Časoprostorová diferenciace struktury úmrtnosti dle příčin

Transkript

KÁŽMÉR, L. 2014. Časoprostorová diferenciace
struktury úmrtnosti dle příčin smrti, Praha, 20012011
KÁŽMÉR, L. 2014. Spatial-temporal Differentiation of the Mortality Structure by Causes of Death,
Capital City of Prague, 2001-2011
Tento příspěvek vznikl v rámci projektu Grantové
agentury Univerzity Karlovy č. 860213 Prostorová
distribuce úmrtnosti a její socioekonomické
nerovnosti v obyvatelstvu měst České republiky
na počátku 21. století
This study was supported by the Charles University
Grant Foundation Project No. 860213
Socioeconomic inequalities in the spatial mortality
distribution of the Czech urban population in the
early 21st century
1
Úvod
Úmrtnost a nemocnost obyvatelstva, jejich
strukturální a prostorová distribuce, časový vývoj,
jakožto i celkový jejich monitoring, představují
klíčovou otázku pro potřeby epidemiologického
výzkumu a tvorby politiky v oblasti veřejného zdraví.
Výsledky takto zaměřeného výzkumu slouží jako
výchozí bod pro plánování a tvorbu efektivních
intervencí, zaměřených na snižování nerovností
v oblasti zdraví populace, a to jak v jejich strukturálním, tak i prostorovém kontextu. Zároveň platí,
že podobně jak je tomu v ostatních zemích střední
a východní Evropy, je populační vývoj České
republiky rovněž silně ovlivněn procesy urbanizace,
demografického a epidemiologického přechodu již
po několika desetiletí.
Z příslušných důvodů má tematika věnující se
prostorové distribuci indikátorů zdravotního stavu
obyvatelstva, jejím společenským a ekonomickým
faktorům, jakožto i implikacím pro oblast praxe,
významné postavení jak v demografickém, tak v epidemiologickém výzkumu. V posledním období lze
však zejména v zahraniční literatuře pozorovat posun
předmětu výzkumu z národní a regionální prostorové
úrovně, spíš na úroveň vnitro-regionální až lokální.
Takovéto výzkumné zacílení však v českém prostředí
zatím výrazně zaostává.
K prvním domácím publikacím, které se
věnují otázce mapování onemocnění v podrobném
prostorovém rozlišení, patří metodicky zaměřený
článek od autorů Tomášek, Tomášková (2009).
Příslušní autoři se věnují rešerši a zběžnému
představení nejčastěji aplikovaných modelů v oblasti
prostorové epidemiologie, systematicky orientovaný
výzkum v dané tématice však dosud chybí.
V kontextu české populace je významný také
zahraniční projekt Ineq-Cities (University College
London), mapující sociálně prostorové nerovnosti
v úmrtnosti obyvatelstva 16 evropských metropolí,
včetně Prahy. Přes rozsáhlou a komplexní povahu
projektu je však třeba podotknout, že v příslušných
analýzách častokrát absentuje delší časové období
vývoje použitých indikátorů, jakož i analýza explicit-
1
Introduction
The population mortality and morbidity
conditions, their spatial, structural and temporal
distribution as well as their monitoring represent an
important concern in epidemiologic inquiry and
public health policy agenda. Research outcomes
serve as a starting point in addressing health inequalities in both structural and spatial context. Being
similar to other CEE and EU countries, the
population of the Czech Republic has also been
strongly affected by the processes of urbanization,
demographic and epidemiologic transition for several
decades.
The research on spatial distribution of
population health and its social and economic
determinants occupies an important position within
both social and epidemiological science, especially
because of the implications for practice. Recently,
however, there has been a shift in the research focus.
In general, researchers tend to change the emphasis
from national and regional level to intra-regional and
local scale. Such a focus is however still
underrepresented in the Czech Republic.
Regarding the Czech demographic research
milieu, Tomášek and Tomášková (2009) published
one of the first methodical papers dealing with the
issue of disease mapping in detailed spatial
resolution. They presented the commonly applied
models in the area of spatial epidemiology. Nevertheless, systematically oriented research is still missing.
Some of these approaches were applied
within the international INEQ-CITIES project
(University College London). As its objective was to
evaluate spatial and social inequalities in mortality of
the population of 16 European cities including Prague, its findings are important also in the context of
the Czech population. Despite the extensive and
complex nature of the project, it should be noted that
the analyses often lack the focus on a longer period
of the development of mortality conditions. Further,
they do not emphasise enough the analysis of spatial
clustering of risk within the city, as well as the expli-
ně zaměřena na prostorové shlukování a distribuci
rizika v předmětném území.
Cílem předkládané studie je proto celková
analýza a zhodnocení vývoje úmrtnosti populace
hlavního města České republiky Prahy v období let
2001-2011, hodnocených z pohledu jejich (časo-)
prostorových struktur a diferencí v úrovni příslušné
intenzity, a to podle různých příčin smrti. Jelikož
výzkum takovýchto vnitroměstských struktur
představuje z teoretického i metodologického
pohledu specifický typ společensko-demografických
procesů, specifická musela být i povaha použitých
analýz. Samotná data sice vycházela z (tradičně)
disponibilní průběžné statistiky úmrtnosti Českého
statistického úřadu (ČSÚ), na jejich analýzu však
byly aplikovány nové, pokročilé přístupy, založené
na principech zobecněného smíšeného modelování
(s fixním i náhodným efektem), jakož i specifické
přístupy prostorové analýzy dat. Příslušné metody
(tzv. bayesovského mapování) byly aplikovány
především za účelem i) kontroly výrazné variability
v bodových odhadech příslušných parametrů
(s náhodným efektem) a jejich potenciálního
vychýlení oproti skutečné hodnotě relativního
rizika (rizika úmrtí); ii) zahrnutí prostorové struktury
statistických jednotek do analýzy dat.
V analýzách byly dále kontrolovány i další
(potenciálně zavádějící) faktory, působící na relativní
úroveň úmrtnosti v příslušné prostorové jednotce,
a to jak faktory strukturální povahy (věková a pohlavní struktura populace), tak i povahy temporální
(celkový vývojový trend v úrovni příslušné úmrtnosti
mezi lety 2001-2011). Po zahrnutí všech těchto
faktorů, výsledky příslušných (časoprostorových)
analýz populace hlavního města poukazují na vnitrourbánní měřítkové úrovni na poměrně vysokou dynamiku v prostorové distribuci úmrtnosti podle příčin
smrti.
Na druhé
straně,
analýza
celkové
standardizované úmrtnosti poukázala na její poměrně
stálý prostorový vzorec v obou analyzovaných
obdobích.
2
Metodika
Vycházeje ze samotné povahy disponibilních
dat, jakož i aplikovaných analytických přístupů, lze
předkládanou studii zařadit z metodologického
pohledu k retrospektivním, analytickým průřezovým
studiím, typickým právě pro oblast prostorově
orientované, epidemiologické výzkumné praxe. Příslušný analytický pohled byl aplikován separátně pro
dvě 5leté časové období: 2001-05 a 2007-11
Jako indikátor relativní intenzity úmrtnosti
byl použit věkově standardizovaný index (SMR),
sestrojený odděleně pro obě pohlaví i časová období
metodou nepřímé standardizace. Za prostorové
statistické jednotky byly zvoleny městské části (MČ)
cit cluster detection is completely absent.
The aim of the paper is to evaluate structural
and spatial-temporal differences in mortality of
the population of Prague between 2001 and 2011.
Because the investigation of the intra-urban mortality
represents a specific type of inquiry from both
theoretical (conceptual) and analytical (operational)
ways, this had to be reflected within the analysis.
While the data were obtained from the routine death
statistics of the Czech Statistical Office, new
advanced statistical methods were used based on
