Mehr

Kombinieren Sie zwei separate georeferenzierte Datensätze in einer Tabelle mit CartoDB

Kombinieren Sie zwei separate georeferenzierte Datensätze in einer Tabelle mit CartoDB


Ich habe zwei Tabellen, die jeweils in CartoDB mit denselben Zeitstempeln georeferenziert sind. Kann ich die beiden zusammenführen und die georeferenzierten Daten beibehalten, sodass ich zwei Punktesätze habe, aber in einer Tabelle?


Ich nehme an, Sie möchten die Daten anhängen, aber nicht zusammenführen, oder?

Sie können dies tun, indem Sie die folgende SQL-Abfrage im CartoDB-Editor anwenden:

INSERT INTO tabelle1name (Spalte1, Spalte2, Spalte3) SELECT Spalte1, Spalte2, Spalte3 FROM tabelle2name

Dadurch werden alle Ihre Zeilen aus Tabelle 2 in Tabelle 1 eingefügt. Beachten Sie, dass Sie die Spaltennamen bequem verwenden müssen (Reihenfolge ist auch wichtig, schließen Sie cartodb_id nicht ein!).

Falls Sie tatsächlich daran interessiert sind, beide Datensätze zusammenzuführen, können Sie einfach eine Spaltenverknüpfung mit einer gemeinsamen Spalte durchführen und the_geom aus dem Datensatz auswählen, den Sie erhalten möchten Option anhängen.


Herbst 2019 Workshops zu geografischen Informationssystemen (GIS)

Alle Kurse finden ab 13:30 Uhr im elektronischen Klassenzimmer 225 der Lewis Science Library statt. bis 15:00 Uhr
Offen für Studenten, Dozenten und Mitarbeiter der Princeton University
Kontakt: Tsering Wangyal Shawa, Geographische Informationssysteme und Kartenbibliothekar

Einführung in ArcGIS Pro

Ein geografisches Informationssystem (GIS) kombiniert Software und digitale geografische Daten, um Karten, Tabellen und interaktive Analysen räumlicher Informationen zu generieren. Fakultät, Studenten und Mitarbeiter von Princeton verwenden GIS-Technologie, um Ressourcen zu verwalten, räumliche Beziehungen zu untersuchen und Veränderungen zu visualisieren. Der Kurs richtet sich an Personen ohne vorherige GIS-Erfahrung, beschreibt die Technologie und beinhaltet einfache Übungen, um ihre Fähigkeiten vorzustellen.

Einführung in QGIS

QGIS ist ein Open-Source-GIS-Desktop-Softwarepaket. Es verfügt über viele Funktionen anderer Desktop-GIS-Software, läuft auf Linux/Unix-, MacOS- und Windows-Betriebssystemen und ist kostenlos erhältlich. Diese Schulung richtet sich an alle, die neu in der GIS-Technologie sind und verwendet QGIS unter Windows, um zu zeigen, wie Geodaten geladen, Online-Kartendienste hinzugefügt, ausgewählte Daten extrahiert und einfache Karten erstellt werden. Die Schulung kann auch für Benutzer anderer Desktop-GIS-Software nützlich sein.

So erstellen und sammeln Sie geografische Daten mit ArcGIS Pro

In diesem Kurs lernen die Schüler, geographische Daten von Google Maps und Google Earth zu sammeln, GPS-Daten zu GIS-Software hinzuzufügen und eine gescannte Karte georeferenziert. Die Übung zeigt auch, wie Punkte, Linien und Flächen aus der georeferenzierten Karte extrahiert werden.

So erstellen und sammeln Sie geografische Daten mit QGIS

In diesem Kurs lernen die Schüler, geographische Daten von Google Maps und Google Earth zu sammeln, GPS-Daten zu GIS-Software hinzuzufügen und eine gescannte Karte georeferenziert. Die Übung zeigt auch, wie Punkte, Linien und Flächen aus der georeferenzierten Karte extrahiert werden.

Auswählen und Analysieren von geografischen Features und Daten mit ArcGIS Pro

ArcGIS Pro verfügt über einen leistungsstarken Satz von Softwarewerkzeugen, um räumliche Informationen visuell zu untersuchen und zu analysieren. Punkt-, Linien- und Flächen-Features (Vektordaten) sind sowohl geografische Objekte auf einer Karte als auch Datensätze in einer Tabelle. Solche Merkmale können nach Standort oder anhand der im Datensatz eines Merkmals gespeicherten Werte ausgewählt werden. Diese einfachen Fähigkeiten ermöglichen es dem GIS-Benutzer, komplexe Analysen durchzuführen. Die Sitzung verwendet Daten für das Zentrum von New Jersey, um die Fläche der Landnutzungstypen in der Nähe von Bächen, die Ausdehnung der befestigten Oberflächen und andere Maßnahmen zu berechnen.

Wählen und analysieren Sie geografische Merkmale und Daten mit QGIS Analyze

QGIS verfügt über eine hervorragende Schnittstelle zum Erkunden und Analysieren von räumlichen Informationen. Punkt-, Linien- und Flächen-Features (Vektordaten) sind sowohl geografische Objekte auf einer Karte als auch Datensätze in einer Tabelle. Solche Merkmale können nach Standort oder anhand der im Datensatz eines Merkmals gespeicherten Werte ausgewählt werden. Diese einfachen Fähigkeiten ermöglichen es dem GIS-Benutzer, komplexe Analysen durchzuführen. Die Sitzung verwendet Daten für das Zentrum von New Jersey, um die Fläche der Landnutzungsarten in der Nähe von Bächen, die Ausdehnung der befestigten Oberflächen und andere Maßnahmen zu berechnen.

Finden des besten Standorts mit ArcGIS Pro

Die GIS-Software ermöglicht es dem Benutzer, die Erdoberfläche als eine kontinuierliche Reihe von Zahlen zu behandeln. Bilder und Raster-Datasets können verwendet werden, um geeignete Standorte einzustufen, Veränderungen abzuschätzen und Phänomene wie Höhe, Niederschlag oder Temperatur anzuzeigen. Die Sitzung verwendet Landnutzung, Entfernung von Bächen und Höhe, um die relative Eignung verschiedener Gebiete einzustufen. Diese Methode der „gewichteten Überlagerung“ ist in einer Vielzahl von Kontexten nützlich.

Den besten Standort mit QGIS . finden

Die GIS-Software ermöglicht es dem Benutzer, die Erdoberfläche als eine kontinuierliche Reihe von Zahlen zu behandeln. Bilder und Raster-Datasets können verwendet werden, um geeignete Standorte einzustufen, Veränderungen abzuschätzen und Phänomene wie Höhe, Niederschlag oder Temperatur anzuzeigen. Die Sitzung verwendet Landnutzung, Entfernung von Bächen und Höhe, um die relative Eignung verschiedener Gebiete einzustufen. Diese Methode der „gewichteten Überlagerung“ ist in einer Vielzahl von Kontexten nützlich.

Gemeinsames Verwenden von Tabellen und Karten in ArcGIS Pro

ArcGIS Pro bietet viele verschiedene Möglichkeiten, auf Datensätze zuzugreifen, sie in einer Karte anzuzeigen und Beziehungen über Zeit und Raum zu analysieren. US-Volkszählungsdaten können in GIS-Grenzdateien integriert werden, um die räumlichen Beziehungen von Armut, ethnischer Zugehörigkeit, Umweltrisiko und anderen Parametern zu analysieren. Praktische Beispiele zeigen, wie Sie demografische Daten finden und herunterladen, wie Sie die Daten mit GIS-Dateien kombinieren und wie Sie die Daten in Pro anzeigen. Die Sitzung unterstützt jeden GIS-Benutzer, der Tabellendaten in eine räumliche Analyse einbeziehen möchte.

Gemeinsame Verwendung von Tabellen und Karten in QGIS

US-Volkszählungsdaten können in GIS-Grenzdateien integriert werden, um die räumlichen Beziehungen von Armut, ethnischer Zugehörigkeit, Umweltrisiko und anderen Parametern zu analysieren. Praktische Beispiele zeigen, wie man demografische Daten findet und herunterlädt, wie man die Daten mit GIS-Dateien kombiniert und wie man die Daten in QGIS anzeigt. Die Sitzung unterstützt jeden GIS-Benutzer, der Tabellendaten in eine räumliche Analyse einbeziehen möchte.

Erstellen von Karten und Präsentationen mit ArcGIS Pro

Karten können bei der Vermittlung von Wissen über ein Gebiet äußerst effektiv sein. ArcGIS Pro verfügt über eine Vielzahl von Werkzeugen und Techniken zum Entwerfen von Karten. In praktischen Übungen wird gezeigt, wie Kartenerstellungswerkzeuge innerhalb der Software verwendet werden und gängige kartografische Techniken eingeführt werden. In der Sitzung wird diskutiert, wie Karten für eine Vielzahl von Präsentationsformaten entworfen werden können.

Erstellen von Karten und Präsentationen mit QGIS

Karten können bei der Vermittlung von Wissen über ein Gebiet äußerst effektiv sein. QGIS verfügt über viele Werkzeuge und Techniken zum Entwerfen von Karten. In praktischen Übungen wird gezeigt, wie Kartenerstellungstools innerhalb der Software verwendet werden und gängige kartografische Techniken eingeführt werden. In der Sitzung wird diskutiert, wie Karten für eine Vielzahl von Präsentationsformaten entworfen werden können.

Überwachte Bildklassifizierung mit ArcGIS Pro

ArcGIS Pro verfügt über viele Werkzeuge zum Klassifizieren von Satellitenbildern und Luftbildern in Landnutzungs- und Landbedeckungskategorien. Diese Sitzung stellt den Bereich Rasterfunktionen und den Bildklassifizierungsassistenten vor und arbeitet mit Landsat-Bildern von New Jersey, um eine überwachte Landnutzungs-/Landbedeckungsklassifizierung durchzuführen.

Überwachte Bildklassifizierung mit QGIS

Das Semi-Automatic Classification Plugin für QGIS bietet viele Werkzeuge zum Herunterladen von Satellitenbildern und zum Klassifizieren von Satellitenbildern und Luftbildern in Landnutzungs- und Landbedeckungskategorien. Diese Sitzung wird mit Landsat-Bildern von New Jersey arbeiten, um eine überwachte Landnutzungs-/Landbedeckungsklassifizierung durchzuführen.

Verwenden von ModelBuilder in ArcGIS Pro

GIS-Benutzer möchten einen Prozess oft mehrmals ausführen und die generierten Eingaben, Parameter oder Zusammenfassungen ändern. ArcGIS Pro bietet viele Möglichkeiten, Benutzer bei der Automatisierung von Prozessen zu unterstützen. Die Übungen zeigen den Benutzern, wie sie Grafikwerkzeuge in ModelBuilder verwenden, Modelle iterativ ausführen und arcpy-Befehle für die Verwendung in Python-Skripten extrahieren.

Verwenden von Tools zum Erstellen von Modellen in QGIS

GIS-Benutzer möchten einen Prozess oft mehrmals ausführen und die generierten Eingaben, Parameter oder Zusammenfassungen ändern. QGIS bietet viele Möglichkeiten, Benutzern bei der Automatisierung von Prozessen zu helfen. Die Übungen zeigen den Benutzern, wie sie Grafikwerkzeuge im Verarbeitungsfenster verwenden, wie Modelle iterativ ausgeführt werden und wie Befehle zur Verwendung in Python-Skripten extrahiert werden.

Wichtige ArcGIS Pro Tools for Research

In diesem Kurs lernen die Schüler, wie man GIS-Werkzeuge verwendet, um Entfernungen zwischen zwei Features, Straßen- und Flusslängen innerhalb von Verwaltungseinheiten, den Prozentsatz der gemeinsamen Grenzen zwischen zwei Gebieten zu berechnen, Informationen über Polygonnachbarn zwischen zwei Gebieten zu extrahieren und viele andere Analysetools.

Wesentliche QGIS-Tools für die Forschung

In diesem Kurs lernen die Schüler, wie man GIS-Werkzeuge verwendet, um Entfernungen zwischen zwei Features, Straßen- und Flusslängen innerhalb von Verwaltungseinheiten, den Prozentsatz der gemeinsamen Grenzen zwischen zwei Gebieten zu berechnen, Informationen über Polygonnachbarn zwischen zwei Gebieten zu extrahieren und viele andere Analysetools.

Erstellen von Web-Mapping-Anwendungen mit ArcGIS Story Map

Interaktive Karten, die in einem Browser ausgeführt werden, sind zur Standardmethode zum Anzeigen von geografischen Daten geworden. Die Übungen zeigen den Benutzern, wie sie geographische Daten im ArcGIS Enterprise-Portal der Universität posten, wie sie Webkarten aus verschiedenen Datensätzen erstellen, wie sie die Symbologie verwenden, um die Webkarte zugänglich und klar zu machen, und wie die Webkarte als Webanwendung freigegeben wird .


3 Antworten 3

Das Zusammenführen der beiden Tabellen zu einer macht den Zweck der Verwendung einer Datenbank vollständig zunichte, und Sie sind an diesem Punkt besser dran, Excel zu verwenden. Sie möchten die Daten so weit wie möglich entlang logischer Linien aufteilen, damit Sie sie beispielsweise finden können. alle Bestellungen, die Herr X jemals für ein bestimmtes Produkt gemacht hat. Und in diesem Fall möchten Sie separate Tabellen für Kunden, Bestellungen, Gravuren und dergleichen haben.

Die beste Vorgehensweise aus Design-Sicht besteht darin, Felder, die jede Tabelle gemeinsam hat, in einer dritten "Master"-Tabelle zu platzieren, dann Beziehungen von dieser Tabelle zu den vorhandenen Tabellen herzustellen und die Daten zu löschen, die in die Haupttabelle übertragen wurden (außer die Primärschlüssel, die mit Ihrer Mastertabelle gemeinsam sein müssen).

Verwenden Sie zum Erstellen der Mastertabelle eine Tabellenerstellungsabfrage, um die Mastertabelle basierend auf einer Ihrer Tabellen zu generieren, und dann eine Anfügeabfrage, um alle Produkte in der Mastertabelle hinzuzufügen, die möglicherweise nicht beiden gemeinsam sind, basierend auf der anderen Tabelle. Schließlich würde das Löschen von Abfragen für jede Tabelle Sie von redundanten Daten in beiden ursprünglichen Tabellen befreien.

Wie auch immer, ich stark schlagen vor, dass Sie die Tutorials von Microsoft verwenden und die NorthWind-Beispieldatenbank herunterladen, damit Sie eine Vorstellung davon bekommen, wie eine richtig strukturierte Datenbank aussieht. Die Lernkurve für Anfänger für den Zugriff ist sehr steil und gut aufgebaute Beispieldatenbanken sind fast eine Voraussetzung.

Machen Sie ein Backup Ihrer Datenbank(en) und spielen Sie damit, bis es richtig herauskommt. Machen Sie nicht den Fehler, mit Live-Daten zu spielen, bis Sie wissen, was Sie tun.


Kombinieren Sie zwei separate georeferenzierte Datensätze in einer Tabelle mit CartoDB - Geographic Information Systems

Ursprünglich geschrieben am 9. August 2014
Zuletzt aktualisiert am 15. Februar 2016

Ich (Chris Henrick) habe einen beruflichen Hintergrund in Kartographie und Geographischen Informationssystemen. In jüngerer Zeit berate ich in den Bereichen Front-End-Webentwicklung, Datenvisualisierung und interaktives Web-Mapping. Ich helfe mit, das NYC-Chapter von Maptime mitzuorganisieren, einer Gruppe von Freiwilligen, die es lieben, der Öffentlichkeit kostenlos Kartentechnologie beizubringen.

Worum geht es in diesem Tutorial?

Interaktives Mapping von Daten im Web mit der kostenlosen Open-Source-Software CartoDB.

In erster Linie Menschen, die noch nicht mit der Erstellung interaktiver Karten im Internet vertraut sind. Wenn Sie Erfahrung mit GIS oder Kartografie haben, kann ein Teil dieses Tutorials eine Überprüfung sein, also bitte mit mir.

Sie können die Folien für die Präsentation anzeigen, die ich normalerweise mit diesem Tutorial halte. Verwenden Sie die Tasten ◀ ▶, um zwischen den Folien zu navigieren.

Hier sind einige Beispiele dafür, wie Menschen CartoDB verwendet haben, um interaktive Karten zu erstellen:

CartoDB ist eine Software as a Service (SaaS) zur Visualisierung und Analyse von Geodaten im Web. Es ist vielleicht die benutzerfreundlichste Methode, interaktive Karten im Web mit Ihren eigenen Daten zu erstellen. CartoDB ermöglicht eine hohe kartografische Anpassung durch eine intuitive Benutzeroberfläche sowie eine erweiterte Geodatenanalyse mit SQL (Structured Queried Language) und Post-GIS.

Vor CartoDB und anderer Open-Source-Webkartografie-Software wie Tile Mill musste zum Erstellen von Webkarten ein eigener Webserver betrieben und sowohl serverseitige als auch Datenbanksoftware installiert werden. Das könnte sein extrem schwierig es sei denn, Sie waren ein erfahrener Computerprogrammierer / Back-End-Webentwickler. Das Tolle an CartoDB ist, dass es alle serverseitigen Dinge für Sie übernimmt! Jedes Mal, wenn Sie beispielsweise Daten in CartoDB importieren, werden diese Daten automatisch in einer Datenbank gespeichert, die über Geodaten Fähigkeiten.

Geodaten? Warte, was ist das.

Geodaten bezieht sich auf Daten, die eine standortbasierte, geometrische Komponente haben. Die meisten Geodaten sind in Vektorformat und wird als Punkte, Linien und Polygone gespeichert, deren geometrische Attribute Referenzen zu physischen Orten in der realen Welt aufweisen, wie beispielsweise Breiten- und Längenkoordinaten. Mit einem geografischen Informationssystem können Geodaten verwendet werden, um sowohl physische als auch kulturelle Merkmale darzustellen. Diese Daten können dann kartografisch gerendert und räumlich analysiert werden, um Probleme zu lösen und die Umgebung zu modellieren.

Beispiele für Geometrietypen:

Eine Liste mit Straßenadressen, die dann georeferenziert (abgestimmt) auf einzelne Paare von Breitengrad-Längengrad-Koordinaten (Punkten), zum Beispiel die Standorte aller öffentlichen Schulen in NYC:

Merkmale wie Flüsse und Bäche oder Straßennetze können gespeichert und als Linien dargestellt werden:

Die Bezirksgrenzen von New York City (oder andere administrative Regierungsgrenzen wie Bundesstaaten, Provinzen und Länder) können als Polygone gespeichert und dargestellt werden:

Die oben genannten Datentypen werden zum Rendern verwendet Kartenkacheln wie die, die Sie auf OpenStreetMap, Google Maps, Bing, Map Quest usw. sehen. Dies sind zum Beispiel Kartenkacheln verschiedener Anbieter für den gleichen Bereich von San Francisco:

Kartenkacheln sind 256 x 256 Pixel große Bilder, die rasterartig ausgerichtet sind. Sie werden auf diese Weise aufgebrochen, damit das Zoomen und Schwenken für den Benutzer der Webkarte nahtlos und flüssig erscheinen. Nur die Bilder innerhalb und außerhalb des Kartenbereichs, den der Benutzer betrachtet, werden gerendert. Der Server wird angewiesen, benachbarte Kacheln zu rendern und Zwischenspeicher so dass die Interaktion nahtlos erscheint, wenn Sie zu einem neuen Bereich schwenken.

Für die Zwecke dieses Tutorials bilden Kartenkacheln unsere Basiskarte die wir überlagern können benutzerdefinierte Daten auf. Aber noch mehr können wir analysieren unsere Geodaten mit CartoDB. Bei beiden Fähigkeiten kommt der Spaß ins Spiel :)

Geodatenanalyse mit PostGIS

PostGIS (zusammen mit PostgreSQL) ist die Open-Source-Datenbanktechnologie, die die Durchführung von Geoanalysen von Daten in CartoDB ermöglicht. Warum sollten wir dies gegenüber anderen Arten von GIS-Software verwenden?

  • Reproduzierbar: Sie können Ihren Workflow mit einem Skript versehen, was sich hervorragend eignet, um eine Spur Ihrer Arbeit zu hinterlassen.
  • Es baut auf SQL auf: Wenn Sie SQL bereits kennen, ist dies ein einfacher Einstieg in die GIS-Analyse.
  • Sie können Daten dynamisch abfragen: Wenn Sie einen Server haben, der eine PostGIS-Abfrage verarbeiten und JSON zurückgeben kann, können Sie in Ihren Apps dynamische räumliche Abfragen durchführen. z.B. "Finde alle Punkte in meiner Nähe."

Wir werden in diesem Tutorial einige grundlegende PostGIS behandeln. Wenn Sie daran interessiert sind, finden Sie hier möglicherweise ein weiteres einführendes Tutorial zur Verwendung von PostGIS in CartoDB. Es gibt auch viele tolle Tutorials in der Map Academy von CartoDB

Einführung in das CartoDB-Dashboard

  1. Erstellen Sie ein kostenloses Konto und melden Sie sich bei CartoDB an. Nachdem Sie sich angemeldet und das Dashboard angezeigt haben, klicken Sie auf die Option Datenbibliothek (obere rechte Ecke des Dashboards). Navigieren Sie zu Seite 5, wählen Sie das Dataset Populated Places aus und klicken Sie dann oben im Dashboard auf Dataset verbinden. Dadurch wird das Dataset "Bevölkerte Orte" in Ihr Konto importiert.

Nachdem die Daten importiert wurden, werfen Sie einen Blick auf das adm0cap-Feld im Tabellenansicht. Dieses Feld speichert Nullen und Einsen, letzteres bedeutet, dass der Ort eine Landeshauptstadt ist.

Es gibt zwei Möglichkeiten, Ihre Daten in CartoDB zu überprüfen:

Tabellenansicht: Zeigt Spaltennamen und Zeilen ähnlich einer Tabellenkalkulation an. Für diesen Datensatz repräsentiert jede Zeile einen Punkt. Abhängig von Ihren Daten können Zeilen jedoch auch andere Geometrietypen darstellen.

