Service Daten & Statistik

Der Fachbereich Integrative Risikobewertung, Daten und Statistik ist nicht nur für statistische Aufgabenstellungen und das Datenmanagement innerhalb der AGES zuständig, sondern bietet seine Leistungen auch anderen Kundengruppen seit Jahren erfolgreich an.

Kontaktieren Sie uns!

Der Fachbereich Integrative Risikobewertung, Daten und Statistik ist nicht nur für statistische Aufgabenstellungen und das Datenmanagement innerhalb der AGES zuständig, sondern bietet seine Leistungen auch anderen Kundengruppen seit Jahren erfolgreich an.

Kontaktieren Sie uns!

Datenmanagement

Mag. (FH) Monika Schagerl
Telefon: +43 50 555-25715
Spargelfeldstraße 191
1220 Wien

Statistik

Mag. Dr. Hans Peter Stüger
Telefon: +43 50 555-61401
Zinzendorfgasse 27/1
8010 Graz

Datenmanagement

Mag. (FH) Monika Schagerl
Telefon: +43 50 555-25715
Spargelfeldstraße 191
1220 Wien

Statistik

Mag. Dr. Hans Peter Stüger
Telefon: +43 50 555-61401
Zinzendorfgasse 27/1
8010 Graz

Anbei erhalten Sie einen Überblick über unser Portfolio.

Fragebogenerhebungen

Fragebogenerhebungen

Fragebogenerhebungen

Neben Labor- oder Feldmessungen werden Daten auch durch Befragungen von KonsumentInnen, Unternehmen, Stakeholdern etc. gewonnen. DSR verfügt über viel Erfahrung in der empirischen Sozialforschung und in der kundenorientierten technischen Umsetzung von Befragungen.

Die Wahl des geeigneten Erhebungsinstruments und die Entwicklung desselben erfordern ExpertInnen- und Erfahrungswissen. Die Expertise aus den Fachdisziplinen Soziologie, Psychologie und Statistik bei der Entwicklung von Erhebungsinstrumenten (v.a. Fragebogenerhebungen) umfasst dabei:

  • Erstellung und Durchführung von empirischen Studien (quantitativ, qualitativ)
  • Klare und verständliche Formulierung der Forschungsfragen und Konstruktion geeigneter Frageformate
  • Repräsentative Stichprobenplanung
  • Befragungskonzepte, die sich am Erhebungsziel orientieren und die anschließende Auswertung der Daten mitberücksichtigen
  • Umfassende Auswertungskonzepte bis hin zur automatisierten Berichtslegung

Erhebungstools

Die Befragung mittels Papier oder persönlichen Interviews wird zunehmend durch elektronische Formen abgelöst. Diese bieten den Vorteil der einfachen Verbreitung sowie der raschen Datenauswertung. Für die professionelle Umsetzung  von empirischen Erhebungen bieten wir folgende Leistungen an:

  • EXCEL-Fragebögen, die sich durch Benutzerfreundlichkeit und Eingabesicherheit auszeichnen
  • webbasierte Befragungen mittels Online-Umfragetools, die anonyme Befragungen ermöglichen

Referenzen:

Lebensmittelsicherheit und Hygiene im Privathaushalt

  • Lebensmittelsicherheit und Hygiene im Privathaushalt - Gesamtbericht
  • Aldrian U., Hofstädter D, Hölzl C, Fuchs K.: Food Safety and hygiene in the domestic environment – A representative telephone survey of food safety and hygiene practices and microbiological knowledge in Austria. Die Ernährung – Österreichische Zeitschrift für Wissenschaft, Recht, Technik und Wirtschaft, Vol. 37, 11/2013, p. 422-431.
  • Hoelzl C., Mayerhofer U., Steininger M., Brueller W., Hofstaedter D., Aldrian U.: Observational Trial of Safe Food Handling Behaviour during Food Preparation Using the Example of Campylobacter spp. Journal of Food Protection, Vol. 76, 3/2013, p. 482-489.

Leitlinie Schulbuffet – Evaluierung

Herausforderung Gemeinschaftsverpflegung - Evaluierung

  • Pichler J., Ziegler J., Aldrian U., Allerberger F.: Evaluating levels of knowledge on food safety among food handlers from restaurants and various catering businesses in Vienna, Austria 2011/2012. Food Control Vol. 35, 1/2014, p. 33-40.
  • Pichler J., Ziegler J., Aldrian U.: Erhebung des Wissens über Lebensmittelsicherheit von Küchenpersonal in Wiener Restaurants und Betrieben der Gemeinschaftsverpflegung, 2011/2012. Ernährung aktuell 1/2013, p. 8-10.

