. Kas-İskelet sistemi kanseri kayıtları
ise 123 adettir. Bu sayılar diğer kanser türleriyle kıyas edilirse oldukça düşüktür.
Hastalığı tetikleyen nedenler hava kirliliği, gürültü kirliliği gibi etkenlerdir. Özellikle
yoğun trafiğin yaşandığı merkez ilçelerde sıklıkla rastlanması kaçınılmazdır.
110
● Endokrin sistemi kanser hastaları kaydı 216 adettir. Selçuklu ve meram
ilçesinde sıklıkla tespit edilmiştir. Troid ve Mediasten kanser türleri bu sisteme dahil
edilmiştir. Neden-sonuç ilişkisi yapılamamıştır.
● Aynı zamanda yapılan analizlerde kan bağının olmaması dikkat çekmektedir.
Bu hastalığın bir kez daha genetik etkenlerden sadece %15 etkilendiğini görülmüştür.
● Vakaların çoğunluğunun eğitim durumu ilkokul seviyesinde, mesleki
durumları genellikle tarım ve hayvancılık olarak tespit edilmiştir.
Kanserin gelişimi ile ilgili değerlendirmeler ise istatistiksel metotlarla
irdelenmiştir. Çalışmanın öznitelik verileri istatistiksel analizlerinde SPSS 13.0,
EpiInfo7 ve Minitab 14.0 paket programları kullanılmıştır. Çalışmada farklı istatistiki
testler uygulanmış, benzer sonuçlara ulaşılmıştır. Yapılan mekansal istatistlik ve analiz
sonuçları aşağıdaki şekilde özetlenebilir.
● Baz istasyon sayılarının ilçelere göre dağılımını belirten tematik haritayla
kanser vaka sayıları karşılaştırılmıştır. 2009 yılı için toplam insidansa baktığımızda r=0,
609 olduğunda R2=0, 370 elde ederiz bu da demektir, 2009 yılına ait kanser insidansının
%37’sini baz istasyonları ile açıklayabiliriz. Bu durumun normal olduğu düşünülmüştür.
Çünkü kanser sadece baz istasyonlarından kaynaklanmaz, pek çok dış etmenden de
etkilenir. Ama tüm bunlardan daha çok aile öyküsü ve genetik yapı ile de alakalıdır.
Ülkemizdeki gsm teknolojisinin geçmişine bakarsak 15 yıllık bir geçmişi olduğunu
görürüz. Tıpta bu süre dış etkenlerin kansere etkilerini görmek için çok kısadır.
● 2005 ve 2006 yıllarında kadın insidans oranları ilin batı kısımlarında yoğunluk
göstermiştir. 2007-2009 yıllarında bu oran doğu kısımlarda batıya oranla yükselme
eğilimindedir. Kadın vakalarda, istikrarlı bir oran değişimi gözlemlenmiştir
● Erkek kanser vakalarındaki insidans oranları 2005-2006 yıllarında ilin batı
kısımlarında benzerlik göstererek yüksek oranda seyretmiştir. 2007-2008 yıllarında iç
kısımlarda ve doğuya yönelik oran artışları gözlemlenmiştir. 2009 yılında oran yine
komşu ilçelerde benzeşme göstererek seyretmiştir.
● Her iki cinsiyette, insidans değişimleri incelendiğinde, 2005 Yılında ilin
batıdan kuzeye doğru ilçelerinde kümelenmeden bahsedilir. Derebucak, Beyşehir,
Hüyük, Doğanhisar, ılgın, Kadınhanı ve Sarayönü ilçeleri insidans oranları birbirine
yakındır. Bozkır ilçesi, 2005 ve 2006 yıllarında yüksek insidans oranına sahipken bu
oran 2007, 2008 ve 2009 yıllarında oldukça düşük gözlemlenmektedir.
İdari bölünüşe göre kanser türlerindeki farklılıklar mekansal olarak komşuluk
ilişkileriyle analiz edilerek sonuçlar incelenmiştir. Birbirine komşu ilçelerde vaka
111
oranında, kanser türünde herhangi bir benzerliğin varlığı araştırılmıştır. Komşu ilçelerde
vakalarda kümelenmenin ya da kanser türlerinde benzerliğin durumları incelenerek
sonuçlar ortaya konmuştur.
● Komşu ilçelerdeki insidans oranlarının, kanser sayılarının, kanser türlerinin
benzerlikleri dikkat çekmiştir. Yapılan kümeleme analizlerinde de birbirine komşu
ilçelerin aynı kümede var olduğu görülmüştür. Her şey bir biriyle ilişkilidir. Yakın
şeyler birbirleriyle daha ilişkilidir, tezi burada doğrulanmaktadır.
● Arazi kullanım haritası ile 2005 yılı insidans oranı örtüşme analizi ile
izlendiğinde, insidansın yüksek görüldüğü yerlerin çoğunlukla mera arazileri üzerinde
olduğu görülmüştür.
● Baz istasyon sayılarının merkez ilçelerde yoğunluk gösterdiği, baz
istasyonlarının, arazi örtü sınıfındaki dağılımında önemli bir durumun dikkati
çekmediği ve nikel kirlilik oranlarının büyük çoğunlukla sulanmayan ekilebilir
alanlarda var olduğu dikkat çekmiştir.
● Güneşlenme haritası ile cilt kanserli vakalar örtüşme analizi ile izlendiğinde,
merkez ilçelerde hasta sayısının yüksek ancak güneşlenme şiddetinin ortalama olduğu
gözlemlenmektedir. Bu da güneşlenme şiddetinin cilt kanserleri üzerinde etkinliğinin bu
haritada aktif olmadığını göstermektedir.
● Arazi kullanım haritası ile insidans oranı örtüşme analizi ile izlendiğinde,
insidansın yüksek görüldüğü yerlerin çoğunlukla mera arazileri üzerinde olduğu
görülmüştür.
● Yükseklik haritası incelendiğinde, güney batı kesimlerinin yüksekliğinin daha
fazla olduğu gözlenmektedir. İnsidans oranlarıyla yükseklik haritası örtüşme analiziyle
incelendiğinde topografyanın yüksek olduğu bölgelerde hastalık oranlarında yüksek
oluşu dikkat çekmektedir.
● Kirlilik oranı yüksek noktalarda solunum sistemi kanserlerinin varlığı
araştırılmıştır. İlin batı ve güney batı kısımlarında, solunum sistemi kanserlerinin,
kirlilik oranı yüksek noktalarla, örtüştüğü gözlenmiştir.
112
5.1. Çalışmada Karşılaşılan Kısıtlar
Sağlık verilerinin düzgün bir veritabanı üzerinde tutulmamış olması, adres
bilgilerindeki eksiklikler çalışmanın kısıtlarındandır. Konya ilinde tutulan kanser
kayıtları adres verisi, idari sınırı, ilçe birimidir. Daha detaylı çalışmaların yapılabilmesi
kayıt adreslerinin mahalle hatta sokak bazında olabilmesi beklenmektedir. Çevresel
faktörler arasında sayılan hava kirliliği ve su kirliliği gibi etkenlerin her ilçe için detaylı
kayıtlarının tutulmaması, kapsamlı bir çalışmayı olumsuz olarak etkilemektedir.
Konya’da Hava Kalitesi izleme 2000-2006 yılları arasında Konya’nın 5 ayrı
bölgesinde kurulu bulunan İl Sağlık Müdürlüğü’ne ait 5 adet istasyonda 24 saatlik SO2
ve PM ölçümleri ile gerçekleşmiştir. İstasyonlar Aydınlıkevler, Mevlana, Nalçacı, Zafer
ve Meram Yaka’ da yer almaktadır. 2006 yılından itibaren Konya Büyükşehir
Belediyesi’nce biri Mevlana biri Selçuklu olmak üzere tam otomatik iki adet
istasyondan ve 2007 yılı itibari ile de İl Çevre ve Orman Müdürlüğü’ne ait biri
Horozluhan diğeri Meram bölgesinde kurulu bulunan iki adet istasyondan alınan
verilerle Konya’da hava kalitesi izlemesi devam etmektedir. Bu çalışmadaki diğer 29
ilçe hava kirliliği değerleri elde edilen 2 istasyon sonuçlarıyla değerlendirilmeye
alınamamaktadır.
Konya Büyükşehir Belediyesi 2006 yılı içerisinde teknik ve yönetsel
faaliyetlerin kolaylaştırılması, kentin etkin yönetimi ve karar-destek yapısının daha
güçlü duruma getirilmesi adına Kent Bilgi Sistemi’ne (KBS) geçişi çalışmalarına
başlamıştır. Verilerin toplanması aşamasında Konya kent bilgi sisteminde kullanılan
sayısal kent haritasından faydalanmak istenildiyse de bazı bürokratik sorunlar nedeniyle
haritalar elde edilememiştir. Kurumlardaki bürokratik engeller, aynı bölgenin
haritalarının aynı amaç doğrultusunda ihtiyaç olmasına rağmen tekrar tekrar
oluşturularak harcanan emek ve zaman kaybı çalışmada üzücü ve düşündürücü bir
kısıttır. Konya Büyükşehir Belediyesinden, Konya adına yapılacak faydalı bir çalışmaya
maalesef altlık olarak destek sağlanamamıştır. Oysaki örnek çalışmalardaki başarının
temeli bilginin paylaşımıyla artarak devam etmektedir. Gelişmiş ülkelerde var olan
kanserli hasta ve yakınlarına psikolojik destekli sivil toplum kuruluşları ülkemizde
örnek olarak aktif şekilde kullanılamamaktadır. Bu kuruluşlarda toplanan hastaya ait,
beslenme alışkanlığı, sigara alışkanlığı, mesleği, aile hikâyesi gibi kişisel bilgiler
ülkemizde eksikliği hissedilen sınırlı verilerdendir.
