A GIS tool for visualization and spatial analysis of geo-referenced health data
dc.contributor | Aalto-yliopisto | fi |
dc.contributor | Aalto University | en |
dc.contributor.advisor | Vehtari, Aki | |
dc.contributor.author | Siivola, Markus | |
dc.contributor.department | Sähkö- ja tietoliikennetekniikan osasto | fi |
dc.contributor.school | Teknillinen korkeakoulu | fi |
dc.contributor.school | Helsinki University of Technology | en |
dc.contributor.supervisor | Lampinen, Jouko | |
dc.date.accessioned | 2020-12-05T09:41:12Z | |
dc.date.available | 2020-12-05T09:41:12Z | |
dc.date.issued | 2006 | |
dc.description.abstract | Terveydenhuolto on alati kasvavien hallinnollisten haasteiden puristuksessa. Päätöksenteon tueksi tarvitaan apuvälineitä, joiden avulla resurssien allokointi olisi tehokkaampaa. Tähänastiset investoinnit terveydenhuollon tiedonkeruuseen ovat osin menneet hukkaan, sillä tietoja ei ole pystytty riittävästi hyödyntämään. Tämän työn tarkoituksena oli rakentaa GIS-pohjainen eksploratiivinen analyysityökalu kuolleisuusriskin alueellisen vaihtelun tutkimiseksi karttojen avulla. Työkalu pohjautui georeferensoidun kuolleisuus- ja väestödatan käyttöön. Käytetty silotusmenetelmä, adaptiivinen binned kernel -estimaattori, estimoi kuolemien sekä niiden lukumäärän odotusarvon välistä suhdetta adaptiivisesti säätyvissä laskenta-alueissa. Suhteellisen riskin estimaatit olivat taustaväestöön sovitettuja siten, että ne olivat tilastollisesti vertailukelpoisia eri alueiden välillä. Tärkeitä työkalun ominaisuuksia olivat käytön interaktiivisuus sekä laskennallinen tehokkuus, ja sen avulla voitiin isoja datamääriä tutkia vaivatta. Työkalu osoittautui monipuoliseksi ja nopeaksi, ja silotusmenetelmän kyky arvioida riskipintoja arvioitiin hyväksi ainakin suurilla datamäärillä: Ongelmiksi luettiin menetelmän hankala laajennettavuus sekä lievä kontrollin puute silotuksessa ja tilastollisen merkittävyyden tarkastelussa. Tulevaisuuden menetelmäkehityksen etunenässä nähtiin kulkevan bayesilaiset spatiaaliset mallit, joiden kompleksisuutta on helpompi säädellä. | fi |
dc.format.extent | 67 | |
dc.identifier.uri | https://aaltodoc.aalto.fi/handle/123456789/93496 | |
dc.identifier.urn | URN:NBN:fi:aalto-2020120552331 | |
dc.language.iso | en | en |
dc.programme.major | Laskennallinen tekniikka | fi |
dc.programme.mcode | S-114 | fi |
dc.rights.accesslevel | closedAccess | |
dc.subject.keyword | disease mapping | en |
dc.subject.keyword | tautikartoitus | fi |
dc.subject.keyword | spatial epidemiology | en |
dc.subject.keyword | spatiaalinen epidemiologia | fi |
dc.subject.keyword | health | en |
dc.subject.keyword | terveys | fi |
dc.subject.keyword | GIS | en |
dc.subject.keyword | GIS | fi |
dc.subject.keyword | geo-referenced data | en |
dc.subject.keyword | georeferensoitu data | fi |
dc.title | A GIS tool for visualization and spatial analysis of geo-referenced health data | en |
dc.title | GIS-työkalu georeferensoidun terveysdatan visualisointiin ja alueelliseen analysointiin | fi |
dc.type.okm | G2 Pro gradu, diplomityö | |
dc.type.ontasot | Master's thesis | en |
dc.type.ontasot | Pro gradu -tutkielma | fi |
dc.type.publication | masterThesis | |
local.aalto.digiauth | ask | |
local.aalto.digifolder | Aalto_40353 | |
local.aalto.idinssi | 31472 | |
local.aalto.openaccess | no |