principles of generalized linear mixed modelling and
spatial data analysis. These (so-called Bayesian
mapping) techniques were applied in order to take
into account both the inner variance heterogeneity
and the spatial structure of the analysed spatial units.
The results indicate relatively high intraurban spatial dynamics in mortality by causes of
death after the adjustment to both structural and
temporal confounders (population gender, age, the
overall 2001-2011 mortality trend of the target
population). However, spatial differences in the total
standardized mortality seem to be relatively stable in
both the analysed time periods.
2
Methods
Regarding the nature of data available and the
analytical approach applied, the methodological
design of the study could be characterized as retrospective analytical cross-sectional. It was applied
within two separate (5-year) time periods: 2001-05
vs. 2007-11.
The age-standardized mortality ratios (SMR)
were constructed separately for both genders and
time periods using indirect standardization method.
Current municipal districts of the Capital City of
Prague (N=57) and their administrative boundaries
were taken as spatial statistical units. High variability
of the exposed population is characteristic to such
intra-urban spatial areas. This results in unstable risk
estimates (so-called inner variance heterogeneity
problem). Because of that, the hierarchical PoissonGamma model (Clayton, Kaldor 1987; Lawson 2013)
was applied in the next step in order to obtain
smoothed mortality ratios (sSMR) considered as true
unbiased risk estimates of the phenomena.
In order to analyse temporal changes in the
mortality of the total city population and compare it
with the national population development, the annual
age-standardized mortality rates (SDR) were
constructed separately by gender (European Standard
Population 2013). For the spatial clustering analysis
and cluster detection, 2 global indicators and 1 local
one were used.
hlavního města Prahy (N = 57) v jejich současných
administrativních hranicích. Jelikož pro takovéto
vnitro-urbánní prostorové jednotky je charakteristická vysoká variabilita v četnosti exponované
populace, následně se promítající i do statistické (ne-)
stability v bodových odhadech příslušných indexů
(tzv. overdispersion), byl v dalším kroku analýz
aplikován hierarchický Poissonův-Gamma model
(Clayton, Kaldor 1987; Lawson 2013), kontrolující
příslušnou dodatečnou variabilitu v datech. Takto
vyhlazené úmrtnosti indexy (sSMR) následně
vstupovaly do analýzy prostorové distribuce jevů.
Pro účely analýzy vývoje intenzity úmrtnosti
celkové populace hlavního města a jejího následného
srovnání s národní populací České republiky byly
sestrojeny meziroční standardizované míry úmrtnosti
(SDR) odděleně dle pohlaví (standardizované na Evropský populační standard 2013). Analýza prostorového shlukování a detekce případných prostorových
shluků byla provedena prostřednictvím dvou globálních a jednoho lokálního statistického indikátoru.
Z globálních ukazatelů byla aplikována
obecná G statistika (Getis, Ord 1992) společně
s Moranovým I kritériem (Moran 1950). Příslušné
globální indikátory hodnotí celkovou úroveň
shlukování se hodnot prostorové veličiny. Při výpočtech byla použita řádková standardizace binárních
prostorových vah, koncipovaných na přímém sousedství prostorových statistických jednotek (tedy MČ).
Obecná G statistika takto nabývá hodnoty na intervalu 0 až 1 a je vhodná k testování shlukování vysokých
nebo nízkých hodnot v prostoru. Avšak v případě, že
dochází k současnému shlukování obou zmíněných
typů extrémů, příslušné shluky mají tendenci se
navzájem ve výpočtu eliminovat. V takovém případě
je vhodné použití statistik ze skupiny indikátorů prostorové autokorelace, ke kterým patří i Moranovo I
kritérium. To nabývá hodnot na intervalu -1 až +1
a jeho interpretace je analogická tradičnímu Pearsonovu korelačnímu koeficientu (hodnota -1 odpovídá
krajně negativní prostorové autokorelaci, hodnota +1
zas krajně pozitivnímu vztahu).
Pro analýzu detekce konkrétních prostorových
shluků byla použita lokální verze Moranova I kritéria
(Anselin 1995), hodnotící úroveň autokorelace
prostorové statistické veličiny mezi daným bodem
prostoru a jeho okolím. Příslušný ukazatel je vhodný
pro lokalizaci jednotek s relativně vysokými (tj. nadprůměrnými) / resp. nízkými (tj. podprůměrnými)
hodnotami (tzv. pozitivní prostorová autokorelace)
nebo náhlými úrovňovými zlomy v prostorové
distribuci jevu (negativní prostorová autokorelace).
Statistická inference všech třech aplikovaných
indikátorů (obecní G-statistika, Moranovo I kritérium, jakožto i lokální Moranovo I) je založena na
výpočetním konceptu Z-statistiky. Nulová hypotéza
Regarding global indicators, general G
statistic (Getis, Ord 1992) together with Moran´s I
index (Moran 1950) were employed. Global
clustering statistics evaluate the overall level of
spatial clustering within the analysed region. In
calculations, the row standardization of binary spatial
weights was applied, conceptualized by 1st order
spatial contiguity of units (i.e. municipal districts).
The General G statistics take values from 0 to
1. The application of the General G is appropriate for
evaluating the clustering of either high or low values.
However, if there is a simultaneous clustering of both
of these relative values, the respective clusters tend
to cancel each other out within the calculation. In
such a case, it is more appropriate to use one of the
spatial autocorrelation statistical indicators including
the Moran's I. Its values vary from -1 to +1 and the
interpretation is analogous to the traditional Pearson
product-moment correlation coefficient (the value of
-1 corresponds to extremely negative spatial
autocorrelation while the value of +1 corresponds to
extremely positive one).
The spatial cluster detection was evaluated by
means of the Local Moran´s I index (Anselin 1995).
Local statistics evaluate the level of the spatial autocorrelation between a given spatial location and its
neighbourhood. The Local Moran´s I is appropriate
for the detection of areas with relatively high / low
values within the region (positive spatial autocorrelation). At the same time, it is useful to localize the
breaks levels in the spatial distribution of the
phenomenon (negative spatial autocorrelation).
Regarding the statistical inference of both the
spatial clustering analysis and the spatial cluster
detection, the Z-test as a hypothesis testing method is
applied for all the three indicators (General G,
Moran´s I, Local Moran´s I). The null hypothesis
assumes a random spatial distribution of the analysed
phenomenon and the Z-test statistic is considered to
correspond to normal distribution.
The (spatial-temporal) mortality distribution
analysis was performed for the following population
(age-) groups and leading causes of death:
- total population standardized mortality;
- economically active population (deaths
between 15 and 65 yrs.);
- premature mortality (deaths before the age of
75 yrs.);
- senior population (deaths after the age of 65
yrs.);
- malignant neoplasms (C00-C97);
- diseases of the circulatory system (I00-I99);
- diseases of the respiratory system (J00-J99);
- diseases of the digestive system (K00-K93);
- external causes of death (S00-T98);
- avoidable mortality (as the sum of treatable
mortality, preventable mortality on and mor-
předpokládá náhodnou prostorovou distribuci
analyzovaného jevu, při níž má příslušná
testovací
Z-statistika aproximativně normální
rozložení.
Analýza (časoprostorové) distribuce úmrtnosti byla provedena pro následující (věkové)
skupiny obyvatelstva a hlavní příčiny smrti:
- celková standardizovaná úmrtnost obyvatelstva;
- úmrtnost ekonomicky aktivní populace (ve věku 15-64 let);