Kanser, “bildirimi zorunlu hastalıklar listesi”ne alınmış olmasına rağmen
ülkemizde gerçek kanser İnsidansı hiç bilinmemektedir. Ülkemizdeki düşüklüğün
113
göreceli nedenleri; nüfusun bazı gruplarının sağlık hizmetlerinden yararlanamaması,
bazı hastanelerin tanı olanaklarının kısıtlı olması, sosyo kültürel nedenlerle bazı
kişilerin sağlık kurumlarına gitmekten kaçınmaları, ülkemizde şüpheli olmayan
ölümlerden otopsi yapılmaması nedeniyle kansere bağlı ölümlerin az saptanması, kayıt,
arşiv ve dokümantasyon sistemlerindeki yetersizlik olarak sıralanabilir. Mutlak
düşüklüğün nedenleri ise; karsinojenlere maruziyetin daha az olması, diyet alışkanlıkları
ve genetik faktörler gibi araştırılması gereken konulardandır.
5.2 Epidemiyolojik Çalışmada Yol Haritası
Epidemiyolojik çalışmalarda, oluşturulacak yol haritasının, halk sağlığı alanına
katkı sağlayacağı umulmaktadır. Bu doğrultuda, sağlık hizmetlerine yeni bir vizyon
getirilebilecek ve disiplinler arası çalışmalarda yol gösterici olacaktır. Önerilen bir yol
haritası için işlem adımları aşağıda özetlenmektedir; (Çizelge 5.1).
Çizelge 5.1: Epidemiyolojik Çalışmada Yol Haritası
I.
AŞAMA
MEVCUT DURUM ANALİZİ
SORUNLAR
GEREKSİNİMLER
II.
AŞAMA
KURUM BELİRLEME
 Vizyon
 Misyon
 Amaç
YÖNETİCİ
KURUM
YARDIMCI
KURUMLAR
III.
AŞAMA
IV.
AŞAMA
V.
AŞAMA
VERİ
SETLERİNİN
BELİRLENMESİ
 Standartların
tespiti
 Toplama
yöntemleri
UYGULAMA
 Birlikte
çalışılabilirlik
 Süreklilik
sağlanması
 Örnek pilot
proje
uygulaması
DEĞERLENDİRME
 Sonuçların
İzlenmesi
 Öneri geliştirme
İLGİLİ PERSONEL
ÇALIŞMA GRUPLARI
Çizelgeden görüldüğü üzere, oluşturulacak yol haritası için yapılacaklar
özetlenirse,
● Mevcut durum analizi yapılarak, sorunlar ve gereksinimler tespit edilmelidir.
● Epidemiyolojik çalışmalarda yer alacak kurumlar belirlenmelidir
● Epidemiyolojik çalışmalar için kullanılacak veri setleri belirlenmeli,
standartları oluşturulmalı ve pilot projelerle izlenmelidir.
● Öncelikli olarak eksikliklerimizin ne olduğu tespit edilmelidir.
I.Aşamada bahsedilen durum analizi için, mevcut sistemdeki sorunlar, birbirine
benzer olup; aşağıdaki şekilde özetlenmiştir.
 Verilerin elde edilmesinde ve sürekliliğindeki mevcut güvensizlik,
verilerin karar mekanizmalarında kullanılmasını engellemektedir.
114
 Kişilerin sağlık kayıtları devlet güvencesi altında net bir şekilde
tutulamamakta ve sağlık kurumlarında tutulan düzensiz dosyalar da
bazen arşivlerde kaybolmaktadır.
 Hasta kaydı için temel standartlar geliştirilememiş olup farklı
uygulamalar entegre bir veri analizini mümkün kılmamaktadır.
 Bugüne kadar bilgi sistemlerinin kullanımı tamamen kayıt toplama ve
depolama aşamasında kalmış ve böyle olduğu için de bilgi sistemlerinin
asıl fonksiyonu olan verinin bilgiye dönüştürülmesi, analiz edilmesi, bu
bilginin kullanılması ve yönetime destek olması gibi faydaları
sağlanmamıştır.
Bu tür bir çalışmada pek çok disiplin bir arada bulunmalıdır. Sistemi
oluşturacak, işletecek, verilerin paylaşımını sağlayacak ve sistemi sürürecek sorumlu bir
birimin kurularak, teknolojiyi yakından takip eden deneyimli kişi ve kuruluşlardan
danışmanlık hizmetleri alınarak sistematik işleyiş gerçekleştirilmelidir.
Tüm bu disiplinlerle ortaya çıkartılan çalışmalar güçlü ve doğru çalışmalar
olacaktır.
Çizelge 5.2. Kurumsal Yapı Özeti
YÖNETİCİ KURUM
Eylemin gerçekleştirilmesi için
gerekli alt yapıyı ve/veya işbirliği ve
koordinasyonu sağlayacak görevli
kuruluş,
YARDIMCI KURUMLAR
 Gıda, Tarım ve Hayvancılık
Bakanlığı

Sağlık Bakanlığı
 İl Gıda, Tarım ve
Hayvancılık Müdürlükleri

İl Sağlık Müdürlükleri
 Çevre ve Orman Bakanlığı
İLGİLİ PERSONEL
Sorumlu kuruluşun eylemi
gerçekleştirmek üzere çalışmaya davet
ettiği ve çalışmayı işbirliği ve
koordinasyon içersinde birlikte yürüttüğü
kişi-kişiler,
 Uzman Doktorlar
 Sağlık Personeli
 Harita Mühendisi
 Belediyeler
 Toprak ve Su işleri Enstitüsü
 Diğerleri v.b
 Coğrafyacı
 Gıda Mühendisi
 Ziraat mühendisi
 Anketör
 Çevre Mühendisi
 Kimya Mühendisi
 Sosyolog
 Jeoloji Mühendisi
 Biyolog
 İstatistik uzmanı
 Bilgisayar Mühendisi(Veritabanı
yönetim uzmanı) uzmanları eklenebilir
II. Aşamada bahsedilen sağlık epidemiyolojisi için, kurumsal yapı özeti Çizelge
5.2’de özetlenmektedir
115
III. Aşamada, ifade edilen veri setlerinin belirlenmesi ve toplanması aşaması en
önemli aşamadır. Epidemiyolojik çalışmaya konu olan hastalığa göre veriler farklılıklar
gösterebilir. Örnekte kanser hastalığı ele alınmıştır ve ona ilişkin veri grupları ifade
edilmiştir. Kanser hastalığına etki eden faktörler, 3 grupta ele alınmıştır. Elde edilecek
veriler içerisinde çevresel faktör verileri mekansal epidemiyoloji için önemli bir
değişken olarak göz önüne alınmalıdır.
Genetik faktörler
 Aile Hikâyesi
 Kan Grubu
Çizelge 5.3. Elde Edilecek Veriler
Davranışsal faktörler
 Beslenme
Alışkanlığı
 Tütün kullanımı





Çevresel faktörler
Hava Kirliliği
Su Kirliliği
Toprak Kirliliği
Jeolojik Yapı
Topografik Yapı
Çevresel Faktörler: Hava, Su ve Toprak kirliliği şeklinde başlıklarda
incelenebilmektedir.
Hava Kirliliği: SO2 (Kükürtdioksit) ve PM(partiküler madde) tüm dünyada,
hastalıklarla ilişkisi bilinen ve doğrulanan bu maddelerin ölçümü için her alanda
istasyonlar kurulmalıdır. Her ilde 2 ya da 3 istasyon bulunmaktadır. Bu istasyonlardan
alınan değerler tüm şehre mal edilecek değerler olmamalıdır. Çünkü her kurulan
istasyon noktasındaki şehir donatıları, topografik konum, trafik akışı farklılık
göstermektedir. Bu yanılsamayı ortadan kaldırmak için gezici izleme istasyonları
devreye girmelidir. Ya da sabit istasyon sayıları arttırılarak tüm şehrin hava kalitesi
doğru yorumlanmalıdır.
Su Kirliliği: Sularda bulunan minerallerin miktarları insan sağlığında etkendir.
Halkın su tüketiminin denetlenmesi için Belediyelerin yapmış olduğu Hane Halkı
anketlerine, kişilerin su tüketim kaynakları soruları eklenmelidir. Şehir şebekesinden mi
yoksa hazır sulardan mı kullandığı yanıtları aranmalıdır. Şehir şebeke suların kontrolü
için de İl Sağlık Müdürlüğünce belirli periyotlarda numuneler alınarak kontrolden
geçirilmelidir.
Toprak Kirliliği: Toprakta doğal olarak bulunan elementlerin sınır değerleri
üzerine çıkmasıyla, yaşanılan bölgede kişiler üzerinde hastalık etkisi tespiti
doğrulanmıştır. Belirli aralıklarda Toprak ve Su işleri Enstitüsünün bu verileri
veritabanı olarak kayıt altında tutması gerekmektedir. Aynı zamanda bu topraklarda
yetişen ziraat tarım ürünlerinde denetimlerin yapılması önem arz etmektedir.
116
Jeolojik Yapı: Tıbbi Jeolojinin kanserle ilişkisi Kanserle Savaş Daire
Başkanlığı alt kurulu olarak Sağlık Bakanlığınca resmiyet kazanmıştır. Araştırıcılar
bölgeye ait kanserojen elementler veri tabanında bulundurulmalıdır.
Topografik Yapı: Topografik konumun hastalıkla ilişkisi bazı çalışmalarda
vurgulanmıştır. Yüksek yerlerin ya da alçak yerleşimlerin su drenajıyla, hava kirliliği ve
rüzgar yönüyle etkisi düşünülürse, şehir planlaması yapılırken bu durumlar göz önüne
alınmalıdır.
Kanser hastalığı ile ilgili, genetik ve davranışsal değişkenlere ilişkin verilerin
toplanmasında, anket en uygun veri toplama metodu olarak düşünülebilir.
Anketler farklı düzendeki sağlıkla ilişkili konularla ilgili olabilir. Sağlık
anketleri sağlıkla ilgili davranışları, psikososyal iyi olmayı, beslenme düzeyini, stresi ve
bireysel özellikleri, aileyi ve sağlığı etkileyen çevre koşullarını araştırır. Anketler ile
risk faktörleri, kronik koşullar ve sağlık hizmetlerinden yararlanma ait bilgiler de
toplanmalıdır. Ulusal araştırmalarla toplanan bilgiler mekansal olarak analiz edilebilir
ve haritalandırılabilir durumda olmalıdır.