  • Sehen Sie sich an, was sich in einer der Zellen in der Spalte_geom befindet. Sie sollten Breiten- und Längengradkoordinaten sehen.

Kartenansicht: Ermöglicht die visuelle Inspektion unserer Daten, zB: Zoomen und Schwenken auf einer interaktiven Webkarte. Von hier aus können wir den Stil der Basiskarte ändern, verwenden Sie die Visualisierungsassistent in der Seitenleiste, um unsere Daten zu gestalten und Interaktionen wie Pop-ups hinzuzufügen, die Werte aus den Spalten in unserer Tabellenansicht anzeigen.

Versuchen Sie im Visualisierungsassistenten, den Stil der Daten auf zu ändern Kategorieansicht, wählen Sie die Spalte adm0cap aus und versuchen Sie, basierend auf dem Wert für adm0cap verschiedene Typen von Bildmarkierungen zuzuweisen. Denken Sie daran, eine 1 bedeutet, dass ein Ort eine Landeshauptstadt ist.

Hinweis: Sie können auch benutzerdefinierte Bilder hochladen, die als Markierungen verwendet werden.

Veröffentlichen / Teilen einer Karte:

Durch Klicken auf die Schaltfläche Visualisieren in der oberen rechten Ecke können wir ein Visualisierung. Tun Sie dies und geben Sie Ihrer Visualisierung einen Namen wie "My First Viz".

Wenn wir eine Visualisierung erstellen, erbt sie die Stile, die wir aus unserer Kartenansicht festgelegt haben.

Visualisierungen funktionieren durch Verknüpfung mit Ihren Datentabellen. Beachten Sie, dass, wenn wir unsere importierten Datentabellen überprüfen und die Stile von hier aus ändern, die Visualisierung, die wir mit diesen Daten erstellt haben wird nicht mit diesen Stilen aktualisiert werden. Wenn Sie jedoch Änderungen an den Werten in diesen Tabellen vornehmen, wird die entsprechende Visualisierung werden betroffen sein.

Hinweis: Alle Änderungen, die wir an unserer Visualisierung vornehmen (Daten oder Styling), werden in Echtzeit für jeden, der unsere Visualisierung anzeigt, aktualisiert!

Beachten Sie die Unterschiede zwischen den Tabellen und Visualisierungen Ansichten in Ihrem Dashboard. Ersteres listet die Datensätze auf, die Sie in Ihr Konto importiert haben, letzteres listet die Karten auf, die Sie mit Ihren Daten erstellt haben und die Sie möglicherweise im Web teilen / veröffentlichen.

Hinweis: Eine einzelne Visualisierung kann mit mehreren Tabellen verknüpft sein in Form von Schichten. Dies ist ein Schlüsselkonzept im kartografischen Design, und die Ebenenreihenfolge spielt eine Rolle.

Löschen Sie das zuvor erstellte Dataset und die Visualisierung für ausgefüllte Orte, da wir den Speicherplatz benötigen, um mit dem nächsten Teil des Tutorials mit einem kostenlosen Konto fortzufahren.

Import the U.S. Counties, 1979 - Aktueller Datensatz (derzeit auf Seite 5 der Datenbibliothek)

Schauen wir uns diese Daten an. Klicken Sie auf eine der Zellen unter der Spalte the_geom. Sie sollten etwas sehen wie:

So speichert CartoDB Geometrie für a Multi-Polygon, oder eine Gruppe von Polygonen. Jede dieser Koordinaten bezieht sich auf a Knoten innerhalb eines einzelnen Polygons. Multi-Polygone sind nützlich, um viele geografische Merkmale wie Inseln zu gruppieren, die zu einer einzigen politischen Einheit wie einem Staat oder einer Provinz gehören.

Wechseln Sie nun zum Kartenansicht um zu sehen, wie die Polygone auf unserer Karte überlagert sind.
Im Visualisierungsassistenten:

Versuchen Sie, irgendwo auf der Karte zu klicken. Beachten Sie, dass ein Popup mit der folgenden Meldung angezeigt wird: "Sie haben keine Felder ausgewählt, die im Infofenster angezeigt werden sollen." Klicken Sie auf den Link Felder auswählen und beachten Sie, dass die Seitenleiste auf der rechten Seite zum Infofenster Tafel. Hier können Sie Daten konfigurieren, die in den Pop-ups angezeigt werden oder was CartoDB aufruft Infofenster.
Hier können Sie:

  • Schalten Sie eine Ihrer Spalten ein oder aus, damit die Werte im Infofenster angezeigt werden.
  • Bearbeiten Sie den Namen der Spalte, die im Infofenster angezeigt werden soll (Hinweis: Dadurch wird der Spaltenname in Ihren tatsächlichen Daten nicht geändert).
  • den Stil von Infofenstern ändern.
  • passen Sie sie mit HTML und CSS an.

Versuchen wir, den Grafikstil unserer Daten mit dem Visualisierungsassistenten zu ändern. Wechseln Sie den Stil von "einfach" zu "choroplet". Beachten Sie, wie unsere Polygondaten basierend auf den Werten in den Daten, in diesem Fall der Gesamtbevölkerung, automatisch farbcodiert werden. Hier gibt es jedoch ein Problem: Die Kartierung der Bevölkerung nach Landkreisen vermittelt dem Betrachter unserer Karte einen falschen Eindruck. Wir müssen normalisieren die Daten, indem die Anzahl der Einwohner eines Landkreises durch seine geografische Fläche geteilt wird.

Glücklicherweise haben unsere Daten diesen Wert bereits in der Spalte pop_sqkm enthalten. Um zu zeigen, wie Sie es selbst berechnen können, würden wir im Folgenden Folgendes tun: SQL-Panel:

Dies ist ein Beispiel für die Verwendung der Open-Source-Technologie PostGIS um unsere Daten räumlich zu analysieren. Mit PostGIS können wir Werte wie Entfernung und Fläche berechnen, wo sich unterschiedliche Geodatensätze überschneiden, sowie unsere Daten in verschiedene Datenformate exportieren wie z GeoJSON oder Shapefile.

Erstellen einer thematischen Punktkarte

Importieren Sie den historischen Datensatz der Tornado-Daten 1950 - 2013 (derzeit auf Seite 3 der Datenbibliothek).

Überprüfen Sie die Daten. Da diese Daten im CSV-Format gespeichert wurden, haben alle unsere Datentypen werden gespeichert als Saiten (ein String ist ein Datentyp zum Speichern von Text, wie ein Satz oder ein Wort). Um die numerisch und Datum Werte in diesen Daten müssen wir die folgenden Spalten in ihre jeweiligen Datentypen konvertieren, indem Sie auf die kleine Karotte neben dem Spaltennamen klicken und dann auf klicken "Datentyp ändern."
Also wir jetzt:

  • Konvertieren Sie den Datentyp der Schadensspalte in Nummer.
  • Konvertieren Sie den Datentyp der Datumsspalte in Datum. Die richtigen Datentypen sind für die räumliche Analyse wichtig. Wenn PostGIS denkt, dass unser Datentyp Strings sind, obwohl es sich tatsächlich um Zahlen oder Daten handelt, funktioniert unsere Analyse nicht!

Verwenden Sie nun in der Kartenansicht den Visualisierungsassistenten, um den Schadenswert unserer Daten in verschiedenen Methoden wie Bubble Map, Intensity, Density Map usw. anzuzeigen.

Sehen Sie sich das Filter-Panel an und zeigen Sie, wie Filter in SQL übersetzt werden, indem Sie das SQL-Panel nach der Anwendung eines Filters anzeigen.

Zurück in der "Kartenansicht" versuchen Sie, unserer Karte Beschriftungen hinzuzufügen. Beachten Sie, wie das CartoCSS-Panel aktualisiert wird. Wenn wir möchten, können wir unsere Kartenstile mit CartoCSS anpassen. Dadurch können wir den Stil unserer Karte besser abstimmen als mit dem Visualisierungsassistenten.

Animieren von Geodaten mit Torque

Verwenden Sie die gleichen Tornado-Daten von oben.

Probieren Sie es aus Drehmoment Option im Visualisierungsassistenten, indem Sie die Datumsspalte als zu animierenden Zeitwert auswählen.

Zählen von Punkten in Polygonen

Kombinieren wir sowohl die Counties- als auch die Tornados-Datasets in einer neuen Visualisierung. Ordnen Sie die Layer so an, dass die Tornadodaten über den Kreisdaten liegen. Das ist interessant, aber was wäre, wenn wir unsere Grafschaften nach der Anzahl der Tornados gestalten wollten, die jeder innerhalb seiner Grenzen hat?

Wir können PostGIS verwenden, um die Anzahl der Tornados pro Landkreis zu zählen. Erstellen Sie eine neue Spalte namens tornadoes_by_county in der Tabelle us_counties und geben Sie ihr eine Antwort numerisch Datentyp.

Führen Sie dann im SQL Panel die folgende Abfrage aus (dies setzt voraus, dass Ihre Tornado-Datentabelle tornadoes heißt)

Versuchen Sie im Visualisierungsassistenten für den Layer us_counties, die Kategorie in Choroplethen zu ändern und die Spalte tornadoes_by_county zum Stylen der Karte zu verwenden.

Das war's Leute, ich hoffe ihr hattet Spaß! Siehe die Ressourcen Abschnitt unten für weitere Informationen.


Kombinieren Sie zwei separate georeferenzierte Datensätze in einer Tabelle mit CartoDB - Geographic Information Systems

Das GIS-Raumdatenmodell

Geodaten sind der Antrieb für ein GIS. Jede Funktionalität, die ein GIS von einer anderen analytischen Umgebung trennt, beruht auf der räumlich expliziten Natur der Daten.

Geodaten werden oft als Schichten, Abdeckungen, oder Schichten. Wir verwenden den Begriff Schichten ab diesem Zeitpunkt, da dies der in ArcGIS verwendete Begriff ist. Schichten repräsentieren in einem speziellen digitalen Speicherformat Merkmale auf, über oder unter der Erdoberfläche. Abhängig von der Art der Features, die sie darstellen, und dem Zweck, auf den die Daten angewendet werden, sind Layer einer von zwei Haupttypen.

Vektor Daten repräsentieren Features als diskrete Punkte, Linien und Polygone.

Raster Daten repräsentieren die Landschaft als rechteckige Matrix aus quadratischen Zellen.

Abhängig von der Art des zu lösenden Problems, der Art der zu erstellenden Karten und der Datenquelle, entweder Raster oder Vektor, oder eine Kombination aus beiden können verwendet werden. Jedes Datenmodell hat Stärken und Schwächen in Bezug auf Funktionalität und Darstellung. Wenn Sie mehr Erfahrung mit GIS sammeln, können Sie bestimmen, welcher Datentyp für eine bestimmte Anwendung verwendet werden soll.

Datenstrukturen

    , z.B.,
    • ArcInfo-Abdeckungen
    • ArcGIS Shape-Dateien
    • CAD (AutoCAD DXF & DWG oder MicroStation DGN-Dateien)
    • ASCII-Koordinatendaten

    • ArcInfo-Gitter
    • Bilder
    • Digitale Höhenmodelle (DEMs)
    • generische Raster-Datasets

    Diese Features sind die grundlegenden Features in einem vektorbasierten GIS wie ArcGIS 9. Das grundlegende räumliche Datenmodell wird als "Quotarc-Knoten-Topologie" bezeichnet. Eine der Stärken des Vektordatenmodells besteht darin, dass es zum Rendern von geografischen . verwendet werden kann Funktionen mit großer Präzision. Dies geht jedoch mit einer höheren Komplexität der Datenstrukturen einher, die sich manchmal in einer langsameren Verarbeitungsgeschwindigkeit niederschlägt. Die meisten Features, die Sie auf gedruckten Karten sehen, werden mit Vektordaten dargestellt.

    Punkte stellen diskrete Orte auf dem Boden dar. Entweder sind dies echte Punkte, wie der Punkt, der durch eine USGS-Messingkappe markiert ist, wie eine Schnittecke, oder es können virtuelle Punkte sein, basierend auf dem Darstellungsmaßstab. Beispielsweise wird der Standort einer Stadt auf einer Straßenkarte der Vereinigten Staaten durch einen Punkt dargestellt, obwohl eine Stadt in Wirklichkeit eine Fläche hat. Mit zunehmendem Kartenmaßstab wird die Stadt bald als Polygon erscheinen. Ab einem bestimmten Zoom-Maßstab (d. h. wenn die Ausdehnung der Karte vollständig innerhalb der Stadt liegt) wird die Stadt überhaupt nicht dargestellt, sondern nur der Hintergrund der Karte.

    Hier ist eine Ansicht des Puget Sound-Gebiets mit Flughäfen. Die Flughäfen werden als Punkte im GIS gespeichert.

    Auf Attributtabellen wird im nächsten Abschnitt, dem relationalen Datenbankmodell, mehr eingegangen, aber das tabellarische Datenmodell ist hier erwähnenswert. Jeder Layer ist eine Kombination aus den Koordinatendaten (Vektordaten) und einer Attributtabelle, die einen Datensatz für jedes Vektor-Feature enthält. Die Datensätze enthalten Attribute für das Feature, z. B. den Namen der Stadt, die Nummer des Abtastpunkts oder die Frequenz des Funkturms. In diesem Beispiel werden Flughäfen als Punkte dargestellt und mit ihrem Namen sowie anderen Codes in der Punkt-Layer-Attributtabelle verknüpft.

    Linien repräsentieren lineare Merkmale wie Flüsse, Straßen und Übertragungskabel. Hier sind die wichtigsten Straßen in der Region Puget Sound zusammen mit den Linienattributen. In ArcGIS werden Linien auch als "Quotarcs" bezeichnet, daher der Name "ArcGIS". Jede Linie besteht aus einer Reihe verschiedener Koordinaten, die die Form der Linie bilden, sowie aus dem tabellarischen Datensatz für das Linienvektor-Feature.

    Bögen bestehen aus Knoten und Scheitelpunkten. Bögen beginnen und enden an Knoten und können 0 oder mehr Scheitelpunkte zwischen den Knoten haben. Die Scheitelpunkte definieren die Form des Bogens entlang seiner Länge. Bögen, die miteinander verbunden sind, teilen sich einen gemeinsamen Knoten.

    Manchmal sind mehrere Bögen verbunden und haben gemeinsame Attribute. Diese Bögen können als durchgehende Linie erscheinen, aber in Wirklichkeit besteht die "Linie" aus mehreren Merkmalen, von denen jedes seinen eigenen Datensatz hat.

    Das Datenmodell der Arc-Knoten-Topologie ist für viele ArcGIS-Vektoroperationen von zentraler Bedeutung. Bögen werden mit Start- und Endknoten dargestellt, was den Bögen eine Richtungscharakteristik verleiht. Im Bild unten beginnt Bogen Nr. 1 bei Knoten #2 und endet bei Knoten #1 und passiert dabei mehrere Scheitelpunkte. Jeder der Knoten und Scheitel wird mit Koordinatenwerten gespeichert, die reale Orte in einem realen Koordinatensystem darstellen (z. B. Längen-/Breitenwinkel, State-Plane-Fuß oder UTM-Meter). Diese Koordinatenwerte stellen Positionen dar, die Sie mithilfe der numerischen Werte finden können, die auf dem Raster an den Rändern einer Papierkarte gedruckt sind. Die Speicherung von realen Koordinatenwerten für im GIS gespeicherte Features wird als Georeferenzierung. Wenn im GIS gespeicherte Features auf reale Standorte verwiesen werden, werden die Features als bezeichnet georeferenziert.

    Beachten Sie, dass jeder Knoten und jeder Scheitelpunkt bestimmte X- und Y-Koordinatenwerte hat. Diese X- und Y-Koordinaten bilden die Grundlage für die Position von Features im Koordinaten-(Karten-)Raum. Alle Vektor-Features (Punkte, Linien und Polygone) bestehen aus Positionen, die durch bestimmte Koordinatenwerte definiert sind. Im ArcGIS-Shapefile-Datenmodell werden die Koordinatenwerte für Punkte, Knoten und Stützpunkte innerhalb des Datasets als "versteckte" Werte auf Feature-für-Feature-Basis gespeichert.

    Polygone begrenzte Bereiche bilden. In den oben gezeigten Punkt- und Linien-Datasets werden die Landmassen, Inseln und Wasserobjekte als Polygone dargestellt. Polygone werden durch Begrenzungsbögen gebildet, die die Position jedes Polygons verfolgen, wie in dieser Abbildung gezeigt:

    Polygon Nr. 1 ist das "universelle Polygon", das die Außenseite aller anderen Polygone darstellt. Polygon #2 (das auch mit bezeichnet wird) Labelpunkt 2) ist begrenzt durch Bögen 1 und 2. (Obwohl alle diese Funktionen Koordinaten haben, werden sie hier nicht wie im vorherigen Bild angezeigt.)

    Betrachten Sie nun Bogen #2. Es beginnt bei Knoten #2 und endet bei Knoten #1. Seiner Richtung folgend befindet sich auf seiner linken Seite das Polygon Nr. 1 (das keine Bezeichnung als "Universums-Polygon" benötigt) und auf seiner rechten Seite das Polygon Nr. 2 (bezeichnet mit Labelpunkt 2).

    Fahren Sie mit diesem Muster fort und betrachten Sie denselben Datensatz mit einem hinzugefügten Polygon:

    Sie sehen jetzt, dass die Verwaltung von Vektor-Datasets komplex ist. Jeder Knoten, Beschriftungspunkt, Scheitel, Linie, müssen mit expliziten Koordinaten gespeichert werden, und die Software muss auch die räumlichen Beziehungen jedes Features sowie die relationale Verknüpfung mit den Tabellendaten verfolgen. Stellen Sie sich einen Datensatz vor, der aus mehreren Hunderttausend Polygonen besteht. Für die Verwaltung dieses Datensatzes werden viele Rechenressourcen benötigt.

    Tics Verwalten Sie die Georeferenzierung fast aller ArcInfo-Vektor-Datasets. Während Tics sind nicht Als Teil der nativen ArcGIS-Shapefile-Datenspezifikation sind sie von zentraler Bedeutung für das ArcInfo-Vektordatenmodell, und da viele unserer Datenquellen ArcInfo-Coverages sind, verdient diese Funktion erwähnt zu werden. Tics werden auf Bodenkoordinaten registriert, und alle anderen Daten im Coverage werden wiederum auf die Tics referenziert (wodurch die Features wiederum auf Bodenkoordinaten referenziert werden).

    Unten sehen Sie ein Bild, das alle wichtigen Features eines ArcInfo-Polygon-Datasets (technisch bekannt als "ArcInfo-Coverage") zeigt. Tics werden in cyanfarbenen Bögen in schwarzen Knoten in Grün und Polygonbeschriftungspunkte in Rot angezeigt.

    Obwohl diese räumlichen Beziehungen komplex sind, müssen Sie als Benutzer diese Beziehungen nicht nachverfolgen, die Software zeichnet all dies für Sie auf. Während ein Mensch die Beziehungen zwischen all diesen Merkmalen leicht erkennen kann, fehlt es der Software an Intelligenz und muss daher alle Orte und Beziehungen von Merkmalen explizit in digitalen Dateien speichern.

    ArcGIS kann Linienlänge und Polygonfläche und Umfang automatisch in den vom Benutzer definierten Maßeinheiten speichern. Diese Einheiten können Fuß, Meter oder andere Einheiten sein, die der Benutzer benötigt. Das Thema Einheiten wird im Abschnitt Kartenprojektion ausführlicher behandelt.

    In ArcGIS gibt es 3 Haupttypen von Vektordatenquelldateien:

    ESRI Geodatabases sind ein relativ neues Format. Geodatabases sind Datenbanken, die in Microsoft Access (für die "personal" Geodatabase), als spezielle Sammlung von Dateien (für die "file-based" Geodatabase) oder höherwertigen Anwendungen (z. B. SQL Server, Oracle, Informix) gespeichert sind. Eine Geodatabase speichert alle Features und zugehörigen Tabellen sowie andere Dateien in einem einzelnen oder verteilten Datenbankformat. Die Verwendung von Geodatabases gegenüber anderen Speicherformaten bietet mehrere Vorteile: Portabilität, Integrität, Validierung zulässiger Datenwerte, Speicherung von Datenbeziehungen als Teil der Datenstruktur, topologische Regeln usw. Bei ArcGIS ist es möglich, Geoverarbeitungsmodelle für komplexe Analysen sowie Toolboxes mit benutzerdefinierten Werkzeugen und speichern diese in einer Geodatabase. In Bezug auf die grundlegende Darstellung von räumlichen Features (Punkte, Linien und Polygone) und deren räumliche Referenzierung funktioniert die Geodatabase genauso wie die anderen Formate. Weitere Informationen zu Geodatabases finden Sie in den ArcGIS-Hilfethemen. ESRI veröffentlicht auch ein Lehrbuch zur Datenmodellierung, das sich auf die Geodatabase konzentriert.

    ESRI Shape-Dateien werden hauptsächlich in ArcView 3.x und ArcGIS verwendet, obwohl sie auch in anderer Software unterstützt werden. Aufgrund der einfachen Daten- und Dateistruktur werden Shapefiles in ArcGIS 10 sehr schnell gezeichnet. Shapefiles können innerhalb der ArcGIS 10-Umgebung vollständig verwaltet (erstellt, bearbeitet und gelöscht) werden. Shapefile-Datendateien können auch mit Betriebssystemtools wie dem Windows Explorer verwaltet werden. Der Shapefile-Standard ist öffentlich, daher kann jede Software dazu gebracht werden, Shapefiles zu lesen oder zu schreiben.

    Ein einzelnes Shapefile stellt Features dar, die im räumlichen Datentyp entweder Punkt, Linie oder Polygon sind. Wenn Sie ein Shapefile erstellen, müssen Sie zum Zeitpunkt der Erstellung den gewünschten Feature-Typ auswählen.

