Mehr

Abfragen von verwandten Tabellen in QGIS


Ich habe eine Flurstücksebene und eine Tabelle mit Immobilienverkäufen. Ich habe die beiden Tabellen in einem QGIS-Projekt verknüpft (es ist eine 1:n-Beziehung), sodass Sie beim Klicken auf ein Paket alle zugehörigen Verkaufsinformationen sehen. Gibt es eine Möglichkeit, diese zugehörige Verkaufstabelle abzufragen und die entsprechenden Parzellen direkt in QGIS auszuwählen?

Ich habe einen Umweg gefunden, bei dem ich eine Ansicht in der Spatialite-Datenbank erstelle, in der die Daten gespeichert sind, aber es fordert meinen Endbenutzer ein bisschen zu viel, um die Ansichtsparameter jedes Mal ändern zu können, wenn er eine neue benötigt Verkaufskarte.


Ich habe das gleiche Problem. Wenn Sie eine alternative Lösung basierend auf einer einfachen Auswahl finden ... (Doppeltes Problem, das ich gemacht habe)

Aus der übergeordneten Tabelle rufe ich eine Liste von IDs (PK) ab und in der untergeordneten Tabelle setze ich einen Filter basierend auf meiner Liste von IDs für meinen FK.

Wichtiger Hinweis, ich verwende die Beziehung nicht, nur eine Auswahl basierend auf PK FK. Bei großen Tabellen gibt es ein wichtiges Leistungsproblem.

Hier ein Ausschnitt.

li_id = []layer = QgsMapLayerRegistry.instance().mapLayers() für Name, Layer inlayers.iteritems(): if name.lower().startswith('NAME MEINER ELTERNTABELLE'): features = layer.selectedFeatures( ) für f in-Features: li_id.append(str(f.attribute('F_ID'))) cLayer = iface.mapCanvas().currentLayer() # (KINDERTABELLE IM TOC AUSGEWÄHLT) if len(li_id) ==1: cWhere = """"F_ID" = '{0}'""".format(li_id[0]) else: cWhere= """"F_ID" in {0}""".format(tuple(li_id)) expr = QgsExpression(cWhere) it = cLayer.getFeatures( QgsFeatureRequest( expr ) ) ids = [i.id() für i darin] cLayer.setSelectedFeatures( ids ) iface.showAttributeTable(iface.activeLayer())

Identifizierung der wichtigsten Straßenausfahrten Europas mit QGIS

Der Datensatz von EuroGeographic und Global Roads Open Access Data Set (gROADS) wurde heruntergeladen.

Ziel ist es, die Ausfahrten (Geokoordinatenpunkte) von Autobahnen und Hauptverkehrsstraßen (gROADS bezeichnet sie als FClass Funktionsklasse 1=Autobahn, 2=Hauptstraße) zu identifizieren. Die Formdaten werden mit dem Software-Tool QGIS gesehen und sichtbar, aber die Straßen sind nur Ansammlungen von Linien.

Das Problem ist, dass der Datensatz nicht offensichtlich zu analysieren ist. Die EGM 2021-Datenspezifikation enthält ein Data Dictionary unter den Datentabellen des Transportabschnitts und einen ‘Feature-Class-Name’ EXITC mit dem Code AQ090, die nicht gefunden werden oder, falls vorhanden, manchmal nur begrenzte Daten enthalten. So hat beispielsweise der Ländercode IT keine Exitc-DBF-Datei. Doch Google und Openstreetmap haben diese Elemente.

Abfragen der Datenbankdateien (EuroGeographic) nach ROADL, bei denen es sich um Linien handelt, Einträge haben Namen, die sich wiederholen, daher gehe ich davon aus, dass es sich um Segmente handelt, und somit würden die Endpunkte der Segmente Ein-/Ausstiegspunkten entsprechen.

Ich kann mir jedoch nicht vorstellen, wie diese aus diesem Datenbeispiel extrahiert werden können.

Wie können diese Ausgänge erreicht werden?