Stichprobenplanung

Studien- und Stichprobenplanung

Studien- und Stichprobenplanung

Datengewinnung anhand von Stichprobenerhebungen ist im wissenschaftlichen und wirtschaftlichen Bereich wie auch in der amtlichen Kontrolle von unschätzbarer Bedeutung. Eine wohlüberlegte Stichprobenplanung sichert die Qualität von Erhebungsergebnissen entscheidend. Nichtrepräsentative Erhebungen hingegen können zu falschen Ergebnissen und Schlussfolgerungen führen. In der Praxis ist daher die Unterscheidung zwischen repräsentativen und risikobasierten Stichproben wesentlich. Stichprobenplanung zählt zu den Kernkompetenzen von DSR, insbesondere für folgende Fragen:

  • Größe der Stichprobe: so wenig wie möglich, so viele wie nötig - abhängig vom Erhebungsziel und den verfügbaren Ressourcen
  • Struktur der Stichprobe: repräsentative Zusammensetzung beispielsweise durch Stratifizierung
  • Auswahl der Stichprobeneinheiten: Selektion von Betrieben, Beständen, räumlichen Einheiten, Personen etc. durch Zufallsstichprobenmethoden

 Studienplanung

Die statistische Planung von wissenschaftlichen Studien trägt wesentlich zum Erfolg solcher Projekte bei. Die Leistungen von DSR umfassen:

  • Mathematisch-statistische Systemanalyse in der Konzeptionsphase: Konsistenz von Studienziel, Datengewinnung, Messverfahren und Datenanalyse
  • Studienspezifische Stichprobenplanung sowie repräsentative und effiziente Auswahl der Stichprobeneinheiten
  • Methodenplanung: Beratung bei der Auswahl der geeigneten statistischen Analyseverfahren

Design von Kontrollsystemen

Die Kontrolle und Überwachung von Risiken zählt zu den Hauptzielen amtlicher Kontrollsysteme, aber auch einzelbetrieblicher Eigenkontrollsysteme. DSR kann hier auf eine Fülle von Anwendungserfahrung in den Bereichen Landwirtschaft, Veterinärwesen, Lebensmittelsicherheit und Humangesundheit verweisen.

Leistungsbeschreibung:

  • Konzeption von Kontrollsystemen nach repräsentativen und/oder risikobasierten Kriterien
  • Konzeption von Kontrollsystemen zum Nachweis der Seuchenfreiheit
  • Kontrollpläne unter Berücksichtigung von gesetzlichen Vorgaben, statistischen Sicherheitskriterien, Kapazitätseinschränkungen und Kontrollzielen
  • Automatisierte Soll-Ist-Vergleiche für die Überwachung des Kontrollvollzugs
  • Entwicklung datenbasierter Indikatorsysteme für die Kontrollergebnisse
  • Aufbau eines regelmäßigen Berichtswesens
  • Statistische Auswertung der erhobenen Daten: (zweistufige) Prävalenzschätzung,
  • Schätzung der Intra-Herdenprävalenz usw.

Referenzprojekte:

  • Probenplan für die amtliche Lebensmittelkontrolle in Österreich
  • Mehrjähriger integrierter Kontrollplan für die Landwirtschaft (Futtermittel, Düngemittel, Pflanzenschutzmittel, Saatgut)
  • Pläne für die Tierseuchenüberwachung (Brucella melitensis, BLI, Bluetongue, Scrapie, BSE, TBC etc.)
  • Kontrollplan für das nationale Zoonosen- und Antibiotikaresistenzmonitoring
  • Stichprobenplan für das nationale Pestizidmonitoring
  • Stichprobenplan für die Rückstandskontrolle betreffend Tierarzneimittel und Hormone
  • Stichprobenplan für TGD-Betriebskontrollen
  • Vergleich von Stichprobenverfahren zum Nachweis von PRRS in einem simulierten Schweinezuchtbetrieb
  • Tb in Alpine Wildlife: EMIDA ERA-NET -- Tuberculosis in Alpine wildlife - Monitoring, diagnostics and potential control strategies of tuberculosis in wild animals in the Alpine provinces of Austria, Germany, Italy and Switzerland, 2011—2013

Referenzen:

Datenmanagement

Datenmanagement

Datenmanagement

Die Aufgaben im Datenmanagement sind vielfältig und reichen von der Stammdatenpflege im eigenen Laborinformationssystem bis hin zu komplexen Datenaufbereitungen für verschiedene Stakeholder. Dafür müssen im Hintergrund performante Datenbanken betrieben werden. Im Fachbereich Integrative Risikobewertung, Daten und Statistik ist sehr viel Know-How hinsichtlich Architektur, Design und Betrieb von Datenbanken gebündelt.

Datenbearbeitung und -übermittlung

Leistungsbeschreibung

Die in der AGES gesammelten Labordaten stellen eine ungemein wichtige Grundlage zur Beantwortung gesundheitlicher Fragestellungen dar. Daher müssen diese Daten auch an viele Stellen auf nationaler aber auch internationaler Ebene übermittelt werden.
Zur Datenselektion werden professionelle Tools eingesetzt. Um den Vorgaben wichtiger Datenempfänger gerecht zu werden, müssen die Daten oftmals übersetzt werden. Dieses „Übersetzen“ betrifft nicht nur die Sprache, sondern vor allem auch das Anpassen an Standards mit definierten Wertelisten und Codes. Um diese aufwändigen Prozesse effizient erledigen zu können, wurde bei vielen Datenlieferungen bereits ein sehr hoher Grad an Automatisierung erreicht. Dies geschieht beispielsweise durch das Warten und Pflegen diverser Mapping-Kataloge, die eine schnelle Übersetzung der Daten von der ursprünglichen Form in zulässige Werte des Empfängers ermöglichen.
Die Übermittlung der Daten erfolgt großteils im XML-Format. Vor der Lieferung werden die erstellten Files gegen das XSD-Schema geprüft.

Referenzen

Vor allem mit der EFSA (European Food Safety Authority) wurden schon umfangreiche Projekte zur Standardisierung des Datenaustausches durchgeführt.