Anket standart halk sağlığı veritabanından daha geniş bir perspektifte sağlık
durumunu sergilerler. Çoğu anket yanıtlayanlarla ve diğer sağlık veri tabanları ile
bağlantı kurmada gerekli olduğu için adres bilgisini içermelidir.
IV. ve V. aşamalarda tasarlanan epidemiyolojik çalışma için birlikte
çalışılabilirlik ve sonuçların izlenmesi irdelenmiştir.
Epidemiyolojik
çalışmayı,
tek
bir
meslek
grubunun
gerçekleştirmesi
beklenemez. Yapılacak çalışmada tüm meslek disiplinleri bir arada hareket etmelidir.
Amacı yerine getirmede Coğrafi Bilgi Sistemleri kullanılarak yapılan kanser veya
seçilecek hastalık için vakaların mekansal analizleri ve dağılım haritaları, hastalığın
kontrolünde ve mücadelede gerekli önlemlerin alınmasında etkin rol oynayacaktır.
Küme araştırmaları sonucunda kümelerin ortaya çıkması ile kıt olan kaynaklar
devlet ve yerel sağlık birimlerince daha etkin bir şekilde kullanılabilir, kümeler
yardımıyla hastalığın nedenlerine dayalı epidemiyolojik hipotezlerin kurulmasına
yardımcı olarak bu konuda ayrıntılı araştırmalar yapılabilir.
Bu yönüyle de, ülkemizdeki son 10 yıl içerisinde Hükümet Programlarında altı çizilen
e-devlet olma ve bilgi toplumu olabilme amacına bağlı olarak, çalışmanın Sağlık Bakanlığı’na
yönelik olarak kanser vakaları analizinde ve değerlendirilmesinde temel bir taş olması
hedeflenmiştir. Çalışma ile kurumlarda standart bilgi kullanımını oluşturmanın ve standart bilgi
ile koordinasyonun oluşturulmasında kaynakların etkin kullanılmasının sağlandığı ve bilginin
117
güncel tutulmasının e-devlet ve bilgi toplumu olma gibi hedefleri içeren bir yapıda örnek teşkil
etmesi nedeniyle, çalışma e-devlet olma alanında ülkemiz öncelikleri arasındadır.
Sağlık epidemiyolojisinde başarılı sonuçlar elde etmenin gerekleri aşağıda
özetlenmektedir.
● “Sağlık Bilgi Sistemine” ihtiyaç vardır.
● Sağlık envanterinin oluşturulması, bireylerin tıbbi kayıtlarının korunması,
sağlık uygulamalarındaki verilerin toplanması amacıyla Sağlık Bilgi Sisteminin
standartları belirlenmelidir.
● Sayısal ve sözel veritabanlarının ve içeriklerinin profesyonelce tasarlayarak,
güncelleştirme mekanizması sağlanmalıdır.
● Sağlıkla ilgili politikaların belirlenmesinde, önceliklerin belirlenmesinde,
önlemlerin alınmasında, sağlık hizmetlerinin kalitesinin değerlendirilmesinde, bilimsel
araştırma ve çalışmalarda kullanılmak üzere yeterli veri toplayacak ve işleyecek bir
sistemden söz edilmelidir.
● Temel odağımız insan olduğundan, birlikte çalışabilirlik ve her kurumdan veri
toplama özenli bir şekilde gerçekleştirilmelidir.
118
6. SONUÇ VE ÖNERİLER
Çalışmada amaç, Konya ve ilçelerinde çevresel faktörler ve kanser türleri
arasındaki ilişkinin araştırılması olarak belirlenmiştir. Kanser vakalarının coğrafî ve
zamansal dağılışının betimlenmesi, haritalayarak kanser vakalarının kümelenmesinin
ortaya konması, kanser vakalarının kümelenmesi üzerine çevresel faktörlerin etkisinin
incelenmesidir. Örneklem kapsamında kullanılacak Konya ilindeki 31 ilçeyi kapsayan
çalışma ile kanser vakalarının tespitine yönelik bir Karar Destek Sistemi (KDS)
oluşturularak, önerilerin geliştirilmiştir.
Öncelikle kanser türleri sınıflanmıştır. Bu sınıflamalar veri tabanına uygun bir
biçimde, tablolar halinde oluşturulmuş ve alınan ham veriler CBS yazılımında
kullanıma uygun hale getirilmiştir.
Sisteme
veriler
aktarılmadan
önce
aktarılması
gereken
değişkenler
tasarlanmıştır.
Seçilen değişkenler aşağıda özetlenmektedir.
● Bağımlı değişken
- Kanser hastalığı (9 tür altında toplandı)
● Bağımsız değişkenler
- Genetik faktörler (kan bağı varlığı)
- Çevresel faktörler (Hava kirliliği, toprak kirliliği, su kirliliği ölçüm değerleri
temin edilecek).
- Beşeri faktörler (2009-2010 yıllarına belirlenen hastalara uygulanacak
anketler)
Çalışma kapsamındaki işlem adımları
a) Anketlerin hazırlanması ve kanser hastalığına ilişkin verilerin(kayıtların) takibi
b) Veritabanı oluşturma
c) Kanser veritabanı ile mekânsal veritabanının CBS ile entegrasyonu
d) Kanser insidanslarının belirlenmesi ve görselleştirme
e) Komşuluk ilişkilerinin irdelenmesi
f) Vakaların beşeri faktörleri – ilçelerdeki dağılımlarının analizleri
g) Kanser vakalarının ve türlerinin ilçe sınırları dâhilinde zamansal dağılımının yapılması
h) Örtüşme analizleri
ı) Sonuç haritalarının yorumlanması
Buna göre çalışmanın alt problemleri aşağıdaki şekilde sorgulanmıştır;
● Mekândaki kanser durumlarını inceleme
119
● Çevresel değişkenler ile kanser insidans dağılımı arasında ilişkiyi inceleme
● İdari bölünüşe göre kanser dağılımındaki durumu inceleme
● 5 yıllık zaman periyodundaki kanser durumlarını inceleme
Adımları ile CBS’deki analiz yöntemleri yardımıyla Konya ili kapsamında
detaylı bir çalışma gerçekleştirilmiştir.
2009-2010 yılları arası Meram Tıp Fakültesi Onkoloji Bölümü’ne verilerek,
hastalar ya da yakınları tarafından cevaplandırılması istenmiştir. Ancak 12 aylık süreçte
112 anket formu toplanmış, ancak tüm soruların cevaplanabildiği anket sayısı 68 olarak
elde edilmiştir. Dolayısıyla çalışmada bu anket verileri analizlere dahil edilememiştir.
Çalışmada elde edilen sonuçlar tartışma bölümünde ayrıntılı şekilde verilmiştir.
Bilgi teknolojilerinden üst düzeyde faydalanabilmek için bilgi altlıklarımızın
doğru ve kesin şekilde tutulmuş olması gerekmektedir. Bilgilerin güncelliğini
koruyabilmesi için bu konuda uzman olarak çalışan kişilerin sistem içine dahil edilmesi
gerekmektedir. Türkiye’de kanser kayıt merkezlerinin kurulmuş olması ve bu sayının
gitgide artması sevindirici bir olaydır. Kanser kayıt merkezlerine gelen kayıtlar özel bir
anket formatında gönderilmektedir. Ancak bu kanser kayıt formlarının eksiksiz
doldurulması gereklidir.
Hastalıkların dağılımında etkili olan etkenler ve insanlar değişik bölgelerde
değişik nedenlerle karşımıza çıkmaktadır. İnsanları hastalık etkenleri ile karşılaştıran
süreç de coğrafi değişkendir. Özellikle kanser nedeni olan asbest ve eriyonit içeren
kayalar ile bunların alterasyonundan oluşmuş olan zeminler yerleşime açılmamalıdır.
Bu gibi mevcut yerleşim birimleri de iskândan arındırılmalıdır. Bu tür yerleşime
açılacak olan zeminlerin, insan sağlığını tehdit eden ve hastalıklara neden olabilecek
element, mineral, zehirli gazlar vb. yönünden araştırılması yasal olarak uygulanır hale
getirilmelidir.
Yüksek insidansa sahip alanların tanımlanmasının birçok faydası vardır.
Yerleşimin olmadığı bir alanda hiçbir vaka gözlemleyemeyiz. Yerleşmelerin dağılımın
takip etmek hastalık örüntüsü açısından her zaman doğru bir görüş değildir.
Hastalıkların coğrafi dağılışı nüfusun coğrafi dağılışı tarafından her zaman açıklanabilir.
Aynı vaka dağılışı farklı nüfus dağılışlarında saklı olabilir. Alanların oranlarını
hesaplamadan önce tanımlayıcı ve tanımlayıcıların oranlarını kurallara bağlandığı ya da
kurala bağlanmış mesafe ölçütleri ile sınıflama analizlerinin yapıldığı alanlar için
Tanımlayıcı ve sayıcıların dağılışının birleşimini görmenin önemini vurgulamaya
ihtiyaç vardır.
120
İlçeler arasında diğer türlerde farklı oranda tespit edilen kanser türlerinin risk
faktörleri tespit edilerek önlem alınmalıdır. Konya ili ve ilçeleri için oluşturulan kanser
haritaları görsel anlamada kullanıcılara fikir verecek, bu konuda uzman olarak çalışan
sağlık elemanlarına yardımcı bir altlık olacaktır.
CBS’yi sağlık alanına entegre etmeden önce Türkiye’de hayata geçirilmeye
çalışılan Sağlık Bilgi Sistemi’nin (TSBS) irdelenmesi gerekmektedir. Çünkü Bilgi
Sistemini oluşturan temel desteklerden biri olan veri toplama ve analiz, ancak verinin
standart hale gelmesiyle etkin hale gelecektir. Kompleks yapısı nedeniyle, sağlık bakım
ortamı fazlasıyla heterojen bir veri işleme ihtiyacına sahiptir. Sağlık bilgisinin
tutulması, sağlık bilgi değişimi, güvenlik, elektronik hasta kayıtları ile kâğıt dosya
sistemine dayalı tıbbi kayıt sisteminin uyumu, enformasyonun kurum içerisinde ve
kurumlar arasında paylaşılması, farklı sistemlerin entegrasyonu, en önemlisi karar
destek
sistemlerinin
geliştirilmesi
ve
kullanılması
için
standartlara
ihtiyaç
duyulmaktadır.