- předčasná úmrtnost (ve věku před dovršením
75 let);
- úmrtnost seniorské populace (ve věku 65 let a
víc);
- úmrtnost na zhoubné novotvary (C00-C97);
- nemoci oběhové soustavy (I00-I99);
- nemoci dýchací soustavy (J00-J99);
- nemoci trávicí soustavy (K00-K93);
- vnější příčiny smrti (S00-T98);
- odvratitelná úmrtnost (skládající se z léčitelné
a preventabilní úmrtnosti společně s úmrtností
na ischemické choroby srdeční);
- léčitelná úmrtnost;
- preventabilní úmrtnost;
- ischemické choroby srdeční (I20-I25).
Všechny potřebné statistické a databázové
výpočty byly provedeny v softwarovém prostředí
programu SPSS Statistics 21. Výpočty vyhlazených
úmrtnostných indexů (sSMR) byly uskutečněny
pomocí programu WinBUGS 1.4 (Spiegelhalter a kol.
2003), aplikací algoritmu Markovova řetězce Monte
Carlo (MCMC). Výpočty prostorové analýzy dat,
jakož i jejich celková kartografická vizualizace, byly
provedeny v prostředí ArcGIS 10.2. V kartogramech
byla použita jednotná intervalová škála, umožňující
vzájemné srovnání prostorové distribuce analyzovaného jevu jednak mezi pohlavím, jakož i mezi oběma
průřezovými časovými obdobími.
3
Analýza
Jak již bylo zmíněno, analýza distribuce
úmrtnosti populace hlavního města ČR byla
rozdělena na několik stratifikovaných analýz, a to
jednak v jejím strukturním aspektu (podle pohlaví
a příčin smrti), časovém vývoji, prostorové distribuci
a případných interakcí mezi těmito parciálními analytickými pohledy.
Tabulka 1 prezentuje výsledky analýzy
prostorové variability v intenzitě úmrtnosti (sSMR),
separátně podle zmíněných výchozích aspektů. Statistická inference v příslušné variabilitě je ve všech
případech signifikantní na 95% intervalu(aposteriorní) kredibility (tzn. pozorované vnitroměstské rozdíly
tality on ischaemic heart diseases);
- treatable mortality;
- preventable mortality;
- mortality on ischaemic heart diseases (I20I25).
All the necessary statistical and database
calculations were performed by the SPSS Statistics
21 software. Calculations of smoothed mortality
ratios (sSMR) were conducted using WinBUGS 1.4
(Spiegelhalter et al. 2003) by applying the Markov
Chain Monte Carlo algorithm (MCMC). Spatial data
analysis and cartographic visualization were
conducted in ArcGIS 10.2. In maps, the unified interval scale was included in order to allow for possible
comparison between both genders and time periods.
3
Analysis
As already mentioned above, the analysis of
the Prague population mortality distribution was
stratified by its structural aspects (by gender and
causes of death), time periods, spatial distribution
and possible interactions between these partial
analytical views.
Table 1 summarizes the results of the analysis
of variability in the mortality indexes within Prague
(sSMR variance) separated according to gender, time
periods and causes of death. This (spatial) variability
in the relative mortality risk is in all cases
statistically significant at the 95% (posterior)
credible interval (i.e. the observed intra-urban
differences in the mortality distribution are not just
the result of random variability in the data).
Interestingly, however, if one compares the relative
measures of the variability between different genders
and time periods, they do not differ significantly
from each other (see e.g. for the total standardized
mortality: CV (Males, 2001-05) vs. CV (Males,
2007-11) vs. CV (Females, 2001-05) vs. CV
(Females, 2007-11)). Therefore, the relative intraurban spatial inequalities in the intensity of mortality
of the population of the capital city did not change
significantly
during
the
analysed
period.
Surprisingly, they remained comparable even
between genders. However, some increased spatial
variability can be observed in the case of diseases of
the respiratory system during the both periods and,
additionally, also in diseases of the digestive system
and external causes of death in the period of 2007-11.
In order to evaluate mortality inequalities, it
is not only important to look at their relative level in
the particular period. More importantly, one should
consider temporal trends and especially the rate of
Tabulka 1: Variabilita v prostorové distribuci standardizované úmrtnosti (sSMR) podle příčin smrti, Praha, muži vs. ženy, 2001-2005 vs. 2007-2011 / Table 1 : Variability in the
spatial distribution of smoothed standardized mortality ratios (sSMR) by causes of death, Prague, males vs. females, 2001-2005 vs. 2007-2011
Pohlaví / Gender
Muži / Males
Období / Period
Skupina příčin smrti / Cause of Death
2001-2005
Ženy / Females
Období / Period
2007-2011
2001-2005
2007-2011
posterior CV
posterior CV
posterior CV
posterior CV
posterior Var
posterior Var
posterior Var
posterior Var
(sSMR) (95% CI)
(sSMR) (95% CI)
(sSMR) (95% CI)
(sSMR) (95% CI)
(sSMR)
(sSMR)
(sSMR)
(sSMR)
[%]
[%]
[%]
[%]
Celková standardizovaná úmrtnost / Total
population standardized mortality
Úmrtnost ekonomicky aktivního obyvatelstva /
Economically active population mortality
Předčasná úmrtnost / Premature mortality
Úmrtnost seniorské populace / Senior
population mortality
Zhoubné novotvary / Malignant neoplasms
Nemoci oběhové soustavy / Diseases of the
circulatory system
Nemoci dýchací soustavy / Diseases of the
respiratory system
Nemoci trávicí soustavy / Diseases of the
digestive system
Vnější příčiny smrti / External causes of death
Odvratitelná úmrtnost / Avoidable mortality
Léčitelná úmrtnost / Treatable mortality
Preventabilní úmrtnost / Preventable mortality
Ischemické choroby srdeční / Ischaemic heart
diseases
0,020*
14,1 (11,0-18,0)
0,017*
13,1 (10,4-16,3)
0,020*
14,1 (10,8-18,2)
0,018*
13,3 (10,6-16,6)
0,029*
17,0 (12,9-21,9)
0,036*
19,0 (14,1-24,7)
0,028*
16,8 (12,3-22,3)
0,028*
16,8 (12,8-21,8)
0,025*
15,8 (12,2-20,0)
0,023*
15,0 (11,7-19,0)
0,023*
15,3 (11,7-19,8)
0,025*
15,9 (12,2-20,6)
0,024*
15,5 (11,6-20,0)
0,019*
13,9 (10,9-17,9)
0,020*
14,1 (11,0-18,0)
0,020*
14,1 (11,2-17,7)
0,023*
15,2 (11,1-20,3)
0,021*
14,5 (11,1-18,4)
0,023*
15,3 (11,3-20,3)
0,022*
14,8 (11,4-19,2)
0,029*
16,9 (12,6-22,5)
0,025*
15,9 (12,3-20,5)
0,029*
16,9 (12,8-21,7)
0,028*
16,8 (12,5-22,0)
0,057*
24,0 (17,1-33,0)
0,040*
20,0 (14,2-27,7)
0,069*
26,2 (18,5-36,0)
0,057*
23,9 (16,5-32,9)
0,047*
21,8 (15,2-30,3)
0,051*
22,6 (15,9-30,7)
0,048*
21,9 (15,2-30,8)
0,054*
23,2 (15,3-33,4)
0,036*
0,024*
0,039*
0,036*
18,9 (13,2-25,9)
15,4 (12,0-19,5)
19,6 (14,8-25,4)
19,0 (13,1-26,1)
0,053*
0,021*
0,025*
0,032*
22,9 (16,1-32,0)
14,4 (11,4-18,1)
15,9 (11,7-21,0)
17,9 (13,4-23,7)
0,036*
0,026*
0,032*
0,040*
19,0 (13,2-26,6)
16,0 (11,9-20,8)
18,0 (13,6-23,9)
20,0 (14,1-27,3)
0,061*
0,020*
0,023*
0,040*
24,6 (16,9-35,0)
14,1 (11,1-17,9)
15,2 (11,8-19,8)
20,1 (14,3-27,7)
0,029*
17,1 (12,5-23,2)
0,033*
18,1 (13,2-23,9)
0,043*
20,7 (14,9-27,7)
0,029*
17,1 (12,7-22,7)
Poznámka / Note:
Var - Roztyl / Variance (SD2)
CV – Variační koeficient / Coefficient of Variation (SD / Mean * 100 [%])
* - Statisticky signifikantní na 95% intervalu (aposteriorní) kredibility / Siginificant at the 95% Posterior Credible Interval
sSMR – Vyhlazený standardizovaný úmrtnostní index / Smoothed Age-Standardized Morality Ratio
v jednotlivých indexech nejsou výsledkem pouze
náhodné variability v datech). Zajímavé však je, že
pokud relativní prostorové rozdíly v příslušné
intenzitě navzájem srovnáme mezi jednotlivými pohlavími a časovými obdobími, tak se obecně od sebe
významně neliší (viz např. u celkové standardizované
úmrtnosti: CV (Muži, 2001-05) vs. CV (Muži, 200711) vs. CV (Ženy, 2001-05) vs. CV (Ženy, 2007-11)).
Relativní vnitroměstské prostorové nerovnosti
v intenzitě úmrtnosti populace hlavního města se tedy
v průběhu analyzovaného období významně nezměnily, přičemž se, překvapivě, udržují na srovnatelné
úrovni i mezi oběma pohlavími. Zvýšenou variabilitu