Konzeption/Aufbau von Datenbanken

Leistungsbeschreibung

Die AGES betreut eine eigene Auswerteumgebung. Dies umfasst AGES interne Daten aus dem eigenen Laborinformationssystem als auch externe Datenbestände. Dazu müssen die Daten von den Quellsystemen als Files, Schnittstellentabellen oder über einen View Layer zur Verfügung gestellt werden, damit sie anschließend geladen, bereinigt und im Core integriert werden können. All diese Datenflüsse werden unter dem Begriff ETL (Extraction, Transformation, Loading) zusammengefasst und mit entsprechenden Tools gesteuert.

Referenzen

Die AGES verfügt über eine gut geschulte Stammmannschaft an DatenbankexpertInnen, die bereits langjährige Erfahrung im Aufbau und der Weiterentwicklung von komplexen Auswertestrukturen besitzen.

Handelsnetzwerke

Analyse von Handelsnetzwerken

Analyse von Handelsnetzwerken

Der Tierhandel ist durch intensive nationale und internationale Verflechtungen gekennzeichnet. Die Verbringung lebender Tiere stellt bei vielen Tierkrankheiten einen wesentlichen Übertragungsweg dar. Je nach Struktur des Handelsnetzwerkes können sich Krankheiten unterschiedlich schnell ausbreiten. Durch Analyse der Tierverbringungen können Überwachungsprogramme optimiert, aber auch Risikomanagement-Maßnahmen für den Krisenfall vorbereitet werden. Auf Grundlage von VIS und TRACES-Daten können von DSR folgende Analysen durchgeführt werden:

  • Einzelverbringungsanalysen: Welche Kontaktkette ergibt sich für einen einzelnen Betrieb oder ein bestimmtes Tier?

  • Gesamtverbringungsanalysen betrachten das gesamte Handelsnetzwerk:

    • Welche Unternehmen nehmen eine wichtige Rolle im Netzwerk ein?
    • Wie stark sind die Verflechtungen im Netzwerk? Gibt es hier regionale Unterschiede?
    • Gibt es auffällige Verbringungspfade, die im Seuchenfall von besonderer Bedeutung sind?

Die Ausbreitung einer Krankheit wird in der nachstehenden Beispielsgrafik simuliert. Links ist das Beispielnetzwerk dargestellt. Die Grafik rechts-oben zeigt den zeitlichen Verlauf des Anteils an empfänglichen, infizierten und immunen Einheiten (zB Betriebe). Die Grafik rechts-unten zeigt die Anzahl an Neuinfizierten je Zeitschritt.

 

 

Referenzprojekte:

  • Ausbreitungssimulation der Maul- und Klauenseuche für die bundesweite Echtzeitübung PICORNA 14
  • Analyse von Almverbringungen für die Konzeption des Stichprobenplanes „Indikatoralmen / Tbc-Monitoring“
  • Verbringungsanalyse im Auftrag des TGD Tirol
  • Analyse der Tierverbringungen im Rahmen des Tierseuchenausbruches IBR 2015 in Österreich inklusive der Auswertung von Kontakttieren bei Kälberversteigerungen
  • Risikobasierte Stichprobenpläne (BLI bei Rindern, Brucella melitensis bei Schafen und Ziegen)

TRACES: Berichte Österreich

Statistische Datenauswertung

Statistische Datenauswertung

Statistische Datenauswertung

Die Auswertung von Daten mittels eines umfangreichen Repertoires an statistischen Methoden bildet eine Kernkompetenz des Fachbereichs DSR. Den Auswertungszielen entsprechend werden maßgeschneiderte Lösungen für die Berechnung statistischer Kennzahlen und deren Visualisierung durch klare, aussagekräftige Grafiken entwickelt. In der Analyse berücksichtigen wir auch die Unsicherheiten, die sich aus Stichprobendaten und Messungenauigkeiten ergeben. Als Software verwenden wir R und SAS.

Die Leistungen von DSR:

  • Beratung und Konzeption für Datenauswertungssysteme
  • Durchführung deskriptiver statistischer Analysen
  • Erstellung von Grafiken (auch webfähig)
  • Automatisierte Berichtserstellung
  • Statistische Signifikanztests
  • Statistische Modellierung

DSR verwendet eine breite Palette an statistischen Methoden.

Statistische Methoden

  • Deskriptive Verfahren
  • Stichprobenverfahren
  • Statistische Versuchsplanung
  • Methoden zur Statistischen Modellierung. Diese umfassen beispielsweise:

    • Generalisierte Lineare Modelle (GLM, GLMM)
    • Mixed Models
    • Generalisierte Additive Modelle (GAM und GAMM)
    • Generalized Estimating Equations (GEE)
    • Latente Klassenmodelle
    • Regression Trees
    • (mehrfaktorielle) ANOVA
    • Hauptkomponentenanalyse
    • Faktorenanalyse
    • Clusteranalyse

  • Ereigniszeitanalysen
  • Zeitreihenanalysen
  • Nichtparametrische Verfahren
  • Methoden der räumlichen Statistik (Point Pattern Analyse, Krigging,…)
  • Netzwerkanalyse
  • Stochastische Simulation / Markov Chains

Referenzen:

  • Elmadfa I., A. Meyer, V. Hasenegger, K. Wagner, P. Putz, N. Weidl, D. Wottawa, T. Kuen, G. Seiringer, H.P. Stüger (2013): "Using biomarkers for the assessment of nutritional status in Austria – identified critical nutrients" in Elmadfa, Ibrahim L. (Hrsg.) "Referenzwerte für die tägliche Nährstoffzufuhr" 2013. Wissenschaftliche Verlagsgesellschaft Stuttgart.
  • Follak S., Aldrian U., Schwarz M.: Spread Dynamics of Abutilon theophrasti in Central Europe. Plant Protection Science 50, p. 157-163.
  • Follak S., Aldrian U., Moser D., Essl F.: Reconstructing the invasion of Cyperus esculentus in Central Europe. Weed Research. An international Journal of Weed Biology, Ecology and Vegetation Management. DOI: 10.1111/wre.12145, S.1-9.
  • Glawischnig W., Schleicher C., Griesbacher A., Stadlmüller L., Dablander K. (2014), Ergebnisse der nationalen Ringversuche zum Nachweis von Trichinella-Larven in Schweinefleischproben in Österreich 2008-2013, Wiener Tierärztliche Monatsschrift - Veterinary Medicine Austria, 101 (2014), 68-74.
  • Köglberger H., Moosbeckhofer R., Derakhshifar I., Etter K., Mayr J., Schwarz M., Stadlmüller L. (2014). Verluste von Bienenvölkern während der Überwinterung oder bei Verdacht auf Bienenfrevel - was waren die Ursachen? (Teil 1); Bienenaktuell; 4 : 28-31; 04.
  • Köglberger H., Moosbeckhofer R., Derakhshifar I., Etter K., Mayr J., Schwarz M., Stadlmüller L. (2014). Verluste von Bienenvölkern während der Überwinterung oder bei Verdacht auf Bienenfrevel - was waren die Ursachen? (Teil 2); Bienenaktuell; 5 : 28-31; 05.
  • Schöpf K., Hebel C., Weikel J., Glawischnig W., Hofer E., Revilla-Fernandez S., Stadlmüller L., Schmoll F. (2013). Evaluation of diagnostic testing tools for bovine tuberculosis; 21/NOV/2013; Wien; Poster bei 47th Annual Meeting of the ÖGTPM.

Visualisierung

Visualisierung

Visualisierung

caption
Grafikkatalog

Die grafische Darstellung von Daten spielt eine wichtige Rolle bei der Erforschung von Gesetzmäßigkeiten sowie bei der Beschreibung und Kommunikation von Analyseergebnissen. In der explorativen Phase der Datenanalyse ermöglichen geeignete Visualisierungstechniken es, sich auch bei sehr großen Datenmengen schnell einen Überblick zu verschaffen, sowie Trends, Zusammenhänge, Muster und Abweichungen zu erkennen. Bei der Kommunikation von Ergebnissen statistischer Analysen sind geeignete Visualisierungsformen von Bedeutung, damit relevante Botschaften effektiv vermittelt und wichtige Aspekte schnell erfasst werden können. Besonders ist dabei auf eine unverzerrte und klare Darstellung zu achten, um Fehlschlüsse aufgrund von irreführender Präsentation der Ergebnisse zu vermeiden.
    
DSR bietet Unterstützung an, aus einer breiten Palette an Grafiktypen die richtige Visualisierungsform für die vorliegenden Daten und Aufgaben zu finden. Unter Einhalten gängiger Visualisierungsstandards erzeugen wir hochwertige Grafiken für Berichte, Präsentationen oder Publikationen.
    
Nachfolgend sind einige gängige Grafiktypen aus unserer Angebotspalette beschrieben:

caption
Streudiagramm (scatter plot): In einem Streudiagramm werden zwei metrische Merkmale in einem Koordinatensystem in Form von Punktwolken abgebildet. Diese Darstellung erleichtert es, Zusammenhänge (Trends) und Häufungen zu erfassen.
caption
Blasendiagramm (bubble chart): Das Blasendiagramm ist eine Erweiterung des Streudiagramms. Dabei wird ein drittes Merkmal über die Größe der Punkte (Blasen) kodiert.
caption
Säulen- oder Balkendiagramm (bar chart): Balkendiagramme dienen der Darstellung der Häufigkeitsverteilung kategorieller Merkmale und werden zum Vergleich von Gruppen herangezogen.
caption
Zeitreihe (time series): Liegen Daten (z.B. Messwerte) für mehrere aufeinanderfolgende Zeitpunkte vor, so spricht man von einer Zeitreihe. Zeitreihen werden im Regelfall in Form von Liniendiagrammen dargestellt (obere Grafik), da so Verläufe und Trends einfach erfasst werden können. Liegt das Augenmerk jedoch auf dem Vergleich einzelner Werte, so können auch Balkendiagramme zur Darstellung verwendet werden (untere Grafik).
caption
Boxplot: Boxplots stellen die Häufigkeitsverteilung metrischer Merkmale dar und geben Aufschluss über deren Lage, Streuung und Schiefe. Mithilfe der Box, der Antennen (whiskers) und einzelner Datenpunkte werden Verteilungsmerkmale wie der Median, die Quartile sowie Ausreißer-Datenpunkte dargestellt. Durch die einfache Darstellung eignen sich Boxplots gut zum Vergleich von Gruppen.
caption
Histogramm: Histogramme stellen die Häufigkeitsverteilung metrischer Merkmale dar, indem die Daten in gleichmäßige Kategorien eingeteilt werden und die Häufigkeit der jeweiligen Kategorien in Form von Balken dargestellt werden. Im Gegensatz zu Boxplots, geben Histogramme auch Aufschluss über die Form (z.B. Mehrgipfeligkeit) der Verteilung. Die Darstellung ist jedoch abhängig von der gewählten Breite der Kategorien (Balken) und eignet sich nur bedingt zum Vergleich von Gruppen.
caption
Beanplot: Ein Beanplot stellt die Dichte einer Häufigkeitsverteilung gemeinsam mit Markierungen für die einzelnen Beobachtungen dar. Durch ihre kompakte Form sind Beanplots gut zum Vergleich von Gruppen geeignet und geben zusätzlich Aufschluss über die Form (Streuung, Schiefe, Mehrgipfeligkeit) der Verteilungen.
caption
Mosaikplot: Ein Mosaikplot ist die grafische Darstellung einer Häufigkeitstabelle, bei der die einzelnen Zellhäufigkeiten über die Größen der entsprechenden Flächen wiedergegeben werden. Dadurch können Zusammenhänge und Abhängigkeiten von zwei oder mehr kategoriellen Variablen schnell erfasst werden.
caption
Heatmap: Bei einer Heatmap werden Daten, die in Matrixform vorliegen, mithilfe von Farbtönen auf einem Raster dargestellt. Dadurch können große Datenmengen intuitiv erfasst und markante Werte schnell identifiziert werden.
caption
Korrelationsplot: Die Korrelationsstruktur mehrerer metrischer Variablen kann effizient mithilfe von Korrelationsplots veranschaulicht werden. Dabei werden die paarweise ermittelten Korrelationskoeffizienten mithilfe von Farben und Symbolen codiert und – ähnlich einer Heatmap –auf einem Raster aufgetragen.
caption
Parallele Koordinaten (parallel coordinate plot): Mithilfe paralleler Koordinaten können hochdimensionale Daten visualisiert werden (drei oder mehr Merkmale sollen gleichzeitig dargestellt werden). Dabei wird jedem Parameter eine Achse im Koordinatensystem zugeordnet. Die Achsen sind jedoch nicht – wie gewohnt – rechtwinklig zueinander angeordnet sondern parallel. Dadurch lassen sich Strukturen und Muster in höherdimensionalen Datensätzen erkennen. Die Darstellung hängt jedoch von der Anordnung der Achsen in der Abbildung ab.
caption
Netzdiagramm (radar chart): Netzdiagramme dienen der Visualisierung hochdimensionaler Daten (drei oder mehr Merkmale sollen gleichzeitig dargestellt werden). Dabei wird jeder Parameter auf einer eigenen Achse aufgetragen. Die Achsen sind jedoch nicht rechtwinklig oder parallel zueinander angeordnet, sondern radial, wodurch ein Bild entsteht das an ein Spinnennetz erinnert.
caption
Flächenkartogramm (choropleth map): Flächenkartogramme sind thematische Karten, bei denen die Gebiete im Verhältnis zum Wert eines betrachteten Merkmals eingefärbt sind. Somit sind Flächenkartogramme gut geeignet, um einen schnellen Überblick über die räumliche Verteilung eines Merkmals zu vermitteln.
caption
Netzwerkdiagramm: In manchen Fällen liegen Daten nicht in Form numerischer Werte (z.B. Messwerte oder Häufigkeiten) vor, sondern es sollen vielmehr Strukturen veranschaulicht werden. Netzwerkdiagramme beschreiben soziale Netzwerke mithilfe von Knoten (z.B. Personen, Betriebe) und Kanten (z.B. Interaktionen, Verbindungen). Sie dienen der Erfassung von Beziehungsstrukturen und der Identifikation bedeutsamer Knoten bzw. Verbindungswege.
caption
Oberflächendiagramm (surface plot): Soll der Wert eines Zielparameters an Abhängigkeit von zwei Einflussgrößen veranschaulicht werden, so werden oft Oberflächendiagramme herangezogen. Dabei wird der Wert des Zielparameters für unterschiedliche Kombinationen der Einflussgrößen dreidimensional, wie in einem geografischen Relief dargestellt ist. Dadurch können optimale Parameterkombinationen einfach identifiziert werden.
caption
Konturdiagramm (contour plot): Ein Konturdiagramm ist, wie auch das Oberflächendiagramm, zur Veranschaulichung dreidimensionaler Datensätze geeignet. In einem Konturdiagramm werden die Werte des Zielparameters in Form von Höhenschichtlinien dargestellt, was ein schnelles Auffinden von extremen Werten (Minimal- bzw. Maximalwerte) ermöglicht.

