Geoinformatik und Geostatistik: Ein Überblick

Vergleich räumlicher und konventioneller Regressionsmodelle bei der Bestimmung der Trachomprävalenz und der damit verbundenen Risikofaktoren

Pius Kipngetich Kirui, Benson Kipkemboi Kenduiywo und Edward Hunja Waithaka

Trachom ist eine vernachlässigte Tropenkrankheit und die häufigste Infektionsursache für Erblindung. In Kenia ist es für 19 % aller Erblindungsfälle verantwortlich. Frühere Forschungen zu den damit verbundenen Risikofaktoren in Kenia stützten sich ausschließlich auf Daten aus herkömmlichen Erhebungen über die Auswirkungen. Die ungleichmäßige Verteilung der Prävalenz in vermuteten Endemiegebieten trotz ähnlicher Interventionsmaßnahmen macht es jedoch erforderlich, bei der Modellierung der Trachomübertragung potenzielle Umwelt- und Klimarisikofaktoren einzubeziehen. Unsere Studie zielt daher darauf ab, die Prävalenz von Trachom und den damit verbundenen Risikofaktoren durch Verwendung räumlicher Regressionsmodelle bei der Variablenauswahl, -schätzung und -vorhersage im Vergleich zu herkömmlichen Regressionsmodellen zu bestimmen. Durch Verwendung von Daten aus Trachomuntersuchungen und per Fernerkundung gewonnenen Umwelt- und Klimadaten wurden räumliche und nicht-räumliche Regressionsmodelle implementiert. Die Regressionsergebnisse wurden dann für die räumliche Interpolation mithilfe von Kriging und geographisch gewichteter Regression verwendet. Niederschlag, das Vorhandensein von Fliegen im Gesicht von Kindern, schmutzige Gesichter von Kindern und Trockenheit erwiesen sich als die signifikanten Variablen, die zur Trachomübertragung beitragen. Das räumliche Verzögerungsmodell hatte den geringsten Wert des Akaike-Informationskriteriums von 385,08 und schnitt daher im Vergleich zu den übrigen Regressionsmodellen relativ besser ab. Bei der Schätzung der Prävalenz an Orten, an denen keine Daten erhoben wurden, schnitt das multivariate Regressions-Kriging etwas besser ab als die geografisch gewichtete Regression. Die Studie zeigt, dass räumliche Regressionsmodelle sowohl bei der Variablenauswahl als auch bei der räumlichen Vorhersage der Trachomprävalenz im Vergleich zu herkömmlichen Regressionsmodellen besser abschneiden. Bei den räumlichen Regressionen waren die erhaltenen signifikanten Variablen ähnlich, obwohl das räumliche Verzögerungsmodell im Vergleich zu anderen Regressionsmodellen bei der Variablenauswahl basierend auf AIC-Wert und R-Quadrat relativ besser abschnitt. Es gab nur minimale Unterschiede zwischen den beiden räumlichen Interpolationsmethoden.