však lze pozorovat zejména v případě onemocnění
dýchací soustavy v obou analyzovaných obdobích,
a dodatečně také u onemocnění trávicí soustavy
a vnějších příčin úmrtí v období let 2007-11.
Pro účely zhodnocení nerovností v úmrtnosti
obyvatelstva však není sama o sobě důležitá jen
jejich relativní úroveň v příslušném období, ale především vývoj v příslušné intenzitě a rychlost její
změny, která se následně promítá i do celkové
(průřezové) variability v datech. Porovnáním grafů
vývoje celkové standardizované míry úmrtnosti
na mapě 1 je vidět, že úmrtností poměry se v průběhu
analyzovaných let u obou pohlaví výrazně zlepšily,
a to především po roce 2003. Toto vývojové zlepšení
bylo proporcionální jak mezi pohlavími, tak mezi
celkovou populací ČR a obyvatelstvem hlavního
města. Příslušnou proporcionalitu lze následně
považovat za dílčí důvod nesignifikantní změny
v relativních ukazatelích variability vnitroměstských
úmrtnostních indexů hlavního města.
Skutečnost, že intenzita úmrtnosti populace
hlavního města je v porovnání s celonárodní
úmrtností na významně nižší úrovni, je poměrně
známá věc. Ze zmíněného grafu je však vidět, že
u mužů jsou tyto prostorové rozdíly relativně vyšší
než u žen. Obdobné vývojové trendy a prostorové
rozdíly lze pozorovat také v případě úmrtnosti
ekonomicky aktivního obyvatelstva, předčasné
úmrtnosti a úmrtnosti seniorské populace (grafy
na mapách 2 až 4). V případě úmrtnosti ekonomicky
aktivního obyvatelstva je však pozoruhodné, že její
ženská složka žijící v Praze se již od své celonárodní
úrovně významně neliší. Podobné nevýznamné prostorové rozdíly u ženské části populace lze pozorovat
také u úmrtnosti na novotvary, nemocech dýchacího
ústrojí, trávicí soustavy a vnějších příčin úmrtí.
Jisté specifika ve vývoji úmrtnosti lze nalézt
i podle jejích jednotlivých příčin smrti. Zatímco cel
kový pokles standardizované úmrtnosti byl v hlavním
městě, podobně jako v celé ČR, způsobený
především kontinuálním poklesem úmrtí na nemoci
oběhové soustavy (vývojový graf na mapě 6), v Praze
change. These processes are subsequently reflected
in the overall (cross-sectional) variation in the data.
Comparing line charts of the total standardized
mortality rates on Map 1, one can see that mortality
conditions improved significantly during the
analysed period, especially after 2003. This
improvement was proportional between genders, as
well as between the general population of the Czech
Republic and the population of the Capital the City
of Prague. This proportionality can then be
considered as a partial reason for non-significant
changes in the relative measures of the sSMR (intraurban) variability.
It is fairly well known that mortality conditions in the capital city are significantly better when
compared to the general population of the country.
However, the line chart for the Map 1 shows that
such spatial differences are relatively higher in males
than in females. Similar time-trends and spatial
differences can also be seen in the cases of the
mortality of economically active population, the
premature mortality and the overall mortality of the
senior population (charts for Maps 2-4). In the case
of the mortality of the economically active
population, it is however noteworthy, that the female
population living in Prague do not differ significantly
from the national one. Similar non-significant
differences between Prague and total female
population of the Czech Republic can also be seen in
the cases of neoplasms, respiratory diseases,
digestive system and external causes of death.
Some temporal specifics can also be found
according to mortality groups by causes of death.
While the decline in the total standardized mortality
in both the Capital City of Prague and the whole
Czech Republic was primarily caused by the
continuous improvement in the diseases of the
circulatory system (a line chart for Map 6), a further
decline in mortality from diseases of the circulatory
system halted in 2009 in the capital city. Similarly, in
cases of mortality from diseases of the respiratory
and digestive system, no significant improvements
were observed during the analysed period. External
causes of death along with the mortality from
neoplasms roughly followed the nationwide
downward trend.
There are also some interesting findings in the
avoidable mortality and its components in Prague
(for definition, see Newey et al. 2004 quoted in
Burcin 2009). The total avoidable mortality in the
capital city underwent a similar decrease in both
genders to that of the Czech Republic. Its decline was
caused mainly by the dynamic improvement in the
treatable mortality. In contrast, the preventable
mortality and the mortality from ischaemic heart dis-
lze od roku 2009 pozorovat zastavení dalšího
snižování příslušné intenzity. Podobně v případě
nemocí dýchací a trávicí soustavy nedošlo v průběhu
analyzovaného období k žádným zásadním zlepšením.
Vnější příčiny úmrtí spolu s úmrtností na novotvary
zhruba kopírovaly celonárodní klesající trend.
Zajímavý je také vývoj odvratitelné úmrtnosti
a jednotlivých jejích složek v hlavním městě
(pro definici viz Newey a kol. 2004, In Burcin 2009).
Celková odvratitelná úmrtnost prošla obdobně
klesajícím vývojem v Praze jako v ČR, stejně u mužů
jak u žen. Příslušný pokles byl zapříčiněn hlavně
dynamickým poklesem léčitelné úmrtnosti. Naproti
tomu preventabilní úmrtnost a úmrtnost na ischemické choroby srdeční zaznamenali jen poměrně malé
změny v úrovni své intenzity. Jistou výjimku tvoří
u preventabilní úmrtnosti muži, u nichž lze pozorovat
poměrně výrazný pokles jak v Praze, tak v ČR.
Naopak, ženy žijící v hlavním městě mají úroveň
preventabilní úmrtnosti dokonce o něco vyšší než je
jejich celorepublikový průměr.
Z
pohledu
vnitroměstské
prostorové
distribuce úmrtnosti pražské populace odhalila
analýza následující parciální zjištění.
Celková standardizovaná úmrtnost nabývá
relativně vyšších hodnot zejména v severních částech
vnitřního města. Příslušná prostorová diferenciace je
přítomna u obou pohlaví, přičemž u mužů se koncentrace zvýšeného rizika v těchto oblastech potvrdila
i statistickými testy v obou průřezových časových
obdobích. Z příslušného prostorového aspektu je
významným zejména území MČ Praha 8, které se
jeví jako centrum zvýšené intenzity úmrtnosti
pražské populace.
Ukazatele úmrtnosti ekonomicky aktivního
obyvatelstva a předčasné úmrtnosti jsou z prostorového hlediska navzájem propojeny. Oblastmi
s typicky zvýšenou intenzitou příslušného jevu jsou
hlavně severní a centrální části města (především MČ
Praha 8, Praha 3 a Praha 7). Indikátory prostorové
autokorelace poukázaly na významné shlukování se
obou typů úmrtnosti u obou pohlaví. Podobně jako
v případě celkové standardizované úmrtnosti však
platí, že u mužů je tato tendence k prostorovému
shlukování výraznější než u žen.
Analýza úmrtnosti seniorské populace
poukázala na poměrně rozdrobenou prostorovou
distribuci. U obou pohlaví jsou však územími s vyšší
úrovní sSMR opětovně MČ Praha 8 a Praha 7,
u mužů také Praha 9.
V případě zhoubných novotvarů nelze hovořit
o stálém prostorovém vzorci. Distribuce indexů je
poměrně nesourodá a prostorově fragmentovaná.
Statistickou významnost některých detekovaných
prostorových shluků považujeme spíše za statistický
eases experienced only small improvement. A certain
exception is the preventable mortality in males which
declined significantly in both Prague and the Czech
Republic. Conversely, females living in the capital
city had even slightly poorer preventable mortality
conditions than the national population.
The analysis of the intra-urban spatial
distribution of the mortality of the Prague population
revealed some partial findings.
The total standardized mortality took
relatively higher values especially in the northern
areas of the inner city. This spatial differentiation