Risikomodellierung

Risikomodellierung

Risikomodellierung

Risiken für Menschen, Tiere oder Pflanzen sind nicht gleich verteilt, sondern hängen immer von bestimmten Einflussfaktoren ab. Diese zu identifizieren und ihre quantitative Bedeutung richtig einzuschätzen, ist wichtig für die Aufklärungsarbeit und das Risikomanagement. Ein gutes Bild von den wesentlichen Risikofaktoren ist beispielsweise die Grundlage für effiziente risikobasierte Kontrollsysteme, für die Gestaltung gesetzlicher Rahmenbedingungen oder für gezielte Informationstätigkeit. Die statistische Bewertung von Risikofaktoren beruht auf Daten, die zumeist aus der amtlichen Kontrolltätigkeit, aus Beobachtungsstudien oder aus experimentellen Versuchen stammen. Mithilfe geeigneter statistischer Methoden wird der Einfluss von möglichen Einflussfaktoren auf die interessierende Zielgröße auf den Grund gegangen. Als Software verwenden wir R und SAS. Die zentralen Fragestellungen bei einer Risikomodellierung sind dabei:

  • Was sind die signifikanten Risikofaktoren?
  • Wie beeinflussen diese Faktoren das Risiko oder eine interessierende, beobachtete Messgröße quantitativ?
  • Welches Risiko lässt sich für bestimmte Populationsgruppen prognostizieren?
  • Wie stark lässt sich das Risiko durch Interventionen verringern?

DSR kann diesbezüglich verschiedene Dienstleistungen anbieten:

  • Erstellung eines Stichproben- bzw. Studiendesigns zur Erhebung einer geeigneten Datengrundlage
  • Statistische Modellierung unter Verwendung einer breiten Methodenpalette
  • Erarbeitung von Prognosemodellen unter Berücksichtigung von Messunsicherheiten und Stichprobenfehlern

Referenzprojekte:

Referenzen:

  • Flamm C., Kuchling S., Zechner E., Livaja M., Pauk J., 2013. Praktische Anwendbarkeit von Trockenstressparametern für die Weizenzüchtung; Proceedings 63. Jahrestagung der Vereinigung der Pflanzenzüchter und Saatgutkaufleute Österreichs, ISBN-13:978-3-902559-88-3, pp. 87–93
  • Fuchs K., Hofstädter D., Rauscher-Gabernig E., Lückl J., Scheriau S. (2014): „Risikolandkarte – Priorisierung von Risiken entlang der Lebensmittelkette“. Ernährung aktuell 03/2014
  • Kuchling S., Schleicher C., Raith J., Köfer J. (2015): Analyse des Einflusses von Tiergesundheitsparametern auf die durchschnittliche tägliche Zunahme von Mastschweinen. Berliner und Münchener Tierärztlichen Wochenschrift 128, Heft 5/6, 2015, 193—199.
  • Matt, M., H.P. Stüger, P. Pless. (2013) Risk Priority Number: A Measuring Instrument for Hygienic Management on Broiler Farms, Reflecting Their Campylobacter Status. Agriculture 3(4): 700–714.
  • Matt, M., Weyermair K., 2015. “Expositionsmodell Campylobacter: Erkrankungswahrscheinlichkeit Bei Zubereitung Eines Hähnchens Mit 1.000 KBE/g in Österreichs Küchen.” Wiener Tierärztliche Monatsschrift Artikel 2, no. 1–2 (2015).
  • Much P, Sun H (2012) Streptomycin-Resistenz bei kommensalen E. coli aus Rinderdärmen im Hinblick auf die Auswirkungen der Anwendung von Streptomycin zur Bekämpfung von Feuerbrand in der Landwirtschaft. In: Resistenzbericht Österreich AURES 2011, Herausgeber: Bundesministerium für Gesundheit (BMG), ISBN Nr. 978-3-902611-61-1, 1. Auflage: November 2012. pp 340-341
  • Raith J., Scheriau S., Schleicher C., Köfer J. (2015):  Influence of porcine cicovirus type~2 vaccination on probability and severity of pneumonia detected post mortem. Veterinary Record (2015), Vol. 176, Issue 5, 124.
  • Rauscher-Gabernig E., Scheriau S., Öhlinger R., Fuchs K., 2014: Risk ranking of mycotoxins for the Austrian population based on data from official control. The World Mycotoxin Forum 2014 – the 8th Conference: Mycotoxin Control: The Systems Approach, Vienna, Austria, Poster - 10–12/11/2014.
  • Schleicher C., Scheriau S., Kopacka I., Wanda S., Hofrichter J., Köfer J. (2013): Analysis of the variation in meat inspection of pigs using variance partitioning. Preventive veterinary medicine, 111(3), 278-285.
  • Schmerold I., Sun H., Much P. (2015). AURES 2012: Antimikrobielle Resistenzen beim Indikatorkeim E. coli von Rind und Schwein. Klauentierpraxis 23, 5-10
  • Steinrigl A., Schiefer P., Schleicher C., Peinhopf W., Wodak E., Bagó Z., Schmoll F., 2014. Rapid spread and association of Schmallenberg virus with ruminant abortions and foetal death in Austria in 2012/2013. Preventive veterinary medicine, 116(4), pp. 350–359.
  • Stepanek, Walter; Marchart, Kristina; Brüller, Werner; Wögerbauer, Markus; Ribarits, Alexandra; Riediger, Klaus; Poglitsch, Martina; Kopacka, Ian; Kuffner, Melanie; Nossek, Georg; Steinwider, Johann; Bundesministerium für Gesundheit (2014); Risk Assessment of Second Generation Genetically Modified Organisms; Wien
  • Weyermair Karin, Pless Peter, Matt Monika (2014),  Statistische Modellierung von Hygienefaktoren und deren Einfluss auf den Campylobacter-Status von Broilermastbetrieben in Österreich; DACh-Epidemiologietagung—Internationale Fachtagung der DVG-Fachgruppe Epidemiologie und Dokumentation, Zürich, Poster 09/2014.
  • Wueppenhorst N., Draeger S., Stüger H.P., Hobmaier B., Vorreiter J., Kist M., Glocker E. (2014): "Prospective multicentre study on antimicrobial resistance of Helicobacter pylori in Germany" Journal of Antimicrobial Chemotherapy, 69(11):3127-33.