Eine Antwort

[Diese Antwort ist keine direkte Antwort auf die Frage, sondern ein Weg zu einer Lösung]

Openstreetmap hat diese Daten. geofabrik.de hat verschiedene regionale Downloads, die kontinentalen sind ziemlich umfangreich, daher empfehle ich, zuerst die verlinkte json-Datei zu untersuchen.

Die heruntergeladenen archivierten Dateien enthalten Shape-Dateien, wobei Straße die interessierende Familie ist, die dann herausgefiltert werden können. Abfrage

erzeugt erwartete Daten. Hinweis: Autobahn ist der Schlüssel für die tatsächliche Straßen- und Liniengeometrie, während das Anhängen von _link die Knoten bereitstellt, die für diese Hauptstraßen auf die Straße zugreifen.


Hinzufügen von Punktattributen zur Attributtabelle von Linien in QGIS

Ich möchte nur die Namen meiner Scheitelpunkte (von Linienschnittpunkten, Duplikate gelöscht) zur Attributtabelle meiner Linien (wie Start- und Endknoten) hinzufügen. Jede Linie hat nur zwei Ecken.

geom_to_wkt(start_point($geometry)) –> gibt mir die Koordinaten (ich brauche den Namen) meiner echten Knoten, nicht der Scheitelpunkte

"nach Position hinzufügen" überträgt nur den Namen eines Scheitelpunkts (aber ich brauche beide)

Eine Antwort

In QGIS kann ich vorschlagen, a . zu verwenden "Virtueller Layer" bis Layer > Layer hinzufügen > Virtuellen Layer hinzufügen/bearbeiten.

Nehmen wir an, wir haben zwei Ebenen 'points_layer' (rot) bzw. 'lines_layer' (grau), siehe Bild unten.

Mit folgender Abfrage ist es möglich nur die Namen meiner Scheitelpunkte (von Linienschnittpunkten, Duplikate gelöscht) zur Attributtabelle meiner Linien hinzuzufügen (wie Start- und Endknoten).


QGIS herunterladen und installieren

QGIS kann auf Windows-, Mac OS X-, Unix-, Linux- und Android-Betriebssystemen installiert werden, was es zu einem sehr flexiblen Softwarepaket macht. Sowohl die binären Installer als auch der Quellcode können von download.qgis.org heruntergeladen werden. In diesem Abschnitt werden wir kurz die Installation von QGIS unter Windows, Mac OS X und Ubuntu Linux behandeln. Die aktuellsten Installationsanweisungen finden Sie auf der QGIS-Website.

QGIS unter Windows installieren

Für Windows gibt es zwei Installationsoptionen, die wie folgt lauten:

QGIS Standalone-Installationsprogramm : Das eigenständige Installationsprogramm installiert die Binärversion von QGIS und die Unterstützungssystem für die geografische Ressourcenanalyse ( GRAS ) mit einem Standard-Windows-Installationstool. Sie sollten diese Option wählen, wenn Sie eine einfache Installation von QGIS wünschen.

OSGeo4W-Netzwerkinstallationsprogramm : Dies bietet Ihnen die Möglichkeit, entweder die Binär- oder Quellcodeversion von QGIS sowie experimentelle Versionen von QGIS herunterzuladen. Darüber hinaus können Sie mit dem OSGeo4W-Installationsprogramm andere Open-Source-Tools und deren Abhängigkeiten installieren.

QGIS unter Mac OS X installieren

Um QGIS unter Mac OS X zu installieren, Bibliothek zur Abstraktion von Geodaten ( GDAL ) Framework und Matplotlib Python-Modul müssen zuerst installiert werden, gefolgt von der QGIS-Installation. Die Installationsdateien für GDAL, matplotlib und QGIS sind unter http://www.kyngchaos.com/software/qgis verfügbar.

QGIS unter Ubuntu Linux installieren

Es gibt zwei Optionen bei der Installation von QGIS unter Ubuntu: nur QGIS installieren oder QGIS sowie andere FOSSGIS-Pakete installieren. Jede dieser Methoden erfordert die Verwendung der Befehlszeile, der Sudo-Rechte und des Paketmanagers apt-get.