was present in both genders; in males, however, the
spatial clustering of the increased risk was confirmed
by statistical tests in both cross-sectional periods.
Particularly important is the area of the Prague 8
district which appears a centre of worse mortality
conditions of the Prague population.
The mortality of the economically active
population and the premature mortality are spatially
associated to one another. Areas with typically higher
intensity of the phenomena are mainly northern and
central parts of the city (Prague 8, Prague 3 and Prague 7). Indicators of the spatial autocorrelation
pointed to a significant clustering in the mortality of
the economically active population and in the
premature mortality in both genders. Similarly to the
total standardized mortality, the general tendency for
spatial clustering is, however, more pronounced in
males than in females.
The analysis of the mortality of senior population pointed to a relatively fragmented spatial
distribution of the phenomenon. However, the areas
with elevated risk are the districts of Prague 8 and
Prague 7 in both genders, and also Prague 9 in males.
In the case of the distribution of mortality due
to malignant neoplasms, no regular spatial pattern
was detected. The distribution of sSMR´s is quite
heterogeneous and spatially fragmented. The statistical significance of some of the detected spatial clusters should be considered rather a statistical artefact.
Relatively higher risk in the mortality from
diseases of the circulatory system is located mainly
in the northern and north-eastern parts of the city. In
contrast, relatively lower risk is located in the
western areas of Prague. Again, the intra-urban
spatial differences are more pronounced in males
than in females.
Contrary to the diseases of the circulatory
system, the spatial distribution of the mortality from
diseases of the respiratory system took higher values
in the western and central parts of the city (especially
in the area of Prague 5, Prague 2 and Prague 1).
However, there were significant breaks in the spatial
distribution of the phenomena in both genders during
artefakt.
Relativně vyšší hodnoty intenzity úmrtnosti
na nemoci oběhové soustavy jsou koncentrovány
hlavně v severních a severovýchodních částech
města. Naproti tomu relativně nižší hodnoty
se nacházejí spíše v západních oblastech Prahy.
Opětovně platí, že příslušné vnitroměstské prostorové
rozdíly jsou výraznější u mužů než u žen.
Prostorová distribuce úmrtnosti na nemoci
dýchací soustavy naopak nabývá vysoké hodnoty
svých indexů v západních částech města a v jeho
středu (zejména v oblasti MČ Praha 5, Praha 2
a Praha 1). V období let 2001-05 jsou však u obou
pohlaví přítomny výrazné zlomy v prostorové distribuci jevu. Společně s celkově nízkou úrovní
úmrtnosti tak statistická spolehlivost detekovaných
prostorových shluků zůstává diskutabilní.
Úmrtnost na nemoci trávicí soustavy celkově
vykázala poměrně fragmentovaný prostorový vzorec,
přičemž i výstupy prostorových analýz poskytly
navzájem protichůdné výsledky.
V případě úmrtnosti na vnější příčiny smrti se
v prvním období 2001-05 prostorová distribuce jevu
nelišila od náhodné distribuce. V následném období
2007-11 však analýza odhalila významnou
koncentraci rizika úmrtí v centrálních částech města,
a to u obou pohlaví.
Odvratitelná úmrtnost nabyla v obecné rovině
podobnou prostorovou distribuci jako celková standardizovaná úmrtnost, a to zejména u mužů.
V severních částech města byly opětovně detekovány
oblasti s vyšší intenzitou úmrtnosti, koncentrovány
v MČ Praha 8 a Praha 7. U žen se prostorový vzorec
úmrtnosti statisticky nelišil od náhodné distribuce,
avšak i v jejich případě byla zvýšena úroveň sSMR
detekována ve zmíněných severních částech města.
Léčitelná úmrtnost společně s úmrtností
preventabilní nabyly v průběhu analyzovaného
období poměrně výraznou časoprostorovou dynamiku. V případě léčitelné úmrtnosti se výrazný rozdíl
mezi jižními částmi a zbytkem města, pozorován
v období let 2001-05 u obou pohlaví zároveň, následně v dalším období 2007-11 rozplynul.
U preventabilní úmrtnosti vidět výrazný přesun vysokých hodnot u ženské části populace, a to
ze západu města víc do jeho centrálních částí.
Úmrtnost na ischemické choroby srdeční
nabyla nepravidelnou prostorovou distribuci. Zvýšené hodnoty intenzity je však opětovně možné
pozorovat zejména na území MČ Praha 8.
4
Diskuse a limitace výzkumu
the period of 2001-05. While the level of the
mortality from diseases of the respiratory system is
generally low, the statistical reliability of the detected
spatial clusters remains unclear.
Mortality from the diseases of the digestive
system was relatively spatially fragmented. The
spatial analysis provided contradicting results, too.
The spatial distribution of the mortality from
external causes of death did not differ significantly
from a random one in the period of 2005-11. In the
subsequent period of 2007-11, the analysis revealed a
significant clustering of the risk in the central areas
of the city, in males as well as in females.
Avoidable mortality took a spatial distribution
similar to the total standardized mortality, especially
in males. Areas with higher risk were located again
in the northern areas of the city. For females, the
spatial distribution of avoidable mortality did not
differ significantly from a random one. However,
some elevated risk was detected in northern parts
also in their case.
Treatable mortality together with the preventable one took a relatively significant spatial-temporal
dynamics during the analysed period. In the case of
treatable mortality, the significant difference between
southern areas and the rest of the city observed in the
period of 2001-05 in both genders suddenly
dissipated in the next period of 2007-11. In females,
preventable mortality showed a notable shift of the
risk from the west of the city to its central parts.
Mortality from ischaemic heart diseases had
an irregular spatial distribution. Some elevated risk
was observed mainly in the area of Prague 8.
4
Strengths and Limitations; Discussion
The study presents a comprehensive and indepth view of the spatial distribution of mortality in
the capital city of the Czech Republic. Modern
advanced statistical methods were applied in the
analyses. In order to control the key structural
confounders, the analyses were performed in a
transparent and stratified form.
However, there are several important limitations to the study. The most important are those
linked to the reliability of the analysed data.
Although these were provided by the official
mortality statistical database, they are still prone to
inherent statistical biases caused by potential misclassifications which are often associated with particular diagnoses and causes of death. The potential
tendency to such statistical errors increases scaling
down the target population to a local level. Such sta-
Studie nabízí v podrobném a komplexním
pohledu ucelený obraz o prostorové distribuci
úmrtnosti v hlavním městě České republiky.
V analýzách byly využity moderní metody statistické
analýzy dat, umožňující zhodnotit příslušnou distribuci v detailním měřítku na lokální úrovni. Za účelem kontroly hlavních strukturálních faktorů v intenzitě úmrtnosti byly analýzy provedeny v přehledné,
stratifikované formě.
K hlavním nedostatkům studie, které však
v analýzách nebylo možné kontrolovat, patří
především potenciální statistické chyby a zkreslení,
vyplývající z možné chybné klasifikace příčiny úmrtí
během prohlídky mrtvého, v praxi se častokrát vážící
na konkrétní skupiny diagnóz či příčiny smrti.
Zmenšováním cílové populace na lokální úroveň
roste sklon k takovýmto chybným klasifikacím, které
se následně můžou odrazit i v celkové prostorové