    Die räumliche Referenzierung von Shapefiles wird erzwungen, indem explizite X- und Y-Koordinaten für jeden Punkt oder Scheitelpunkt im Layer beibehalten werden. In der Regel erfolgt dies zum Zeitpunkt der Datenerstellung, bei der ein neuer Datensatz in Bezug auf vorhandene, bereits georeferenzierte Datensätze gezeichnet wird.

    Für jedes Shapefile existieren mindestens 3 Dateien, die Shape-Daten (gespeichert im .shp Datei), eine zugehörige dBASE-Tabelle (relationale Datenbank) (gespeichert in der .dbf Datei) und einen räumlichen Index (gespeichert im .shx Datei). Für jedes Feature im Shapefile gibt es einen zugeordneten Datensatz in der Attributtabelle. Die Dateistruktur des Betriebssystems für Shapefiles werden wir später im Quartal im Modul Projekt- und Datenmanagement behandeln.

    ArcInfo Abdeckungen sind eine grundlegende Implementierung des topologischen Vektormodells der Arc-Knoten, wie in den Cartoon-ähnlichen Bildern oben gezeigt. Wie Shapefiles verfügen Coverages auch über zugehörige Datenbanktabellen mit einer Eins-zu-Eins-Feature-zu-Datensatz-Beziehung.

    Wie Sie im Schema des ArcInfo-Polygon-Coverages sehen können, kann das Coverage ein Multi-Feature- oder "polymorphes" Dataset sein, das aus Polygonen, Bögen, Knoten, Beschriftungspunkten und Tics besteht. Dies liegt an der ursprünglichen Art und Weise, wie Features in einigen der ersten GIS-Softwareanwendungen modelliert wurden. Es ist eine komplexe und manchmal unhandliche Methode zum Speichern von Daten, aber da viele Systeme ArcInfo immer noch als Haupt-GIS-Software verwenden, wird die Abdeckung noch einige Zeit bestehen.

    Aufgrund der komplexen Struktur einiger Coverage-Daten kann das Zeichnen von Coverages lange dauern. Aufgrund der Feinheiten des Dateisystemspeichermodells können Coverages auch ohne die Verwendung der ArcInfo-Software nicht vollständig verwaltet (d. h. erstellt, bearbeitet, gelöscht) werden. Betriebssystemtools für die Dateiverwaltung (z. B. der Windows Explorer) können ArcInfo-Datensätze nicht verwalten, ohne sie zu beschädigen. Aus diesen Gründen werden ArcInfo-Coverages häufig als Quellen in ArcGIS verwendet, sie werden jedoch häufig für andere Zwecke in das Shapefile-Format konvertiert.

    Die räumliche Referenzierung von ArcInfo-Coverages wird durch Tics erzwungen, und alle anderen Features innerhalb des Coverages werden relativ zu den Tics räumlich referenziert.

    Die meisten Datasets, die wir während des Semesters verwenden werden, sind ArcInfo-Coverages. Innerhalb von ArcGIS gibt es nur geringfügige Unterschiede zwischen der Funktionalität des Shapefiles und des Coverages.

    Die Dateistruktur des ArcInfo-Datasets verursacht alle möglichen Probleme für ArcGIS 10-Benutzer. Einige dieser Probleme sind vermeidbar, andere nicht. Der "Umgang" mit ArcInfo-Datasets in ArcGIS wird in Projekt- und Datenverwaltung behandelt.

    Für Polygon-Features haben Shapefiles und Coverages sehr unterschiedliche räumliche Datenstrukturen. Die größten Unterschiede zeigen sich beim Vergleich der Speicherung von Polygonen. Während Coverages die standardmäßige Arc-Knoten-Topologie-Datenstruktur verwenden, in der benachbarte Polygone gemeinsame Begrenzungsbögen verwenden, speichern Shapefiles jedes Feature als separates Objekt.

    Hier ist eine Nahaufnahme einiger benachbarter Coverage-Polygone. Wenn ein Begrenzungsbogen verschoben wird, sind beide Polygone betroffen.

    Vergleichen Sie dies mit einem Shapefile, in dem verschiedene Polygone verschoben werden können, ohne benachbarte Polygone zu beeinträchtigen:

    Die Geodatabase kann auf eine der oben beschriebenen Weisen funktionieren. Während polygonale Features in einer Geodatabase als einzelne "Ringe" gespeichert werden (wie in Abbildung 8), können topologische Beziehungen so definiert werden, dass benachbarte Features nicht unabhängig bearbeitet werden können (wie in Abbildung 9).

    ASCII-Koordinatendatendateien kann auch in ArcGIS verwendet werden. Punkt-Layer können aus Dateien erstellt werden, die einzelne Datensätze für einzelne Punkte enthalten. Die Quelldateien, die einzelne Datensätze für einzelne Punkte enthalten, wobei jeder Datensatz X- und Y-Koordinaten sowie alle anderen optionalen Attributdaten enthält. In diesem Beispiel gibt es für jeden Punkt, der einen besiedelten Ort im Dataset darstellt, einen anderen Datensatz.

    Die Koordinaten können als Punkte auf einer Karte dargestellt werden.

    Skalenabhängigkeit von Vektordaten

    Bei allen Vektor-Datasets sollten Sie immer die Maßstabsabhängigkeit räumlicher Daten berücksichtigen. Wann sollte ein Flughafen als Punkt und wann als Polygon dargestellt werden? Wenn Sie die Entfernung von Großstädten zu ihren Flughäfen messen, werden die Städte und Flughäfen am besten als Punkte dargestellt. Wenn Sie jedoch eine Feuchtgebietsminderung für eine Erweiterung eines Flughafens planen, wird die Flughafengrenze besser als Polygon dargestellt.

    • Öltiefe über eine offene Ölpest
    • Boden-pH
    • Reflexion in einem bestimmten Band des elektromagnetischen Spektrums
    • Elevation
    • Landformaspekt (Kompasspeilung des steilsten Abstiegs)
    • Salzgehalt eines Gewässers

    Hier ist ein schematisches Modell, wie Raster-Datasets reale Features darstellen:

    Im Allgemeinen wird Zellen ein einzelner numerischer Wert zugewiesen, aber bei GRID-Layern (einem proprietären ArcInfo-Datenformat) können Zellenwerte auch zusätzlichen Text und numerische Attribute enthalten. Raster im ArcInfo-Format sind das native Raster-Dataset für ArcGIS und ArcInfo. Im obigen Diagramm wird jeder Feature-Typ in der Landschaft (Gebäude, Höhe, Straßen, Vegetation) in einem eigenen Raster-Layer dargestellt. Beachten Sie, dass jeder Raster-Layer Zellen mit Zahlen hat.

    • Für die Gebäudeebene sind alle Zellenwerte 2 (in diesem Fall ist 2 ein Code für Häuser, andere Gebäude würden mit einem anderen Wert codiert).
    • Für den Höhen-Layer ist der Zellenwert die Höhe in der Mitte der Zelle.
    • Bei Straßen gibt der Wert 3 eine Straße an (andere Straßenmerkmale, z. B. Autobahnen, hätten einen anderen Code).
    • Für die Vegetation haben Bäume den Wert 1. In diesem Beispiel wird Gras als Hintergrundwert behandelt und hat keinen Datenwert (obwohl ihm ein anderer numerischer Wert hätte zugewiesen werden können).

    Alle Raster-Datasets werden mit einer sehr einfachen Methode räumlich referenziert: Nur eine Ecke des Raster-Layers wird georeferenziert. Da die Zellengröße sowohl in X- als auch in Y-Richtung konstant ist, werden Zellenpositionen durch Zeilen-/Spaltenbezeichnungen referenziert und nicht durch explizite Koordinaten für die Position der Mitte jeder Zelle. Dieses Bild zeigt die obere linke Ecke als Rasterursprung, wobei Pfeile die X- und Y-Position der Zellen darstellen. Unterschiedliche Rasterdateiformate können einen Ursprung links unten und nicht oben links haben. Jede Zelle oder jedes Pixel enthält einen Wert, der ein numerisches Phänomen darstellt, oder einen Code, der zum Verweisen auf einen nicht numerischen Wert verwendet wird.

    Während bei Vektordaten jeder Punkt, Knoten und Scheitelpunkt eine explizite und absolute Koordinatenposition hat, werden Rasterzellen relativ zum Koordinatenursprung des Layers georeferenziert. Dies beschleunigt die Verarbeitungszeit im Vergleich zu bestimmten Arten der Vektordatenverarbeitung immens. Die Dateigrößen von Raster-Datasets können jedoch im Vergleich zu Vektor-Datasets, die dasselbe Phänomen für denselben räumlichen Bereich darstellen, sehr groß sein. Außerdem besteht eine geometrische Beziehung zwischen Rasterauflösung und Dateigröße. Ein Raster-Dataset mit halb so großen Zellen (z. B. 10 m auf einer Seite statt 20 m auf einer Seite) kann viermal so viel Speicherplatz beanspruchen, da vier 10 m-Zellen in den Raum eines einzelnen 20 passen m Zelle. Die folgende Abbildung zeigt den Unterschied in Zellengröße, Fläche und Anzahl der Zellen für zwei Konfigurationen derselben Gesamtfläche:

    Zellen können entweder einen Wert (0-unendlich) oder keinen Wert (null oder keine Daten) haben. Der Unterschied zwischen diesen ist wichtig. Nullwerte bedeuten, dass die Daten entweder außerhalb der Untersuchungsgebietsgrenze liegen oder dass Daten für diese Zellen entweder nicht erfasst wurden oder nicht verfügbar waren. Wenn in der Analyse Nullzellen verwendet werden, ist der Ausgabewert an derselben Zellenposition im Allgemeinen ebenfalls ein Nullwert. Raster-Datasets können entweder Ganzzahl- oder Gleitkomma-(Dezimal-)Datenwerte speichern, obwohl einige andere Datenformate nur Ganzzahlwerte speichern können. Typische einfache Bilddaten haben strenge Grenzen für die Anzahl eindeutiger Zellenwerte (typischerweise 0-255).

    Pixel oder Zelle? Alle Raster-Datasets werden in ähnlichen Formaten gespeichert. Sie werden den Unterschied zwischen einem Pixel und einer Zelle wissen wollen, obwohl sie funktional äquivalent sind. Ein Pixel (kurz für PICture ELement) repräsentiert das kleinste auflösbare "Stück" eines gescannten Bildes, wohingegen eine Zelle einen benutzerdefinierten Bereich repräsentiert, der ein Phänomen repräsentiert. Ein Pixel ist immer eine Zelle, aber eine Zelle ist nicht immer ein Pixel.

    Es gibt viele Arten von Rasterdaten, mit denen Sie vielleicht vertraut sind:

    • Gitter (ArcGIS & ArcInfo spezifisch)
    • grafische Bilder (TIFF, JPEG, BMP, GIF usw.)
    • USGS DEM (Digitales Höhenmodell)
    • Fernerkundungsbilder (Landsat, SPOT, AVIRIS, AVHRR, Imagine IMG, digitale Orthofotos)

    Alle Raster-Datasets haben im Wesentlichen dieselbe tessellierte Struktur. Hier sind einige grafische Beispiele für Rasterdaten. Beachten Sie, dass jedes Bild beim Heranzoomen dieselbe Pixelstruktur zeigt.

    Die meisten der von uns verwendeten Raster-Datasets sind Single-Band-Datensätze, d. h. sie enthalten eine einzelne "Datenschicht". Die Daten können Höhe, Neigung oder Reflexion darstellen (im Fall der digitalen Schwarz-Weiß-Orthofotos, die wir später sehen werden).

    Diese Einzelbandbilder werden mit einer Farbzuordnung betrachtet, sodass der Zellenwert einer bestimmten Farbe zugeordnet ist. Für die Orthofotos ist die Farbkarte eine Graustufenrampe mit 256 Werten. Andere Rasterdaten, z. B. Höhenmodelle, können auf Farbrampen abgebildet werden, die Höhenbereiche anzeigen, wie im Bild direkt oben gezeigt. Die meisten GIF-Dateien haben ein Limit von 256 eindeutigen Werten (dies wird als 8-Bit-Daten bezeichnet, da 2^8 = 256).

    Multiband-Rasterdaten (wie RGB-Bilder oder Satellitenbilder) werden im Allgemeinen mit einer Mischung aus Rot-, Grün- und Blauwerten für jedes unterschiedliche Band im Bild angezeigt.

    Wie Sie sehen können, werden die einzelnen Zellen sichtbar, wenn einer der Raster-Layer in größerem Maßstab angezeigt wird. Mit zunehmendem Anzeigemaßstab nimmt auch die Genauigkeit ab und Formen können nicht genau dargestellt werden. Alle räumlichen Datasets sind jedoch generalisiert, Raster-Datasets zeigen jedoch deutlicher ihren Generalisierungsgrad. Eine ausführlichere Diskussion der Generalisierung in Bezug auf die Skalierung wird in Skalierungsfragen behandelt.

    USGS DEMs (Digital Elevation Models) sind ASCII-Dateien (Klartext), die Georeferenzierungsinformationen sowie Punktdaten für Höhen auf der Erdoberfläche enthalten. Hier sind die ersten paar Linien in Eatonville, WA 7,5' 30 m DEM:

    Die erste Zeile listet den Dateinamen, den Dateneingabetyp (HAP = High Altitude Photography), die Zellengröße (30MX30M). Die nachfolgenden Zeilen listen die Höhen für die Gitternetzpunkte (Zellmittelpunkte) auf.

    Die DEM-Datei ist eine Datenquelle, die in den meisten GIS-Softwares nicht direkt verwendet werden kann, aber leicht in ArcGIS importiert und zur Anzeige und Analyse verwendet werden kann.


    Kombinieren Sie zwei separate georeferenzierte Datensätze in einer Tabelle mit CartoDB - Geographic Information Systems

    Worum geht es in diesem Tutorial?

    Interaktives Mapping von Daten im Web mit der kostenlosen Open-Source-Software CartoDB.

    Um die Folien für die Präsentation anzuzeigen, öffnen Sie diesen Link in einem neuen Tab oder Fenster in Ihrem Browser und verwenden Sie die Tasten ◀ ▶ zum Navigieren.

    Hier sind einige Beispiele dafür, wie Menschen CartoDB verwendet haben, um interaktive Karten zu erstellen:

    CartoDB ist eine Plattform, die auf Open-Source-Software zur Visualisierung und Analyse von Geodaten im Web läuft. Es ist vielleicht die einfachste Methode, interaktive Karten im Web zu erstellen. CartoDB ermöglicht eine hohe kartografische Anpassung durch eine intuitive Benutzeroberfläche sowie eine erweiterte Geodatenanalyse mit SQL (Structured Queried Language) und Post-GIS.

    Vor CartoDB (und anderer Open-Source-Webkartografie-Software wie Tile Mill) musste das Erstellen von Webkarten einen eigenen Webserver betreiben und sowohl serverseitige als auch Datenbanksoftware installieren. Das war extrem schwierig es sei denn, Sie waren ein erfahrener Computerprogrammierer / Back-End-Webentwickler. Das Tolle an CartoDB ist, dass es alle serverseitigen Dinge für Sie übernimmt. Jedes Mal, wenn Sie beispielsweise Daten in CartoDB importieren, werden diese Daten automatisch in einer Datenbank gespeichert, die über Geodaten Fähigkeiten.

    Geodaten? Warte, was ist das.

    Geodaten bezieht sich auf Daten, die eine standortbasierte, geometrische Komponente haben. Die meisten Geodaten sind in Vektorformat und wird als Punkte, Linien und Polygone gespeichert, deren geometrische Attribute wie Eckpunkte Verweise auf den physischen Raum in der realen Welt wie Breiten- und Längenkoordinaten aufweisen. Mit einem geografischen Informationssystem können Geodaten verwendet werden, um sowohl physische als auch kulturelle Merkmale darzustellen. Diese Daten können dann kartografisch gerendert und räumlich analysiert werden, um Probleme zu lösen und die Umgebung zu modellieren.

    Beispiele für Geometrietypen:

    Eine Liste mit Straßenadressen, die dann georeferenziert (abgestimmt) auf einzelne Paare von Breitengrad-Längengrad-Koordinaten (Punkten), z. B. die Standorte aller öffentlichen Schulen in NYC:

    Merkmale wie Flüsse und Bäche oder Straßennetze können als Linien gespeichert werden:

    Die Bezirksgrenzen von New York City (oder andere Verwaltungsgrenzen wie Bundesstaaten, Provinzen und Länder) können als Polygone gespeichert werden:

    Diese Datentypen werden zum Rendern verwendet Kartenkacheln wie die, die Sie auf OpenStreetMap, Google Maps, Bing, Map Quest usw. sehen. Dies sind zum Beispiel Kartenkacheln verschiedener Anbieter für den gleichen Bereich von San Francisco:

    Kartenkacheln sind kleine 256 x 256 Pixel große Bilder, die rasterartig und pyramidenförmig ausgerichtet sind. Sie werden auf diese Weise aufgebrochen, damit das Zoomen und Schwenken für den Benutzer der Webkarte nahtlos und flüssig erscheinen. Nur die Bilder innerhalb und außerhalb des Kartenbereichs, den der Benutzer betrachtet, werden gerendert. Der Server wird angewiesen, benachbarte Kacheln zu rendern und Zwischenspeicher so dass die Interaktion nahtlos erscheint, wenn Sie zu einem neuen Bereich schwenken.

    Für die Zwecke dieses Tutorials bilden Kartenkacheln unsere Basiskarte die wir überlagern können benutzerdefinierte Daten auf. Aber noch mehr können wir analysieren unsere Geodaten mit CartoDB. Bei beiden Fähigkeiten kommt der Spaß ins Spiel :)

    Geodatenanalyse mit PostGIS

    PostGIS (zusammen mit PostgreSQL) ist die Open-Source-Technologie, die die Durchführung von Geoanalysen von Daten in CartoDB ermöglicht. Warum sollten wir dies gegenüber anderen Arten von GIS-Software verwenden?

    • Reproduzierbar: Sie können Ihren Workflow skripten, was sich hervorragend eignet, um Spuren Ihrer Arbeit zu hinterlassen.
    • Es baut auf SQL auf: Wenn Sie SQL bereits kennen, ist dies ein einfacher Einstieg in die GIS-Analyse.
    • Sie können Daten dynamisch abfragen: Wenn Sie einen Server haben, der eine PostGIS-Abfrage verarbeiten und JSON zurückgeben kann, können Sie in Ihren Apps dynamische räumliche Abfragen durchführen. z.B. "Finde alle Punkte in meiner Nähe."

    Wir werden in diesem Tutorial einige grundlegende PostGIS behandeln. Wenn Sie daran interessiert sind, finden Sie hier möglicherweise ein weiteres einführendes Tutorial zur Verwendung von PostGIS in CartoDB.

    Einführung in das CartoDB-Dashboard

    Erstellen Sie ein kostenloses Konto und melden Sie sich bei CartoDB an. Nachdem Sie sich angemeldet und das Dashboard angezeigt haben, klicken Sie auf die Option für allgemeine Daten und dann auf besiedelte Orte . Dadurch wird der Datensatz mit den ausgefüllten Orten zu Ihrem Konto hinzugefügt. Nachdem die Daten importiert wurden, werfen Sie einen Blick auf das adm0cap-Feld im Tabellenansicht. Dieses Feld speichert Nullen und Einsen, letzteres bedeutet, dass der Ort eine Landeshauptstadt ist.

    Bei der Untersuchung von Daten in CartoDB gibt es zwei Möglichkeiten, diese anzuzeigen:

    • Tabellenansicht: Zeigt Spaltennamen und Zeilen ähnlich einer Tabellenkalkulation an. Für diesen Datensatz repräsentiert jede Zeile einen Punkt. Abhängig von Ihren Daten können Zeilen jedoch auch andere Geometrietypen darstellen.
      • Sehen Sie sich an, was sich in den Zellen in der Spalte_geom befindet. Sie sollten Breiten- und Längengradkoordinaten sehen.

      Versuchen Sie im Visualisierungsassistenten, den Stil der Daten auf zu ändern Kategorieansicht, wählen Sie die Spalte adm0cap aus und versuchen Sie, basierend auf dem Wert für adm0cap verschiedene Typen von Bildmarkierungen zuzuweisen. Denken Sie daran, eine 1 bedeutet, dass ein Ort eine Landeshauptstadt ist.

      -Hinweis: Sie können auch benutzerdefinierte Bilder hochladen, die als Markierungen verwendet werden.

      Veröffentlichen/Freigeben einer Karte demonstrieren:

      Durch Klicken auf die Schaltfläche Visualisieren in der oberen rechten Ecke können wir ein Visualisierung. Tun Sie dies und geben Sie Ihrer Visualisierung einen Namen wie "My First Viz".

      Wenn wir eine Visualisierung erstellen, erbt sie die Stile, die wir aus unserer Kartenansicht festgelegt haben.

      Visualisierungen funktionieren durch Verknüpfung mit Ihren Datentabellen. Beachten Sie, dass, wenn wir unsere importierten Datentabellen überprüfen und die Stile von hier aus ändern, die Visualisierung, die wir mit diesen Daten erstellt haben wird nicht mit diesen Stilen aktualisiert werden. Wenn Sie jedoch Änderungen an den Werten in diesen Tabellen vornehmen, wird die entsprechende Visualisierung werden betroffen sein.

      Hinweis: Alle Änderungen, die wir an unserer Visualisierung vornehmen, werden in Echtzeit für jeden, der unsere Visualisierung anzeigt, aktualisiert!

      Beachten Sie die Unterschiede zwischen den Tabellen und Visualisierungen Ansichten in Ihrem Dashboard. Ersteres sind nur die Daten, die Sie in Ihr Konto importiert haben, letzteres sind die Karten, die Sie mit Ihren Daten erstellen und die Sie möglicherweise teilen / veröffentlichen. Eine einzelne Visualisierung kann mit mehreren Tabellen verknüpft sein in Form von Schichten.