Nur QGIS installieren

Je nachdem, ob Sie eine stabile Version oder eine experimentelle Version installieren möchten, müssen Sie das entsprechende Repository zur Datei /etc/apt/sources.list hinzufügen.

Bearbeiten Sie mit sudo-Zugriff /etc/apt/sources.list und fügen Sie die folgende Zeile hinzu, um die aktuelle stabile Version bzw. den Quellcode der aktuellen Version zu installieren:

Abhängig von der von Ihnen verwendeten Release-Version von Ubuntu müssen Sie den Release-Namen als trusty , saucy oder precision angeben. Die neueste Liste der QGIS-Versionen für Ubuntu-Versionen finden Sie unter download.qgis.org.

Nachdem das entsprechende Repository hinzugefügt wurde, können Sie mit der QGIS-Installation fortfahren, indem Sie die folgenden Befehle ausführen:

Um das GRASS-Plugin zu installieren (empfohlen), installieren Sie das optionale Paket, indem Sie diesen Befehl ausführen:

Installieren von QGIS und anderen FOSSGIS-Paketen

Das ubuntugis-Projekt installiert QGIS und andere FOSSGIS-Pakete, wie GRASS auf Ubuntu. Um das ubuntugis-Paket zu installieren, entfernen Sie die http://qgis.org/debian-Zeilen aus der Datei /etc/apt/sources.list und führen Sie die folgenden Befehle aus:

QGIS ist auch für Android verfügbar. Wir haben keine detaillierte Installationsanleitung bereitgestellt, da es sich derzeit im Alpha-Test befindet. Es ist jedoch geplant, in einer zukünftigen Version einen normalisierten Installationsprozess zu haben. Weitere Informationen hierzu finden Sie unter http://hub.qgis.org/projects/android-qgis.

Eine entsprechende App wurde kürzlich angekündigt und heißt QField for QGIS. Für kurze Zeit hieß es QGIS Mobile. Es wird als eine mit QGIS kompatible Felddatenerfassungs- und Management-App beschrieben. Zum Zeitpunkt des Schreibens dieses Artikels befand es sich im Alpha-Test nur für Einladungen. Es wird voraussichtlich irgendwann im Android Play Store verfügbar sein. Weitere Informationen zu dieser App finden Sie unter http://www.opengis.ch/tech-blog/.


6.2.5. Versuchen Sie es selbst, das CRS von Ebenen zu konvertieren¶

Da wir Entfernungen innerhalb unserer Layer messen werden, müssen wir das CRS der Layer ändern. Dazu müssen wir jede Ebene nacheinander auswählen, die Ebene mit unserer neuen Projektion in einer neuen Ebene speichern und dann diese neue Ebene in unsere Karte importieren.

Sie haben viele verschiedene Möglichkeiten, z.B. Sie können jeden Layer als Dataset im ESRI-Shapefile-Format exportieren, die Layer an eine vorhandene GeoPackage-Datei anhängen oder eine andere GeoPackage-Datei erstellen und diese mit den neu projizierten Layern füllen. Wir zeigen die letzte Option, damit die training_data.gpkg sauber bleibt. Wählen Sie den besten Workflow für sich selbst aus

In diesem Beispiel verwenden wir die WGS 84 / UTM-Zone 34S CRS, aber Sie sollten ein UTM-CRS verwenden, das für Ihre Region besser geeignet ist.

Klicken Sie mit der rechten Maustaste auf den Straßen-Layer im Ebenenbedienfeld

Klicken Sie auf Exportieren –> Funktionen speichern unter…

Wählen Sie im Dialogfeld Vektorlayer speichern unter die Option GeoPackage as Format as

Klicken Sie auf … für den Dateinamen und benennen Sie das neue GeoPackage vector_analysis

Ändern Sie den Layernamen in road_34S

Ändern Sie das CRS in WGS 84 / UTM-Zone 34S

Dadurch wird die neue GeoPackage-Datenbank erstellt und der Layer road_34S hinzugefügt.

Wiederholen Sie diesen Vorgang für jeden Layer, erstellen Sie einen neuen Layer in der Datei vector_analysis.gpkg GeoPackage, wobei _34S an den ursprünglichen Namen angehängt wird, und entfernen Sie jeden der alten Layer aus dem Projekt.

