Ortak değişkene göre düzeltilmiş yarı parametrik ve parametrik olmayan roc eğrilerinin bayesçi ve klasik yöntemlerle tahminlenmesi ve karşılaştırılması

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, Sağlık Bilimleri Enstitüsü, BİYOİSTATİSTİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: Türkçe

Öğrenci: YUSUF DİLBİLİR

Danışman: Ertuğrul Çolak

Özet:

Başlık: Ortak Değişkene Göre Düzeltilmiş Yarı Parametrik ve Parametrik Olmayan

ROC Eğrilerinin Bayesçi ve Klasik Yöntemlerle Tahminlenmesi ve Karşılaştırılması

Amaç: Tıbbi karar ve tanı testlerinde önemli bir yere sahip olan biyobelirteçlerin

etkililiğinin belirlenmesinde kullanılan ROC analizinde, ortak değişken etkisinin de

değerlendirildiği AROC yöntemlerinin karşılaştırılması tez kapsamına alınmıştır. Bu

çerçevede ortak değişkene göre düzeltmenin yapıldığı yarı parametrik ve parametrik

olmayan klasik yöntemler ile bayesçi yarı parametrik ve parametrik olmayan

yöntemler tez çalışması kapsamında belirlenen yöntemler olup bu yöntemlerin

tahminlenmesi ve performans karşılaştırılmalarının yapılması amaçlanmıştır.

Yöntem: Yöntemlerin değerlendirilmesinde, tekdüze dağılıma sahip ortak değişkenle

ilişkili olan biyobelirteç için farklı dağılım senaryoları oluşturulmuş olup bu

senaryoların her biri için yöntemlerin yakınsaması beklenen kriter AUC değerleri

belirlenmiştir. Modellerin performans karşılaştırmalarında AUC ve MSE dikkate

alınmıştır. Ayrıca yöntemlerin hasta ve sağlıklı gruplar için farklı örneklem

büyüklüklerindeki performanslarının değerlendirilebilmesi için simülasyon

çalışmasında her defasında n1 = n0 = (25, 50, 100, 200, 500) olacak şekilde veriler

türetilmiş olup her bir kombinasyona ait 1000’er döngülü benzetim çalışmaları

tasarlanmıştır.

Bulgular: Benzetim çalışmalarından elde edilen bulgular incelendiğinde normal

dağılıma sahip veri setlerinde başta yarı parametrik yöntemler olmak üzere tüm AROC

yöntemlerinin benzer performansa sahip olduğu görülmüştür. Çarpık dağılım

senaryolarında ise başta Kernel olmak üzere parametrik olmayan yöntemlerin daha

yüksek performansa sahip oldukları görülmüştür.

Sonuç: Sonuç olarak gerçek hayatta biyobelirteç değerlerinin hem hasta hem de

sağlıklı toplumda normal dağılım göstermesi az rastlanılan bir durumdur. Normal

dağılmayan veri setleri için ortak değişkene göre düzeltilmiş AROC modeli olarak

Kernel yönteminin kullanılması önerilmiştir.