Geographic Information Systems in Spatial Epidemiology

Nayak, Prajna Pramod; Pai, Jagadeesha B; Singla, Nishu; Somayaji, Krishnaraj; Kalra, Dheeraj

doi:10.4103/jispcd.jispcd_413_20

Cited by 13 publications

(5 citation statements)

References 30 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…GIS technology combines epidemiological data, demographic information, and spatial features to generate dynamic maps depicting the distribution and concentration of infectious diseases [ 34 ]. These maps provide a visual picture of the impacted areas, assisting health professionals, policymakers, and the general public in understanding the geographical patterns and possible hotspots of viral epidemics [ 34 ]. Over the last decade, several researchers have used mapping and visualisation to analyse viral epidemics.…”

Section: Analytical Methods For Big Data In Epidemiologymentioning

confidence: 99%

Digital epidemiology: harnessing big data for early detection and monitoring of viral outbreaks

Fallatah,

Adekola

2024

Infection Prevention in Practice

View full text Add to dashboard Cite

Section: Analytical Methods For Big Data In Epidemiologymentioning

confidence: 99%

Digital epidemiology: harnessing big data for early detection and monitoring of viral outbreaks

Fallatah,

Adekola

2024

Infection Prevention in Practice

View full text Add to dashboard Cite

“…The data was collected using GIS technology. The results of the clinical and epidemiological study were entered into the medico-social layer of the local GIS and mapped by overlaying the data of the eco-geophysical layer [5][6][7]. The latter was represented by territorial maps of geophysical, hydrogeological and ecological anomalies in the Odesa region based on the results of the earlier Black Sea geophysical expedition [8].…”

Section: Methodsmentioning

confidence: 99%

“…Mapping health information alongside environmental and socioeconomic data can reveal the relationship between the two. By comparing eco-geophysical data and medico-social parameters, including health indicators, a map can highlight the correlations between environment and health [5,6]. A recent study found that an orphan disease such as growth hormone deficiency (GHD)…”

mentioning

confidence: 99%

Географічна Інформаційна Система В Моніторингу Орфанних Та Соціально Значущих Захворювань У Дітей

Aryayev,

Senkіvska,

Biryukov

et al. 2023

View full text Add to dashboard Cite

Мета: покращити моніторинг орфанних та соціально значущих захворювань у дітей на основі використання географічної інформаційної системи (ГІС) і вивчити зв’язок між поширеністю дефіциту гормону росту (ДГР), муковісцидозу (МВ), гострого лімфобластного лейкозу (ГЛЛ), цукрового діабету 1-го типу (Т1ЦД) й еколого-геофізичними факторами навколишньої території. Матеріали та методи. Моніторинг випадків ДГР, МВ, ГЛЛ та Т1ЦД у дітей в Одеській області проводився з 2016 по 2020 роки. Ми зареєстрували дані 862 дітей, серед яких 92 мали ДГР, 54 — МВ, 88 — ГЛЛ і 628 — T1ЦД. У дослідженні використано клінічні та епідеміологічні методи, а також локальну ГІС. Для аналізу даних застосовували локальний медико-соціологічний шар ГІС і накладали його на еколого-геофізичний шар тієї ж ГІС. У дослідженні використано інформацію, отриману при проведенні Чорноморської геофізичної експедиції в Одеській області. Поширеність захворювань аналізували за χ2-тестом. Значення р < 0,05 вважалося статистично значущим. Результати. Під час перевірки «нульової гіпотези» щодо розподілу випадків ДГР, МВ, ГЛЛ та Т1ЦД у дітей за трьома фізико-географічними зонами Одеської області виявлено суттєві відмінності в поширеності захворювань на різних територіях. У лісостеповій зоні, зокрема в Ананьївському районі, виявлено найбільшу поширеність ДГР, водночас у Миколаївському районі степової зони переважав Т1ЦД. У Придністровській зоні у Біляївському районі найвищими були показники Т1ЦД, тоді як в Овідіопольському районі — показники МВ, а в Одесі — ГЛЛ. При дослідженні поширеності ДГР, МВ, ГЛЛ та Т1ЦД у дітей разом із картуванням геофізичних та екологічних аномалій в Одеській області виявлено істотну роль еколого-геофізичних факторів. Висновки. Використання методу ГІС при епідеміологічному дослідженні ДГР, МВ, ГЛЛ та Т1ЦД у дітей сприяє покращенню моніторингу орфанних та соціально значущих захворювань.

show abstract

“…• Spatial Analysis: An integral component of the research, spatial analysis serves as a lens through which the intricate relationships between variables and crime rates in Central Java are examined [36], [37]. Global spatial autocorrelation is initially evaluated using the Moran Index, enabling the identification of broad spatial patterns within the dataset [38]. This assessment aims to determine whether specific regions in Central Java exhibit significant spatial clustering of high or low crime rates.…”

Section: Data and Data Sourcesmentioning

confidence: 99%

Mapping crime determinants in Central Java: an in-depth exploration through local spatial association and regression analysis

Humairoh,

Purwaningsih,

Saifullah

et al. 2022

SITech

View full text Add to dashboard Cite

Economic development often brings prosperity to communities, but it can also be accompanied by growing disparities that, when unaddressed, lead to increased crime rates. Central Java, an Indonesian province, has been grappling with a persistent high crime rate, necessitating an in-depth examination of the factors underlying this phenomenon. In this study, we employ a rigorous research methodology, incorporating data sources from the Central Java Central Statistics Agency (BPS) and utilizing key independent variables, including population, unemployment, poverty, Age-Dependency Ratio (APS), and Relative Location Quotient (RLS). Through the application of advanced spatial analysis techniques such as the Local Indicator of Spatial Association (LISA) and the Spatial Autoregressive Model (SAR), this research offers a nuanced exploration of the spatial relationships and regression analysis of these variables. Notably, the study presents a tree map highlighting crime distribution in Central Java's districts and cities. The findings reveal that these five variables exhibit a 75.48% accuracy in predicting crime in Central Java. Through this comprehensive analysis, our research aims to provide valuable insights for policymakers, law enforcement, and the community at large, enabling informed strategies for crime reduction and the promotion of a safer, more prosperous Central Java

show abstract

Geographic Information Systems in Spatial Epidemiology

Cited by 13 publications

References 30 publications

Digital epidemiology: harnessing big data for early detection and monitoring of viral outbreaks

Digital epidemiology: harnessing big data for early detection and monitoring of viral outbreaks

Географічна Інформаційна Система В Моніторингу Орфанних Та Соціально Значущих Захворювань У Дітей

Mapping crime determinants in Central Java: an in-depth exploration through local spatial association and regression analysis

Contact Info

Product

Resources

About