Wenn Sie sich entscheiden, einen Layer in einem bestehenden GeoPackage zu speichern, wird QGIS anhängen diese Schicht zum GeoPackage.

Wenn Sie den Vorgang für alle Layer abgeschlossen haben, klicken Sie mit der rechten Maustaste auf einen Layer und klicken Sie auf Auf Layer-Ausdehnung zoomen, um die Karte auf den gewünschten Bereich zu fokussieren.

Nachdem wir OSM-Daten in eine UTM-Projektion umgewandelt haben, können wir mit unseren Berechnungen beginnen.


3 Antworten 3

Einige Optionen aus den Kommentaren auf der mssql_query()-Manpage

  • SELECT CAST(field1 AS TEXT) AS field1 FROM table
  • Ändern Sie die Version in /etc/freetds.conf von 4.2 auf 8.0 (wenn der PHP-Server *nix ist)
  • Vermeiden Sie SELECT *-Abfragen

Viel mehr, wenn Sie auf dieser Seite nach ntext suchen.

Hier sind einige Dinge, die Sie möglicherweise wissen müssen:

Installieren Sie die mssql-Unterstützung für Debian (Lenny/Squeeze):

apt-get install php5-sybase

Wenn Sie diese Fehlermeldung erhalten: "Unicode-Daten in einer Nur-Unicode-Sortierung oder ntext-Daten können nicht an Clients gesendet werden, die DB-Library (wie ISQL) oder ODBC-Version 3.7 oder früher verwenden."


Ergebnisse

Insgesamt wurden 10.989 Schulbezirke und 7.479 Vape-Shop-Adressen in die endgültige Analyse einbezogen. Von diesen Schulbezirken hatten 73,3% (8.053) keine Vape-Shops, 13,7% (1.502) hatten einen Vape-Shop, 7,4% (818) hatten zwei und 5,6% (616) hatten drei oder mehr Vape-Shops.

Die Dichte der Vape-Shops in den Schulbezirken war signifikant positiv mit dem prozentualen Anteil der asiatischen und schwarzen oder afroamerikanischen Bevölkerung verbunden, wobei die Dichte in Abhängigkeit von beiden Rassen basierend auf unbereinigten Ergebnissen zunahm. Die Dichte der Vape-Shops in den Schulbezirken war signifikant negativ mit dem Prozentsatz der AIAN und dem Prozentsatz der weißen Bevölkerung verbunden, wobei die Dichte in Abhängigkeit von beiden Rassen basierend auf unbereinigten Ergebnissen abnahm. Hispanische Bevölkerung und Armut waren nicht signifikant mit der Dichte von Vape-Shops in Schulbezirken verbunden (Abbildung 1A-F, Ergänzungstabelle S1).

Abbildung 1 Beziehung zwischen der Vape-Shop-Dichte (pro 100.000 Einwohner) und sozioökonomischen Variablen in Schulbezirken der angrenzenden Vereinigten Staaten im Jahr 2018

HINWEIS: Dargestellt sind die unbereinigten Modellschätzungen (dunkle Linie) und Konfidenzgrenzen (95% Konfidenzintervall schattierter Bereich) aus separaten quasi-poisson generalisierten linearen Modellen, die die Dichteassoziationen von Vape-Shops mit Rassen/Ethnizitäten (A-E) und Armut (F) analysieren. Die hier präsentierten Werte wurden aus den ursprünglichen geschätzten Modellkoeffizienten der Log-Link-Funktion zurücktransformiert. Die Ergebnisse außer denen in D und F waren statistisch signifikant (α = .05). Notiere dass der x und ja Achsen unterscheiden sich für jedes separate Diagramm, um ein besseres visuelles Verständnis des Trends in jedem separaten Modell zu ermöglichen.