Bu nedenle sağlık alanında veri standardını ülkemiz adına gerçekleştirmek için
hasta ve hastane kayıtlarının düzenli bir şekilde tutulmuş ve arşivlenmiş olması
gerekmektedir. Halk sağlığı için CBS, verileri görselleştiren ve analiz etmeyi mümkün
kılan güçlü araçlardır. Ancak bu gücü kullanabilmek için, sistem içinde temel olan
verilerin standart hale getirilmiş olması gerekmektedir.
Daha iyi bilgi daha iyi kararlara götürmektedir. Bilgiler karar verme yetkisindeki
kişilerin ilgilerinin verileri anlamasından çok gerçek konulara odaklanmasını
sağlayacak şekilde derli toplu ve açık biçimde sunulabilir. Çünkü CBS verileri çabucak
üretilebilir, ayrıca birden çok senaryo amaca uygun bir şekilde değerlendirilebilir.
Bu çalışma, ileride sağlık alanında yapılacak daha kapsamlı çalışmalara ilk adım
olarak düşünülmektedir. Mesleklerarası çalışmaların sonuçları, görselleştirilmiş olarak
sunulan haritalar ve istatistiksel sonuçlar ve oluşturulan lejantlarla, profesyonel olmayan
kullanıcılara, fikir vereceği düşünülmektedir. Ayrıca sağlık alanında karar vericilere,
hastalık tespiti ve gerekli önlemlerin alınması konusunda hız ve zamansal anlamda katkı
sağlayabileceği beklentiler arasındadır.
121
KAYNAKLAR
Akgül, A (2003). Tıbbi Araştırmalarda)İstatistiksel Analiz Teknikleri “SPSS
Uygulamaları” (2. Baskı). Emek Ofset Ltd. Sti., Ankara.
Alpar, R (2003). Uygulamalı Çok Değişkenli İstatistiksel Yöntemlere Giriş 1 (2. Baskı).
Nobel Yayın Dağıtım Ltd. Sti . Ankara.
Altman, D., G (1992). Practical Statistics for Medical Research. Chapman and Hall,
London.
Anselin, L (1995) “Local ındicators of spatial association – LISA”, Geographical
Analysis, 27, 93-115.
Applied Biomathematics. CAST, cluster analysis in space and time, 2.0. Setauket, NY:
Applied Biomathematics, 1993.
Aronoff, S. 1989. Geographic Information Systems: A Management Perspective.
Ottawa, Canada : WDC Publications
Atabey, E. 2005. Tıbbi Jeoloji. TMMOB Jeoloji Mühendisleri Odası Yayınları, 88,
194s.
Bailey TC. Spatial Istatistical methods in health. Cad Saude Publica. 2001; 5: 10831098.
Balmes, J.R., Fine, J.M., Sheppard, D., (1987) “ Symptomatic bronchoconstriction after
short-term inhalation of sulfur dioxide”, Am. Rev. Respir. 136-1117.
Barış, Y.I. 1987. Asbestos eriyonit related chest diseaes. Semih Ofset Matbaacılık Ltd.
Ankara, Turkey, 169s.
Barış, Y.I. 2002. Türkiye’de asbest ve fibröz zeolit (eriyonit) ile ilgili akciğer
hastalıkları. In: “Beslenme, Çevre ve Kanser Sempozyumu Bildiri özetleri”, 31
Mart- 3 Nisan, Ankara, 22-23.
Barış, Y.I., 2003b. “Anne bana kerpeteni getir” Anadolu’nun bilinmeyen akciğer ve
karın zar kanseri. Bilimsel Tıp Yayınevi, Ankara, 224s.
Barış, Y.I., 2003a. Let’s this doctor as a hostage. Design and Production Amazon AB.
Printed in Sweden, April, 2003. 128s.
Baysal G. “İzmir ilindeki dizanteri verilerinin CBS ile analizi” Toksikoloji DergisiCilt4
Sayı3-4pp35-41).
Bell S.B., Hoskins R.E., Pickle L.W. and Wartenberg D., “Current practices in spatial
analysis of cancer data: mapping health istatistics to inform policymakers and
the public” International Journal of Health Geographics 2006, 5:49
doi:10.1186/1476-072X-5-49
Besag J., York J. ve Mollie A., 1991. Bayesian image restoration with two applications
in spatial statistics, Annals of the Institute of Statics and Mathematics, 43.1-59.
Bithell, J.F (1990) “An application of density estimation to geographical
epidemiology”, Statistics in Medicine, 9, 691-701.
Boyle P, Ferlay J: Cancer İncidence And Mortality İn Europe, 2004. Annals Of
Oncology 2005; 16; 481-8.
Busgeeth, K. et al (2004). The use of a spatial information system in the management of
HIV/AIDS in South Africa, International Journal of Health Geographics 2004,
3:13
Buzan, Tony: The Mind Map Book. BBC Books, London 1995
Carr DB, Wallin JF, Carr DA: Two new templates for epidemiology applications:
linked micromap plots and conditioned choropleth maps. Statistics in Medicine
2006, 19:2521
122
Chauan, A.J., Krishna, M.T., Frew, A.J., Holgate, S.T., (1998) “ Exposure to nitrogen
oxide and respiratory disease risk”, Rev. Environ. Health 13, 73.
Clarke, K.C., 2002. Getting Started With GIS, Prentice Hall, USA.
Cliff & P. Haggett, 1988, Atlas of Disease Distributions, Blackwell, Oxford, ISBN 0631-13149-3.
Cliff, A.D. ve Ord, K.J (1971) “Evaluating the percentage points of a spatial
autocorrection coefficient”, Geographical Analysis, 3, 51-62.
Cline BL. New eyes for epidemiologists: aerial photography and other remote sensing
techniques. Am J Epidemiol 1970; 92:85-9.
Cook-Mozaffari P.J. vd., 1987. Geographical variation in mortality from Leukaemia and
other cancers in England and Wales in relation to proximity to nuclear
installations, 1969-78. British Journal of Cancer, 1989 59:476-485.
Cressie, N., 1993, “ Statistics For Spatial Data” New York: Wiley Applied Spatial
Statistics for Public Health Data by Lance A. Waller and Carol A. Gotwa
Wiley-Interscience | 2004 | ISBN: 0471387711 | 520 pages
Cromley E.K. ve McLafferty S.L., 2002. GIS and Public Health. New York, The
Guilford Pres.
Davies C.A. , Leyland A.H., “ Empirical Bayes methods for disease mapping”, Social
and Public Health Sciences Unit, University of Glasgow, Glasgow, Scotland,
UK Stat Methods Med Res June 1995 vol. 4 no. 2 137-159.
Davies, B.E., Bowman, C., Davies, T.C. & Selinus, O., 2005. Medical geology:
perspectives and prospects. In: “Essentials of Medical Geology: Impacts of the
Natural Environment on Public Health”, O. Selinus, B. Alloway, J.A. Centeno,
R.B. Finkelman, R. Fuge, U. Lindh & P. Smedley (Eds.), Elsevier, London,
Paris, 1-14.
Davis BE. GIS: a visual approach. Santa Fe: Onword Press, 1996 [ISBN 1-56690-0980].
Dawson-Saunders B., Trapp, R., G (1990). Basic and Clinical Biostatistics. Appleton &
Lange.
Demirel R., Erdoğan S., Sözen M.A., “Türkiye’de İnsan Brusellozu için Riskli
Bölgelerin Keşifçi Mekansal Analiz YöntemleriKullanılarak Belirlenmesi”,
2009 türkiye klinikleri tıp bilimleri dergisi(journal of medical science). cilt:29
sayı:1
Dragioevio S, Schuurman N, Fitzgerald JM. The Utility of Exploratory Spatial Data
Analysis in the Study of Tuberculosis Incidences in an Urban Canadian
Population Cartographica. The International Journal for Geographic
Information and Geovisualization. 2004; 39: 29-39.
Draper, N.R. Smith H (1981). Applied Regression Analysis (Second Edition). John
Wiley & Sons, Inc.
Durduran, S.S., Erdi, A., Kara, F., Durduran, Y., 2005, “Coğrafi Bilgi Sistemi
Yardımıyla Fenilketonüri Hastalığının İzlenmesi: Konya Örneği”, 3. Cografi
Bilgi Sistemleri Bilişim Günleri, 06-09 Ocak, İstanbul
Durduran S.S., Erdi A., Kara F., Durduran Y., (2005) Diyaliz Hastalarının Coğrafi Bilgi
Sistemi Yardımıyla İzlenmesi, Konya Örneği, TMMOB Harita ve Kadastro
Müh. Odası, X. Türkiye Harita Bilimsel ve Teknik Kurultayı,
Elliott P., Wakefield J.C., Best N.G. ve Briggs D.J., 2000. Spatial Epidemiology:
Methods and Applications. Oxford, Oxford University Pres.
123
Elliott P, Wartenberg D., “Spatial epidemiology: current approaches and future
challenges”. Environ Health Perspect. 2004 Jun; 112(9):998-1006.
Elliott P., Martuzzi M., Shaddick G., “ Spatial statistical methods in environmental
epidemiology: a critique” London School of Hygiene and Tropical Medicine,
London, UK 2005.
Erdoğan S., Demirel R., Tiryakioğlu İ. [Using Geographic Information Systems to
Determination of The Distribution of Neonatal Tetanus]. TAF Preventive
Medicine Bulletin, 2009: 8(1) www.korhek.org 59 Araştırma/Research Article
TAF Prev Med Bull 2009; 8(1):59-68
Erdoğan, S., “ Epidemiyolojide CBS Uygulamaları: Konumsal Kümeleme
Yöntemlerinin Karşılaştırılması-Menenjit Örneği” Harita Teknolojileri
Elektronik Dergisi 2010, 2(2) 23-31
Erdoğan S., Yalçın M., Dereli M.A “KRİMİNOLOJ İDE COĞRAFİ BİLGİ
SİSTEMLERİ VE MEKANSAL İSTATİSTİKSEL YÖNTEMLERİN
KULLANIMI: HIRSIZLIK ÖRNEĞİ”. TMMOB Harita ve Kadastro
Mühendisleri Odası 13. Türkiye Harita Bilimsel ve Teknik Kurultayı 18-22
Nisan 2011, Ankara
Fırat, D., 1982, Türkiye’de Kanser İstatistikleri. Türk Kanser Araştırma ve Savaş
Kurumu, Ankara.