Ausbreitungsmodelle

Ausbreitungsmodelle

Ausbreitungsmodelle

Die Ausbreitung von Krankheiten bei Menschen, Tieren oder Pflanzen stellt ein Risikopotential dar. In der Bekämpfung von Krankheitsausbrüchen ist man daher bestrebt, diese möglichst frühzeitig zu erkennen bzw. das Auftreten schon im Vorfeld zu verhindern. Hier kommt Überwachungsprogrammen und Präventionsmaßnahmen eine wichtige Rolle zu. Gleichzeitig müssen aber auch für den Ernstfall eines tatsächlichen Krankheitsausbruchs vorsorglich Überlegungen angestellt werden, um im Krisenfall die geeigneten Maßnahmen effizient setzen zu können. Für beide Aufgaben stellt die Abschätzung einer möglichen Krankheitsausbreitung in Form von computergestützten Simulationsmodellen ein wertvolles Instrument dar. Basis dafür ist eine solide statistische Risikomodellierung, welche den Zusammenhang zwischen Risikofaktoren und der Ausbreitung abbildet. Da in der Realität zufällige Einflüsse immer mitwirken, wird die zufallsbehaftete Krankheitsausbreitung mit stochastischen Simulationsmethoden nachgebildet. Die Analyse dieser Simulationsergebnisse lässt sich vielfältig nutzen – insbesondere für die Bewertung von Überwachungs- und Interventionsmaßnahmen.

DSR kann für diesen Themenkomplex folgende Dienstleistungen anbieten:

  • Simulation von Krankheitsausbrüchen (Mensch, Tier)
  • Ausbreitungssimulation für Pflanzenkrankheiten, Schädlinge sowie Schadpflanzen
  • Visualisierung von Krankheitsausbreitungen in Raum und Zeit
  • Evaluierung der Effektivität von Risikomanagementmaßnahmen
  • Ableitung von vorbeugenden Überwachungsprogrammen
  • Krisenszenario-orientierte Auswertungs- und Berichtssysteme

Referenzprojekte:

  • Simulation der Ausbreitung der Weinrebenkrankheit „Grapevine flavescence dorée“ und deren Vektor der Amerikanischen Rebzikade (VitisCLIM), 2011-2013.
  • Ausbreitungssimulation der Maul- und Klauenseuche für die bundesweite Echtzeitübung PICORNA 2014.

GIS-Services

GIS-Services

GIS-Services

Für zahlreiche Fragestellungen spielt die räumlich-geografische Komponente eine besonders große Rolle, zum Beispiel bei Krankheitsausbreitungen oder räumlichen Schadstoffverteilungen. Die kartografische Darstellung eröffnet dazu neue Perspektiven der Interpretation. Sie hilft räumliche Trends im Vorfeld zu erkennen, um rechtzeitig entsprechende Maßnahmen zu setzen.

Das in der AGES eingerichtete „GIS Service Center“ unterstützt alle Geschäftsfelder bei der Aufbereitung geografischer Daten, um so einen maximalen Schutz für Mensch, Tier und Pflanzen zu erreichen. Dabei werden räumliche Analysen und Karten beispielsweise im Zuge von Publikationen, Forschungsprojekten und Berichten erstellt bis hin zu interaktiven Kartendarstellungen auf der AGES-Homepage.

Die AGES bietet ihre GIS-Dienste auch außerhalb der AGES an:

Kartographische Darstellungen

Leistungsbeschreibung

Es werden den Fachdaten bestimmte räumliche Lagen zugewiesen (Geobezug) und diese dann zusammen mit Geobasisdaten in ein Geoinformationssystem geführt. Kartographische Darstellungen sollen abstrakte, raumbezogene Daten und schwer formulierbare räumliche Zusammenhänge für den Betrachter leicht verständlich machen. Mittels WebGIS-Technologien können interaktive Karten in das Internet gestellt werden. Mit Hilfe von Geoinformationssystemen können u.a.

  • Karten von Risikogebieten erstellt werden
  • Raum-Zeit-Analysen als Animation dargestellt werden
  • Ergebnisse von Monitoringprogrammen in Kartenform aufgezeigt werden
  • Kontroll- und Stichprobenpläne geplant und verfeinert werden
caption
Abbildung 1: Ausbreitung des Maiswurzelbohrers (Diabrotica) von 2002 bis 2008 unterlegt mit den Anteilen der Maisflächen pro Ackerfläche
caption
Abbildung 2: Erster Ausbruch der Blauzungenkrankheit (Bluetongue) mit Tierdichten von Rindern und Schafen. Stand: 24.9.2009

Räumliche Analysen

Leistungsbeschreibung

Durch Verschneiden der verschiedensten Daten und geostatistischen Auswertungen können neue Informationen und Zusammenhänge gefunden und mittels einer digitalen Karte aufgezeigt werden. Analysen können Umstände und Zusammenhänge aufdecken, die sonst unsichtbar geblieben wären. GIS umfassen sowohl Funktionen der geometrischen als auch der geostatistischen Analyse im großen Maß.