      Löschen Sie das von uns erstellte Dataset für ausgefüllte Orte und die Visualisierung, da wir den Speicherplatz benötigen, um mit dem nächsten Teil des Tutorials mit einem kostenlosen Konto fortzufahren.

      Importieren Sie die US-Counties-Daten von der folgenden URL: http://acdmy.org/d/counties.zip
      Trinkgeld: Sie können diese URL einfach kopieren und einfügen, nachdem Sie im Tabellen-Dashboard auf die Schaltfläche "Daten hinzufügen" geklickt haben. Sie müssen es nicht zuerst herunterladen.

      Schauen wir uns diese Daten an. Klicken Sie auf eine der Zellen unter der Spalte the_geom. Sie sollten etwas sehen wie:


      Herbst 2018 Workshops zu geografischen Informationssystemen (GIS)

      Alle Kurse finden ab 13:30 Uhr im elektronischen Klassenzimmer 225 der Lewis Science Library statt. bis 15:00 Uhr
      Offen für Studenten, Dozenten und Mitarbeiter der Princeton University
      Kontakt: Tsering Wangyal Shawa, Geographische Informationssysteme und Kartenbibliothekar

      Einführung in ArcGIS Pro (wird zweimal pro Semester angeboten)

      Ein geografisches Informationssystem (GIS) kombiniert Software und digitale geografische Daten, um Karten, Tabellen und interaktive Analysen von räumlichen Informationen zu generieren. Fakultät, Studenten und Mitarbeiter von Princeton verwenden GIS-Technologie, um Ressourcen zu verwalten, räumliche Beziehungen zu untersuchen und Veränderungen zu visualisieren. Der Kurs richtet sich an Personen ohne vorherige GIS-Erfahrung, beschreibt die Technologie und beinhaltet einfache Übungen, um ihre Fähigkeiten vorzustellen.

      So erstellen und sammeln Sie geografische Daten (wird zweimal pro Semester angeboten)

      In diesem Kurs lernen die Schüler, geographische Daten von Google Maps und Google Earth zu sammeln, GPS-Daten zu GIS-Software hinzuzufügen und eine gescannte Karte georeferenziert. Die Übung zeigt auch, wie Punkte, Linien und Flächen aus der georeferenzierten Karte extrahiert werden.

      Auswahl und Analyse von geografischen Merkmalen und Daten (wird zweimal pro Semester angeboten)

      ArcGIS Pro verfügt über einen leistungsstarken Satz von Softwarewerkzeugen, um räumliche Informationen visuell zu untersuchen und zu analysieren. Punkt-, Linien- und Flächen-Features (Vektordaten) sind sowohl geografische Objekte auf einer Karte als auch Datensätze in einer Tabelle. Solche Features können nach Standort oder anhand der im Datensatz eines Features gespeicherten Werte ausgewählt werden. Diese einfachen Fähigkeiten ermöglichen es dem GIS-Benutzer, komplexe Analysen durchzuführen. Die Sitzung verwendet Daten für das Zentrum von New Jersey, um die Fläche der Landnutzungstypen in der Nähe von Bächen, die Ausdehnung befestigter Oberflächen und andere Maßnahmen zu berechnen.

      Finden des besten Standorts mit ArcGIS Pro (wird zweimal pro Semester angeboten)

      Die GIS-Software ermöglicht es dem Benutzer, die Erdoberfläche als fortlaufendes Zahlenfeld zu behandeln. Bilder und Raster-Datasets können verwendet werden, um geeignete Standorte einzustufen, Veränderungen abzuschätzen und Phänomene wie Höhe, Niederschlag oder Temperatur anzuzeigen. Die Sitzung verwendet Landnutzung, Entfernung von Bächen und Höhe, um die relative Eignung verschiedener Gebiete einzustufen. Diese Methode der "gewichteten Überlagerung" ist in einer Vielzahl von Kontexten nützlich.

      Gemeinsames Verwenden von Tabellen und Karten in ArcGIS Pro (zweimal pro Semester angeboten)

      ArcGIS Pro bietet viele verschiedene Möglichkeiten, auf Datensätze zuzugreifen, sie in einer Karte anzuzeigen und Beziehungen über Zeit und Raum zu analysieren. US-Volkszählungsdaten können in GIS-Grenzdateien integriert werden, um die räumlichen Beziehungen von Armut, ethnischer Zugehörigkeit, Umweltrisiko und anderen Parametern zu analysieren. Praktische Beispiele zeigen, wie Sie demografische Daten finden und herunterladen, wie Sie die Daten mit GIS-Dateien kombinieren und wie Sie die Daten in Pro anzeigen. Die Sitzung unterstützt jeden GIS-Benutzer, der Tabellendaten in eine räumliche Analyse einbeziehen möchte.

      Erstellen von Karten und Präsentationen mit ArcGIS Pro (zweimal im Semester angeboten)

      Karten können bei der Vermittlung von Wissen über ein Gebiet äußerst effektiv sein. ArcGIS Pro verfügt über eine Vielzahl von Werkzeugen und Techniken zum Entwerfen von Karten. In praktischen Übungen wird gezeigt, wie Kartenerstellungstools innerhalb der Software verwendet werden und gängige kartografische Techniken eingeführt werden. In der Sitzung wird diskutiert, wie Karten für eine Vielzahl von Präsentationsformaten entworfen werden können.

      Einführung in QGIS (wird zweimal im Semester angeboten)

      QGIS ist ein Open-Source-GIS-Desktop-Softwarepaket. Es verfügt über viele Funktionen anderer Desktop-GIS-Software, läuft auf Linux/Unix-, MacOS- und Windows-Betriebssystemen und ist kostenlos erhältlich. Diese Schulung richtet sich an alle, die neu in der GIS-Technologie sind und verwendet QGIS unter Windows, um zu zeigen, wie Geodaten geladen, Online-Kartendienste hinzugefügt, ausgewählte Daten extrahiert und einfache Karten erstellt werden. Die Schulung kann auch für Benutzer anderer Desktop-GIS-Software nützlich sein.

      Wichtige GIS-Tools für die Forschung

      In diesem Kurs lernen die Schüler, wie man GIS-Werkzeuge verwendet, um Entfernungen zwischen zwei Features, Straßen- und Flusslängen innerhalb von Verwaltungseinheiten, den Prozentsatz der gemeinsamen Grenzen zwischen zwei Gebieten zu berechnen, Informationen über Polygonnachbarn zwischen zwei Gebieten zu extrahieren und viele andere Analysetools.

      Überwachte Bildklassifizierung mit ArcGIS Pro

      ArcGIS Pro verfügt über viele Werkzeuge zum Klassifizieren von Satellitenbildern und Luftbildern in Kategorien von Landnutzung und Landbedeckung. Diese Sitzung stellt den Bereich Rasterfunktionen und den Bildklassifizierungsassistenten vor und arbeitet mit Landsat-Bildern von New Jersey, um eine überwachte Landnutzungs-/Landbedeckungsklassifizierung durchzuführen.

      Verwenden von ModelBuilder in ArcGIS Pro

      GIS-Benutzer möchten einen Prozess oft mehrmals ausführen und die generierten Eingaben, Parameter oder Zusammenfassungen ändern. ArcGIS Pro bietet viele Möglichkeiten, Benutzer bei der Automatisierung von Prozessen zu unterstützen. Die Übungen zeigen den Benutzern, wie sie Grafikwerkzeuge in ModelBuilder verwenden, Modelle iterativ ausführen und arcpy-Befehle für die Verwendung in Python-Skripten extrahieren.

      Erstellen von Web-Mapping-Anwendungen mit ArcGIS Story Map

      Interaktive Karten, die in einem Browser ausgeführt werden, sind zur Standardmethode zum Anzeigen von geografischen Daten geworden. Die Übungen zeigen den Benutzern, wie sie geographische Daten im ArcGIS Enterprise-Portal der Universität posten, wie sie Webkarten aus verschiedenen Datensätzen erstellen, wie sie die Symbologie verwenden, um die Webkarte zugänglich und klar zu machen, und wie die Webkarte als Webanwendung freigegeben wird .


      Ergebnisse

      Die Ergebnisse der Validierungsübung legen nahe, dass die MTI-Daten mit einer räumlichen Auflösung von fünf Metern den Grad der „Grünheit“ in dem Gebiet genau beschreiben können. Abbildung ​ Abbildung 7 7 zeigt die digitalen Bilder und die entsprechenden NDVI-Werte für drei Standorte in Kisumu und drei Standorte in Malindi. Die für die Bilder A und C festgestellten hohen NDVI-Werte sind zu erwarten, da sich beide Standorte in Wohngebieten mit hoher Vegetation befinden. Der für Bild F erkannte NDVI-Wert ist jedoch unerwartet. Die Baustelle war ein Schwimmbad, gebaut aus Beton und Fliesen. Es ist möglich, dass das Satellitenbildgerät die Vegetation in der Umgebung gemessen hat, da diese Stelle entlang der Küstenlinie mit einer Fülle von Zierpflanzen sowohl innerhalb als auch um benachbarte Hotelanlagen gefunden wurde. Außerdem kann die Fehlerquote im Zusammenhang mit dem Registrierungsprozess und den von Trimble GPS erfassten Datenpunkten so sein, dass der wahre Standort 0 bis 15 Meter vom Schwimmbad entfernt ist.Auch die Sensorsättigung könnte für diesen ungewöhnlich hohen Wert verantwortlich sein. Bilder B und E sind beide frei von Vegetation mit hohem Metall- bzw. Betongehalt, daher die niedrigen Werte. Standort D veranschaulicht den Wert, wenn Wasser mit wenig oder keiner Vegetation um den Standort herum vorhanden ist. Im Allgemeinen liegen diese Werte mit Ausnahme des Schwimmbadstandorts im erwarteten Bereich der NDVI-Werte für die jeweiligen Standortmerkmale.

      Digitale Bilder, die NDVI-Werte für bestimmte Standorte in Kisumu und Malindi, Kenia, veranschaulichen. *

      Die vom MTI-Satelliten erhaltenen NDVI-Werte wurden erfolgreich aggregiert und mit georeferenzierten feldbasierten Daten für alle ausgewählten 270 Meter × 270 Meter Gitterzellen in Kisumu und Malindi überlagert. Die mittleren Gitterzellen-NDVI-Werte reichten von einem Tiefstwert von 80,4 bis zu einem Höchstwert von 168,3 über alle beprobten Gitterzellen in beiden Studienzentren (mittlerer NDVI = 122,7, Standardabweichung = 18,1). Der mittlere NDVI betrug 121,3 in Kisumu und 128,0 in Malindi über die untersuchten Rasterzellen (Tabelle ​ (Tabelle1). 1 ). In beiden Städten wiesen ungeplante, aber gut entwässerte Gebiete die niedrigsten mittleren NDVI-Werte auf. Während ungeplante schlecht entwässerte Gebiete den höchsten mittleren NDVI-Wert in Kisumu (123,1) aufwiesen, wiesen geplante gut entwässerte Gebiete den höchsten mittleren NDVI-Wert in Malindi (141,9) unter den beprobten Rasterzellen auf. Es gab keine signifikanten Korrelationen zwischen dem mittleren NDVI und den jeweiligen Strata innerhalb von Kisumu (n = 4, Spearman r = 0,20, P-Wert = 0,80) oder Malindi (n = 4, Spearman r = -0,80, P-Wert = 0.20).

      Tabelle 1

      Abweichung des mittleren NDVI nach Planung und Entwässerungstypologie in Kisumu und Malindi, Kenia.

      Gitter (n)Mittlerer NDVI†Standardabweichung
      Entwässerungstypologie
      Kisumu*
      Geplant, gut durchlässig10121.321.48
      Geplant, schlecht entwässert12117.24.01
      Ungeplant, gut durchlässig10111.011.01
      Ungeplant, schlecht entwässert10123.128.96
      Gesamt42121.318.12
      Malindi*
      Geplant, gut durchlässig11141.910.67
      Geplant, schlecht entwässert10137.116.70
      Ungeplant, gut durchlässig2105.51.47
      Ungeplant, schlecht entwässert11116.913.05
      Gesamt34128.017.19

      †Geschätzter Mittelwert basierend auf gewichteten Daten auf Rasterzellenebene. *Keine signifikante Korrelation zwischen NDVI und Entwässerungstypologie für Kisumu oder Malindi (Kisumu: n = 4, Spearman r = 0,20, P-Wert = 0,80 Malindi: n = 4, Spearman r = -0,80, P-Wert = 0,20)

      Eine univariate Analyse zeigte, dass der mittlere Gitterzellen-NDVI und die Haushaltsdichte innerhalb von Kisumu signifikant in negativer Richtung korreliert sind (Pearson r = -0,555, P-Wert = π.01) und Malindi (Pearson r = -0.453, P-Wert = 0,01) (Tabelle ​ (Tabelle2). 2 ). Eine weitere Analyse mit einem multivariaten linearen Regressionsmodell bestätigte diese Beziehung, da sich herausstellte, dass die Haushaltsdichte ein signifikanter Faktor ist, der den mittleren Rasterzellen-NDVI invers beeinflusst, nachdem die Schichten und der Studienstandort kontrolliert wurden (Tabelle ​ (Tabelle3). 3 ) . Diese Beziehung unterschied sich nicht nach Studienorten, da es keine signifikante Interaktion zwischen Studienort und Haushaltsdichte gab (Partielles F = 0,127 df 1,71, P-Wert > 0.10). Dieses Modell war signifikant (globaler F-Test = 9,81, df 3,72, P-Wert = π.01) und erklärt ungefähr 26 % der Variation der mittleren NDVI-Werte über die abgetasteten Gitterzellen.

      Tabelle 2

      Korrelation des mittleren NDVI mit der Anzahl potenzieller Anophelin-Larvenstandorte und der Haushaltsdichte pro Rasterzelle: Kisumu und Malindi, Kenia

      Gitter (n)Korrelationskoeffizient (r)†P-Wert
      Variable
      Kisumu
      Haushaltsdichte*42-0.555π.001
      Anzahl potenzieller Anophelinlarvenstandorte**200.2670.255
      Malindi
      Haushaltsdichte*34-0.4530.007
      Anzahl potenzieller Anophelin-Larvenstandorte**20-0.3190.171

      †Korrelationskoeffizient von Pearson, der mit gewichteten Daten auf Rasterzellenebene verwendet wird. *Erhebung während der Haushaltsstichprobe **Gesammelt während der Larvendatensammlung.

      Tisch 3

      Zusammenfassende Statistik des linearen Regressionsmodells, das die Haushaltsdichte mit dem mittleren Gitterzellen-NDVI in Beziehung setzt: Kisumu und Malindi, Kenia

      KoeffizientStandart FehlerP-Wert
      Modellvorhersage von NDVI (Y)
      (Y = β0 + β1X1 + β2X2 + β3X3 + e)
      ȃβ0: Konstante138.9474.219π.001
      ȃX1: Haushaltsdichte-0.0730.017π.001
      ȃX2: Geplante/ungeplante Entwässerung-1.2174.1260.769
      ȃX3: Kisumu/Malindi-1.1223.9100.775
      𠀺ngepasstes R 2 : 0,26
       Globaler F-Test (P-Wert): 9,81 (π,001)
      ȃn = 76*

      *Erhoben während der Haushaltsumfrage, Kisumu und Malindi zusammen.

      Ohne Kontrolle von Störfaktoren gab es keine signifikante Korrelation zwischen dem mittleren NDVI der Gitterzellen und der Anzahl potenzieller Anophelin-Larvenstandorte pro Gitterzelle innerhalb von Kisumu (Pearson r = 0,267, P-Wert = 0,26) oder Malindi (Pearson r = -0,319, P-Wert = 0,17) (Tabelle ​ (Tabelle2). 2 ). Die anschließende Analyse mit multivariater linearer Regression zeigte jedoch, dass der mittlere Gitterzellen-NDVI ein signifikanter Faktor ist, der die Häufigkeit potenzieller Anophelin-Larvenhabitate über die Gitterzellen hinweg in eine positive Richtung beeinflusst, nachdem die Haushaltsdichte kontrolliert wurde (Tabelle ​ (Tabelle4). 4 ). . Diese Beziehung war über beide Studienzentren hinweg konsistent (partieller F-Test mit Hinzufügung von Studienzentrum*NDVI: F = 0,133 df 1,34, P-Wert > 0.10). Dieses Modell war hochsignifikant (globaler F-Test = 14,29, df 3,36, P-Wert = π.01), was über die Hälfte (51%) der Variation in der Anzahl potenzieller Anophelin-Larvenhabitate in den beprobten Rasterzellen erklärt. Der durchschnittliche Gitterzellen-NDVI war für 9% (0,044) des gesamten angepassten R 2 von 0,51 verantwortlich.

      Tabelle 4

      Zusammenfassende Statistik für das lineare Regressionsmodell, das den mittleren Gitterzellen-NDVI mit der potenziellen Abundanz der Anopheline-Larven in Beziehung setzt: Kisumu und Malindi, Kenia

      KoeffizientStandart FehlerP-Wert
      Modell zur Vorhersage der potenziellen Abundanz von Anophelinlarven (Z)
      (Z = β0 + β1X1 + β2X2 + β3X2 2 + e)
      ȃβ0: Konstante-3.2562.1500.129
      ȃX1: NDVI0.0310.0150.047
      ȃX2: Haushaltsdichte0.0550.012π.001
      ȃX2 2 : Haushaltsdichte zum Quadrat<-0.001π.001π.001
      𠀺ngepasstes R 2 : 0,51
       Globaler F-Test (P-Wert): 14,29 (π.001)
      ȃn = 40*

      *Gesammelt während der Larvenprobenahme, Kisumu und Malindi kombiniert.

      Die multivariate logistische Regression zeigte, dass die Wahrscheinlichkeit, dass landwirtschaftliche Felder um ein Haus herum bebaut wurden, für diejenigen, die sich innerhalb von Rasterzellen mit hohem NDVI befinden, im Vergleich zu Rasterzellen mit niedrigem NDVI signifikant anstieg, nachdem Planung und Entwässerung, Studiengebiet und Haushaltsvermögen bereinigt wurden ( n = 76, ODER = 2,0, P-Wert = 0.05).


      Schlüsselwörter

      Ronald L. Hess ist Assistenzprofessor für Marketing am College of William and Mary. Er promovierte 1991 in Marketing an der Virginia Tech und hat zuvor in Marketingbriefe. Die Forschungsinteressen von Dr. Hess umfassen Dienstleistungen und Beziehungsmarketing sowie Kundenbindung.

      Ronald S. Rubin ist Professor für Marketing und Direktor des Small Business Institute an der University of Central Florida. Dr. Rubin promovierte 1973 in Betriebswirtschaftslehre mit Schwerpunkt Marketing an der University of Massachusetts und erwarb einen Masterabschluss an der Wharton School. Zu den Forschungsinteressen von Dr. Rubin gehört GIS als Market-Intelligence-Tool. Er ist Mitautor von Marktforschung, 7. Auflage, Erlebnisübungen in der Marktforschung, und verfasste den Rubin und das Glück Datenanalysediskette und PC-Vermarkter: Computeranwendungen mit Lotus 1-2-3, alle herausgegeben von Prentice-Hall. Er ist Co-Autor von Strategie und Wettbewerb, eine von Allyn und Bacon veröffentlichte Marketingsimulation.

      Lawrence A. West Jr. ist Assistenzprofessor für Management Information Systems an der University of Central Florida. Dr. West promovierte 1991 in MIS an der Texas A&M University und ist seit 1996 am UCF. Seine Forschungsinteressen umfassen die Ökonomie von Informations- und Informationstechnologien sowie GIS als Technologie zur Entscheidungsunterstützung. Dr. West hat in diesen Bereichen in Fachzeitschriften wie JMIS, Entscheidungswissenschaften, und Entscheidungsunterstützungssysteme.


      Aktualisierte Leitlinien für die Bewertung von Überwachungssystemen für das öffentliche Gesundheitswesen

      Büro des Direktors: Karen E. Harris, M.P.H. Joseph A. Reid, Ph.D. Gladys H. Reynolds, Ph.D., M.S. Dixie E. Snider, Jr., M.D., M.P.H.

      Agentur für Giftstoffe und Krankheitsregister: Wendy E. Kaye, Ph.D. Robert Spengler, Sc.D.

      Programmbüro Epidemiologie: Vilma G. Carande-Kulis, Ph.D., M.S. Andrew G. Dean, M.D., M.P.H. Samuel L. Groseclose, D.V.M., M.P.H. Robert A. Hahn, Ph.D., M.P.H. Lori Hutwagner, M. S. Denise Koo, M.D., M.P.H. R. Gibson Parrish, M. D., M. P. H. Catherine Schenck-Yglesias, M.H.S. Daniel M. Sosin, M.D., M.P.H. Donna F. Stroup, Ph.D., M.Sc. Stephen B. Thacker, M.D., M.Sc. G. David Williamson, Ph.D.

      Nationales Zentrum für Geburtsfehler und Entwicklungsstörungen: Joseph Mulnaire, M.D., M.S.P.H.

      Nationales Zentrum für Prävention und Gesundheitsförderung chronischer Krankheiten: Terry F. Pechacek, Ph.D. Nancy Stroup, Ph.D.

      Nationales Zentrum für Umweltgesundheit: Thomas H. Sinkt, Ph.D.

      Nationales Zentrum für Gesundheitsstatistik: Jennifer H. Madans, Ph.D.

      Nationales Zentrum für HIV-, STD- und TB-Prävention: James W. Buehler, M. D. Meade Morgan, Ph.D.

      Nationales Zentrum für Infektionskrankheiten: Janet K. Nicholson, Ph.D. Jose G. Rigau-Perez, M.D., M.P.H.

      Nationales Zentrum für Verletzungsprävention und -kontrolle: Richard L. Ehrenberg, M.D.

      Nationales Impfprogramm: H. Gay Allen, M.S.P.H. Roger H. Bernier, Ph.D. Nancy Koughan, D.O., M.P.H., M.H.A. Sandra W. Roush, M.T., M.P.H.