Fırat, D., 1983, Türkiye ve Dünyada Kanser Ölümleri, 1980-1981. Türk Kanser
Araştırma ve Savaş Kurumu, Ankara.
Freedman LS, Edwards BK, Ries LAG, Young JL . Cancer Incidence İn Four Member
Countries (Cyprus, Egypt, Israel, And Jordan) Of The Middle East Cancer
Consortium (MECC) Compared With US SEER. National Cancer Institute,
NIH Pub. No. 06-5873. Bethesda, 2006.
Gatrell, A.C and Rowlingson, B (1994). Spatial point process modelling in a GIS
environment. Taylor and Francis, London.
Gatrell A.C. Bailey T.C. Diggle P.J. ve Rowlingson B.S., 1996. Spatial point pattern
analysis and its application in geographical epidemiology. Transactions of the
Institute of British Geographers. 1996; 21.256–274.
Gatrell, A.C. ve Loytonen, M, (1998) GIS and Health. Taylor and Francis, London.
Gatrell, A.C (2002) Geographies of health: an introduction. Blackwell Publishing,
Oxford, United Kingdom.
Ghio, A.J., Huang, Y.C., (2004) “ Exposure to concentrated ambient particles (CAPS):
review”, Inhal. Toxicol. 16, 53
Goodchild, M., Haining, R., and Wise, S (1991). Integrating gis and spatial data
analysis: problems and possibilities. International Journal of Geographical
Information Systems, 6:407-23.
Grass (1993). Grass 4.1 User’s Reference Manual. USACERL.
Günay S., Saraç İ. “Sağlık Coğrafyasında CBS’nin Kullanımı: Samsun Sağlık Ocakları
Örneği”, Fatih Üniversitesi, 4. Coğrafi Bilgi Sistemleri Bilişim Günleri, 89-96,
13-16, 09/2006
Günay Semra (2008) "Ölüm oranı haritalarının önemi ve hazırlanması" 2. Uzaktan
Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu Erciyes Üniversitesi,
Kayseri, Bildiriler Kitabı, 222-231.
Günay Semra (2010) "Sağlık coğrafyasından yaşa göre farklılık gösteren değişkenler
için standartlaştırma: Doğrudan yaş düzeltme yöntemi örneği" Ankara
Üniversitesi, VI. Ulusal Coğrafya Sempozyumu, Ankara, Bildiriler Kitabı,
103-110.
Güney C., Yukselen Mekansal Bilisim Farkındalığı., 2009.
124
Gümüş N., Gündüzoglu G., Askın, Yanılmaz B., Sofuoglu T., Keskin H., Özmen Ö.,
“İzmir Anakentinde 112 Ambulans İstasyonlarının Dagılısı Ve Cbs
Yöntemiyle Hizmet Alanlarının Sorgulanması” 4. Coğrafi Bilgi Sistemleri
Bilişim Günleri, 89-96, 13-16, 09/2006
Güzel, A., Nalbantçılar, M.T., Yıldırım, O.S., Murathan, A. & Gökay, M.K., 1988.
Contamination around abondoned Sızma (Turkey) mercury mine. In: “1.
Inernational Workshop on Enviromental Quality and Environmental
Engineering in the Middle east Region”, Bahadır & Burdurlu (Eds), Konya,
601- 608.
Haining, R. and Wise, S (1991). Gis and spatial data analysis. Report on the Sheffield
Workshop. Discussion Paper 11. University.
Haining, R.P., 2005, “Spatial Data Analysis: Theory And Practice”, Cambridge:
University Pres
Haydaroğlu A, Özsaran Z., Ege Üniversitesi Kanser İstatistikleri 1992-2003.
EUKSUAM Yayın No:5, 2005.
Helvacı, C. & Firman, R.J., 1977. Emet borat yataklarının jeolojik konumu ve
mineralojisi. Jeoloji Mühendisliği, 2.
Hong, S., Candelone, J.P., Patterson, C.C. & Boutron, C.F., 1994. Greenland ice
evidence of hemisphere lead pollution two millennia ago by Greek and Roman
civilizations. Science, 1841- 1843.
Hossfeld DK: Manual Of Clinical Oncology, 5th Ed., Springer- Verlag, UICC, 1992.
Jacquez G.M. ve Ark. The Analysis of Disease Clusters, Part I. Infection Control and
Hospital Epidemiology 1996; 17(5): 319-27.
Jacquez, G.M (2000) “Spatial analysis in epidemiology: Nascent science or a failure of
GIS?”, Journal of Geographical Systems, 2(1), 91-97.
Janssen-Heijnen MLG, Coebergh J-WW. The changing epidemiology of lung cancer in
Europe. Lung Cancer 2003; 41: 245-258.
Jemal A, Clegg LX, Ward E, et Al. Annual Report To The Nation On The Status Of
Cancer, 1975-2001, With a Special Feature Regarding Survival. Cancer 2004;
101(1); 3-27.
Jemal A, Siegel R, Ward E, et Al. Cancer Statistics, 2006. Cancer J Clin. 2006; 56 (2);
106-30.
Jr. Combs, G.F., 2005. Geological impacts on nutrition. In: “Essentials of Medical
Geology: Impacts of the Natural Environment on Public Health”, O. Selinus,
B. Alloway, J.A. Centeno, R.B. Finkelman, R. Fuge, U. Lindh & P. Smedley
(Eds.), Elsevier, London, Paris, 161-177.
Kagawa, J., (1985) “ Evaluation of biological significanse of nitrogen oxides exposure”,
Tokai. J. Exp. Clin. Med. 10, 348.
Karabulut E., Alpar R., Özayar E. Hastalıkların Yere Göre Kümelenmesinde Kullanılan
Yöntemler, İnönü Üniversitesi Tıp Fakültesi Dergisi 13(1) 37-43 (2006).
Koyi H, Hillerdal G, Branden E. A prospective study of a total material of lung cancer
from a county in Sweden 1997-1999; gender, symptoms, type, stage, and
smoking habits. Lung Cancer 2002; 36: 9-14.
Kulldorff M. Geographic information systems (GIS) and community health: some
statistical issues. Journal of Public Health Management Practice 1999;
5(2):100-6.
Kulldorff M. Feuer E, Miller B, Freedman L. Breast Cancer in Northeast United States:
A Geographic Analysis. American Journal of Epidemiology, 146:161-170,
1997.
125
Kulldorff M., March 2006 http://www.satscan.org/ SaTScanTM User Guide for version
6.1
Kurugöl Z, Çetingül N, Kavaklı K et al. The Demographic Characteristics of Childhood
Cancer: The Experience of Ege University. Turkish Journal of Cancer 1995;
25(4), 155-160
Lawson, A.; Biggeri, A.; Bohning, D.; Lesaffre, E.; Viel, J.; Bertollini, R., 1999.
Disease Mapping and Risk Assessment for Public Health. Chichester, John
Wiley and Sons.
Lee, J. ve Wong, D (2000) Statistical Analysis with ArcView GIS, John Wiley & Sons,
New York.
MacLennan, M. J (1991). The use of a geographic information system for second-order
analysis of spatial point patterns. Sheffield Academic Press.
Marshall, R. J (1991). Mapping disease and mortality rates using Empirical Bayes
estimators. Applied Statistics, 40:283–294.
Marshall R.J. A Review of Methods for the Statistical Analysis of Spatial Patterns of
Disease. Journal of Royal Statistics Society. A (1991); 154:421-41.
Mitchell A. The ESRI Guide to GIS Analysis. Volume 2. Spatial Measurements.
California. Esri press, 2005.
Moore DA, Carpenter TE. Spatial analytical methods and geographical information
systems: Use in health research and epidemiology. Epidemiologic
Reviews.1999; 21: 143-160.
NAACCR, 2002. Using Geographic Information Systems Technology in the Collection,
Analysis, and Presentation of Cancer Registry Data: A Handbook of Basic
Practices, North American Association Of Central Cancer Registries, USA.
Nazlıgül Y., Sabuncu T., Dalmaz M., Cebeci B., Bitiren M., Kösecik M., “Şanlıurfa’da
1990-1994 Yılları Arasında Kanser Vakaları” Van Tıp Dergisi: 4 (4): 198-200,
1997
New, M (2003) Geographical Techniques Online, http://techniques.geog.ox.ac.uk,
School of Geography, The Oxford University.
Olsen, S.F., Martuzzi, M. ve Elliott, P., 1996. Cluster analysis and disease mappingwhy, when and how? A step by step guide, British Medical Journal, 313, 86386.
Openshaw, S (1987). A mark 1 geographical analysis machine for the automated
analysis of point data sets. International Journal of GIS, 1:335-358.
Openshaw, S (1994). Spatial Analysis and GIS., chapter Exploratory space-timeattribute pattern analysers. Taylor and Francis., London.
Openshaw, S. and Perrée, T (1996). Innovations ins GIS 3, chapter User-centred
intelligent spatial analysis of point data., pages 119-134.
Ord, J.K. ve Getis, A (1995) “Local spatial autocorrelation statistics: Distributional
issues and an application”, Geographical Analysis, 27, 286-306.
Oruç, N., 1983. Doğu Beyazıt yöresinde bazı su kaynaklarında spektrometrik ve
potentiometrik yöntemlerle florür miktarlarının araştırılması. Doğa ve Çevre
BilimDergisi, 7.
Önen P., “Medikal (Tıbbi) Jeoloji ve Ülkemiz Açısından Önemi“. “ Ulusal Kanser
Danışma Kurulu” (ODTÜ Jeoloji Mühendisliği)
Özgür, L., 2008, “Coğrafi Bilgi Sistemlerinde Sağlık Uygulamaları Afyonkarahisar
Örneği”, Y. Lisans Tezi, FBE, Afyon Kocatepe Üniversitesi
Parkin DM. Epidemiology Of Cancer: Global Patterns And Trends.Toxicology Letters
1998; 102-103; 227-234.