Das Verhältnis von Vape-Shops zu Schulen in den Schulbezirken war signifikant positiv mit dem prozentualen Anteil der asiatischen und schwarzen oder afroamerikanischen Bevölkerung verbunden, wobei das Verhältnis in Abhängigkeit von beiden Rassen basierend auf unbereinigten Ergebnissen zunahm. Das Verhältnis von Vape-Shops zu Schulen war signifikant negativ mit dem Prozentsatz der AIAN, dem Prozentsatz der weißen Bevölkerung und der Armut verbunden, wobei das Verhältnis als Funktion dieser Faktoren aufgrund unbereinigter Ergebnisse abnahm. Die hispanische Bevölkerung war nicht signifikant mit dem Verhältnis von Vape-Shops zu Schulen in Schulbezirken verbunden (Abbildung 2A-F, Ergänzungstabelle S1).

Abbildung 2 Beziehung zwischen dem Verhältnis von Vape-Shops zu Schulen (pro 100.000 Einwohner) und sozioökonomischen Variablen in Schulbezirken der angrenzenden Vereinigten Staaten im Jahr 2018

HINWEIS: Dargestellt sind die unbereinigten Modellschätzungen (dunkle Linie) und Konfidenzgrenzen (95% Konfidenzintervall schattierte Fläche) aus separaten quasi-poisson generalisierten linearen Modellen, die das Verhältnis von Vape-Shops zu Schulverbänden mit Rassen/Ethnizitäten (AE) und Armut (F .) analysieren ). Die hier präsentierten Werte wurden aus den ursprünglichen geschätzten Modellkoeffizienten der Log-Link-Funktion zurücktransformiert. Die Ergebnisse außer denen in D waren statistisch signifikant (α = .05). Notiere dass der x und ja Achsen unterscheiden sich für jedes separate Diagramm, um ein besseres visuelles Verständnis des Trends in jedem separaten Modell zu ermöglichen.

Die mittlere Entfernung von Schulen zu Vape-Shops in den Schulbezirken war signifikant negativ mit dem prozentualen Anteil asiatischer, schwarzer oder afroamerikanischer und hispanischer oder lateinamerikanischer Bevölkerungen verbunden, wobei Vape-Shops in näherer Nähe zu Schulen in Bezirken mit höheren Anteilen dieser Bevölkerungsgruppen auf der Grundlage unbereinigter Ergebnisse . Die mittlere Entfernung von Schulen zu Vape-Shops war signifikant positiv mit dem Prozentsatz der weißen Bevölkerung und der Armut verbunden. Die Entfernung zu Vape-Shops nahm mit dem Prozentsatz der weißen Bevölkerung und der Bevölkerung in Armut zu (Abbildung 3A-F, Zusatztabelle S1).

Abbildung 3 Beziehung zwischen der Entfernung von Schulen zu Vape-Shops (km) und sozioökonomischen Variablen in Schulbezirken der angrenzenden Vereinigten Staaten im Jahr 2018

HINWEIS: Dargestellt sind die unbereinigten Modellschätzungen (dunkle Linie) und Konfidenzgrenzen (95% Konfidenzintervall schattierte Fläche) aus separaten quasi-poisson generalisierten linearen Modellen, die die mittlere Distanz zwischen Schulen und Vape-Shops und Assoziationen mit Rasse/Ethnizität (AE) und Armut analysieren (F). Die hier präsentierten Werte wurden aus den ursprünglichen geschätzten Modellkoeffizienten der Log-Link-Funktion zurücktransformiert. Alle Ergebnisse waren statistisch signifikant (α = .05). Notiere dass der x und ja Achsen unterscheiden sich für jedes separate Diagramm, um ein besseres visuelles Verständnis des Trends in jedem separaten Modell zu ermöglichen.


Methoden

Datenqualität

Die Liste der Krankenhäuser in Australien, die vom Australian Institute of Health and Welfare auf der MyHospitals-Website verteilt wurde, enthielt mit Stand April 2019 alle 690 öffentlichen Krankenhäuser in Australien und 321 private Krankenhäuser 11, jedoch könnten einige private Krankenhäuser seit der Teilnahme an MyHospitals gefehlt haben durch private Krankenhäuser ist freiwillig. Weitere Einzelheiten zur Datenqualitätssicherung sind online verfügbar 12 . Die Überprüfung der geografischen Koordinaten von 10 zufällig ausgewählten Krankenhäusern in jedem australischen Bundesstaat und Territorium (sofern vorhanden) ergab keine Ungenauigkeiten.