Die Funktionen einer räumlichen Analyse sind u. a.

  • Klassifikationen
  • Distanzberechnungen
  • Verschneidungen
  • Bufferbildungen
caption
Abbildung 3: Simulation eines Ausbruchs der klassischen Schweinepest in einem österreichischen Bezirk mit hohem Anteil an schweinehaltenden Betrieben.

Referenzprojekte

Referenzen

Verknüpfung mit weiteren räumlichen Datenbeständen

Leistungsbeschreibung

Das GIS-Service Center sammelt und verwaltet Geobasisdaten. Diese reichen von politischen Einheiten wie Gemeindegrenzen über Gewässernetze bis hin zu allen Straßennamen inklusive Hausnummern.

caption
Abbildung 4: Verschneidung AGES-Fachdaten mit Geobasisdaten

Reporting

Reporting

Reporting

Die aufbereiteten Daten aus dem Laborinformationssystem als auch extern gelieferte Daten werden je nach Anforderung des Empfängers zielgruppenspezifisch aufbereitet und zur Verfügung gestellt. Das Spektrum an Berichten reicht von standardisierten Auswertungen, die direkt vom User im Auswerte-/Analysetool abgerufen werden können, über periodisch zugesendete Reports im gewünschten Dateiformat bis hin zu umfangreichen Publikationen. DSR verfügt über einen aktuellen Tool-Mix, der diese weite Bandbreite an Analyse- und Auswertemöglichkeiten optimal unterstützt.

Automatisierte Berichtserstellung

Leistungsbeschreibung

Die Berichtslegung von DSR bedient unterschiedlichste Stakeholder und reicht vom AGES-Management bis hin zu Ministerien, Landesbehörden und europäischen Agenturen. Gemeinsam mit dem Auftraggeber werden Zielsetzung und Zweck der Auswertung besprochen, um einerseits die gewünschte Information punktgenau zu liefern und andererseits die Gestaltung des Berichts an den Leser anzupassen. Diverse Tabellen und Grafiken ermöglichen ein schnelleres Erfassen der Datenlage und das Ableiten von Trends und Entwicklungen. DSR ist mit den Grundlagen wissenschaftlichen Arbeitens bestens vertraut und liefert auf Wunsch publikationsfähige Berichte.

Referenzen

Folgende Berichte wurden federführend oder unter Mitwirkung von DSR erstellt:

Partner in Forschungsprojekten

Partner in Forschungsprojekten

Partner in Forschungsprojekten

Leistungsbeschreibung

Die Expertise von DSR im Statistik- und Datenmanagement-Bereich fließt in zahlreiche Forschungsprojekte ein. Wir sind einerseits unterstützender Partner bei Forschungsprojekten, die von unseren KollegInnen in den Geschäftsfeldern Ernährungssicherung, Lebensmittelsicherheit, Öffentliche Gesundheit, Tiergesundheit, Medizinmarktaufsicht und Strahlenschutz durchgeführt werden. Andererseits sind wir auch in der Rolle als Projektleiter und –koordinator tätig und führen auf nationaler und internationaler Ebene Projekte durch. Neben der notwendigen fachlichen Kompetenz verfügen wir ebenfalls über MitarbeiterInnen mit langjähriger Projekterfahrung. Die Planung, Akquisition, Leitung und Durchführung von Projekten zählt damit zu einem wesentlichen Betätigungsfeld.

Als Partner können wir in Forschungsprojekten folgende Kompetenzen einbringen:

  • Erfahrung in der Planung und dem Management von Projekten
  • Beratung für das Erhebungs- und Studiendesign
  • Hilfestellung für den Aufbau von Datenbanken
  • Erstellung statistisch fundierter Stichprobenpläne
  • Umfassende Datenanalyse: Deskriptive Auswertung, Visualisierung, statistische Modellierung
  • Automatisierte Auswerte- und Berichtssysteme

Referenzen

Auszug aus dem Projektregister:

Training & Vorträge

Training & Vorträge

Training & Vorträge

Die Expertise von DSR im Statistik- und Datenmanagement vermitteln wir auch gerne durch Vorträge und Schulungstätigkeiten. Die Inhalte werden dabei auf die Wünsche und Bedürfnisse der Kunden abgestimmt.

Insbesondere bieten wir folgende Leistungen an:

  • Software-Kurse für die Statistikpakete R, SAS und SPSS
  • Statistikberatung für Fragen der Datenauswertung und der Erhebungsplanung
  • Vorträge

Referenzprojekte:

Gestaltung/Mitwirkung bei mehrtägigen Kursen für:

  • Kroatien
  • Libanon
  • Mazedonien
  • Saudi-Arabien
  • Serbien
  • Slowakei
  • Tschechien

Kontakt

Kontakt

Datenmanagement

Mag. (FH) Monika Schagerl
Telefon: +43 50 555-25715
Spargelfeldstraße 191
1220 Wien

Statistik

Mag. Dr. Hans Peter Stüger
Telefon: +43 50 555-61401
Zinzendorfgasse 27/1
8010 Graz

Datenmanagement

Mag. (FH) Monika Schagerl
Telefon: +43 50 555-25715
Spargelfeldstraße 191
1220 Wien

Statistik

Mag. Dr. Hans Peter Stüger
Telefon: +43 50 555-61401
Zinzendorfgasse 27/1
8010 Graz
x