126
Plant, J.A., Baldock, J.W. & Smith, B., 1996. The role of geochemistry in
environmental and epidemiological studies developing countries: a review. In:
“Environmental Geochemistry and Health”, J.D. Appleton, R. Fuge & G.J.H.
McCall (Eds.), Geological Society, London, 7-22.
Plant, J.A., Smith, D., Smith, B. & Reeder, S., 2003. Environmental geochemistry on a
global scale. In: “Geology and Health: closing a gab”, H.C.W. Skinner & A.R.
Berger (Eds.), Oxford University Press, Oxford, 129-134.
Pommerenke FA, Miller RW, Srivasta S, Ackermann SP: Targeting cancer control: The
state cancer control map and data program. Am J Public Health 84(9):1479-82,
1994
Pukkala E, Weıderpass E, Time Trends in Socio-Economic Differences in Incidence
Rates Of Cancers Of The Breast And Female Genital Organs (Finland, 19711995). Int. J. Cancer 1999; 81; 56-61.
Robsham TE, Tretli S. Weak Associations Between Sociodemographic Factors And
Breast Cancer: Possible Effects of Early Detection. Eur J Cancer Prev. Feb
2005; 14(1); 7-12.
Rothman K.J. A Sobering Start for The Cluster Busters’ Conference. American Journal
of Epidemiology 1990; 132: S6-13.
Rowlingson BS, Diggle PJ. SPLANCS: a spatial point pattern analysis code in S-PLUS.
Comput Geosci 1993; 19: 627-55.
Rushton, G., 1998. Improving the geographic basis of health surveillance using GIS. In:
Gatrell, AC and Löytönen, M., editor. GIS and Health. London, Taylor and
Francis; pp. 63–80.
Sağlık Bakanlığı, Kanser Savaş Dairesi Başkanlığı, Karadeniz Bölgesi Kanser ve
Kanser Risk Faktörleri Araştırması, 2006
Sağlık Bakanlığı RSHMB, Hıfzıssıhha Mektebi Müdürlüğü, Çalışma ve Değerlendirme
Raporu, Surveyans Sistemi Mevcut Durumu ve Uluslar arası Kuruluşların
Talep Ettiği Sağlık Göstergeleri ile Uyumu, 5 Ocak 2007
Sim H.G., Cheng C.W.S Changing Demography Of Prostate Cancer İn Asia. European
Journal Of Cancer 2005; 41; 834–845.
Snow, J (1855) On The Mode of Communication of Cholera. 2nd ed. Churchill,
London.
Stallones, L., Nuckols, J.R., and Berry, J.K. 1992. . Conceptual design: integration and
analysis of hydrological and epidemiological data in a health effects study for a
hazardous waste site. InLorann Stallones, Ph.D. - Page 13 Proceedings:
Interdisciplinary Approaches in Hydrology and Hydrogeology. Portland,
Oregon. October 16-22, 1992. American Institute of Hydrology. Minneapolis,
Minnesota
Strensward J, Clark D. Palliative Medicine- A Global Perspective. In Doyle D, Hanks
G, Cherny N, Camlan K, Eds. Oxford Textbook Of Palliative Medicine. 3rd
Ed. Oxford University Pres, 2004.p.1119-1224.
Şengelen M, Türkiye’de Kanser İstatistikleri. Hacettepe Üniversitesi Sağlık Bilimleri
Enstitüsü, Kanser Epidemiyolojisi Yüksek Lisans Tezi, Ankara, 2002.
Tağıl Ş. Geostatistic Techniques for Understanding the Effects of Air Pollution on
Spatial Distribution of Respiratory Diseases in the City of Balıkesir., Cografi
Bilimler Dergisi, 2007, 5 (1), 37-56
Tekşen S., Arık H., ““Cbs Yöntemi İle Kuş Gribine Karşı Güvenli Tavuk Çiftliği
Alanlarının Oluşturulması” Özel Beylikdüzü Fatih Fen Lisesi İstanbul, 2006
Timander LM, McLafferty S., 1998. Breast cancer in West Islip, NY: a spatial
clustering analysis with covariates. Soc Sci Med. 1998; 46:1623–1635.
127
Tiwari, N., Adhikari, C.M.S. ve Tewari, A (2006) “Investigation of geo-spatial hotspots
for the occurrence of tuberculosis in Almora district, India, using GIS and
spatial scan statistic”, International Journal of Health Geographics 5, 33-43.
Trop A.M. “Bayesian Spatiotemporal Analysis of Socio-Ecologic Drivers of Ross River
Virus Transmission in Queensland”, Australia Med Hyg September 1, 201083:722-728
Tunstall, H.V.Z., Shaw, M. ve Dorling, D (2004) “Places and health”, Journal of
Epidemiology Community Health, 58, 6-10
Uysal, N., Schapira, R.M., (2003) “ Effects of ozone on lung function and lung
diseases” Curr. Opin. Pulm. Med. 9, 144.
Waller L.A. ve Turnbull B.W. The Effects of Scale on Tests for Disease Clustering.
Statistics in Medicine 1993; 12: 1869-884.
Waller L.A. ve Ark. Detection and Assessment of Clusters of Disease: An Application
to Nuclear Power Plant Facilities and Childhood Leukaemia in Sweden.
Statistics in Medicine 1995; 14:3-16
Ximing C, Dingbao W. Spatial autocorrelation of topographic index in catchments.
Journal of Hydrology. 2006; 328: 581-591.
URL1
http://www.kanser.gov.tr/daire-faaliyetleri/kanser-onleme-ve-epidemiyolojikcalismalar/130-cernobil.html 15 Ağustos 2011
URL2 World Health Organization Public Health Mapping Programme
http://www.who.int/health_mapping/en/
URL3 BayesMethods,http://online.sagepub.com/search?fulltext=Empirical+Bayes+
methods+for+disease+mapping&src=hw&andorexactfulltext=and&submit=yes
&x=17&y=14, 3 sept 2009
URL4 TSBS, http://saglikbakanligi.gov.tr/Türk Kanser Araştırma Ve Savaş Kurumu18 Temmuz 2010
128
EKLER
EK-1
Çalışma için Örnek bir anket geliştirilmiş olup, örneği aşağıda sunulmuştur;
Doldurulması için hastalara verilen bir anketten örnek sunulmuştur.
Anketlerin Geliştirilmesi-Anketlerin Uygulanması
DOĞUM YERİ (İl, İlçe, Köy yada Mahalle) Aziziye /Ereğli/Konya..
DOĞUM TARİHİ VE DOĞDUĞU YERDE OTURMA SÜRESİ :1956. ve 52 YIL
CİNSİYETİ: Erkek ( 1 ) Kadın (2* ).
EĞİTİM DURUMU: Eğitimsiz (1 ), İlk-orta (* 2), Lise (3 ), Üniversite (4 ).
MEDENİ DURUMU: Evli (* ), Bekar ( ), Diğer (Belirtiniz)…………..
SÜREKLİ OTURMA ADRESİ VE OTURMA SÜRESİ (İl, İlçe, Köy yada Mahallesini Mutlaka
Belirtiniz):Alpaslan Mah Anıt cad. İlgi Apt. Ereğli
MESLEĞİ: (Lütfen ayrıntılı olarak yazınız.)Ev Hanımı
SİGARA ALIŞKANLIĞI :
( ) Hiç içmemiş
( ) 15yıl, günde 8 adet içmi 4 yıl önce bırakmış.
( )…….yıldan beri ……..adet/ gün içiyor.
BESLENME ALIŞKANLIĞI:(Sıklıkla tükettiğiniz gıda türüne göre cevaplayınız).
()KIRMIZI ET
(*)SEBZE TÜRÜ
(*)HAMURLU GIDALAR
() FAST FOOD
1) Teşhis edilen kanser türü?
a) Cilt
b) Endokrin Sistem (Troid, Parotid, Protroid).
c) Hematolojik Sistem (Kemik iliği, Kan dokusu, Lösemi, Lenfoma, Dalak).
d) Kas_İskelet Sistem (Ekstremite, Mandibula, Kemik, Muksilla, Toraks Fibrosarkom, Boyun, Timüs,
Kulak, Karın içi, Tonsilla, Batın, Orbita, Omurga).
e) Meme
f) Sindirim Sistemi (Apandisit, Çekum, Karaciğer, Kolon, Pankreas, Safrakesesi, Rektum, Sigmoid,
Tükrük bezi, Antrum, Kardia+Özafagus, Farenks, Adenokarsinom, Ampulla Vateri Neoplazma,
Abdomen).
g) Sinir Sistemi (Beyin, Parietal Bölge, MSS, Pontosrebeller köşe, Temporal lob, Posterior Fossa,
Supraseller, Cerebellum
h) Solunum Sistemi (Akciğer, Boğaz, Larenks, Mediasten, Sol Aksiller Bölge, Epiplot, Sinüs, Plevra,
Nazal kavite).
i) Ürogenital Sistem (Böbrek, Mesane, Prostat, İngoinal bölge, Serviks, Testis, Uterus, Vulva,
Endometrium, Periton)
2) Ailede kan bağı olan kanser hastası var mı?
() Evet (*) Hayır
3) Oturduğunuz çevrede sanayi tesisi var mı?
()Evet Türü……………….
(*)Hayır
()Bilmiyorum
4. Gelir Düzeyiniz Nedir?
A(*)0-750 tl
B() 750-2000tl
C() 2000tl üzeri
Bu anket 2009-2010 yılları arası Meram Tıp Fakültesi Onkoloji Bölümü’ne
verilerek, hastalar ya da yakınları tarafından cevaplandırılması istenmiştir. Ancak 12
aylık süreçte 112 anket formu toplanmış, ancak tüm soruların cevaplanabildiği anket
sayısı 68 olarak elde edilmiştir. Dolayısıyla çalışmada bu anket verileri analizlere dahil
edilememiştir.
