Eğilim skoru ve sağlık alanında bir uygulama
Propensity score and an application in health
- Tez No: 576409
- Danışmanlar: PROF. DR. İMRAN KURT ÖMÜRLÜ
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Eğilim skoru, en yakın komşu, eşleştirme, lojistik regresyon, meme kanseri, Biyoistatistik, Eğilim, Lojistik regresyon yöntemi, Meme hastalıkları, Sağlık, Ölçekler, İstatistik, İstatistiksel yöntemler, Breast cancer, logistic regression, matching, nearest neighbor, propensity score, Bioistatistics, Tendency, Logistic regression method, Breast diseases, Health, Scales, Statistics, Statistical methods
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Aydın Adnan Menderes Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Eğilim skoru (ES), incelenen değişkenlerdeki sistematik hatanın düzeltilmesi ya da ortadan kaldırılabilmesi amacıyla özellikle gözlemsel çalışmalarda kullanılan bir yöntemdir. Rosenbaum ve Rubin (1983) tarafından geliştirilen yöntem, bireyin ortak değişkenlere göre ilgili gruba atanmasının koşullu olasılığı olarak tanımlanır. Bu çalışmada, ES ile eşleştirme yapılarak meme kanserinden ölüm olayını etkileyen faktörlerin incelenmesi amaçlandı. Çalışmada, 423 meme kanseri hastasına ilişkin veri seti kullanıldı. Sağkalım durumu üzerine yaş, tümör büyüklüğü, radyoterapi, hormon terapisi, aksiller lenf nodu tutulumu değişkenlerinin etkisi incelendi. Veri setinde yaş değişkeni bakımından gruplar arası heterojenlik olduğu için en yakın komşu (EYK) yöntemi kullanılarak 1:1 ve 2:1 eşleştirme yapıldı. Eşleştirme sonrası yaş değişkeninin etkisi ortadan kaldırıldı. 1:1 eşleştirme sonrası tümör büyüklüğü (p=0,009) ve aksiller pozitif lenf nodu tutulumu≥4 (p=0,026) değişkenlerinin sağkalım durumu üzerinde anlamlı etkisinin olduğu belirlendi. 2:1 eşleştirme sonrası tümör büyüklüğü (p=0,004), radyoterapi (p=0,017) ve aksiller pozitif lenf nodu tutulumu≥4 (p=0,001) değişkenlerinin sağkalım durumu üzerinde anlamlı etkisinin olduğu belirlendi. Sonuç olarak, heterojen yapıdaki verilerin doğrudan analiz edilmesi verideki gerçek etkilerin göz ardı edilmesine neden olabileceği için mutlaka ES yöntemi kullanılarak eşleştirme yapılmalıdır. Bu yöntemin en önemli dezavantajı ise eşleştirme nedeniyle veri kaybı olmasıdır. Bu nedenle çok sayıda birimle çalışılması verideki bilgi kaybının önüne geçecektir.
Özet (Çeviri)
The propensity score (PS) is a method used especially in observational studies to correct or eliminate the systematic error in the variables studied. The method developed by Rosenbaum and Rubin (1983) is defined as the conditional probability of assigning the individual to the relevant group according to common variables. The aim of this study was to investigate the factors affecting the death of breast cancer by matching with PS. In this study, 423 breast cancer patients were used. The effects of age, tumor size, radiotherapy, hormone therapy, axillary lymph node involvement on survival were investigated. Since there was heterogeneity among the groups in terms of age variables, 1:1 and 2:1 matching was done by using the nearest neighbor method. The effect of age variable after matching was eliminated. After 1:1 matching, tumor size (p=0.009) and axillary positive lymph node involvement≥4 (p=0.026) were found to have a significant effect on survival. After 2:1 matching, tumor size (p=0.004), radiotherapy (p=0.017) and axillary positive lymph node involvement≥4 (p=0.001) were found to have a significant effect on survival. As a result, since the direct analysis of the heterogeneous structure data may lead to neglecting the actual effects in the data, it must be matched using the PS method. The most important disadvantage of this method is data loss due to matching. Therefore, working with a large number of units will prevent the loss of information in the data.
Benzer Tezler
- Sağlık alanında yapay zekâ kullanımını etkileyen faktörlerin belirlenmesi
Identifying the factors affecting the use of artificial intelligence in healthcare
SEDA KAYA
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSamsun ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYCAN PEKPAZAR
- Kümeleme analizi ile sınıflandırılan İstanbul ilindeki hastanelerin veri zarflama analizi ile verimliliklerinin değerlendirilmesi
Evaluation of the efficiency of hospitals in Istanbul, classified by clustering analysis, by data envelopment analysis
EREN EREK
Yüksek Lisans
Türkçe
2023
İstatistikİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BAŞAR ÖZTAYŞİ
- A radiogenomics-based approach to clinical decision making
Klinik karar vermede radyogenomik tabanlı bir yaklaşım
MERVE KAŞIKCI ÇAVDAR
Doktora
İngilizce
2025
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ERDEM KARABULUT
DOÇ. DR. ERDAL COŞGUN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Yapay zekâya dayalı anlamsal video işleme yöntemlerinin tıpta kullanılabilirliğinin araştırılması
Investigation of usability of artificial intelligence semantic video processing methods in medicine
HASAN UCUZAL
Yüksek Lisans
Türkçe
2020
Biyoistatistikİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMEK GÜLDOĞAN