distribuci analyzovaného jevu. Zároveň je nutno poznamenat, že od roku 2007 jsou obdržené výsledky
taktéž ovlivněny změnami v systému kódovací praxe,
a to především v důsledku implementace aktualizací
zavedených v rámci 10. revize mezinárodní klasifikace nemocí Světové zdravotnické organizace.
Dalším významným faktorem jsou především
procesy migrace obyvatelstva, jejichž váha může
výsledky (explicitně prostorově zaměřených) analýz
výrazně vychýlit (viz např. Rogerson, Han 2002).
Uvedené faktory by bylo možné v praxi
kontrolovat pouze prostřednictvím cílené epidemiologické studie s longitudinálním designem. Takovéto
studie jsou ovšem vysoce nákladné, náchylné
k opouštění účastníků výzkumu a v praxi nejsou
schopny pokrýt cílovou populaci v její celkové
početnosti.
5
Závěr
Studie poskytuje podrobný analytický pohled
na distribuci úmrtnosti v hlavním městě České republiky v jejím strukturálním, vývojovém a prostorovém
aspektu. Úmrtnostní poměry se během analyzovaného období výrazně zlepšily, a to jak v případě populace hlavního města, tak v celé republice. Výsledky
časoprostorových analýz úmrtnosti obyvatelstva
hlavního města však poukazují na poměrně vysokou
dynamiku v prostorové distribuci úmrtnosti podle
příčin smrti na vnitro-urbánní měřítkové úrovni. Na
druhé straně, analýza celkové standardizované úmrtnosti poukázala na její poměrně stálý prostorový vzorec v obou analyzovaných obdobích. Za účelem odhalení dalších faktorů a procesů, ležících v pozadí
tistical biases can consequently lead to significant
changes in the spatial distribution of the analysed
phenomena. It is also to be noted that since 2007,
results can be also affected by changes in the system
of coding practice, mainly due to the implementation
of updates introduced within the 10th revision of the
International Classification of Diseases of the World
Health Organization.
Other important factors that have to be kept in
mind are the processes of migration of the
population. As previous studies have shown, these
effects can significantly influence the results of the
spatial analysis (see e.g. Rogerson and Han 2002).
All of these limiting factors mentioned above
could be controlled only by prospective epidemiological cohort study with rigorous longitudinal
design. However, such studies are of a high cost in
terms of human, financial and material resources.
They are also prone to censoring and they are not
able to cover the target population in its whole.
5
Conclusion
The study provides a detailed analytical view
of the distribution of mortality in the Czech capital in
its structural, temporal and spatial aspects. Mortality
conditions improved during the analysed period in
the case of the capital city as well as in the country.
Although the results indicate considerable spatial
dynamics in the mortality by causes of death at the
intra-urban spatial scale after the adjustment to both
structural and temporal confounders, the spatial
differences in the total standardized mortality seem
to be relatively stable in both cross-sectional periods.
Further investigation needs to be done in order to
reveal the key factors underlying such intra-urban
differences in the population of the Capital City of
Prague (e.g. in relation to further (socio-) structural
differences / confounders of the target population).
příslušné prostorové diferenciace je nutný další, specificky zacílený výzkum, beroucí v úvahu mimo jiné
i další socio-strukturální faktory cílové populace
(např. ve vztahu k vzdělanostní struktuře žijícího
obyvatelstva apod.).
Literatura / References
ANSELIN, L. (1995): Local Indicators of Spatial
Association – LISA. Geographical Analysis, 27 (2),
93-115.
BURCIN, B. (2009): Avoidable Mortality in the Czech
Republic in 1990-2006. Czech Demography, 3, 6478.
ENVIRONMENTAL SYSTEMS RESEARCH INSTITUTE
(2013): ArcGIS Desktop 10.2. Redlands, California.
EUROSTAT (2013): Revision of the European
Standard Population - Report of Eurostat's Task
Force. Eurostat Methodologies and Working Papers,
European Commission, ISSN 1977-0375.
NEWEY, C., NOLTE, E., MCKEE, M., MOSSIALOS, E.
(2004): Avoidable Mortality in the Enlarged
European Union. Institut des Sciences de la Sante
Statistics, Brussels, 44 p.
R DEVELOPMENT CORE TEAM (2004): R: A Language
and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria.
URL www.R-project.org
ROGERSON, P. A., HAN, D. (2002): The Effect of
Migration on the Detection of Geographic
Differences in Disease Risk. Social Science and
Medicine, 55 (10), 1817-1828.
SPIEGELHALTER, D. J., THOMAS, A., BEST, N. G.,
LUNN, D. (2003): WinBUGS Version 1.4 User
Manual. MRC Biostatistics Unit, Cambridge, United
Kingdom. URL www.mrc-bsu.cam.ac.uk/bugs/
STURTZ, S., LIGGES, U., GELMAN, A. (2005):
R2WinBUGS: A Package for Running WinBUGS
from R. Journal of Statistical Software, 12 (3), 1–16.
GETIS, A., ORD, J. K. (1992): The Analysis of Spatial
Association by Use of Distance Statistics.
Geographical Analysis, 24 (3), 189-206.
TOMÁŠEK, I., TOMÁŠKOVÁ, H. (2009): Použití
bayesovských metod pro mapování onemocnění
(Bayesian methods in diseases mapping).
Demografie, 51, 190–201.
LAWSON, A. B. (2013): Bayesian Disease Mapping:
Hierarchical Modeling in Spatial Epidemiology.
Chapman & Hall/CRC Interdisciplinary Statistics,
Second Edition, ISBN: 1466504811, 378 p.
UNIVERSITY COLLEGE LONDON: The INEQ-CITIES
Project (Socio-Economic Inequalities in Mortality:
Evidence and Policies in Cities of Europe). United
Kingdom. URL www.ucl.ac.uk/ineqcities/
MORAN, P. A. P. (1950): Notes on Continuous
Stochastic Phenomena. Biometrika, 37 (1), 17–23.
Appendix
A)
Odhad relativního rizika úmrtí / Estimation of the Relative Risk of Dying:
𝑡−𝑡0
celkový počet úmrtí v i-té prostorové jednotce / observed number of deaths
in area i within the period t-t0
𝑡−𝑡0
očekávaný počet úmrtí v i-té prostorové jednotce / expected number of
deaths in area i within the period t-t0
𝑂𝑖
𝐸𝑖
𝑡−𝑡0
𝑆𝑀𝑅𝑖
věkově standardizovaný úmrtnostní index / age-standardized mortality ratio
𝑡−𝑡0
𝑀𝑥
věkově specifická míra úmrtnosti nadřazené populace / total age-specific
mortality rate within the period t-t0
𝑡−𝑡0
𝑃𝑥,𝑖
exponovaná populace (střední stav) ve věkové skupině x žijící na území i-té
prostorové jednotky / population at the age of x (1.7.) living in area i within
the period t-t0
𝑡−𝑡0
𝑠𝑆𝑀𝑅𝑖
vyhlazený úmrtnostní index / smoothed standardized mortality ratio
𝑡−𝑡0
𝜃𝑖
(latentní) relativní riziko úmrtí na území i-té prostorové jednotky v časovém
období t-t0 / true underlying relative risk of dying in area i within the period
t-t0 (parameter to be estimated)
𝑡−𝑡0
𝑆𝑀𝑅𝑖
𝑡−𝑡0
𝐸𝑖
𝑡−𝑡0
=
𝑂𝑖
𝑡−𝑡0
𝐸𝑖
𝑘
𝑡−𝑡0
𝑡−𝑡
𝑀𝑥 0
=
𝑡−𝑡0
∗ 𝑃𝑥,𝑖
𝑡−𝑡0
∑𝑁
𝑖 𝑂𝑖
𝑡−𝑡0
=
̂ 𝜃𝑖
𝑡−𝑡0
~ 𝑃𝑜𝑖𝑠𝑠 (𝜇𝑖
𝑡−𝑡0
= 𝐸𝑖
𝑡−𝑡0
~ 𝐺𝑎𝑚𝑚𝑎 (𝑎, 𝑏)
𝑂𝑖
= ∑ 𝑀𝑥
𝑥
𝑡−𝑡0
𝑠𝑆𝑀𝑅𝑖
∗ 100 [%]
𝜇𝑖
𝜃𝑖
𝑡−𝑡0
𝑡−𝑡0
)
𝑡−𝑡0
∗ 𝜃𝑖
𝑡−𝑡0
∑𝑁
𝑖 𝑃𝑥,𝑖
i = 1, … , N = 57
t – t0 = 1 , 2
x = 0-4, 5-9, 10-14, … , k = 85+
a, b - non-informative hyperpriors:
𝑎 ~ 𝑒 0.1 ; 𝑏 ~ 𝑒 0.1
𝑡−𝑡0
𝑉𝑎𝑟(𝜃𝑖
)=
𝑎
𝑏2
B)
Analýza prostorového shlukování a detekce prostorových shluků / Spatial
Clustering Analysis and Spatial Cluster Detection :
𝑋𝑖 , 𝑋𝑗
hodnota prostorové veličiny v i-té a j-té sousedící jednotce / spatial variable
in i-th a j-th neighbouring unit
𝑤𝑖,𝑗
hodnota prostorových vah sousedících statistických jednotek / spatial weights
between i-th a j-th neighbouring unit
𝑋̅
průměrná hodnota prostorové statistické veličiny / spatial variable mean
value
N
celková četnost prostorových statistických jednotek / total number of spatial
units
Moran’s I:
𝐼=
Local Moran’s I:
𝑁
̅
̅
∑𝑁
𝑁
𝑖 ∑𝑗 𝑤𝑖,𝑗 (𝑋𝑖 − 𝑋 )(𝑋𝑗 − 𝑋 )
𝑁
∑𝑁
(𝑋𝑖 − 𝑋̅)2
𝑖 ∑𝑗 𝑤𝑖,𝑗
i, j= 1, … , N = 57; i ≠ j
𝐼𝑖 =
𝑆𝑖2
𝑁
𝑋𝑖 − 𝑋̅
∑
𝑤𝑖,𝑗 (𝑋𝑗 − 𝑋̅)
𝑆𝑖2
𝑗
=
̅ 2
∑𝑁
𝑗 (𝑋𝑗 − 𝑋 )
𝑁−1
i, j = 1, … , N = 57; i ≠ j
Getis-Ord G*:
𝐺=
𝑁
∑𝑁
𝑖 ∑𝑗 𝑤𝑖,𝑗 𝑋𝑖 𝑋𝑗
𝑁
∑𝑁
𝑖 ∑𝑗 𝑋𝑖 𝑋𝑗
i, j = 1, … , N = 57; i ≠ j
− 𝑋̅ 2
Odvratitelná úmrtnost – definice dle příčin smrti / Avoidable mortality - definition by causes of death