      Nationales Institut für Arbeitssicherheit und Gesundheit: Rosemary Sokas, M.D., M.O.H.

      Büro des Public Health Practice-Programms: William A. Yasnoff, M.D., Ph.D.

      Berater und Mitwirkende

      Wissenschaftlicher Arbeitskreis Gesundheitsbezogene Lebensqualitätsüberwachung
      St. Louis University, St. Louis, Missouri

      Paul Etkind, Dr.P.H., Massachusetts Department of Public Health, Jamaica Plain, Massachusetts Annie Fine, M.D., New York City Department of Health, New York City, New York Julie A. Fletcher, D.V.M, M.P.H. Kandidat, Emory University, Atlanta, Georgia Daniel J. Friedman, Ph.D., Massachusetts Department of Public Health, Boston, Massachusetts Richard S. Hopkins, MD, MSPH, Florida Department of Health, Tallahassee, Florida Steven C. MacDonald, Ph .D., MPH, Washington State Department of Health, Olympia, Washington Elroy D. Mann, DVM, M.Sc., Health Canada, Ottawa, Kanada S. Potjaman, MD, Regierung von Thailand, Bangkok, Thailand Marcel E. Salive , MD, MPH, National Institutes of Health, Bethesda, Maryland.

      Der Zweck der Evaluierung von Überwachungssystemen für die öffentliche Gesundheit besteht darin, sicherzustellen, dass Probleme von Bedeutung für die öffentliche Gesundheit effizient und wirksam überwacht werden. CDCs Leitlinien zur Bewertung von Überwachungssystemen werden aktualisiert, um a) die Integration von Überwachungs- und Gesundheitsinformationssystemen, b) die Festlegung von Datenstandards, c) den elektronischen Austausch von Gesundheitsdaten und d) Änderungen der Ziele der öffentlichen Gesundheitsüberwachung zu erleichtern, um die Reaktion der öffentlichen Gesundheit auf neu auftretende Gesundheitsbedrohungen (z. B. neue Krankheiten). Dieser Bericht enthält aktualisierte Richtlinien für die Bewertung von Überwachungssystemen basierend auf CDCsC Rahmen für die Programmbewertung im Gesundheitswesen, Forschung und Diskussion von Bedenken im Zusammenhang mit Systemen zur Überwachung der öffentlichen Gesundheit und Kommentare aus der öffentlichen Gesundheitsgemeinschaft. Die Leitlinien in diesem Bericht beschreiben viele Aufgaben und damit verbundene Aktivitäten, die auf Überwachungssysteme der öffentlichen Gesundheit angewendet werden können.

      EINFÜHRUNG

      1988 veröffentlichte CDC Leitlinien zur Bewertung von Überwachungssystemen (1), um die bestmögliche Nutzung der Ressourcen der öffentlichen Gesundheit durch die Entwicklung effizienter und wirksamer Überwachungssysteme für die öffentliche Gesundheit zu fördern. CDCs Leitlinien zur Bewertung von Überwachungssystemen werden aktualisiert, um a) die Integration von Überwachungs- und Gesundheitsinformationssystemen, b) die Festlegung von Datenstandards, c) den elektronischen Austausch von Gesundheitsdaten und d) Änderungen der Ziele der öffentlichen Gesundheitsüberwachung zu erleichtern, um die Reaktion der öffentlichen Gesundheit auf neu auftretende Gesundheitsbedrohungen (z. B. neue Krankheiten). Zum Beispiel implementiert CDC in Zusammenarbeit mit staatlichen und lokalen Gesundheitsbehörden das National Electronic Disease Surveillance System (NEDSS), um die große Anzahl der aktuellen Überwachungssysteme besser zu verwalten und zu verbessern und es der öffentlichen Gesundheitsgemeinschaft zu ermöglichen, schneller auf die Öffentlichkeit zu reagieren Gesundheitsbedrohungen (z. B. Ausbrüche neu auftretender Infektionskrankheiten und Bioterrorismus) (2). Wenn NEDSS fertiggestellt ist, wird es verschiedene Arten von Überwachungssystemen unter Verwendung von Standarddatenformaten elektronisch integrieren und miteinander verbinden, eine Kommunikationsinfrastruktur, die auf den Grundsätzen der öffentlichen Gesundheitsinformatik und Vereinbarungen über den Datenzugriff, die gemeinsame Nutzung und die Vertraulichkeit basiert. Darüber hinaus schreibt der Health Insurance Portability and Accountability Act von 1996 (HIPAA) vor, dass die Vereinigten Staaten nationale einheitliche Standards für elektronische Transaktionen im Zusammenhang mit der Registrierung und Berechtigung von Krankenversicherungen, Begegnungen im Gesundheitswesen und Krankenversicherungsansprüchen für Identifikatoren für die Gesundheitsversorgung übernehmen Anbieter, Zahler und Einzelpersonen sowie Codesätze und Klassifikationssysteme, die bei diesen Transaktionen und zur Sicherheit dieser Transaktionen verwendet werden (3). Der elektronische Austausch von Gesundheitsdaten beinhaltet naturgemäß den Schutz der Privatsphäre der Patienten.

      Basierend auf CDCs Rahmen für die Programmbewertung im Gesundheitswesen (4), Forschungen und Diskussionen zu Bedenken im Zusammenhang mit Systemen zur Überwachung der öffentlichen Gesundheit und Kommentare aus der öffentlichen Gesundheitsgemeinschaft enthält dieser Bericht aktualisierte Leitlinien für die Bewertung von Systemen zur Überwachung der öffentlichen Gesundheit.

      HINTERGRUND

      • Leiten Sie Sofortmaßnahmen in Fällen von Bedeutung für die öffentliche Gesundheit an
      • die Belastung durch eine Krankheit (oder ein anderes gesundheitsbezogenes Ereignis) zu messen, einschließlich Veränderungen der damit verbundenen Faktoren, die Identifizierung von Bevölkerungsgruppen mit hohem Risiko und die Identifizierung neuer oder aufkommender gesundheitlicher Bedenken
      • Überwachung von Trends bei der Belastung durch eine Krankheit (oder ein anderes gesundheitsbezogenes Ereignis), einschließlich der Erkennung von Epidemien (Ausbrüchen) und Pandemien
      • die Planung, Durchführung und Bewertung von Programmen zur Vorbeugung und Kontrolle von Krankheiten, Verletzungen oder nachteiligen Expositionen leiten
      • die öffentliche Ordnung bewerten
      • Veränderungen in den Gesundheitspraktiken und die Auswirkungen dieser Veränderungen erkennen
      • Priorisieren Sie die Zuweisung von Gesundheitsressourcen
      • den klinischen Krankheitsverlauf beschreiben und
      • Grundlage für die epidemiologische Forschung.

      Die Überwachung der öffentlichen Gesundheit wird im Allgemeinen vom Gesetzgeber genehmigt und von Beamten des öffentlichen Gesundheitswesens durchgeführt. Systeme zur Überwachung der öffentlichen Gesundheit wurden entwickelt, um einer Reihe von Bedürfnissen der öffentlichen Gesundheit gerecht zu werden. Darüber hinaus wurden Informationssysteme im Bereich der öffentlichen Gesundheit so definiert, dass sie eine Vielzahl von Datenquellen umfassen, die für Maßnahmen im Bereich der öffentlichen Gesundheit unerlässlich sind und häufig zur Überwachung verwendet werden (8). Diese Systeme variieren von einem einfachen System, das Daten aus einer einzigen Quelle sammelt, über elektronische Systeme, die Daten aus vielen Quellen in verschiedenen Formaten erhalten, bis hin zu komplexen Erhebungen. Die Anzahl und Vielfalt der Systeme wird wahrscheinlich mit den Fortschritten beim elektronischen Datenaustausch und der Integration von Daten zunehmen, was auch die Bedeutung des Patientendatenschutzes, der Datenvertraulichkeit und der Systemsicherheit erhöhen wird. Bei Projekten zur Überwachung der öffentlichen Gesundheit sollten geeignete Institutionen/Agenturen/wissenschaftliche Beamte konsultiert werden.

      Die Vielfalt könnte auch mit dem Umfang der überwachten gesundheitsbezogenen Ereignisse zunehmen. In diesen Richtlinien bezieht sich der Begriff "gesundheitsbezogenes Ereignis" auf jedes Thema im Zusammenhang mit einem Überwachungssystem der öffentlichen Gesundheit. Ein gesundheitsbezogenes Ereignis könnte beispielsweise infektiöse, chronische oder Zoonose-Erkrankungen, Verletzungen, Exposition gegenüber toxischen Substanzen, gesundheitsförderndes oder gesundheitsschädigendes Verhalten und andere überwachte Ereignisse im Zusammenhang mit Maßnahmen der öffentlichen Gesundheit umfassen.

      Der Zweck der Evaluierung von Überwachungssystemen für die öffentliche Gesundheit besteht darin, sicherzustellen, dass Probleme von Bedeutung für die öffentliche Gesundheit effizient und wirksam überwacht werden. Die Systeme zur Überwachung der öffentlichen Gesundheit sollten regelmäßig evaluiert werden, und die Evaluierung sollte Empfehlungen zur Verbesserung von Qualität, Effizienz und Nützlichkeit enthalten. Ziel dieser Leitlinien ist es, die Evaluierung eines Systems zur Überwachung der öffentlichen Gesundheit zu organisieren. Es werden breite Themenbereiche skizziert, in die programmspezifische Qualitäten integriert werden können. Die Bewertung eines Systems zur Überwachung der öffentlichen Gesundheit konzentriert sich darauf, wie gut das System funktioniert, um seinen Zweck und seine Ziele zu erfüllen.

      Die Bewertung von Systemen zur Überwachung der öffentlichen Gesundheit sollte eine Bewertung der Systemattribute beinhalten, einschließlich Einfachheit, Flexibilität, Datenqualität, Akzeptanz, Sensibilität, positiver Vorhersagewert, Repräsentativität, Aktualität und Stabilität. Angesichts des kontinuierlichen Fortschritts der Technologie und der Bedeutung der Informationsarchitektur und der damit verbundenen Bedenken sind diesen Attributen bestimmte Bedenken hinsichtlich der öffentlichen Gesundheitsinformatik für Überwachungssysteme des öffentlichen Gesundheitswesens inhärent. Zu diesen Bedenken gehören vergleichbare Hard- und Software, Standardbenutzeroberfläche, Standarddatenformat und -codierung, angemessene Qualitätsprüfungen sowie die Einhaltung von Vertraulichkeits- und Sicherheitsstandards (9). Da sich Systeme zur Überwachung der öffentlichen Gesundheit in Methoden, Umfang, Zweck und Zielen unterscheiden, können Attribute, die für ein System wichtig sind, für ein anderes weniger wichtig sein. Ein System zur Überwachung der öffentlichen Gesundheit sollte diejenigen Attribute hervorheben, die für die Ziele des Systems am wichtigsten sind. Bemühungen zur Verbesserung bestimmter Attribute (z. B. die Fähigkeit eines Überwachungssystems der öffentlichen Gesundheit, ein gesundheitsbezogenes Ereignis [Sensitivität] zu erkennen) können andere Attribute (z. B. Einfachheit oder Aktualität) beeinträchtigen. Eine Bewertung des Gesundheitsüberwachungssystems muss daher diejenigen Attribute berücksichtigen, die für ein bestimmtes System und seine Ziele von höchster Priorität sind. Unter Berücksichtigung der Attribute mit höchster Priorität beschreiben die Leitlinien in diesem Bericht viele Aufgaben und damit verbundene Aktivitäten, die bei der Bewertung von Systemen zur Überwachung der öffentlichen Gesundheit angewendet werden können, wobei zu beachten ist, dass nicht alle Aktivitäten im Rahmen der Aufgaben für alle Systeme geeignet sind .

      Organisation dieses Berichts

      Dieser Bericht beginnt mit einer Beschreibung der einzelnen Aufgaben, die bei der Evaluierung eines Systems zur Überwachung der öffentlichen Gesundheit erforderlich sind. Diese Aufgaben werden aus den Schritten der Programmevaluation in der Rahmen für die Programmbewertung im Bereich der öffentlichen Gesundheit (4) sowie aus den Elementen der ursprünglichen Leitlinien zur Bewertung von Überwachungssystemen (1). Der Bericht schließt mit einer zusammenfassenden Stellungnahme zur Bewertung von Überwachungssystemen. Eine Checkliste, die abgenommen oder fotokopiert und bei der Durchführung der Evaluierung verwendet werden kann, ist ebenfalls enthalten (Anhang A).

      Um die Qualität der Evaluierungsaktivitäten zu bewerten, werden für jede der Aufgaben zur Evaluierung eines Public Health Surveillance-Systems entsprechende Standards bereitgestellt (Anhang B). Diese Standards werden von den Standards für eine effektive Bewertung (d. h. Nützlichkeit, Durchführbarkeit, Angemessenheit und Genauigkeit) in der Rahmen für die Programmbewertung im Bereich der öffentlichen Gesundheit (4). Da möglicherweise nicht alle Aktivitäten im Rahmen der Evaluierungsaufgaben für alle Systeme geeignet sind, sollten nur die Standards verwendet werden, die für eine Evaluierung geeignet sind.

      Aufgabe A. Stakeholder in die Evaluation einbeziehen

      Interessenträger können Beiträge leisten, um sicherzustellen, dass die Evaluierung eines Systems zur Überwachung der öffentlichen Gesundheit geeignete Fragen aufgreift und relevante Merkmale bewertet und dass seine Ergebnisse akzeptabel und nützlich sind. In diesem Zusammenhang definieren wir Stakeholder als diejenigen Personen oder Organisationen, die Daten zur Förderung eines gesunden Lebensstils und zur Vorbeugung und Kontrolle von Krankheiten, Verletzungen oder nachteiligen Expositionen verwenden. Die Interessengruppen, die daran interessiert sein könnten, Fragen zu definieren, die bei der Evaluierung des Überwachungssystems behandelt werden sollen, und die daraus resultierenden Ergebnisse anschließend zu verwenden, sind Gesundheitspraktiker, Gesundheitsdienstleister, Datenanbieter und Nutzervertreter, Vertreter der betroffenen Gemeinden, Regierungen auf lokaler, Landes- und Bundesebene sowie professionelle und private gemeinnützige Organisationen.

      Aufgabe B. Beschreiben Sie das zu evaluierende Überwachungssystem

      • Beschreiben Sie die Bedeutung des überwachten gesundheitsbezogenen Ereignisses für die öffentliche Gesundheit.
      • Beschreiben Sie den Zweck und die Funktionsweise des Systems.
      • Beschreiben Sie die Ressourcen, die zum Betrieb des Systems verwendet werden.

      Um eine ausgewogene und zuverlässige Beschreibung des Systems zu erstellen, sind möglicherweise mehrere Informationsquellen erforderlich. Die Beschreibung des Systems kann verbessert werden, indem man sich mit einer Vielzahl von Personen, die mit dem System befasst sind, konsultiert und die gemeldeten Beschreibungen des Systems gegen direkte Beobachtungen überprüft.

      B.1. Beschreiben Sie die Bedeutung des überwachten gesundheitsbezogenen Ereignisses für die öffentliche Gesundheit

      Definition. Die Bedeutung eines gesundheitsbezogenen Ereignisses für die öffentliche Gesundheit und die Notwendigkeit, dieses Ereignis zu überwachen, kann auf verschiedene Weise beschrieben werden. Gesundheitsbezogene Ereignisse, die viele Personen betreffen oder einen hohen Ressourcenaufwand erfordern, sind von Bedeutung für die öffentliche Gesundheit. Aber auch gesundheitsbezogene Ereignisse, die wenige Personen betreffen, können wichtig sein, insbesondere wenn die Ereignisse zeitlich und örtlich gehäuft auftreten (z. B. ein begrenzter Ausbruch einer schweren Krankheit). In anderen Fällen können öffentliche Bedenken die Aufmerksamkeit auf ein bestimmtes gesundheitsbezogenes Ereignis lenken und die Bedeutung einer Bewertung erhöhen oder erhöhen. Krankheiten, die aufgrund erfolgreicher Kontrollmaßnahmen heute selten sind, könnten als unwichtig empfunden werden, ihre Bedeutung sollte jedoch als mögliches gesundheitsbezogenes Wächterereignis oder als potenzielles Wiederauftreten bewertet werden. Schließlich wird die Bedeutung eines gesundheitsbezogenen Ereignisses für die öffentliche Gesundheit durch dessen Verhütbarkeit beeinflusst (10).

      • Häufigkeitsindizes (z. B. Gesamtzahl der Fälle und/oder Todesfälle, Inzidenzraten, Prävalenz und/oder Sterblichkeitsraten) und zusammenfassende Maße des Gesundheitszustands der Bevölkerung (z. B. qualitätsbereinigte Lebensjahre [QALYS])
      • Schweregradindizes (z. B. Bett-Behinderungs-Tage, Fall-Sterblichkeits-Verhältnis und Krankenhauseinweisungsraten und/oder Invaliditätsraten)
      • Ungleichheiten oder Ungleichheiten im Zusammenhang mit dem gesundheitsbezogenen Ereignis
      • Kosten im Zusammenhang mit dem gesundheitsbezogenen Ereignis
      • Verhinderbarkeit (10)
      • möglicher klinischer Verlauf ohne Intervention (z. B. Impfungen) (11,12) und
      • öffentliches Interesse.

      Es wurden Anstrengungen unternommen, um zusammenfassende Messungen des Gesundheitszustands der Bevölkerung bereitzustellen, die verwendet werden können, um vergleichende Bewertungen der Gesundheitsbedürfnisse der Bevölkerung vorzunehmen (13). Die vielleicht bekanntesten dieser Messgrößen sind QALYs, Years of Healthy Life (YHLs) und Disability-adjusted Life Years (DALYs). Basierend auf Attributen, die den Gesundheitszustand und die Lebenserwartung darstellen, liefern QALYs, YHLs und DALYs eindimensionale Messungen der allgemeinen Gesundheit. Darüber hinaus wurden Versuche unternommen, die Bedeutung verschiedener Krankheiten und anderer gesundheitsbezogener Ereignisse für die öffentliche Gesundheit zu quantifizieren. In einer Studie, die einen solchen Ansatz beschreibt, wurde ein Score verwendet, der altersspezifische Morbiditäts- und Mortalitätsraten sowie Gesundheitskosten berücksichtigt (14). In einer anderen Studie wurde ein Modell verwendet, das Belange der öffentlichen Gesundheit nach Größe, Dringlichkeit, Schwere des Problems, wirtschaftlichen Verlusten, Auswirkungen auf andere, Effektivität, Angemessenheit, Wirtschaftlichkeit, Akzeptanz, Rechtmäßigkeit von Lösungen und Verfügbarkeit von Ressourcen einordnet (15).

      Verhinderbarkeit kann auf mehreren Ebenen definiert werden, darunter Primärprävention (Verhinderung des Auftretens einer Krankheit oder eines anderen gesundheitsbezogenen Ereignisses), Sekundärprävention (Früherkennung und Intervention mit dem Ziel, den Fortschritt einer Erkrankung umzukehren, zu stoppen oder zumindest zu verzögern) und Tertiärprävention (Minimierung der Auswirkungen von Krankheiten und Behinderungen bei bereits Erkrankten). Bei Infektionskrankheiten kann die Verhinderbarkeit auch als Verringerung der Sekundärinzidenzrate oder der Anzahl der an Kontaktpersonen des Primärfalls übertragenen Fälle beschrieben werden. Aus der Sicht der Überwachung spiegelt die Verhinderbarkeit das Potenzial für eine wirksame Intervention im Bereich der öffentlichen Gesundheit auf jeder dieser Ebenen wider.

      B.2. Beschreiben Sie den Zweck und die Funktionsweise des Überwachungssystems

      • Nennen Sie den Zweck und die Ziele des Systems.
      • Beschreiben Sie die geplante Verwendung der Daten aus dem System.
      • Beschreiben Sie das zu überwachende gesundheitsbezogene Ereignis, einschließlich der Falldefinition für jede spezifische Erkrankung.
      • Nennen Sie eine gesetzliche Behörde für die Datenerhebung.
      • Beschreiben Sie, wo sich das System in der/den Organisation(en) befindet, einschließlich des Kontexts (z. B. des politischen, administrativen, geografischen oder sozialen Klimas), in dem die Systembewertung durchgeführt wird.
      • Beschreiben Sie gegebenenfalls den Grad der Integration mit anderen Systemen.
      • Zeichnen Sie ein Flussdiagramm des Systems.
      • Beschreiben Sie die Komponenten des Systems. Beispielsweise
        --- Welche Bevölkerung wird überwacht?
        --- Wie lange dauert die Datenerhebung?
        --- Welche Daten werden erhoben und wie werden sie erhoben?
        --- Was sind die Berichtsdatenquellen für das System?
        --- Wie werden die Daten des Systems verwaltet (z. B. Übertragung, Erfassung, Bearbeitung, Speicherung und Sicherung von Daten)? Entspricht das System den geltenden Standards für Datenformate und Kodierungsschemata? Wenn nicht, warum?
        --- Wie werden die Daten des Systems analysiert und verbreitet?
        --- Welche Richtlinien und Verfahren gibt es, um die Privatsphäre der Patienten, die Vertraulichkeit der Daten und die Systemsicherheit zu gewährleisten? Welche Richtlinien und Verfahren gelten für die Freigabe von Daten? Entsprechen diese Verfahren den geltenden Bundes- und Landesgesetzen und -vorschriften? Wenn nicht, warum?
        --- Entspricht das System einem anwendbaren Records Management-Programm? Werden zum Beispiel die Aufzeichnungen des Systems ordnungsgemäß archiviert und/oder entsorgt?