Täglich aktualisierte OpenStreetMap-Daten für Australien stehen zum Download bereit 13 . Frühere Arbeiten ergaben, dass im Januar 2016 die Abdeckung des australischen Straßennetzes durch OpenStreetMap 94 % betrug 14 . Die weltweite Abdeckung stieg von 83 % im Januar 2016 auf 89 % im Mai 2017 14 länderspezifische Zunahmen wurden nicht gemeldet, aber die Abdeckung des australischen Straßennetzes dürfte sich ebenfalls verbessert haben.

Berechnung von Netzblockschwerpunkten

MBs für die verschiedenen australischen Bundesstaaten und Territorien wurden im Shapefile-Format 15 auf einen PC (Intel Core i7-6600U CPU mit 2,60 GHz, 16 GB RAM) heruntergeladen. Das geografische Informationssystem QGIS, Version 3.6.2, wurde verwendet, um diese MB-Dateien zusammenzuführen und die Schwerpunkte aller räumlichen MBs zu berechnen. Die MB-Schwerpunkte wurden als durch Kommas getrennte Werte (csv) exportiert und mit der Tabelle der Bevölkerungszahlen basierend auf MB-Code zusammengeführt.

Berechnung der Fahrzeiten zwischen Gitterblöcken und Krankenhäusern

OpenStreetMap-Daten für Australien 13 wurden verwendet, um eine lokale Instanz des Open Source Routing Machine (OSRM) HTTP-Servers (Version 5.16.0 unter Windows 10) zu initiieren. Der Tabellendienst des OSRM-Servers wurde verwendet, um die Autofahrzeit der schnellsten Route zwischen jedem räumlichen, bewohnten MB und jedem Krankenhaus in Australien abzufragen. Der OSRM-Server berücksichtigt zwar mögliche Fährverbindungen, gibt jedoch möglicherweise keine gültige Reisezeit zurück, wenn keine Route gefunden wird (z. B. gibt es derzeit keine Passagierfähren nach King Island in Tasmanien, wo sich das King Island District Hospital and Health Center befindet). Der OSRM-Server unterstützt die gleichzeitige Verarbeitung mehrerer Anfragen und die Gesamtverarbeitungszeit für die Erstellung der vollständigen Reisezeitmatrix zwischen MBs und Krankenhäusern betrug ca. 10 Stunden. Aufgrund der Fahrzeitmatrix zwischen allen MBs und Krankenhäusern war es möglich, die kürzeste Fahrzeit zwischen jedem MB und jedem Krankenhaus zu berechnen.

Berechnung der Fahrzeiten zwischen SA2s und Krankenhäusern

Der Mittelwert über die MBs in jedem SA2, gewichtet nach der Bevölkerung, bestimmt die Fahrzeitmatrix zwischen SA2s und Krankenhäusern sowie die durchschnittlich kürzeste Fahrzeit zu einem Krankenhaus für Bewohner eines SA2. Diese Schritte wurden mit Python-Version 3.6.4 ausgeführt.


Erkundung

Nachdem wir die räumlichen Probleme und die Ideen aufgelistet haben, müssen wir sicherstellen, dass die Dinge priorisiert werden, die vorherige Aufmerksamkeit erfordern. Dabei spielt die Priorisierung eine wesentliche Rolle. Da die Organisation Stärken und Schwächen haben kann, müssen wir diese identifizieren, bevor wir die Innovation initiieren. Wir müssen in der Lage sein, ihr Potenzial bei der Verwaltung der Kosten und der Nutzung der Ressourcen zu erkennen, um eine neue Strategie zu erkunden oder ein Gerät zu produzieren. Hier müssen wir auch nach der Wahrscheinlichkeit des Innovationsbedarfs Ausschau halten. Die Innovationen wären die Erstellung einer Echtzeitkarte, die Lösung eines räumlichen Problems oder das Sammeln statistischer Attribute. Dies kann durch eine Priorisierung der Dinge ausgeräumt werden.