Odvratitelná úmrtnost / Avoidable mortality
Léčitelné nemoci / Treatable mortality:
Střevní infekční nemoci / Intestinal infectious diseases
Tuberkulóza / Tuberculosis
Jiné infekce (záškrt, tetanus, dětská obrna) / Other infectious diseases
Černý kašel / Whooping cough
Septikémie / Sepsis
Spalničky / Measles
Zhoubný novotvar kolorekta / Malignant neoplasm of colon
Zhoubný novotvar kůže / Malignant neoplasm of skin
Zhoubný novotvar prsu / Malignant neoplasm of breast
Zhoubný novotvar děložního hrdla / Malignant neoplasm of cervix uteri
Zhoubný novotvar děložního těla a dělohy / Malignant neoplasm of corpus uteri and uterus
Zhoubný novotvar varlete / Malignant neoplasm of testis
Hodgkinova nemoc / Hodgkin lymphoma
Leukémie / Leukaemia
Poruchy štítné žlázy / Disorders of thyroid gland
Diabetes mellitus / Diabetes mellitus
Epilepsie / Epilepsy
Chronické revmatické nemoci srdce / Chronic rheumatic heart diseases
Hypertenzní nemoc / Hypertensive diseases
Cévní nemoci mozku / Cerebrovascular diseases
Nemoci dýchací soustavy (kromě zánětů plic a chřipky) / Diseases of the respiratory systém
(excluding pneumonia and influenza)
Chřipka / Influenza
Záněty plic / Pneumonia
Žaludeční a dvanáctnikový vřed / Gastric ulcer, duodenal ulcer
Apendicitida / Diseases of appendix
Kýly / Hernia
Žlučové kameny a zánět žlučníku / Cholelithiasis, cholecystitis
Záněty ledvin a nefróza / Nephritis, nephrosis
Zbytnění prostaty / Hyperplasia of prostate
Úmrtí spojené se těhotenstvím, porodem a šestinedělím / Pregnancy, childbirth and the
puerperium mortality
Vrozené srdeční vady / Congenital malformations of the circulatory system
Některé stavy vzniklé v perinatálním období / Certain conditions originating in the perinatal
period
Nehody pacientů během léčby a lékařských výkonů / Misadventures to patients during
surgical and medical care
Preventabilní úmrtnost / Preventable mortality:
Zhoubný novotvar průdušnice, průdušek a plic / Malignant neoplasm of trachea, bronchus
and lung
Chronické nemoci jater a cirhóza / Chronic liver diseases, fibrosis and cirrhosis of liver
Kód dle MKN-10 / ICD-10 Code
A00–A09
A15–A19, B90
A36, A35, A80
A37
A40–A41
B05
C18–C21
C44
C50
C53
C54, C55
C62
C81
C91–C95
E00–E07
E10–E14
G40–G41
I05–I09
I10–I13, I15
I60–I69
J00–J09, J20–J99
J10–J11
J12–J18
K25–K27
K35–K38
K40–K46
K80–K81
N00–N07, N17–N19, N25–N27
N40
O00–O99
Q20–Q28
P00–P96
Y60–Y69, Y83–Y84
C33–C34
K70, K73–K74
V02–V04, V09, V12–V14, V20–
Nehody způsobené motorovým vozidlem / Transport accidents
V79, V82–V87, V89
Ischemická choroba srdeční / Ischaemic heart diseases
I20–I25
Příčiny, u kterých registrujeme odlišné věkové vymezení / Causes of death with segmented age groups:
Střevní infekční nemoci / Intestinal infectious diseases (0–14)
Černý kašel / Whooping cough (0–14)
Spalničky / Measles(1–14 )
Zhoubný novotvar děložního těla a dělohy / Malignant neoplasm of corpus uteri and uterus (0–44 )
Diabetes mellitus / Diabetes mellitus (0–49)
Leukémie / Leukaemia (0–44)
Nemoci dýchací soustavy (kromě zánětů plic a chřipky) / Diseases of the respiratory systém (excluding pneumonia and
influenza) (1–14)
Přebráno od / Adapted from: Newey et al. 2004, In Burcin 2009.
9
( 3, :
3 /4
3'
<
3 /4
3'
<
"
!"
%
1
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
!&
%
$
$
( '
3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
2.5
5
/ Age-standardized mortality ratio (posterior mean estimate*)
- 0,89
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
Km
10
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
9
( 3, :
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
/ Getis-Ord General G:
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
Total population standardized mortality
9
, 4 ( 3, :
#
/ Type of Spatial Association
Nesignifikantní / Not sig.
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
Vysoký-Vysoký / High-High
!-+&
!
/
/
.
+0- "
Vysoký-Nízký / High-Low
Nízký-Vysoký / Low-High
Nízký-Nizký / Low-Low
J
+4=
, 4 ( 3, :
5*459'
) : , 9=, +
&( 3<,
6
. 5*459'
7
&( 3<,
6
. 5*459'
7
&( 3<,
+-
*+1+
'
-%
/4-%
0)
/ Moran's I - General:
&
81B7+
'
#
*69,
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@3 85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
' "
!"
%
"
#)
%#"
!"
#
"
2 Economically active population
mortality, 15-64 yrs
"
&#+
*"
!"
)
$
!"
)
- , 3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
5.5
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+
7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
9
, 4 ( 3, :
%
!"
#( !
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
J
+4=
, 4 ( 3, :
6
. 5*459'
7
&( 3<,
+-
*+1+
'
-%
/4-%
0)
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
6
. 5*459'
7
&( 3<,
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
Km
11
9
( 3, :
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
%#"
2.75
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
-+ &
) !
!
!
3
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
!
%"* ) !
!
(
#
!
(
. , 3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
$"!
2.5
5
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+
7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
9
, 4 ( 3, :
$
!
"'
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
J
+4=
, 4 ( 3, :
6
. 5*459'
7
&( 3<,
5*459'
) : , 9=, +
&( 3<,
6
. 5*459'
7
&( 3<,
+-
*+1+
'
-%
/4-%
0)
&
81B7+
'
#
*69,
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
Km
10
9
( 3, :
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
Premature mortality, 0-74 yrs
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
5
( 3, :
3 /4
3'
<
3 /4
3'
<
3 /4
3'
<
'
!
!
( "
!
4 Senior population standardized
mortality, 65+ yrs
/ Legend:
5
, 4 ( 3, :
!
&#+
* !
!
)
$
!
)
-, 3 /4
3'
<
¤
0
+
&
)
!
.
'-
&/
%1)
2%)
+
&'*
+
!
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
5
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+
7/57
!75( '
( /2/9=
Legenda
- (Sig.
7
"0: 2
@
;
(
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 !7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
&/
*
+
+
!
*
+
!
#
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
5
, 4 ( 3, :
%
!
#( / Type of Spatial Association
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
'#
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
!
+
!
+
+
!
'&
0,90 - 0,94
&
$
3
.
()
'*
+
')
'-0 '
*$
,#
'-/&1
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
, +
')
, +')
- 0,89
Km
10
5
( 3, :
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
+
#
()
'*
+
')
'-3
*$
,#
4
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
%#!
2.5
)
'"
+
+
*
', )
5*459'
) : , 9=, +
&( 3<,
6
. 5*459'
7
&( 3<,
6
. 5*459'
7
&( 3<,
')
&'-'
#
)
!
+
0)
!
, %
&
81B7+
'
#
*69,
J
+4=
, 4 ( 3, :
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
(
()
'
()
'"
#
+
(
')
()
'"
+
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
&
%!'
""
$
5 Malignant neoplasms (C00-C97)
%"* ) (
#
(
,+
3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
5
- 0,89
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+
7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
Km
10
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
9
( 3, :
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
$"
2.5
9
, 4 ( 3, :
$
"'
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
J
+4=
, 4 ( 3, :
5*459'
) : , 9=, +
&( 3<,
6
. 5*459'
7
&( 3<,
6
. 5*459'
7
&( 3<,
+-
*+1+
'
-%
/4-%
0)
&
81B7+
'
#
*69,
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
%
* !&
!#
6 Diseases of the circulatory system
(I00-I99)
$!) ( '
"
'
+* 3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
5
- 0,89
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+
7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
Km
10
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
9
( 3, :
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