      Diskussion. Der Zweck des Systems gibt an, warum das System existiert, während seine Ziele sich darauf beziehen, wie die Daten für Maßnahmen im Bereich der öffentlichen Gesundheit verwendet werden. Die Ziele eines Überwachungssystems im Bereich der öffentlichen Gesundheit können beispielsweise unmittelbare Maßnahmen im Bereich der öffentlichen Gesundheit, die Programmplanung und -bewertung sowie die Bildung von Forschungshypothesen umfassen (siehe Hintergrund). Der Zweck und die Ziele des Systems, einschließlich der geplanten Verwendungen seiner Daten, bilden einen Bezugsrahmen für die Bewertung bestimmter Komponenten.

      Ein öffentliches Gesundheitsüberwachungssystem ist auf eine klare Falldefinition für das zu überwachende gesundheitsbezogene Ereignis angewiesen (7). Die Falldefinition eines gesundheitsbezogenen Ereignisses kann klinische Manifestationen (d. h. Symptome), Laborergebnisse, epidemiologische Informationen (z. B. Person, Ort und Zeit) und/oder bestimmte Verhaltensweisen sowie Sicherheitsstufen (z. bestätigt/bestimmt, wahrscheinlich/vermutlich oder möglich/vermutet). Die Verwendung einer Standardfalldefinition erhöht die Spezifität der Meldungen und verbessert die Vergleichbarkeit des aus verschiedenen Datenquellen, einschließlich geografischer Gebiete, gemeldeten gesundheitsbezogenen Ereignisses. Falldefinitionen können für eine Vielzahl von überwachten gesundheitsbezogenen Ereignissen existieren, einschließlich Krankheiten, Verletzungen, nachteiliger Exposition und Risikofaktoren oder Schutzverhalten. In den Vereinigten Staaten haben sich beispielsweise die CDC und der Council of State and Territorial Epidemiologists (CSTE) auf Standardfalldefinitionen für ausgewählte Infektionskrankheiten geeinigt (16). Darüber hinaus veröffentlicht das CSTE Positionspapiere, die eine Vielzahl gesundheitsbezogener Ereignisse diskutieren und definieren (17). Wenn möglich, sollte ein System zur Überwachung der öffentlichen Gesundheit eine festgelegte Falldefinition verwenden, und wenn dies nicht der Fall ist, sollte eine Erklärung bereitgestellt werden.

      Bei der Bewertung sollte bewertet werden, wie gut das Überwachungssystem der öffentlichen Gesundheit in andere Überwachungs- und Gesundheitsinformationssysteme integriert ist (z. B. Datenaustausch und gemeinsame Nutzung in mehreren Formaten sowie Umwandlung von Daten). Die Rationalisierung verwandter Systeme zu einem integrierten Überwachungsnetz für die öffentliche Gesundheit ermöglicht es einzelnen Systemen, spezifische Datenerhebungsanforderungen zu erfüllen und gleichzeitig Doppelarbeit und fehlende Standardisierung zu vermeiden, die sich aus unabhängigen Systemen ergeben können (18). Ein integriertes System kann Komorbiditätsbedenken (z. B. Personen, die mit dem Humanen Immunschwächevirus infiziert sind, und Mycobacterium tuberculosis) identifizieren bisher nicht erkannte Risikofaktoren und bieten die Mittel zur Überwachung zusätzlicher Ergebnisse eines gesundheitsbezogenen Ereignisses. Wenn das NEDSS von CDC abgeschlossen ist, wird es verschiedene Arten von Überwachungsaktivitäten elektronisch integrieren und miteinander verknüpfen und eine genauere und rechtzeitigere Meldung von Krankheitsinformationen an CDC und staatliche und lokale Gesundheitsbehörden erleichtern (2).

      Das CSTE hat professionelle Diskussionen unter praktizierenden Epidemiologen im Bereich der öffentlichen Gesundheit in staatlichen und bundesstaatlichen Gesundheitsbehörden organisiert. CSTE hat auch ein nationales Gesundheitsüberwachungssystem vorgeschlagen, das als Grundlage für lokale und staatliche Gesundheitsbehörden dienen soll, um a) Überwachungs- und Gesundheitsinformationsaktivitäten Priorität einzuräumen und b) sich für die erforderlichen Ressourcen für Gesundheitsbehörden auf allen Ebenen einzusetzen (19). Dieses nationale öffentliche Gesundheitssystem wäre ein konzeptioneller Rahmen und ein virtuelles Überwachungssystem, das sowohl bestehende als auch neue Überwachungssysteme für gesundheitsbezogene Ereignisse und deren Determinanten umfasst.

      Es ist oft hilfreich, die einzelnen Schritte aufzulisten, die bei der Verarbeitung der Integritätsereignisberichte durch das System unternommen werden, und diese Schritte dann in einem Flussdiagramm darzustellen. Ein Beispiel für ein vereinfachtes Flussdiagramm für ein allgemeines Überwachungssystem im Bereich der öffentlichen Gesundheit ist in diesem Bericht enthalten (Abbildung 1). Die Mandate und Geschäftsprozesse der federführenden Agentur, die das System betreibt, sowie die Beteiligung anderer Agenturen könnten in diese Grafik aufgenommen werden. Die Architektur und der Datenfluss des Systems können auch in der Grafik dargestellt werden (20,21). Ein Diagramm der Architektur und des Datenflusses sollte ausreichend detailliert sein, um alle Funktionen des Systems zu erläutern, einschließlich der durchschnittlichen Zeiten zwischen Schritten und Datenübertragungen.

      Die Beschreibung der Komponenten des Überwachungssystems im Bereich der öffentlichen Gesundheit könnte Diskussionen im Zusammenhang mit Fragen der öffentlichen Gesundheitsinformatik umfassen, einschließlich vergleichbarer Hardware und Software, Standardbenutzeroberfläche, Standarddatenformat und -codierung, angemessene Qualitätskontrollen und Einhaltung von Vertraulichkeits- und Sicherheitsstandards (9). Vergleichbare Hard- und Software, Standardbenutzerschnittstellen und Standarddatenformate und -codierungen erleichtern beispielsweise einen effizienten Datenaustausch, und ein Satz gemeinsamer Datenelemente ist wichtig, um Daten innerhalb des Systems oder anderen Systemen effektiv abzugleichen.

      Um den Informationsbedarf der öffentlichen Gesundheit zu dokumentieren, entwickelt CDC in Zusammenarbeit mit staatlichen und lokalen Gesundheitsbehörden das konzeptionelle Datenmodell für öffentliche Gesundheit, um a) Datenstandards für die öffentliche Gesundheit festzulegen, einschließlich Datendefinitionen, Komponentenstrukturen (z. B. für komplexe Daten Typen), Codewerte und Datennutzung b) Zusammenarbeit mit nationalen Normungsgremien für Gesundheitsinformatik, um Standards für den Informationsaustausch zwischen öffentlichen Gesundheitsbehörden und Gesundheitsdienstleistern zu definieren und c) computergestützte Informationssysteme aufzubauen, die den etablierten Daten entsprechen, und Datenaustauschstandards zur Verwendung bei der Verwaltung von Daten mit Relevanz für die öffentliche Gesundheit (22). Darüber hinaus kann die Beschreibung des Datenmanagements des Systems darauf eingehen, wer die Daten bearbeitet, wie und auf welchen Ebenen die Daten bearbeitet werden und welche Kontrollen durchgeführt werden, um die Datenqualität sicherzustellen.

      Als Reaktion auf die HIPAA-Mandate arbeiten verschiedene Standardentwicklungsorganisationen und Terminologie- und Codierungsgruppen zusammen, um ihre separaten Systeme zu harmonisieren (23). Sowohl das Accredited Standards Committee X12 (24), das sich hauptsächlich mit Standards für Krankenversicherungsgeschäfte befasst hat, und Health Level Seven (HL7) (25), das sich mit Standards für die klinische Nachrichtenübermittlung und den Austausch klinischer Informationen mit Gesundheitsorganisationen (z. B. Krankenhäusern) befasst hat, an einem standardisierten Ansatz zur Bereitstellung zusätzlicher Informationen zur Unterstützung von Gesundheitsansprüchen (26). Im Bereich der Klassifikation und Kodierung von Krankheiten und anderen medizinischen Begriffen stellt die National Library of Medicine traditionell das Unified Medical Language System bereit, einen Metathesaurus für klinische Kodierungssysteme, mit dem Begriffe in einem Kodierungssystem auf ein anderes abgebildet werden können (27). Die Verabschiedung von HIPAA und die erwartete Einführung von Standards für elektronische Krankenakten haben die Bemühungen um die Integration klinischer Terminologien verstärkt (23) (z. B. die Zusammenlegung der Systematized Nomenclature of Medicine des College of American Pathologists [SNOMED ] [28] und die British Read Codes, den Thesaurus des National Health Service mit Gesundheitsbegriffen in Großbritannien).

      Die Beschreibung der Datenanalyse kann angeben, wer die Daten analysiert, wie sie analysiert werden und wie oft. Diese Beschreibung könnte auch darauf eingehen, wie das System sicherstellt, dass geeignete wissenschaftliche Methoden zur Analyse der Daten verwendet werden.

      Das Gesundheitsüberwachungssystem sollte so funktionieren, dass eine wirksame Verbreitung von Gesundheitsdaten ermöglicht wird, damit Entscheidungsträger auf allen Ebenen die Auswirkungen der Informationen leicht verstehen können (7). Zu den Optionen für die Verbreitung von Daten und/oder Informationen aus dem System gehören der elektronische Datenaustausch öffentlich zugängliche Dateien das Internet Pressemitteilungen Newsletter Bulletins jährliche und andere Arten von Berichten Veröffentlichung in wissenschaftlichen, begutachteten Zeitschriften sowie Poster- und mündliche Präsentationen, einschließlich solcher bei einzelnen , Gemeinde- und Berufstreffen. Zu den Zielgruppen für Gesundheitsdaten und -informationen können Angehörige der Gesundheitsberufe, Gesundheitsdienstleister, Mitglieder betroffener Gemeinschaften, Berufs- und Freiwilligenorganisationen, politische Entscheidungsträger, die Presse und die breite Öffentlichkeit gehören.

      Bei der Durchführung der Überwachung sind die Gesundheitsbehörden berechtigt, personenbezogene Gesundheitsdaten von Personen zu erheben und sind daher verpflichtet, diese Daten vor unangemessener Verwendung oder Weitergabe zu schützen. Der Schutz der Privatsphäre des Patienten (Anerkennung des Rechts einer Person, Informationen über sich selbst nicht weiterzugeben), der Datenvertraulichkeit (Gewährleistung des autorisierten Datenaustauschs) und der Systemsicherheit (Gewährleistung des autorisierten Systemzugriffs) ist für die Aufrechterhaltung der Glaubwürdigkeit einer Überwachung unerlässlich System. Dieser Schutz muss sicherstellen, dass Daten in einem Überwachungssystem über den Gesundheitszustand einer Person nur an autorisierte Personen weitergegeben werden. Physische, administrative, betriebliche und computergestützte Sicherheitsvorkehrungen zur Sicherung des Systems und zum Schutz seiner Daten müssen autorisierten Zugriff ermöglichen, während der Zugriff durch nicht autorisierte Benutzer verweigert wird.

      Ein damit verbundenes Anliegen beim Schutz von Gesundheitsdaten ist die Datenfreigabe, einschließlich Verfahren zur Freigabe von tabellarischen Daten auf Datensatzebene und Daten in computergestützten, interaktiven Abfragesystemen. Auch wenn personenbezogene Identifikatoren entfernt werden, bevor Daten freigegeben werden, ist die Entfernung dieser Identifikatoren möglicherweise kein ausreichender Schutz für den Austausch von Gesundheitsdaten. Beispielsweise könnte die Aufnahme demografischer Informationen in eine zeilengelistete Datei für eine kleine Anzahl von Fällen zu einer indirekten Identifizierung einer Person führen, obwohl keine persönlichen Identifikatoren angegeben wurden. In den Vereinigten Staaten haben CDC und CSTE eine Richtlinie für die Freigabe von Daten aus dem National Notifiable Disease Surveillance System (29), um ihre Verwendung für die öffentliche Gesundheit zu erleichtern und gleichzeitig die Vertraulichkeit der Daten zu wahren (30). Die Richtlinie wird von CDC und CSTE zur Überarbeitung bewertet.

      Als Reaktion auf HIPAA wurden Standards für den Schutz individuell identifizierbarer Gesundheitsdaten vorgeschlagen (3). Ein staatliches Mustergesetz wurde erstellt, um Datenschutz-, Vertraulichkeits- und Sicherheitsbedenken zu berücksichtigen, die sich aus dem Erwerb, der Verwendung, der Offenlegung und der Speicherung von Gesundheitsinformationen durch öffentliche Gesundheitsbehörden auf staatlicher und lokaler Ebene ergeben (31). Darüber hinaus hat die Reihe der Arbeitspapiere zur statistischen Politik umfasst Überprüfungen statistischer Methoden, die von Bundesbehörden und ihren Auftragnehmern verwendet werden, die statistische Tabellen oder Mikrodatendateien freigeben, die von Personen, Unternehmen oder anderen Einheiten gesammelt werden, die der Vertraulichkeit unterliegen. Diese Arbeitspapiere enthalten grundlegende statistische Methoden zur Beschränkung der Offenlegung (z. B. Regeln zur Datenunterdrückung zum Schutz der Privatsphäre und zur Minimierung falscher Schlussfolgerungen aus kleinen Zahlen) und geben Empfehlungen zur Verbesserung der Praktiken zur Beschränkung der Offenlegung (32).

      Ein Überwachungssystem der öffentlichen Gesundheit kann gesetzlich verpflichtet sein, an einem Programm zur Verwaltung von Aufzeichnungen teilzunehmen. Aufzeichnungen können aus einer Vielzahl von Materialien bestehen (z. B. ausgefüllte Formulare, elektronische Dateien, Dokumente und Berichte), die mit dem Betrieb des Überwachungssystems verbunden sind. Die richtige Verwaltung dieser Aufzeichnungen verhindert einen "Speicherverlust" oder "überladenen Speicher" für die Behörde, die das System betreibt, und verbessert die Fähigkeit des Systems, seine Ziele zu erreichen.

      B.3. Beschreiben Sie die Ressourcen, die zum Betrieb des Überwachungssystems verwendet werden

      Definition. In diesem Bericht decken die Methoden zur Ressourcenbewertung nur die Ressourcen ab, die direkt für den Betrieb eines Überwachungssystems der öffentlichen Gesundheit erforderlich sind. Diese Ressourcen werden manchmal als "direkte Kosten" bezeichnet und umfassen die personellen und finanziellen Ressourcen, die für den Betrieb des Systems aufgewendet werden.

      • Finanzierungsquelle(n): Geben Sie die Finanzierungsquelle für das Überwachungssystem an. In den Vereinigten Staaten resultiert die Überwachung der öffentlichen Gesundheit häufig aus einer Zusammenarbeit zwischen Bundes-, Landes- und Kommunalverwaltungen.
      • Personalbedarf: Schätzen Sie die Zeit ein, die für den Betrieb des Systems benötigt wird, einschließlich der Erfassung, Bearbeitung, Analyse und Verbreitung von Daten (z. B. aufgewendete Personenzeit pro Betriebsjahr). Diese Kennzahlen können in Dollar-Schätzungen umgewandelt werden, indem die Arbeitszeit mit den entsprechenden Gehalts- und Leistungskosten multipliziert wird.
      • Andere Ressourcen: Bestimmen Sie die Kosten für andere Ressourcen, einschließlich Reisen, Schulungen, Verbrauchsmaterialien, Computer und andere Geräte und damit verbundene Dienstleistungen (z. B. Post, Telefon, Computersupport, Internetverbindungen, Laborsupport sowie Hardware- und Softwarewartung).

      Gegebenenfalls sollten bei der Beschreibung der Ressourcen des Systems alle Ebenen des öffentlichen Gesundheitssystems berücksichtigt werden, vom lokalen Gesundheitsdienstleister bis hin zu kommunalen, kreisfreien, bundesstaatlichen und bundesstaatlichen Gesundheitsbehörden. In Vermont (Tabelle 1) und Kentucky (Tabelle 2) wurden Ressourcenschätzungen für öffentliche Gesundheitsüberwachungssysteme durchgeführt.

      Ressourcenschätzung in Vermont. Es wurden zwei Methoden zur Erhebung von Daten zur Überwachung der öffentlichen Gesundheit in Vermont verglichen (33). Das passive System war bereits vorhanden und bestand aus unaufgeforderten Meldungen meldepflichtiger Krankheiten an die Bezirksämter oder das Landesgesundheitsamt. Das aktive System wurde in einer Wahrscheinlichkeitsstichprobe von Arztpraxen implementiert. Jede Woche rief ein Mitarbeiter des Gesundheitsamtes diese Ärzte an, um Berichte über ausgewählte meldepflichtige Krankheiten einzuholen.

      Beim Vergleich der beiden Systeme wurde versucht, deren Kosten abzuschätzen. Die Schätzungen der direkten Ausgaben wurden für die Überwachungssysteme des öffentlichen Gesundheitswesens berechnet (Tabelle 1).

      Ressourcenschätzung in Kentucky. Ein weiteres Beispiel für die Ressourcenschätzung lieferte eine Bewertung der Kosten eines Überwachungssystems für das öffentliche Gesundheitswesen, das die aktive Einholung von Fallberichten über Hepatitis Typ A in Kentucky umfasst (Tabelle 2) (34). Die Ressourcen, die 1983 in den direkten Betrieb des Systems investiert wurden, waren Personal- und Telefonkosten und wurden auf 3.764 US-Dollar bzw. 535 US-Dollar geschätzt. Neun mehr Fälle wurden durch dieses System gefunden, als durch das passive Überwachungssystem gefunden worden wären, und schätzungsweise sieben Hepatitis-Fälle wurden durch eine Prophylaxe bei den Kontaktpersonen der neun Fallpatienten verhindert.

      Diskussion. Dieser Ansatz zur Ressourcenbewertung umfasst nur die personellen und materiellen Ressourcen, die für die Durchführung der Überwachung erforderlich sind, und schließt eine breitere Definition von Kosten aus, die bei einer umfassenderen Bewertung berücksichtigt werden könnte. Die Ressourcenbewertung könnte beispielsweise die Schätzung indirekter Kosten (z. B. Folgelabortests) und Kosten sekundärer Datenquellen (z. B. Vitalstatistiken oder Erhebungsdaten) umfassen.

      Die Bewertung der Betriebsressourcen des Systems sollte nicht isoliert von dem Programm oder der Initiative erfolgen, die auf dem Überwachungssystem der öffentlichen Gesundheit beruht. Eine formalere wirtschaftliche Bewertung des Systems (d. h. die Beurteilung der Kosten im Verhältnis zum Nutzen) könnte in die Ressourcenbeschreibung aufgenommen werden. Es könnte möglich sein, die Auswirkungen des Systems auf Entscheidungsfindung, Behandlung, Pflege, Prävention, Bildung und/oder Forschung abzuschätzen (35,36). Bei einigen Überwachungssystemen wäre es jedoch realistischer, die Kosten anhand der Ziele und des Nutzens des Systems zu beurteilen.

      Aufgabe C. Fokussierung des Evaluationsdesigns

      Die Ausrichtung und der Prozess der Evaluation müssen fokussiert sein, um sicherzustellen, dass Zeit und Ressourcen so effizient wie möglich eingesetzt werden.

      • Bestimmung des konkreten Bewertungszwecks (z. B. Änderung der Praxis)
      • Identifizierung von Stakeholdern (Aufgabe A), die die Ergebnisse und Empfehlungen der Evaluierung erhalten (d. h. die beabsichtigten Nutzer)
      • Überlegung, was mit den aus der Bewertung gewonnenen Informationen (d. h. den beabsichtigten Verwendungszwecken) geschehen soll
      • Angabe der Fragen, die von der Evaluation beantwortet werden und
      • Festlegung von Standards für die Bewertung der Leistung des Systems.

      Je nach Zweck der Evaluation kann ihr Design einfach oder komplex sein. Ein effektives Evaluationsdesign setzt voraus, dass a) sein spezifischer Zweck von allen an der Evaluation beteiligten Akteuren verstanden wird und b) sich Personen, die die Erkenntnisse und Empfehlungen des Designs kennen müssen, verpflichten, die daraus generierten Informationen zu nutzen. Wenn mehrere Interessengruppen beteiligt sind, müssen möglicherweise Vereinbarungen zwischen denjenigen getroffen werden, die die Evaluierung durchführen, die Rollen und Verantwortlichkeiten klarstellen.

      Standards zur Bewertung der Leistung des Systems zur Überwachung der öffentlichen Gesundheit legen fest, was das System leisten muss, um als erfolgreich bei der Erreichung seiner Ziele angesehen zu werden. Diese Standards legen beispielsweise fest, welche Nützlichkeits- und Einfachheitsgrade für das System angesichts seiner Zielsetzungen relevant sind. Ansätze zur Festlegung nützlicher Standards für die Bewertung der Systemleistung umfassen eine Durchsicht der aktuellen wissenschaftlichen Literatur zu dem zu überwachenden gesundheitsbezogenen Ereignis und/oder die Konsultation geeigneter Spezialisten, einschließlich der Nutzer der Daten.

      Aufgabe D. Sammeln glaubwürdiger Beweise für die Leistung des Überwachungssystems

      • Geben Sie den Grad der Nützlichkeit an, indem Sie die Maßnahmen beschreiben, die als Ergebnis der Analyse und Interpretation der Daten des öffentlichen Gesundheitsüberwachungssystems ergriffen wurden. Charakterisieren Sie die Entitäten, die die Daten verwendet haben, um Entscheidungen zu treffen und Maßnahmen zu ergreifen. Nennen Sie andere voraussichtliche Verwendungen der Daten.
      • Beschreiben Sie jedes der folgenden Systemattribute:
        --- Einfachheit
        --- Flexibilität
        --- Datenqualität
        --- Akzeptanz
        --- Empfindlichkeit
        --- Vorhersagewert positiv
        --- Repräsentativität
        --- Aktualität
        --- Stabilität

      Belange der Public-Health-Informatik in Bezug auf Überwachungssysteme im Bereich der öffentlichen Gesundheit (siehe Aufgabe B.2, Diskussion) können in den gesammelten Erkenntnissen zur Leistung des Systems angesprochen werden. Der Nachweis der Systemleistung muss als glaubwürdig angesehen werden. Zum Beispiel müssen die gesammelten Beweise für die beabsichtigte Verwendung zuverlässig, valide und informativ sein. Es gibt viele potenzielle Quellen für Beweise bezüglich der Leistung des Systems, einschließlich Konsultationen mit Ärzten, Epidemiologen, Statistikern, Verhaltenswissenschaftlern, Gesundheitspraktikern, Labordirektoren, Programmmanagern, Datenlieferanten und Datennutzern.