129
EK-2
Yer altı zenginlikleri
Madenle
Konya
Görünür
r
Muhteme
Mümkün
-
-
4.464
-
4.464
248.000
-
248.000
Toplam
l
Alüminy
38.000.00
um Asbest
-
Bakır-
-
Kurşun-Çinko
Barit
0
3.144.960
Bentonit
1.825.383
Civa
-
Kil
-
Kireçtaş
-
ı Krom
Manyezi
t Linyit
-
38.000.000
13.114.00
20.000.00
36.258.960
0
10.762.000
12.587.383
900.330
31.931.00
23.0000
70.4430
970.773
2.280.000
2.280.000
-
31.931.000
-
23.000
9.393.869
18.728.86
30.037.58
58.160.314
771.639.0
346.371.05
500.000.00
1.617.792.00
00
00
0
00
Kaynak: MTA Genel Müdürlüğü, 2009
Konya ili yeraltı zenginliklerini çoğunlukla linyit ve alüminyum madenleri
oluşturmaktadır.
130
EK-3
*Avrupa Topluluğunda Ekonomik Faaliyetlerin İstatistiki Sınıflaması
** Veri sistemi, üretim faaliyetlerini analize yönelik olduğu için firma sayıları yerine NACE Rev.2 Koduna
göre faaliyet sayıları dikkate alınmıştır.
İl merkezleri dışında, Akşehir, Beyşehir, Ereğli ve Seydişehir ilçelerinde sanayi tesislerinin
yoğunlaştığı görülmektedir. Bu 4 ilçede 50 ve üzeri sektörel faaliyet gerçekleşmektedir. Söz konusu
ilçelerde gerçekleştirilen faaliyet sayısı 453 adettir. Ahırlı, Derbent, Yalıhüyük ve Taşkent ilçelerinde
kapasite sistemine kayıtlı üretici bulunmamaktadır. Akören, Altınekin, Bozkır, Çeltik, Doğanhisar,
Emirgazi, Güneysınır, Hadim, Halkapınar, Kadınhanı ve Tuzlukçu ilçelerinde faaliyet birim sayısı 5 ve
altındadır. 11 ilçenin toplam faaliyet sayısı 27’dir.
131
EK-4
2007 – Erkek
2007 – Kadın
132
EK-5
2008 – Erkek
2008 Kadın
133
EK-6
2009 – Erkek
134
EK-7
2009 – Kadın
135
EK-8
Genel – Erkek
136
EK-9
Genel – Kadın
137
EK-10
Tüm vakalar
138
EK-11
Eğitim durumu
a
Ka nse r_Türü * EGITIM Crossta bula tion
EGITIM
1
Kanser_Türü
Total
CILT
Count
% within Kanser_Türü
% of Total
ENDOKRIN SISTEM
Count
% within Kanser_Türü
% of Total
HEMATOLOJIK SISTEM Count
% within Kanser_Türü
% of Total
KAS-ISKELET
Count
% within Kanser_Türü
% of Total
MEME
Count
% within Kanser_Türü
% of Total
SINDIRIM
Count
% within Kanser_Türü
% of Total
SINIR
Count
% within Kanser_Türü
% of Total
SOLUNUM
Count
% within Kanser_Türü
% of Total
UROGENITAL
Count
% within Kanser_Türü
% of Total
Count
% within Kanser_Türü
% of Total
a. ilce = Bozkir
21
51,2%
9,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
5
26,3%
2,1%
11
29,7%
4,7%
0
,0%
,0%
8
13,1%
3,4%
9
15,8%
3,9%
54
23,2%
23,2%
2
20
48,8%
8,6%
2
100,0%
,9%
6
54,5%
2,6%
3
100,0%
1,3%
13
68,4%
5,6%
25
67,6%
10,7%
1
50,0%
,4%
53
86,9%
22,7%
48
84,2%
20,6%
171
73,4%
73,4%
3
0
,0%
,0%
0
,0%
,0%
4
36,4%
1,7%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
1
50,0%
,4%
0
,0%
,0%
0
,0%
,0%
5
2,1%
2,1%
4
0
,0%
,0%
0
,0%
,0%
1
9,1%
,4%
0
,0%
,0%
1
5,3%
,4%
1
2,7%
,4%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
3
1,3%
1,3%
Total
41
100,0%
17,6%
2
100,0%
,9%
11
100,0%
4,7%
3
100,0%
1,3%
19
100,0%
8,2%
37
100,0%
15,9%
2
100,0%
,9%
61
100,0%
26,2%
57
100,0%
24,5%
233
100,0%
100,0%
139
EK-12
Meslek durumu
a
Ka nse r_Türü * MESLEK Crosstabulation
MESLEK
1
Kanser_Türü
Total
CILT
Count
% within Kanser_Türü
% of Total
ENDOKRIN SISTEM
Count
% within Kanser_Türü
% of Total
HEMATOLOJIK SISTEM Count
% within Kanser_Türü
% of Total
KAS-ISKELET
Count
% within Kanser_Türü
% of Total
MEME
Count
% within Kanser_Türü
% of Total
SINDIRIM
Count
% within Kanser_Türü
% of Total
SINIR
Count
% within Kanser_Türü
% of Total
SOLUNUM
Count
% within Kanser_Türü
% of Total
UROGENITAL
Count
% within Kanser_Türü
% of Total
Count
% within Kanser_Türü
% of Total
a. ilce = Bozkir
1
2,4%
,5%
0
,0%
,0%
1
11,1%
,5%
1
50,0%
,5%
1
5,3%
,5%
1
2,9%
,5%
0
,0%
,0%
6
11,1%
2,8%
1
2,0%
,5%
12
5,6%
5,6%
5
1
2,4%
,5%
0
,0%
,0%
3
33,3%
1,4%
0
,0%
,0%
0
,0%
,0%
2
5,7%
,9%
0
,0%
,0%
4
7,4%
1,9%
3
5,9%
1,4%
13
6,1%
6,1%
6
8
19,5%
3,7%
1
50,0%
,5%
2
22,2%
,9%
1
50,0%
,5%
0
,0%
,0%
13
37,1%
6,1%
1
100,0%
,5%
29
53,7%
13,6%
28
54,9%
13,1%
83
38,8%
38,8%
8
30
73,2%
14,0%
1
50,0%
,5%
2
22,2%
,9%
0
,0%
,0%
18
94,7%
8,4%
18
51,4%
8,4%
0
,0%
,0%
8
14,8%
3,7%
16
31,4%
7,5%
93
43,5%
43,5%
9
0
,0%
,0%
0
,0%
,0%
1
11,1%
,5%
0
,0%
,0%
0
,0%
,0%
1
2,9%
,5%
0
,0%
,0%
2
3,7%
,9%
3
5,9%
1,4%
7
3,3%
3,3%
10
1
2,4%
,5%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
5
9,3%
2,3%
0
,0%
,0%
6
2,8%
2,8%
Total
41
100,0%
19,2%
2
100,0%
,9%
9
100,0%
4,2%
2
100,0%
,9%
19
100,0%
8,9%
35
100,0%
16,4%
1
100,0%
,5%
54
100,0%
25,2%
51
100,0%
23,8%
214
100,0%
100,0%
140
EK-13
Kan bağı durumu
a
Ka nse r_Türü * KANBAGI Crosstabulation
KANBAGI
0
Kanser_Türü
Total
CILT
Count
% within Kans er_Türü
% of Total
ENDOKRIN SISTEM
Count
% within Kans er_Türü
% of Total
HEMATOLOJIK SISTEM Count
% within Kans er_Türü
% of Total
KAS-ISKELET
Count
% within Kans er_Türü
% of Total
MEME
Count
% within Kans er_Türü
% of Total
SINDIRIM
Count
% within Kans er_Türü
% of Total
SINIR
Count
% within Kans er_Türü
% of Total
SOLUNUM
Count
% within Kans er_Türü
% of Total
UROGENITAL
Count
% within Kans er_Türü
% of Total
Count
% within Kans er_Türü
% of Total
a. ilc e = Boz kir
21
60,0%
10,4%
2
66,7%
1,0%
6
33,3%
3,0%
2
40,0%
1,0%
11
68,8%
5,4%
11
39,3%
5,4%
0
,0%
,0%
34
72,3%
16,8%
27
56,3%
13,4%
114
56,4%
56,4%
1
3
8,6%
1,5%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
3
10,7%
1,5%
1
50,0%
,5%
2
4,3%
1,0%
0
,0%
,0%
9
4,5%
4,5%
2
1
2,9%
,5%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
2
12,5%
1,0%
2
7,1%
1,0%
0
,0%
,0%
2
4,3%
1,0%
3
6,3%
1,5%
10
5,0%
5,0%
3
10
28,6%
5,0%
1
33,3%
,5%
12
66,7%
5,9%
3
60,0%
1,5%
3
18,8%
1,5%
12
42,9%
5,9%
1
50,0%
,5%
9
19,1%
4,5%
18
37,5%
8,9%
69
34,2%
34,2%
Total
35
100,0%
17,3%
3
100,0%
1,5%
18
100,0%
8,9%
5
100,0%
2,5%
16
100,0%
7,9%
28
100,0%
13,9%
2
100,0%
1,0%
47
100,0%
23,3%
48
100,0%
23,8%
202
100,0%
100,0%
141
EK-14
Eğitim Durumu
a
Ka nse r_Türü * EGITIM Crossta bula tion
1
Kanser_Türü
Total
CILT
Count
% within Kans er_Türü
% of Total
HEMATOLOJIK SISTEM Count
% within Kans er_Türü
% of Total
MEME
Count
% within Kans er_Türü
% of Total
SINDIRIM
Count
% within Kans er_Türü
% of Total
SINIR
Count
% within Kans er_Türü
% of Total
SOLUNUM
Count
% within Kans er_Türü
% of Total
UROGENITAL
Count
% within Kans er_Türü
% of Total
Count
% within Kans er_Türü
% of Total
a. ilc e = Huy uk
2
20,0%
3,0%
0
,0%
,0%
1
33,3%
1,5%
2
12,5%
3,0%
0
,0%
,0%
2
11,1%
