Utvikling av syndrombasert signalsystem og romlig analyse av influensadata

Abstract

Denne studiens formål var å utvikle et syndrombasert signalsystem som gir et signal ved økt forekomst av en gitt infeksjon i en eller flere av landets kommuner. Infeksjonen og datasettet som ble benyttet var influensa, registrert hver uke i influensasesongene mellom 1998 til 2008. Influensaregistreringen ble analysert for å se etter romlig sammenheng i spredningen mellom de enkelte ukene. Metodene som ble brukt var thiessenpolygoner, ordinær kriging og beregning av Morans I indeks. Studien viste at det ikke var noen tydelig romlig sammenheng og at interpolasjonsmetodene ikke egnet seg til datasettet. Signalsystemet ble utviklet i Python og C# .NET, og hadde funksjonalitet for å automatisk generere et kart og sende dette som vedlegg i en e-post. Scriptet gav korrekte signaler om økt forekomst av influensalignende symptomer. Ytelsen til systemet ble også analysert og den viste at kjøretiden til scriptet er avhengig av maskinen den kjøres på.

The scope of this thesis was to develop a syndromic early warning system, which raises a signal when the incidence of a given infection increases. The data used in the thesis contains information about influenza-like symptoms collected during the influenza seasons between 1998 and 2008. The flu data was analysed for patterns of spatial dependency between each week of the seasons. The methods used were thiessen-polygons, ordinary kriging and Moran's I index. The study show that there were no clear spatial dependencies and that the interpolation methods were inappropriate for the data. The syndromic early warning system was developt using Python and C# .NET, and had the functionality to automatically generate a map and send the map as an attachment in an e-mail. The script gave correct information about the increased incidence of influenza-like symptoms. An analysis of the script's performance showed that the runtime is affected by the hardware.