Hintergrund

Die Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) ist eine neurologische Entwicklungsstörung, die einen erheblichen Teil der Menschen im Laufe ihres Lebens betrifft und für die es wirksame, evidenzbasierte Behandlungen gibt [1]. Die Bereitstellung von psychischen Gesundheitsdiensten in Ländern mit höherem Einkommen ist für Kinder und Erwachsene getrennt, und der Übergang erfolgt oft in einer wichtigen Entwicklungsstufe [2, 3]. Epidemiologische Studien zeigen eine geschätzte Prävalenz von ADHS von 5–6% bei Kindern und 3–4% bei Erwachsenen [4,5,6,7]. Die Zahl junger Menschen mit ADHS, die Kinderdienste abschließen, ist aufgrund eines Anstiegs der Verschreibungsraten bei Kindern schnell gestiegen [8] und Studien haben ergeben, dass viele junge Menschen mit ADHS wahrscheinlich bis ins Erwachsenenalter weiter betreut werden müssen [9,10, 11]. Daher ist es wichtig, für diese Gruppe einen unterstützten Übergang gemäß den klinischen Leitlinien bereitzustellen [12, 13]. Allerdings ist die Versorgung von Erwachsenen mit ADHS weltweit nach wie vor relativ knapp [14] und ist im Vereinigten Königreich (UK) als lückenhaft und schwer zugänglich bekannt [15].

Gesundheitsatlanten, die die internationale Gesundheitsversorgung anhand von Regierungs- und Expertenquellen abbilden, sind etablierte Instrumente, die objektive und zuverlässige Informationen über die Bereitstellung von Gesundheitsdienstleistungen liefern sollen [16,17,18]. Der European Service Mapping Schedule [19] ist ein Erhebungsinstrument zur Beschreibung und Klassifizierung von psychiatrischen Diensten. Es wurde von Signorini et al. [20] und verwendet, um Vertreter der Kinderpsychiatrie zu den Merkmalen von psychiatrischen Diensten für Kinder und Jugendliche (CAMHS) in der Europäischen Union (EU) zu befragen. Obwohl diese Tools wertvoll sind, gelingt es oft nicht, Regierungs- und Expertenberichte über die Leistungserbringung mit der Erfahrung von Leistungsnutzern und Klinikern in der Praxis zu vergleichen. Der allgemeine Fokus bedeutet auch, dass sie möglicherweise keine zustandsspezifischen Informationen erfassen.

Die Serie Atlas of Variation [21] verwendet routinemäßig verfügbare Daten und Konsultationen mit klinischen Experten, um Regierungsberichte (mit Karten, Diagrammen und Zeitreihendaten) über die Versorgung und Patientenergebnisse für eine Auswahl von Gesundheitsthemen bereitzustellen [22]. Bisher wurden jedoch ADHS-Dienste und -Ergebnisse nicht kartiert. Die bereitgestellten Informationen sind außerdem sehr komplex, für Laien schwer zu verstehen und enthalten keine Berichte von Dienstnutzern und Klinikern. Unabhängige Aufsichtsbehörden wie die Care Quality Commission verwenden Inspektionsmethoden, einschließlich Konsultationen mit Personal und Servicenutzern und Beobachtung der klinischen Praxis, um detaillierte Berichte über den Pflegezustand zu erstellen [23]. Die Ergebnisse werden in einem Format gemeldet, das für eine Reihe von Interessengruppen zugänglich ist. Dies ist jedoch ein ressourcenintensiver Prozess, und die meisten Fachgebiete werden nicht getrennt von der psychischen Gesundheit in der Gemeinde identifiziert, was es unmöglich macht, aus diesen Berichten etwas über die Bereitstellung von ADHS-Diensten für Erwachsene zu erfahren [23]. Ohne eine nationale Prüfung, die speziell darauf abzielt, die ADHS-Angebote für Erwachsene zu erfassen und sich dabei auf eine Reihe von Quellen von Interessenträgern zu stützen, ist es schwierig, die aktuellen Lücken in der Gesundheitsversorgung zu quantifizieren und zu beheben und für angemessene Veränderungen zu argumentieren.