3,0%
3
20,0%
4,5%
10
14,9%
14,9%
EGITIM
2
8
80,0%
11,9%
3
100,0%
4,5%
2
66,7%
3,0%
14
87,5%
20,9%
2
100,0%
3,0%
16
88,9%
23,9%
11
73,3%
16,4%
56
83,6%
83,6%
3
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
1
6,7%
1,5%
1
1,5%
1,5%
Total
10
100,0%
14,9%
3
100,0%
4,5%
3
100,0%
4,5%
16
100,0%
23,9%
2
100,0%
3,0%
18
100,0%
26,9%
15
100,0%
22,4%
67
100,0%
100,0%
142
EK-15
Meslek durumu
a
Ka nse r_Türü * MESLEK Crosstabulation
MESLEK
1
Kanser_Türü
Total
CILT
Count
% within Kans er_Türü
% of Total
HEMATOLOJIK SISTEM Count
% within Kans er_Türü
% of Total
MEME
Count
% within Kans er_Türü
% of Total
SINDIRIM
Count
% within Kans er_Türü
% of Total
SINIR
Count
% within Kans er_Türü
% of Total
SOLUNUM
Count
% within Kans er_Türü
% of Total
UROGENITAL
Count
% within Kans er_Türü
% of Total
Count
% within Kans er_Türü
% of Total
a. ilc e = Huy uk
2
20,0%
3,1%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
1
50,0%
1,5%
1
5,6%
1,5%
1
7,7%
1,5%
5
7,7%
7,7%
5
0
,0%
,0%
1
33,3%
1,5%
0
,0%
,0%
1
6,3%
1,5%
1
50,0%
1,5%
2
11,1%
3,1%
1
7,7%
1,5%
6
9,2%
9,2%
6
2
20,0%
3,1%
1
33,3%
1,5%
0
,0%
,0%
4
25,0%
6,2%
0
,0%
,0%
6
33,3%
9,2%
6
46,2%
9,2%
19
29,2%
29,2%
8
5
50,0%
7,7%
0
,0%
,0%
2
66,7%
3,1%
6
37,5%
9,2%
0
,0%
,0%
3
16,7%
4,6%
4
30,8%
6,2%
20
30,8%
30,8%
9
1
10,0%
1,5%
0
,0%
,0%
1
33,3%
1,5%
3
18,8%
4,6%
0
,0%
,0%
6
33,3%
9,2%
1
7,7%
1,5%
12
18,5%
18,5%
10
0
,0%
,0%
1
33,3%
1,5%
0
,0%
,0%
2
12,5%
3,1%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
3
4,6%
4,6%
Total
10
100,0%
15,4%
3
100,0%
4,6%
3
100,0%
4,6%
16
100,0%
24,6%
2
100,0%
3,1%
18
100,0%
27,7%
13
100,0%
20,0%
65
100,0%
100,0%
143
EK-16
Kan bağı durumu
a
Ka nse r_Türü * KANBAGI Crosstabulation
0
Kanser_Türü
Total
CILT
Count
% within Kans er_Türü
% of Total
HEMATOLOJIK SISTEM Count
% within Kans er_Türü
% of Total
MEME
Count
% within Kans er_Türü
% of Total
SINDIRIM
Count
% within Kans er_Türü
% of Total
SINIR
Count
% within Kans er_Türü
% of Total
SOLUNUM
Count
% within Kans er_Türü
% of Total
UROGENITAL
Count
% within Kans er_Türü
% of Total
Count
% within Kans er_Türü
% of Total
a. ilc e = Huy uk
8
80,0%
13,3%
0
,0%
,0%
2
100,0%
3, 3%
11
68,8%
18,3%
2
100,0%
3, 3%
14
87,5%
23,3%
5
41,7%
8, 3%
42
70,0%
70,0%
KANBAGI
2
1
10,0%
1, 7%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
0
,0%
,0%
1
8, 3%
1, 7%
2
3, 3%
3, 3%
3
1
10,0%
1, 7%
2
100,0%
3, 3%
0
,0%
,0%
5
31,3%
8, 3%
0
,0%
,0%
2
12,5%
3, 3%
6
50,0%
10,0%
16
26,7%
26,7%
Total
10
100,0%
16,7%
2
100,0%
3, 3%
2
100,0%
3, 3%
16
100,0%
26,7%
2
100,0%
3, 3%
16
100,0%
26,7%
12
100,0%
20,0%
60
100,0%
100,0%
144
EK-17
Arazi Sınıfı Kodları
145
EK-18
146
EK-19
147
ÖZGEÇMİŞ
KİŞİSEL BİLGİLER
Adı Soyadı
Uyruğu
Doğum Yeri ve Tarihi
Telefon
Faks
e-mail
:
:
:
:
:
:
Hatice Canan GÜNGÖR
T.C.
Kütahya-1979
0536 212 9941
cnnkorkut@hotmail.com
EĞİTİM
Derece
Lise
:
Üniversite
:
Yüksek Lisans :
Doktora
:
Adı, İlçe, İl
Kütahya Yabacı Dil Ağırlıklı Lise, Merkez,
Kütahya
Selçuk Üniversitesi, Konya
Selçuk Üniversitesi, Konya
Selçuk Üniversitesi, Konya
Bitirme Yılı
1998
2003
2006
İŞ DENEYİMLERİ
Yıl
2004-2005
2005-2006
2007-2011
2012-
Kurum
Çakıllar İ.Ö.O, Halkapınar, Konya
Ereğli Belediyesi, Konya
Dumlupınar Üniversitesi
Tapu Kadastro V.Bölge Müdürlüğü
Görevi
Vekil Öğretmen
Kontrol Mühendisi
Araştırma Görevlisi
Kontrol Mühendisi
UZMANLIK ALANI
Coğrafi Bilgi Sistemleri, Coğrafi Bilgi Sistemi Yazılımları,
YABANCI DİLLER
İngilizce (ÜDS) : 60
BELİRTMEK İSTEĞİNİZ DİĞER ÖZELLİKLER







2012 GNSS Eğitim Sertifikası (Tapu ve Kadastro V.Bölge Müd.) Konya.
2012 GNSS Eğitim Sertifikası (Tapu ve Kadastro Gen.Müd.) Antalya
2011 MapInfo Başarı Sertifikası (Başarsoft) Ankara.
2005 Bilgisayar İşletmeni Sertifika Programı (MEB) Konya.
2003 SPSS İstatistik Programları (Özel) Kütahya.
2003 MapInfo Proffesional Eğitim Kursu (TMMOB) Ankara.
2002 Yabancı Dil Kursu Sertifikası (MEB) Konya.
148
Ulusal Yayın Listesi
“Coğrafi Bilgi Sistemi Teknolojisi ile Deprem Bilgi Sistemi Uygulaması:
Kütahya İli” H.Canan GÜNGÖR, Can AYDAY, Yaşar KİBİCİ DUMLUPINAR
ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DERGİSİ YIL: 2011 SAYI:26 ISSN
1302-3055, 85-98
“CBS Kullanımı ile Kanser ve Ölüm Oranları Haritaları”: Kütahya İli Örneği”,
Coğrafi Bilgi Sistemleri Sempozyumu 30 Ekim- 4 Kasım 2011 ANTALYA.
“Türkiye’de Şehirlerarası Otobüs Yolculukları Matrisinin Elde Edilmesi Ve
CBS ortamında İncelenmesi” Yaşar VİTOŞOĞLU, Polat YALINIZ, H.Canan
GÜNGÖR. TMMOB İNŞAAT MÜHENDİSLERİ ODASI 8.ULAŞTIRMA KONGRESİ.
30 EYLÜL/1-2 EKİM 2009 İTÜ MUSTAFA KEMAL AMFİSİ/ İSTANBUL.
“Orta Sakarya Havzası Granitoidlerinin Petrografik ve Jeokimyasal
Özelliklerinin CBS ile Yorumlanması” H. Canan GÜNGÖR, Hilal ULUKOL, Mehmet
DEMİRBİLEK, Yaşar KİBİCİ, Can AYDAY. I.ULUSAL JEOLOJİK UZAKTAN
ALGILAMA SEMPOZYUMU (JEOUZAL-I). 22-23 Mayıs 2008. Cumhuriyet
Üniversitesi Kültür Merkezi SİVAS.
“Coğrafi Bilgi Sisteminin Sağlık Alanında Kullanımı” H.Canan GÜNGÖR,
G.ÖZKAN. TMMOB COĞRAFİ BİLGİ SİSTEMLERİ KONGRESİ. 30 EKİM-03
KASIM 2007, KARADENİZ TEKNİK ÜNİVERSİTESİ TRABZON (Yüksek Lisans
tezinden yapılmıştır.).
“Coğrafi Bilgi Sistemi Yardımıyla Kanser Haritaları Üretimi ve Konya Örneği”
Gülgün ÖZKAN, H.Canan GÜNGÖR. TMMOB HKMO, 11.TÜRKİYE BİLİMSEL
HARİTA VE TEKNİK KURULTAYI. 2-6 NİSAN 2007, ODTÜ KÜLTÜR VE
KONGRE MERKEZİ ANKARA ((Yüksek Lisans tezinden yapılmıştır.).
Uluslarası Yayın Listesi
PREPARATION OF DISASTER INFORMATION SYSTEMS OF KUTAHYA
PROVINCE by USING GEOGRAPHIC INFORMATION SYSTEMS., AYDAY C.,
KİBİCİ Y., GÜNGÖR C. (ISEPP) International Symposium on Environmental
Protection and Planning: Geographic Information Systems (GIS) and Remote Sensing
(RS) Applications., 28-29 June 2011, Gediz University, Izmir, Turkey.
“SPATIAL DATA ACCURACY AND QUALITY” C. GUNGOR, G. OZKAN.
6. INTERNATIONAL ADVANCED TECHNOLOGIES SYMPOSIUM. 16-18 MAY
2011 ELAZIG/TURKEY.
“PARKING AREA PROBLEMS IN CENTRAL OF KONYA AND
SUGGESTIONS” C. GÜNGÖR, E.K. GUNGOR, M.L. AGIRDIR. 6.
INTERNATIONAL ADVANCED TECHNOLOGIES SYMPOSIUM. 16-18 MAY
2011 ELAZIG/TURKEY.
“GIS Aimed at Producing Cancer Maps” Canan GÜNGÖR, Gülgün
ÖZKAN(TURKEY). 5. INTERNATIONAL CONFERENCE ON GEOGRAPHIC
INFORMATION SYSTEMS. 2-5 JULY 2008, ISTANBUL TURKEY (Yüksek Lisans
tezinden yapılmıştır.).
Download