      D.1. Geben Sie den Grad der Nützlichkeit an

      Definition. Ein System zur Überwachung der öffentlichen Gesundheit ist nützlich, wenn es zur Prävention und Kontrolle gesundheitsgefährdender Ereignisse beiträgt, einschließlich eines besseren Verständnisses der Auswirkungen solcher Ereignisse auf die öffentliche Gesundheit. Ein System zur Überwachung der öffentlichen Gesundheit kann auch dann sinnvoll sein, wenn es hilft festzustellen, ob ein zuvor als unwichtig erachtetes gesundheitsschädigendes Ereignis tatsächlich wichtig ist. Darüber hinaus können Daten aus einem Überwachungssystem nützlich sein, um zu Leistungsmessungen beizutragen (37), einschließlich Gesundheitsindikatoren (38), die in Bedarfsanalysen und Rechenschaftslegungssystemen verwendet werden.

      • Krankheiten, Verletzungen oder schädliche oder schützende Expositionen von öffentlicher Bedeutung rechtzeitig erkennen, um eine genaue Diagnose oder Identifizierung, Vorbeugung oder Behandlung und gegebenenfalls den Umgang mit Kontakten zu ermöglichen?
      • Schätzungen des Ausmaßes der Morbidität und Mortalität im Zusammenhang mit dem überwachten gesundheitsbezogenen Ereignis vorlegen, einschließlich der Identifizierung von Faktoren, die mit dem Ereignis in Zusammenhang stehen?
      • Trends erkennen, die Veränderungen beim Auftreten von Krankheiten, Verletzungen oder schädlichen oder schützenden Expositionen signalisieren, einschließlich der Erkennung von Epidemien (oder Ausbrüchen)?
      • eine Bewertung der Wirkung von Präventions- und Kontrollprogrammen erlauben?
      • zu verbesserten klinischen, Verhaltens-, Sozial-, Richtlinien- oder Umweltpraktiken führen? oder
      • Forschung anregen, die zu Prävention oder Kontrolle führen soll?

      Eine Befragung von Personen, die Daten aus dem System verwenden, kann hilfreich sein, um Beweise für die Nützlichkeit des Systems zu sammeln. Die Erhebung kann entweder formell mit Standardmethodik oder informell erfolgen.

      Diskussion. Die Nützlichkeit kann von allen Attributen eines Systems zur Überwachung der öffentlichen Gesundheit beeinflusst werden (siehe Aufgabe D.2, Beschreiben Sie jedes Systemattribut). Beispielsweise könnte eine erhöhte Sensitivität eine bessere Möglichkeit bieten, Ausbrüche zu erkennen und den natürlichen Verlauf eines gesundheitsbezogenen Ereignisses in der überwachten Bevölkerung zu verstehen. Durch die verbesserte Aktualität können Kontroll- und Präventionsmaßnahmen früher eingeleitet werden. Ein erhöhter positiver Vorhersagewert ermöglicht es den Beamten des öffentlichen Gesundheitswesens, Ressourcen für Kontroll- und Präventionsmaßnahmen genauer zu bündeln. Ein repräsentatives Surveillance-System wird die epidemiologischen Merkmale eines gesundheitsbezogenen Ereignisses in einer definierten Population besser charakterisieren. Systeme zur Überwachung der öffentlichen Gesundheit, die einfach, flexibel, akzeptabel und stabil sind, werden wahrscheinlich vollständiger und nützlicher für Maßnahmen im Bereich der öffentlichen Gesundheit sein.

      D.2. Beschreiben Sie jedes Systemattribut

      Definition. Die Einfachheit eines Systems zur Überwachung der öffentlichen Gesundheit bezieht sich sowohl auf seine Struktur als auch auf seine einfache Bedienung. Überwachungssysteme sollten so einfach wie möglich sein und dennoch ihre Ziele erfüllen.

      Methoden. Ein Diagramm, das den Datenfluss und die Reaktionswege in einem Überwachungssystem beschreibt, kann helfen, die Einfachheit oder Komplexität eines Überwachungssystems zu beurteilen. Dieser Bericht enthält ein vereinfachtes Flussdiagramm für ein generisches Überwachungssystem (Abbildung 1).

      • Menge und Art der Daten, die erforderlich sind, um festzustellen, dass das gesundheitsbezogene Ereignis eingetreten ist (d. h. die Falldefinition wurde erfüllt)
      • Menge und Art anderer Daten zu Fällen (z. B. demografische, Verhaltens- und Expositionsinformationen für das gesundheitsbezogene Ereignis)
      • Anzahl der Organisationen, die an der Entgegennahme von Fallberichten beteiligt sind
      • Integrationsgrad mit anderen Systemen
      • Methode der Datenerhebung, einschließlich Anzahl und Art der Berichtsquellen und Zeitaufwand für die Datenerhebung
      • Umfang der Nachverfolgung, die erforderlich ist, um die Daten zu dem Fall zu aktualisieren
      • Methode zur Verwaltung der Daten, einschließlich des Zeitaufwands für die Übertragung, Eingabe, Bearbeitung, Speicherung und Sicherung von Daten
      • Methoden zur Analyse und Verbreitung der Daten, einschließlich des Zeitaufwands für die Vorbereitung der Daten für die Verbreitung
      • Anforderungen an die Mitarbeiterschulung und
      • Zeitaufwand für die Wartung des Systems.
      • spezielle oder nachfolgende Labortests zur Bestätigung des Falls
      • Untersuchung des Falles, einschließlich Telefonkontakt oder Hausbesuch durch das Personal des öffentlichen Gesundheitswesens, um detaillierte Informationen zu sammeln
      • mehrere Ebenen der Berichterstattung (z. B. mit dem National Notifiable Diseases Surveillance System können Fallberichte mit dem Gesundheitsdienstleister beginnen, der die Diagnose stellt, und die Gesundheitsbehörden des Landkreises und der Bundesstaaten durchlaufen, bevor sie zur CDC gehen [29]) und
      • Integration verwandter Systeme, wobei spezielle Schulungen erforderlich sind, um Daten zu sammeln und/oder zu interpretieren.

      Einfachheit ist eng mit Akzeptanz und Aktualität verbunden. Einfachheit wirkt sich auch auf die Menge an Ressourcen aus, die zum Betrieb des Systems erforderlich sind.

      D.2.b. Flexibilität

      Definition. Ein flexibles Überwachungssystem für die öffentliche Gesundheit kann sich mit wenig zusätzlichem Zeit-, Personal- oder zugewiesenen Mitteln an sich ändernde Informationsbedürfnisse oder Betriebsbedingungen anpassen. Flexible Systeme können beispielsweise neuen gesundheitsbezogenen Ereignissen, Änderungen der Falldefinitionen oder der Technologie sowie Schwankungen bei der Finanzierung oder bei der Berichterstattung Rechnung tragen. Darüber hinaus können Systeme, die Standarddatenformate verwenden (z. B. beim elektronischen Datenaustausch), leicht in andere Systeme integriert werden und können daher als flexibel angesehen werden.

      Methoden. Flexibilität lässt sich wahrscheinlich am besten retrospektiv beurteilen, indem man beobachtet, wie ein System auf eine neue Nachfrage reagiert hat. Ein wichtiges Merkmal des Behavioral Risk Factor Surveillance Systems (BRFSS) von CDC ist seine Flexibilität (39). BRFSS wird in Zusammenarbeit mit den staatlichen Gesundheitsbehörden durchgeführt und ist eine fortlaufende Stichprobenerhebung, die Prävalenzdaten auf Bundesstaatsebene zu Gesundheitsverhalten im Zusammenhang mit den wichtigsten vermeidbaren Todesursachen sowie Daten zu präventiven Gesundheitspraktiken sammelt und meldet. Das System erlaubt den Staaten, dem BRFSS-Fragebogen Fragen ihres eigenen Designs hinzuzufügen, ist jedoch einheitlich genug, um Vergleiche zwischen den Staaten für bestimmte Fragen zu ermöglichen. Diese landesspezifischen Fragen können auftauchende und lokal wichtige Gesundheitsprobleme ansprechen. Darüber hinaus können Bundesstaaten ihre BRFSS-Stichproben stratifizieren, um Prävalenzdaten für Regionen oder Landkreise in ihren jeweiligen Bundesstaaten zu schätzen.

      Diskussion. Sofern keine Anstrengungen unternommen wurden, das öffentliche Gesundheitsüberwachungssystem an eine andere Krankheit (oder ein anderes gesundheitsbezogenes Ereignis), eine überarbeitete Falldefinition, zusätzliche Datenquellen, neue Informationstechnologien oder Änderungen der Finanzierung anzupassen, könnte die Bewertung der Flexibilität dieses Systems schwer. In Ermangelung praktischer Erfahrungen können der Aufbau und die Funktionsweise eines Systems untersucht werden. Einfachere Systeme können flexibler sein (d. h. weniger Komponenten müssen modifiziert werden, wenn das System an geänderte Informationsanforderungen oder Betriebsbedingungen angepasst wird).

      D.2.c. Datenqualität

      Definition. Die Datenqualität spiegelt die Vollständigkeit und Validität der im öffentlichen Gesundheitsüberwachungssystem erfassten Daten wider.

      Methoden. Die Untersuchung des Prozentsatzes von "unbekannten" oder "leeren" Antworten auf Elemente in Überwachungsformularen ist ein einfaches und einfaches Maß für die Datenqualität. Daten von hoher Qualität weisen einen geringen Prozentsatz solcher Antworten auf. Für eine vollständige Bewertung der Vollständigkeit und Validität der Systemdaten kann jedoch eine spezielle Untersuchung erforderlich sein. Im Überwachungssystem aufgezeichnete Datenwerte können mit "wahren" Werten verglichen werden, zum Beispiel durch eine Überprüfung der abgetasteten Daten (40), eine spezielle Datensatzverknüpfung (41) oder Patientengespräch (42). Darüber hinaus kann die Berechnung der Sensitivität (Aufgabe D.2.e) und des positiven Vorhersagewerts (Aufgabe D.2.f) für die Datenfelder des Systems bei der Beurteilung der Datenqualität hilfreich sein.

      Die Qualität der Daten wird beeinflusst durch die Durchführung der Screening- und Diagnosetests (dh die Falldefinition) für das gesundheitsbezogene Ereignis, die Klarheit der gedruckten oder elektronischen Überwachungsformulare, die Qualität der Schulung und Überwachung der Personen, die diese Überwachungsformulare ausfüllen , und die Sorgfalt bei der Datenverwaltung. Eine Überprüfung dieser Facetten eines Überwachungssystems im Bereich der öffentlichen Gesundheit liefert ein indirektes Maß für die Datenqualität.

      Diskussion. Die meisten Überwachungssysteme verlassen sich auf mehr als nur einfache Fallzählungen. Zu den häufig erhobenen Daten gehören die demografischen Merkmale der betroffenen Personen, Details zum gesundheitsbezogenen Ereignis und das Vorhandensein oder Fehlen potenzieller Risikofaktoren. Die Qualität dieser Daten hängt von ihrer Vollständigkeit und Validität ab.

      Die Akzeptanz (siehe Aufgabe D.2.d) und Repräsentativität (Aufgabe D.2.g) eines Gesundheitsüberwachungssystems hängen mit der Datenqualität zusammen. Mit Daten von hoher Qualität kann das System von den Teilnehmern akzeptiert werden. Darüber hinaus kann das System das überwachte gesundheitsbezogene Ereignis genau darstellen.

      D.2.d. Annehmbarkeit

      Definition. Akzeptanz spiegelt die Bereitschaft von Personen und Organisationen wider, sich am Überwachungssystem zu beteiligen.

      Methoden. Akzeptanz bezieht sich auf die Bereitschaft von Personen in der Trägeragentur, die das System betreibt, und Personen außerhalb der Trägeragentur (z.B. Personen, die zur Meldung von Daten aufgefordert werden), das System zu nutzen. Um die Akzeptanz zu beurteilen, müssen die Interaktionspunkte zwischen dem System und seinen Teilnehmern berücksichtigt werden (Abbildung 1), einschließlich der Personen mit dem Gesundheitsereignis und der meldenden Fälle.

      • Fach- oder Agenturbeteiligungsquote (wenn sie hoch ist, wie schnell wurde sie erreicht)
      • Interviewabschlussraten und Frageverweigerungsraten (wenn das System Interviews beinhaltet)
      • Vollständigkeit der Berichtsformulare
      • Arzt-, Labor- oder Krankenhaus-/Einrichtungsmelderate und
      • Aktualität der Datenberichterstattung.

      Einige dieser Maßnahmen könnten aus einer Überprüfung der Formulare für Überwachungsberichte abgeleitet werden, während andere spezielle Studien oder Erhebungen erfordern würden.

      • die Bedeutung der gesundheitsbezogenen Veranstaltung für die öffentliche Gesundheit
      • Anerkennung des Beitrags der Person durch das System
      • Weitergabe aggregierter Daten zurück an Meldequellen und interessierte Parteien
      • Reaktionsfähigkeit des Systems auf Vorschläge oder Kommentare
      • Zeitaufwand im Verhältnis zur verfügbaren Zeit
      • Einfachheit und Kosten der Datenberichterstattung
      • Bundes- und Landesgesetzliche Zusicherung der Privatsphäre und Vertraulichkeit
      • die Fähigkeit des Systems, die Privatsphäre und Vertraulichkeit zu schützen
      • bundes- und landesgesetzliche Anforderungen an die Datenerhebung und Fallberichterstattung und
      • Beteiligung der Gemeinschaft, in der das System betrieben wird.

      D.2.e. Empfindlichkeit

      Definition. Die Sensitivität eines Überwachungssystems kann auf zwei Ebenen betrachtet werden. Erstens bezieht sich die Sensitivität auf der Ebene der Fallmeldungen auf den Anteil der Fälle einer Krankheit (oder eines anderen gesundheitsbezogenen Ereignisses), die vom Überwachungssystem (43). Zweitens kann sich Sensitivität auf die Fähigkeit beziehen, Ausbrüche zu erkennen, einschließlich der Fähigkeit, Veränderungen der Fallzahl im Laufe der Zeit zu überwachen.

      • bestimmte Krankheiten oder andere gesundheitsbezogene Ereignisse in der überwachten Bevölkerung auftreten
      • Fälle bestimmter gesundheitsbezogener Ereignisse in ärztlicher Behandlung sind, Laboruntersuchungen unterzogen werden oder anderweitig meldepflichtigen Einrichtungen bekannt werden
      • die gesundheitsbezogenen Ereignisse werden diagnostiziert/identifiziert, was die Fähigkeiten der Gesundheitsdienstleister und die Sensibilität von Screening- und Diagnosetests (d. h. der Falldefinition) widerspiegelt und
      • der Fall wird dem System gemeldet.
      • die Anzahl der Personen, die über ein Telefon verfügen, die zum Zeitpunkt des Anrufs zu Hause sind und sich zur Teilnahme bereit erklären
      • die Fähigkeit der Personen, die Fragen zu verstehen und ihren Status richtig zu erkennen und
      • die Bereitschaft der Befragten, ihren Status anzugeben.

      Inwieweit diese Situationen untersucht werden, hängt vom System und den verfügbaren Ressourcen für die Beurteilung der Sensitivität ab. Der Hauptschwerpunkt bei der Beurteilung der Sensitivität --- vorausgesetzt, dass die meisten gemeldeten Fälle korrekt klassifiziert sind --- liegt in der Schätzung des Anteils der Gesamtzahl der Fälle in der überwachten Population, die vom System erkannt werden, dargestellt durch A/(A+C ) in diesem Bericht (Tabelle 3).

      • Durchführung einer aktiven Überwachung (d. h. Kontaktaufnahme mit allen meldepflichtigen Anbietern und Institutionen)
      • Verwendung externer Standards (oder anderer Überwachungsindikatoren), um die Qualität der Fallberichterstattung zu überwachen
      • Identifizieren importierter Fälle
      • Verfolgung der Anzahl der gemeldeten, untersuchten und als Fälle ausgeschlossenen Verdachtsfälle
      • Überwachung des diagnostischen Aufwands (z. B. Verfolgung der Einreichung von Laboranfragen für diagnostische Tests) und
      • Überwachung der Zirkulation des Erregers (z. B. Virus oder Bakterium), der die Krankheit verursacht.

      Die Kapazität eines Systems zur Überwachung der öffentlichen Gesundheit zur Erkennung von Ausbrüchen (oder anderen Veränderungen der Inzidenz und Prävalenz) könnte erheblich verbessert werden, wenn detaillierte diagnostische Tests in das System aufgenommen werden. Zum Beispiel die Verwendung von molekularer Subtypisierung bei der Überwachung von Escherichia coli O157:H7-Infektionen in Minnesota ermöglichten es dem Überwachungssystem, Ausbrüche zu erkennen, die sonst nicht erkannt worden wären (45).

      Die Messung der Sensitivität des Überwachungssystems (Tabelle 3) erfordert a) die Sammlung von oder den Zugriff auf Daten, die normalerweise außerhalb des Systems liegen, um die tatsächliche Häufigkeit der Erkrankung in der überwachten Bevölkerung zu bestimmen (46) und b) Validierung der vom System gesammelten Daten. Beispiele für Datenquellen, die verwendet werden, um die Sensibilität von Gesundheitsinformationen oder öffentlichen Gesundheitsüberwachungssystemen zu bewerten, umfassen medizinische Aufzeichnungen (47,48) und Register (49,50). Darüber hinaus kann die Sensitivität durch Schätzungen der Gesamtzahl der Fälle in der zu überwachenden Population unter Verwendung von Fang- und Wiederfangtechniken (51,52).

      Um die Sensitivität des Gesundheitsüberwachungssystems angemessen zu bewerten, kann es erforderlich sein, mehr als eine Messung des Attributs zu berechnen. Beispielsweise könnte die Sensitivität für die Datenfelder des Systems, für jede Datenquelle oder für Kombinationen von Datenquellen (48), für besondere Bedingungen unter Überwachung (53) oder für jedes von mehreren Jahren (54).Die Verwendung eines Venn-Diagramms kann helfen, Sensitivitätsmessungen für Kombinationen der Datenquellen des Systems darzustellen (55).

      Diskussion. Eine Literaturübersicht kann hilfreich sein, um Sensitivitätsmessungen für ein Überwachungssystem der öffentlichen Gesundheit zu bestimmen (56). Die Bewertung der Sensibilität jeder Datenquelle, einschließlich Kombinationen von Datenquellen, kann bestimmen, ob die Abschaffung einer aktuellen Datenquelle oder die Hinzufügung einer neuen Datenquelle die Gesamtüberwachungsergebnisse beeinträchtigen würde (48).

      Ein System zur Überwachung der öffentlichen Gesundheit, das keine hohe Sensitivität aufweist, kann dennoch bei der Überwachung von Trends nützlich sein, solange die Sensitivität im Laufe der Zeit einigermaßen konstant bleibt. Fragen zur Sensitivität in Überwachungssystemen stellen sich am häufigsten, wenn Veränderungen beim Auftreten eines gesundheitsbezogenen Ereignisses festgestellt werden. Veränderungen der Sensitivität können durch bestimmte Umstände ausgelöst werden (z. B. erhöhtes Bewusstsein für ein gesundheitsbezogenes Ereignis, Einführung neuer diagnostischer Tests, Änderung der Überwachungsmethode). Eine Suche nach solchen "Artefakten" ist oft ein erster Schritt bei der Untersuchung von Ausbrüchen.

      D.2.f. Vorhersagewert positiv

      Definition. Der positive Vorhersagewert (PVP) ist der Anteil der gemeldeten Fälle, bei denen das gesundheitsbezogene Ereignis tatsächlich überwacht wird (43).

      Methoden. Die Bewertung der Sensitivität und des PVP bieten unterschiedliche Perspektiven auf die Funktionsfähigkeit des Systems. Abhängig von den Zielen des öffentlichen Gesundheitsüberwachungssystems kann es erforderlich sein, PVP zu bewerten, wenn die Empfindlichkeit bewertet wurde (47--50,53). In diesem Bericht wird PVP durch A/(A+B) dargestellt (Tabelle 3).

      Bei der Beurteilung von PVP liegt der Schwerpunkt auf der Bestätigung der über das Überwachungssystem gemeldeten Fälle. Die Wirkung von PVP auf die Nutzung öffentlicher Gesundheitsressourcen kann auf zwei Ebenen betrachtet werden. Auf der Ebene der Fallerkennung beeinflusst PVP die Menge der Ressourcen, die für Falluntersuchungen verwendet werden. In einigen Bundesstaaten wird beispielsweise jeder gemeldete Fall von Hepatitis Typ A umgehend von einer Krankenschwester des öffentlichen Gesundheitswesens untersucht, und gefährdete Kontaktpersonen werden zur prophylaktischen Behandlung überwiesen. Ein Überwachungssystem mit niedrigem PVP und daher häufigen "falsch positiven" Fallberichten würde zu fehlgeleiteten Ressourcen führen.

      Auf der Ebene der Ausbruchs- (oder Epidemie-)Erkennung kann eine hohe Rate fehlerhafter Fallberichte eine unangemessene Untersuchung des Ausbruchs auslösen. Daher kann der Anteil der vom Überwachungssystem identifizierten Epidemien, die echte Epidemien sind, zur Bewertung dieses Attributs verwendet werden.