In einer kürzlich durchgeführten Umfrage bei jedem nationalen Gesundheitsdienst (NHS) in England wurden leitende Angehörige der Gesundheitsberufe gebeten, Informationen zu Übergangsprotokollen, Wegen und beauftragten Dienstleistungen für ADHS bereitzustellen [24]. Über zwei Drittel der NHS Trusts antworteten (68%). Die Umfrage wurde von einem leitenden Angehörigen der Gesundheitsberufe des Trusts durchgeführt, und es ist nicht bekannt, ob die Nichtbeantwortung von 17 Trusts die Zurückhaltung bei der Meldung von Leistungslücken oder andere Gründe für die Nichtbeantwortung wie Zeit- oder Personalmangel widerspiegelt. Weniger als die Hälfte der antwortenden Stiftungen für psychische Gesundheit in England boten eine spezialisierte Versorgung für Erwachsene mit ADHS an und weniger als ein Drittel hatte spezielle Vereinbarungen über die Beauftragung dieser Gruppe [24]. In einer separaten Umfrage wurden alle Angehörigen der Gesundheitsberufe, die in der Kinder- und Erwachsenengesundheitsversorgung in der Region East Midlands in England tätig sind, zu Übergangsgesundheitsdiensten für junge Menschen mit ADHS befragt [25]. Die überwiegende Mehrheit der Befragten berichtete von einem Mangel an Angeboten [25]. Trotz einer relativ geringen Rücklaufquote (19 %) ergab die Befragung aller Mitarbeiter Antworten von einer Vielzahl von Fachleuten, die mit Menschen mit ADHS arbeiten, darunter Psychiater, Manager, Krankenschwestern und Kinderärzte. Diese Methode, obwohl ressourcenintensiver und auf ein kleineres geografisches Gebiet beschränkt, beinhaltete Perspektiven von Klinikern, die täglich mit Patienten arbeiten. Es ist jedoch möglich, dass sie keine tägliche Erfahrung mit der Bereitstellung von Diensten in der Praxis haben, während der Druck, einen Dienst mit knappen Ressourcen zu verwalten, mit einer einfachen Berichterstattung in Konflikt geraten kann.

Unsere jüngste systematische Überprüfung der qualitativen Forschung zum Übergang in ADHS-Dienste für Erwachsene ergab, dass ein Mangel an verfügbaren Informationen über ADHS-Dienste für Erwachsene Schwierigkeiten beim Zugang zur Behandlung verursachte [26]. Menschen mit ADHS berichteten, dass sie nicht wussten, wo sie eine Behandlung in Anspruch nehmen sollten [27], während einige Kliniker von Schwierigkeiten berichteten, einen Erwachsenendienst zu finden, an den sie Patienten überweisen konnten [28]. Diese Arbeit zeigt die Bedeutung von Informationen darüber, wo sich Dienste für ADHS befinden, was sie anbieten und wie man darauf zugreifen kann. Methoden zur Kartierung von ADHS-Diensten müssen relevante und zugängliche Daten für Patienten und Kliniker sowie Leistungserbringer und Beauftragte sammeln. Unterschiedliche Interessengruppen haben wahrscheinlich unterschiedliche Ansichten darüber, was verfügbar ist und was verfügbar sein muss, und es wäre interessant, Unterschiede zwischen den Berichten der Anbieter über die Verfügbarkeit von Diensten und den Erfahrungen der Patienten mit der Bereitstellung zu untersuchen.

Um die Ergebnisse früherer Forschungen [20, 24, 25] zu erweitern und zu erweitern, haben wir eine Multi-Informanten-, Multi-Source-Methodik getestet und verfeinert, um das ADHS-Angebot bei Erwachsenen im Vereinigten Königreich abzubilden. Dieses Papier beschreibt den siebenstufigen Ansatz, den wir entwickelt haben. Die verwendeten Methoden sollen den aktuellen Bedarf an ADHS-spezifischen nationalen Dienstdaten decken und einen Vergleich der Unterschiede in den gemeldeten Informationen verschiedener Interessengruppen ermöglichen.


Schau das Video: Postgresql: Create Postgis database and import shapefiles. (Oktober 2021).