Skip to main content

Free Content Spatial and temporal clusters of Barmah Forest virus disease in Queensland, Australia

Download Article:

You have access to the full text article on a website external to Ingenta Connect.

Please click here to view this article on Wiley Online Library.

You may be required to register and activate access on Wiley Online Library before you can obtain the full text. If you have any queries please visit Wiley Online Library

Summary Objective  To identify the spatial and temporal clusters of Barmah Forest virus (BFV) disease in Queensland in Australia, using geographical information systems and spatial scan statistic (SaTScan). Methods  We obtained BFV disease cases, population and statistical local areas (SLAs) boundary data from Queensland Health and Australian Bureau of Statistics, respectively, during 1992–2008 for Queensland. A retrospective Poisson-based analysis using SaTScan software and method was conducted to identify both purely spatial and space-time BFV disease high-rate clusters. A spatial cluster size of a proportion of the population and a 200 km radius and varying time windows from 1 to 12 months were chosen (for the space-time analysis). Results  The spatial scan statistic detected a most likely significant purely spatial cluster (including 23 SLAs) and a most likely significant space-time cluster (including 24 SLAs) in approximately the same location. Significant secondary clusters were also identified from both the analyses in several locations. Conclusions  This study provides evidence of the existence of statistically significant BFV disease clusters in Queensland, Australia. The study also demonstrated the relevance and applicability of SaTScan in analysing ongoing surveillance data to identify clusters to facilitate the development of effective BFV disease prevention and control strategies in Queensland, Australia.


Identifier les regroupements spatiaux et temporels de la maladie du virus de la forêt Barmah (BFV) dans le Queensland en Australie, en utilisant des systèmes d’information géographique (SIG) et l’analyse statistique spatiale (SaTScan). Méthodes: 

Nous avons obtenu les données sur les cas de la maladie BFV et sur la population et les zones statistiques locales limitrophes (SLAs) du Queensland, à partir du Queensland Health et du Bureau Australien des Statistiques, respectivement, au cours de 1992–2008. Une analyse rétrospective de Poisson utilisant le logiciel et la méthode SaTScan a été appliquée afin d’identifier à la fois les regroupements de la maladie BFV à taux élevé purement spatiaux et spatio-temporels. Des tailles de regroupements spatiaux d’une partie de la population dans un rayon de 200 km et des périodes de temps variant de 1 mois à 12 mois ont été choisies pour l’analyse spatio-temporelle. Résultats: 

L’analyse statistique spatiale a détecté un regroupement purement spatial le plus significativement probable (dans 23 SLA) et un regroupement spatio-temporel le plus significativement probable (dans 24 SLA) approximativement dans le même endroit. Des regroupements secondaires importants ont également été identifiés dans les deux analyses dans plusieurs endroits. Conclusions: 

Cette étude fournit des preuves sur l’existence de regroupements statistiquement significatifs de la maladie BFV dans le Queensland, en Australie. L’étude a également démontré la pertinence et l’applicabilité du SaTScan dans l’analyse des données de surveillance en cours pour identifier les regroupements afin de faciliter le développement de stratégies de prévention et de contrôle efficaces de la maladie BFV dans le Queensland, en Australie.
No References
No Citations
No Supplementary Data
No Article Media
No Metrics

Keywords: Barmah Forest virus; SaTScan; analyse spatiale statistique; clusters; conglomerados; regroupements; spatial scan statistic; virus de Barmah Forest; virus de la forêt Barmah

Document Type: Research Article

Affiliations: 1:  School of Public Health, Institute of Health and Biomedical Innovation, Queensland University of Technology, Brisbane, Queensland, Australia 2:  School of Population Health, The University of Queensland, School of Public Health, Institute of Health and Biomedical Innovation, Brisbane, Queensland, Australia 3:  Mathematical Sciences, Queensland University of Technology, Brisbane, Queensland, Australia

Publication date: 01 July 2011

  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more