      Die Berechnung des PVP kann erfordern, dass Aufzeichnungen über Untersuchungen geführt werden, die auf Informationen des öffentlichen Gesundheitsüberwachungssystems beruhen. Auf der Ebene der Fallerkennung würde eine Erfassung der Anzahl der abgeschlossenen Falluntersuchungen und des Anteils der gemeldeten Personen, bei denen das gesundheitsbezogene Ereignis tatsächlich beobachtet wurde, die Berechnung des PVP ermöglichen. Auf der Ebene der Ausbruchserkennung könnte die Überprüfung von Personalaktivitätsberichten, Reiseaufzeichnungen und Telefonlogbüchern die Beurteilung von PVP ermöglichen. Bei einigen Überwachungssystemen kann jedoch eine Überprüfung von Daten außerhalb des Systems (z. B. Krankenakten) erforderlich sein, um Fälle zur Berechnung des PVP zu bestätigen. Beispiele für Datenquellen, die verwendet werden, um die PVP von Gesundheitsinformationen oder öffentlichen Gesundheitsüberwachungssystemen zu bewerten, umfassen medizinische Aufzeichnungen (48,57), Register (49,58) und Sterbeurkunden (59).

      Um den PVP des Systems angemessen zu bewerten, kann es erforderlich sein, mehr als eine Messung des Attributs zu berechnen. Beispielsweise könnte PVP für die Datenfelder des Systems, für jede Datenquelle oder Kombinationen von Datenquellen (48) oder für bestimmte gesundheitsbezogene Ereignisse (49).

      Diskussion. PVP ist wichtig, da ein niedriger Wert bedeutet, dass Nichtfälle untersucht werden könnten und Ausbrüche identifiziert werden könnten, die nicht wahr sind, sondern stattdessen Artefakte des öffentlichen Gesundheitsüberwachungssystems sind (z. B. ein "Pseudo-Ausbruch"). Falschmeldungen können zu unnötigen Eingriffen führen, und falsch erkannte Ausbrüche können zu kostspieligen Untersuchungen und zu unangemessener Besorgnis in der überwachten Bevölkerung führen. Ein System zur Überwachung der öffentlichen Gesundheit mit einem hohen PVP führt zu weniger fehlgeleiteten Ressourcen.

      Die PVP spiegelt die Sensitivität und Spezifität der Falldefinition (d. h. die Screening- und Diagnosetests für das gesundheitsbezogene Ereignis) und die Prävalenz des gesundheitsbezogenen Ereignisses in der überwachten Population wider. Die PVP kann sich mit zunehmender Spezifität der Falldefinition verbessern. Darüber hinaus kann eine gute Kommunikation zwischen den meldenden Personen und der aufnehmenden Stelle zu einer verbesserten PVP führen.

      D.2.g. Repräsentativität

      Definition. Ein repräsentatives Public-Health-Surveillance-System beschreibt zutreffend das Auftreten eines gesundheitsbezogenen Ereignisses im Zeitverlauf und seine Verteilung in der Bevölkerung nach Ort und Person.

      • Merkmale der Bevölkerung, einschließlich Alter, sozioökonomischer Status, Zugang zur Gesundheitsversorgung und geografische Lage (60)
      • Klinischer Verlauf der Krankheit oder andere gesundheitsbezogene Ereignisse (z. B. Latenzzeit, Übertragungsweg und Ergebnis [z. B. Tod, Krankenhausaufenthalt oder Behinderung])
      • vorherrschende medizinische Praktiken (z. B. Standorte, an denen diagnostische Tests und ärztliche Überweisungsmuster durchgeführt werden) (33,61) und
      • mehrere Datenquellen (z. B. Sterblichkeitsraten zum Vergleich mit Inzidenzdaten und Laborberichte zum Vergleich mit Arztberichten).

      Die Repräsentativität kann durch spezielle Studien untersucht werden, die versuchen, eine Stichprobe aller Fälle zu identifizieren. So wurde beispielsweise die Repräsentativität eines regionalen Verletzungsüberwachungssystems anhand einer systematischen Stichprobe von Verletzten (62). Die Studie untersuchte statistische Maße von Bevölkerungsvariablen (z. B. Alter, Geschlecht, Wohnort, Art der Verletzung und Krankenhauseinweisung) und kam zu dem Schluss, dass die Unterschiede in der Verteilung der Verletzungen in der Datenbank des Systems und deren Verteilung in den Stichprobendaten die Fähigkeit des Überwachungssystems, seine Ziele zu erreichen.

      Für viele gesundheitsbezogene Ereignisse, die überwacht werden, erfordert die richtige Analyse und Interpretation der Daten die Berechnung von Raten. Die Nenner für diese Ratenberechnungen werden oft aus einem völlig separaten Datensystem gewonnen, das von einer anderen Behörde verwaltet wird (z. B. dem United States Bureau of the Census in Zusammenarbeit mit den Regierungen der Bundesstaaten [63]). Die Wahl eines geeigneten Nenners für die Ratenberechnung sollte sorgfältig überlegt werden, um eine genaue Darstellung des gesundheitsbezogenen Ereignisses im Zeitverlauf sowie nach Ort und Person zu gewährleisten. Zähler und Nenner müssen beispielsweise über Kategorien hinweg vergleichbar sein (z. B. Rasse [64], Alter, Wohnort und/oder Zeitraum) und die Quelle für den Nenner sollte bei der Messung von Zinstrends im Zeitverlauf konsistent sein. Darüber hinaus sollte die Auswahl der Standardpopulation für die Anpassung der Sätze berücksichtigt werden (65).

      Diskussion. Um die Erkenntnisse aus den Überwachungsdaten auf die gesamte Bevölkerung zu verallgemeinern, sollten die Daten eines öffentlichen Gesundheitsüberwachungssystems die Merkmale des zu überwachenden gesundheitsbezogenen Ereignisses genau widerspiegeln. Diese Merkmale beziehen sich im Allgemeinen auf Zeit, Ort und Person. Ein wichtiges Ergebnis der Bewertung der Repräsentativität eines Surveillance-Systems ist die Identifizierung von Bevölkerungsuntergruppen, die durch unzureichende Monitoringmethoden systematisch aus dem Meldesystem ausgeschlossen werden könnten. Dieser Bewertungsprozess ermöglicht eine angemessene Änderung der Datenerhebungsverfahren und eine genauere Prognose der Inzidenz des gesundheitsbezogenen Ereignisses in der Zielpopulation (66).

      Bei bestimmten gesundheitsbezogenen Ereignissen umfasst die genaue Beschreibung des Ereignisses im Zeitverlauf das gezielte Anvisieren geeigneter Punkte in einem breiten Expositionsspektrum und der daraus resultierenden Krankheit oder des daraus resultierenden Zustands. Bei der Überwachung von Herz-Kreislauf-Erkrankungen kann es beispielsweise nützlich sein, zwischen Bedingungen vor der Exposition (z. B. Tabakkonsumrichtlinien und soziale Normen), der Exposition (z. B. Tabakkonsum, Ernährung, Bewegung, Stress und Genetik), einer Präexposition zu unterscheiden -symptomatische Phase (zB Cholesterin- und Homocysteinspiegel), Erkrankung im Frühstadium (zB abnormer Stresstest), Erkrankung im Spätstadium (zB Angina und akuter Myokardinfarkt) und Tod durch die Krankheit. Die Messung des Verhaltens von Risikofaktoren (z. B. Tabakkonsum) könnte die Überwachung wichtiger Aspekte bei der Entwicklung einer Krankheit oder eines anderen gesundheitsbezogenen Ereignisses ermöglichen.

      Da Überwachungsdaten verwendet werden, um Gruppen mit hohem Risiko zu identifizieren und Interventionen gezielt zu bewerten und zu bewerten, ist es wichtig, sich der Stärken und Grenzen der Daten des Systems bewusst zu sein. Fehler und Verzerrungen können in jeder Phase in das System eingebracht werden (67). Ein Bias bei der Fallermittlung (oder Auswahl) kann beispielsweise aus Änderungen der Meldepraktiken im Laufe der Zeit oder aus unterschiedlichen Meldepraktiken nach geografischem Standort oder Gesundheitsdienstleistern resultieren. Unterschiedliche Meldungen zwischen Bevölkerungsuntergruppen können zu irreführenden Schlussfolgerungen über das beobachtete gesundheitsbezogene Ereignis führen.

      Definition. Die Aktualität spiegelt die Geschwindigkeit zwischen den Schritten in einem Überwachungssystem der öffentlichen Gesundheit wider.

      Methoden. Ein vereinfachtes Beispiel für die Schritte in einem öffentlichen Gesundheitsüberwachungssystem ist in diesem Bericht enthalten (Abbildung 2). Das Zeitintervall, das zwei dieser Schritte verbindet, kann untersucht werden. Als erstes wird in der Regel der Zeitraum zwischen dem Einsetzen eines gesundheitsbezogenen Ereignisses und der Meldung dieses Ereignisses an das für die Einleitung von Kontroll- und Präventionsmaßnahmen zuständige Gesundheitsamt betrachtet. Faktoren, die die Zeit während dieses Intervalls beeinflussen, können das Erkennen von Symptomen durch den Patienten, die medizinische Versorgung des Patienten, die Diagnose des behandelnden Arztes oder die Vorlage eines Labortests, die Rückmeldung der Testergebnisse durch das Labor an den Arzt und/oder an ein öffentliches Gesundheitswesen sein und der Arzt meldet das Ereignis einer Gesundheitsbehörde. Ein weiterer Aspekt der Aktualität ist die Zeit, die für die Erkennung von Trends, Ausbrüchen oder der Wirkung von Kontroll- und Präventionsmaßnahmen benötigt wird. Faktoren, die den Identifizierungsprozess beeinflussen, können die Schwere und Übertragbarkeit des gesundheitsbezogenen Ereignisses, die Personalausstattung der zuständigen Gesundheitsbehörde und die Kommunikation zwischen den beteiligten Gesundheitsbehörden und -organisationen sein. Das relevanteste Zeitintervall kann je nach Art des überwachten gesundheitsbezogenen Ereignisses variieren. Bei akuten oder infektiösen Erkrankungen kann beispielsweise das Intervall ab dem Einsetzen der Symptome oder das Expositionsdatum verwendet werden. Bei chronischen Erkrankungen kann es sinnvoller sein, die verstrichene Zeit ab der Diagnose und nicht ab dem Zeitpunkt des Auftretens der Symptome zu betrachten.

      Diskussion. Die Aktualität eines Systems zur Überwachung der öffentlichen Gesundheit sollte im Hinblick auf die Verfügbarkeit von Informationen zur Kontrolle eines gesundheitsbezogenen Ereignisses bewertet werden, einschließlich sofortiger Kontrollbemühungen, Verhinderung einer fortgesetzten Exposition oder Programmplanung. Die Notwendigkeit einer schnellen Reaktion in einem Überwachungssystem hängt von der Art des zu überwachenden gesundheitsbezogenen Ereignisses und den Zielen dieses Systems ab. Eine Studie über ein öffentliches Gesundheitsüberwachungssystem für Shigella Infektionen zeigten beispielsweise, dass der typische Fall von Shigellose 11 Tage nach Auftreten der Symptome den Gesundheitsbehörden zur Kenntnis gebracht wurde – ein Zeitraum, der für das Auftreten einer sekundären und tertiären Übertragung ausreicht. Dieses Beispiel zeigt, dass die Aktualität für eine wirksame Seuchenbekämpfung nicht zufriedenstellend war (68). Wenn jedoch zwischen Exposition und Auftreten der Krankheit eine lange Latenzzeit auftritt, ist die schnelle Identifizierung von Krankheitsfällen möglicherweise nicht so wichtig wie die schnelle Verfügbarkeit von Expositionsdaten, um eine Grundlage für die Unterbrechung und Prävention von Expositionen zu schaffen, die zu Krankheiten führen. Zum Beispiel sind Kinder mit erhöhten Blutbleispiegeln und ohne klinisch erkennbare Krankheit einem Risiko für gesundheitsbezogene Nebenwirkungen ausgesetzt. CDC empfiehlt, dass die Nachsorge asymptomatischer Kinder mit erhöhten Blutbleispiegeln Aufklärungsaktivitäten zur Vorbeugung von Bleivergiftungen sowie zur Untersuchung und Beseitigung von Quellen der Bleiexposition umfasst (69). Darüber hinaus werden Überwachungsdaten von öffentlichen Gesundheitsbehörden verwendet, um Fortschritte bei der Erreichung nationaler und staatlicher Gesundheitsziele zu verfolgen (38,70).

      Die zunehmende Nutzung der elektronischen Datenerhebung aus Meldequellen (z. B. ein elektronisches laborbasiertes Überwachungssystem) und über das Internet (ein webbasiertes System) sowie die zunehmende Nutzung des elektronischen Datenaustauschs durch Überwachungssysteme könnten die Aktualität fördern (6,29,71,72).

      Definition. Stabilität bezieht sich auf die Zuverlässigkeit (d. h. die Fähigkeit, Daten ohne Fehler ordnungsgemäß zu sammeln, zu verwalten und bereitzustellen) und die Verfügbarkeit (die Fähigkeit, bei Bedarf einsatzbereit zu sein) des öffentlichen Gesundheitsüberwachungssystems.

      • die Anzahl der ungeplanten Ausfälle und Ausfallzeiten des Computers des Systems
      • die Kosten, die mit einer Reparatur des Computers des Systems verbunden sind, einschließlich Teile, Service und Zeitaufwand für die Reparatur
      • der Prozentsatz der Zeit, in der das System vollständig funktioniert
      • die gewünschte und tatsächliche Zeit, die das System benötigt, um Daten zu sammeln oder zu empfangen
      • die gewünschte und tatsächliche Zeit, die das System benötigt, um die Daten zu verwalten, einschließlich Übertragung, Eingabe, Bearbeitung, Speicherung und Sicherung der Daten und
      • die gewünschte und tatsächliche Zeit, die das System benötigt, um Daten freizugeben.

      Diskussion. Ein Mangel an dedizierten Ressourcen könnte die Stabilität eines Systems zur Überwachung der öffentlichen Gesundheit beeinträchtigen. So können beispielsweise Personalengpässe die Zuverlässigkeit und Verfügbarkeit gefährden. Unabhängig vom überwachten gesundheitsbezogenen Ereignis ist eine stabile Leistung jedoch entscheidend für die Funktionsfähigkeit des Überwachungssystems. Unzuverlässige und nicht verfügbare Überwachungssysteme können notwendige Maßnahmen im Bereich der öffentlichen Gesundheit verzögern oder verhindern.

      Eine formalere Bewertung der Stabilität des Systems könnte durch Modellierungsverfahren (73). Ein sinnvollerer Ansatz könnte jedoch darin bestehen, die Stabilität basierend auf dem Zweck und den Zielen des Systems zu bewerten.

      Aufgabe E. Schlussfolgerungen begründen und darlegen und Empfehlungen abgeben

      Schlussfolgerungen aus der Bewertung können durch eine angemessene Analyse, Synthese, Interpretation und Beurteilung der gesammelten Evidenz bezüglich der Leistung des öffentlichen Gesundheitsüberwachungssystems (Aufgabe D) begründet werden. Da die Stakeholder (Aufgabe A) zustimmen müssen, dass die Schlussfolgerungen begründet sind, bevor sie die Ergebnisse der Evaluierung mit Zuversicht verwenden, sollten die gesammelten Beweise mit ihren relevanten Standards für die Bewertung der Systemleistung (Aufgabe C) verknüpft werden. Darüber hinaus sollte in den Schlussfolgerungen angegeben werden, ob das Überwachungssystem ein wichtiges Problem der öffentlichen Gesundheit anspricht (Aufgabe B.1) und seine Ziele (Aufgabe B.2) erreicht.

      Empfehlungen sollten die Änderung und/oder Fortführung des Systems zur Überwachung der öffentlichen Gesundheit betreffen. Bevor Änderungen an einem System empfohlen werden, sollte die Evaluierung die Interdependenz von Systemkosten (Aufgabe B.3) und Eigenschaften (Aufgabe D.2) berücksichtigen. Die Stärkung eines Systemattributs könnte sich nachteilig auf ein anderes Attribut mit höherer Priorität auswirken. Bemühungen zur Verbesserung der Sensitivität, PVP, Repräsentativität, Aktualität und Stabilität können die Kosten eines Überwachungssystems erhöhen, obwohl Einsparungen bei der Effizienz bei der Computertechnologie (z. B. elektronische Berichterstattung) einige dieser Kosten ausgleichen könnten. Da sich Sensitivität und PVP 100 % nähern, ist es wahrscheinlicher, dass ein Überwachungssystem für die Bevölkerung mit dem überwachten Ereignis repräsentativ ist. Mit zunehmender Empfindlichkeit kann der PVP jedoch abnehmen. Bemühungen, die Sensitivität und PVP zu erhöhen, können die Komplexität eines Überwachungssystems erhöhen – und möglicherweise seine Akzeptanz, Pünktlichkeit und Flexibilität verringern. In einer Studie, in der beispielsweise die vom Gesundheitsamt initiierte (aktive) Überwachung und die vom Anbieter initiierte (passive) Überwachung verglichen wurde, verbesserte die aktive Überwachung die Aktualität trotz erhöhter Sensitivität nicht (61). Darüber hinaus können die Empfehlungen Bedenken hinsichtlich ethischer Verpflichtungen beim Betrieb des Systems (74).

      In einigen Fällen deuten die Schlussfolgerungen aus der Bewertung darauf hin, dass die am besten geeignete Empfehlung darin besteht, das Überwachungssystem im Bereich der öffentlichen Gesundheit einzustellen. Diese Art von Empfehlung sollte jedoch vor ihrer Herausgabe sorgfältig geprüft werden. Die Kosten für die Erneuerung eines stillgelegten Systems können erheblich höher sein als die Kosten für die Wartung. Die an der Bewertung Beteiligten sollten die relevanten öffentlichen Gesundheits- und sonstigen Folgen der Einstellung eines Überwachungssystems berücksichtigen.

      Aufgabe F. Sicherstellen, dass Evaluierungsergebnisse verwendet werden und Gelerntes weitergeben

      Es sind bewusste Anstrengungen erforderlich, um sicherzustellen, dass die Ergebnisse einer Evaluierung des öffentlichen Gesundheitsüberwachungssystems angemessen verwendet und verbreitet werden. Wenn das Evaluierungsdesign fokussiert ist (Aufgabe C), können die Stakeholder (Aufgabe A) Entscheidungen kommentieren, die die Wahrscheinlichkeit beeinflussen könnten, glaubwürdige Beweise für die Leistung des Systems zu sammeln. Bei der Durchführung der Evaluation (Aufgaben D und E) kann es notwendig sein, abzuwägen, wie sich potenzielle Feststellungen (insbesondere negative Feststellungen) auf Entscheidungen über das Überwachungssystem auswirken könnten. Wenn Schlussfolgerungen aus der Bewertung und Empfehlungen gezogen werden (Aufgabe E), können Folgemaßnahmen erforderlich sein, um die beabsichtigten Benutzer an ihre geplanten Verwendungen zu erinnern und zu verhindern, dass gewonnene Erkenntnisse verloren gehen oder ignoriert werden.

      Strategien für die Kommunikation der Ergebnisse der Evaluierung und der Empfehlungen sollten auf das relevante Publikum zugeschnitten sein, einschließlich der Personen, die die für die Evaluierung verwendeten Daten bereitgestellt haben. Im Bereich der öffentlichen Gesundheit beispielsweise kann ein formeller schriftlicher Bericht oder eine mündliche Präsentation wichtig sein, aber nicht unbedingt das einzige Mittel, um Ergebnisse und Empfehlungen aus der Evaluierung an das relevante Publikum zu kommunizieren. Mehrere Beispiele für formelle schriftliche Berichte über Überwachungsbewertungen wurden in peer-reviewed Journals aufgenommen (51,53,57,59,75).

      ZUSAMMENFASSUNG

      Die Leitlinien in diesem Bericht befassen sich mit Bewertungen von Systemen zur Überwachung der öffentlichen Gesundheit. Diese Leitlinien könnten jedoch auch auf mehrere Systeme angewendet werden, darunter Gesundheitsinformationssysteme, die für Maßnahmen im Bereich der öffentlichen Gesundheit verwendet werden, Überwachungssysteme, die in Pilotversuchen getestet werden, und Informationssysteme in einzelnen Krankenhäusern oder Gesundheitszentren. Zusätzliche Informationen können auch für die Planung, Einrichtung sowie effiziente und effektive Überwachung eines Systems zur Überwachung der öffentlichen Gesundheit hilfreich sein (6--7).

      Um die bestmögliche Nutzung der Ressourcen der öffentlichen Gesundheit zu fördern, sollten alle Überwachungssysteme der öffentlichen Gesundheit regelmäßig evaluiert werden. Es existiert jedoch kein perfektes System, und es müssen immer Kompromisse eingegangen werden. Jedes System ist einzigartig und muss den Nutzen gegen Personal, Ressourcen und Kosten abwägen, die jeder seiner Komponenten zugewiesen werden, wenn das System seinen beabsichtigten Zweck und seine Ziele erreichen soll.

      Die angemessene Bewertung der Überwachungssysteme des öffentlichen Gesundheitswesens wird von größter Bedeutung, da sich diese Systeme an überarbeitete Falldefinitionen, neue gesundheitsbezogene Ereignisse, neue Informationstechnologien (einschließlich Standards für die Datenerhebung und -weitergabe), aktuelle Anforderungen zum Schutz der Privatsphäre der Patienten, der Vertraulichkeit von Daten und der System Sicherheit.Das Ziel dieses Berichts war es, den Evaluierungsprozess umfassend, explizit und objektiv zu gestalten. Dennoch enthält dieser Bericht Richtlinien --- keine absoluten --- für die Bewertung von Systemen zur Überwachung der öffentlichen Gesundheit. Fortschritte in der Überwachungstheorie, -technologie und -praxis werden fortgesetzt, und Leitlinien für die Bewertung eines Überwachungssystems werden sich zwangsläufig weiterentwickeln.