#!
2.5
9
, 4 ( 3, :
#
!&
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
+-
*+1+
'
-%
/4-%
0)
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
6
. 5*459'
7
&( 3<,
J
+4=
, 4 ( 3, :
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
6
. 5*459'
7
&( 3<,
: K/
( 3, :
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
%
) '
!#
7
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
$!) ( '
"
'
+* 3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
#!
2.5
5
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
9
, 4 ( 3, :
#
!&
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
6
. 5*459'
7
&( 3<,
+-
*+1+
'
-%
/4-%
0)
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
6
. 5*459'
7
&( 3<,
J
+4=
, 4 ( 3, :
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
Km
10
9
( 3, :
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
Diseases of the respiratory system
(J00-J99)
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
&
'"
)
!"$
8 Diseases of the digestive system
(K00-K93)
%"+
* )
#
)
- ,
3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
5
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+
7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
9
, 4 ( 3, :
$
"( / Type of Spatial Association
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
J
+4=
, 4 ( 3, :
6
. 5*459'
7
&( 3<,
+-
*+1+
'
-%
/4-%
0)
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
6
. 5*459'
7
&( 3<,
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
Km
10
9
( 3, :
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
$"
2.5
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
$
* ,&
+
&
)
"
9 External causes of death (S00-T98)
# ( '
&
!
&
- * 3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
5
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
9
, 4 ( 3, :
"
%
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
6
. 5*459'
7
&( 3<,
+-
*+1+
'
-%
/4-%
0)
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
6
. 5*459'
7
&( 3<,
J
+4=
, 4 ( 3, :
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
Km
10
9
( 3, :
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
" 2.5
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
!
$
10
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
%
$
#
#
'&
3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
2.5
5
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+7/57
!75( '
( /2/9=
Legenda
- (Sig.
7
"0: 2
@
;
(
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
9
, 4 ( 3, :
"
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
6
. 5*459'
7
&( 3<,
+-
*+1+
'
-%
/4-%
0)
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
6
. 5*459'
7
&( 3<,
J
+4=
, 4 ( 3, :
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
Km
10
9
( 3, :
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
Avoidable mortality
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
!%
#
11
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
$
#
"
"
'&
3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
2.5
5
- 0,89
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
Km
10
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
9
( 3, :
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
9
, 4 ( 3, :
!
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
6
. 5*459'
7
&( 3<,
+-
*+1+
'
-%
/4-%
0)
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
6
. 5*459'
7
&( 3<,
J
+4=
, 4 ( 3, :
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
: K/
( 3, :
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
Treatable mortality
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
#
$
12
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
!%
$
#
#
'&
3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
2.5
5
0,90 - 0,94
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+7/57
!75( '
( /2/9=
Legenda - Sig.
7
"0: 2
@
( ;
(
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 *
(
72
, -+.
/+-+14$+
.
$(
0'
+13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
"*3
.
/
/%
.
/%
'
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
- 0,89
Km
10
9
( 3, :
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
"
/"'"
, -+.
/+-+17 $
.
$(
0'
8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
Preventable mortality
9
, 4 ( 3, :
"
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
%
/"
%
/
/%
+*
+'
/ Year
!-+&
!
/
/
.
+0- "
+-
*+1+
'
-%
/4-%
0)
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
6
. 5*459'
7
&( 3<,
J
+4=
, 4 ( 3, :
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
6
. 5*459'
7
&( 3<,
: K/
( 3, :
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
'
/
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>
9
( 3, :
3 /4
3'
<
3 /4
3'
<
/ Legend:
9
, 4 ( 3, :
3 /4
3'
<
!
%"* ) !
!
(
#
!
(
- ,
3 /4
3'
<
¤
0
/
*!
-!%
2+1
*3
)5-
6)-/*+.
/%
#
;
( 5+(9+0?
, +
4 69;
( 30;
>
9( ;
,
$"!
9
, 4 ( 3, :
+'
/ Year
6;
,
<967,( 5
!
5>4?
3 1'
;
75681D
656: 2'
F4A
89'
4*'
7*
!
67<3( ;
065
#
;
( 5+( 9+
0/+-
0/$+-
%
/"
%
/
/%
+*
!-+&
!
/
/
.
+0- "
0,90 - 0,94
0,95 - 0,99
0,95 - 0,99
1,00 - 1,04
1,00 - 1,04
1,05 +
1,05 +
!
589+7/57
!75( '
( /2/9=
Legenda
- (Sig.
7
"0: 2
@
;
(
Km
10
4*+
<
89'
9/89/) 1=
5*2/I 4D
5*
. 5*459=
4'
/49+
7;
'
2: 17+
*/( /2/9=
$
/, 76: ;
, 9069
*9, +0) 3, 05;
, 9=( 3
: 0. 50-0*( 5;
3>
+0--, 9, 5;
-964 "/%
.
-!
"*"-
(
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
6
. 5*459'
7
&( 3<,
$
!
"'
+
-
*
.
"
*
"
-
(
5*459'
) : , 9=, +
&( 3<,
&
81B7+
'
#
*69,
Vysoký-Vysoký / High-High 6
. 5*459'
7
&( 3<,
: K/
( 3, :
J
+4=
, 4 ( 3, :
!5>4?3 1'
6;
,
%1'>'9+
2+
;
=65FA
9'4@
'62/1')A
;
'. 154) /65;
'4D
). 4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'9/89/) 1D
). 0+
*459+
1
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
!
5>4?
3 1'
!7589575;
@
8. 2: 1=
8/- 4/,/1'
494A
4'
. 2'
*/4G
67'
;
*G65*5( 4589/
6
!7589575;
@
;
?
.=
154) /65;
?
4=
4'
6HA
3@
3
67589575;
@
3
85: 8+
*89;
A
89'
9/89/) 1D
). 0+*459+
1
6;
,
#
7( ;
0( 3*3<: ;
, 9:
: 0. 50-0*( 5;
(;
;
/, 3, =, 3
6-
7
65*, 7;
<( 30?
(;
065
: 7( ;
0( 3
*65;
0. <0;
>
:;
69+,9
E+
81D
89'
9/89/) 1D
CH'
*
/49+
74A
*'
9'
(?
>+
>+). $
9'
9/89/) '
2,,/) +
/49+
74'
2
*'
9'
('
8+
?
K3 @
7
E'
8567589575;
?
*/,+7+
4) /'
)+
897: 19: 7=
C3 794589/
*2+
6HA
F/4
83 79/
!7'
.'
0,90 - 0,94
!7589575;
?
89'
9/89/1'
#
7( ;
0( 3
#
;
(;
0: ;
0*
- 0,89
<7+( ;
, :
) <95
05
7,906+
0;
, 9( ;
065:
9
( 3, :
'
*/82'
;
?
K3 @
7
4?
;
7. ;
D
65F+
9
>67'
) 5;
?
4A
5
- 0,89
*
(
72
, -+.
/+-+14$+
.
$(
0' +13*5
#
7( ;
0( 3
*3<: ;
, 905. ( 5( 3>: 0:
: K/
E#
'
2+
8
>+
). #+
6: ( 2/)
J
+
4=
E#
+
3'
2+
8
>+
). #+
6: ( 2/)
: K/
2
3
!7'
.'
'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
J
+
4=
2
3
!7'
.'
+
3'
2+
8
'
6/9'
2
/9=
5,
!7'
-: +
2.5
"
/"' "
, -+.
/+-+17 $
.
$(
0' 8
#
7( ;
0( 3
*3<: ;
, 9
+,;
, *;
065
&
!
!
'
$
+(
13 Ischaemic heart diseases (I20-I25)
%4/;
+7>/9'
'
725;
'
;
!7'
>+
!HA
75*5;
G*+)1?
,'
1: 2'
1'
9+
*7'
85) /?
24A
-+
5- 7'
,/+
'
7+-/54?
24A
. 5
75>;
50+
+
497: 3 ;
D
>1: 3 : >*7'
;
A
1;
'
2/9=
K/;
59'
'
K/;
594A
. 5
89=2: +
5"52
,
, -+
, -+&
"
' /
,
#
+-
, -+&
"/
!961, 2;
%
F
!96: ;
696=A
+0: ;
90) <*, D4 9;
56: ;
0
(
1, 1C
: 6*06, 26564 0*2B
5, 96=56: ;
0
=
6) >=( ;
, 3: ;
=<
4 G: ;
E, : 2B
9, 7<) 302>
5( 76FA;
2<
:;
63, ;
C
#
6*06, *6564 0*
05, 8<( 30;
0, : 05
;
/, : 7( ;
0( 3
4 69;
( 30;
>
+0: ;
90) <;
065
6-
( 5
<9) ( 5
767<3( ;
065
05
;
/, ?
, */ ",7<) 30*
(;
;
/, ) , . 0505. 6-
;
/, :;
*, 5;
<9>

Časoprostorová diferenciace struktury úmrtnosti dle příčin

Transkript

Podobné dokumenty

seznam abstraktů - Masarykova univerzita

Avoidable Mortality

objednavka@zahradni

Cukrovka (Diabetes mellitus) 2. typu

ročník 4 – číslo 3/2010

Biopsie číslo: 22 654/10

Příloha 1 Publikace podporované projektem MŠMT 2C06031 za rok

Curriculum Vitae

www.ssoar.info Prostorová analýza českého stranického systému

Untitled - Creative connections

Appendix

PD001