Geri Dön

Kayıp verili COX regresyon yöntemine bayesci bir yaklaşım

A bayesian approach for COX regression with missing data

  1. Tez No: 324538
  2. Yazar: NESRİN ALKAN
  3. Danışmanlar: DOÇ. DR. YÜKSEL TERZİ
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Sağkalım analizi, Cox regresyon analizi, Bayesci yaklaşım, Kayıp değer, Survival analysis, Cox regression analysis, Bayesian approach, missing value
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 115

Özet

ÖZBu çalışmada pek çok araştırmada karşılaşılan kayıp değer probleminin Cox regresyonda çözümüne yönelik yöntemler incelendi. En çok kullanılan kayıp veri analiz yöntemlerinden en iyi olanı belirlemek amacıyla farklı kayıp oranlı ve farklı örnek genişlikli veri setlerindeki performansları Cox regresyon analizi uygulanarak incelendi. Bu amaçla 50, 100, 200 birimlik sağkalım verisi kullanılarak her bir veri setinde kayıp oranları %5, %10, %20 ve %40 olacak şekilde oluşturulan veri setlerine Cox regresyon analizi uygulandı.Kayıp değerli veri setinde Bayesci Cox regresyon ve Cox regresyon yöntemleri incelendi ve performansları farklı durumlar için karşılaştırıldı. Öncelikle bu iki yöntem gözlemlerinde kayıp değer olmayan (tam) veri setindeki performansını değerlendirmek için Ondokuz Mayıs Üniversitesi Tıp Fakültesi'nden alınan akciğer kanserli hastaların verisine ayrı ayrı uygulandı ve hastaların sağkalım süresini etkileyen risk faktörlerine ilişkin sonuçlar incelendi.Bayesci ve klasik Cox regresyon analizinin kayıp değerli veri setindeki performansını değerlendirmek amacıyla, akciğer kanserli hastaların verisi %20 kayıp değerli olacak şekilde MAR (Tesadüfi kayıp (Missing at random)) varsayımına uygun olarak silindi ve kayıp değerli veri seti elde edildi. Bu kayıp veri setine eksiksiz veri analizi (CCA) uygulanarak kayıp değerler giderildi ve daha sonra Bayesci ve klasik Cox regresyon analizlerinin performansları değerlendirildi.Son olarak kayıp değerli verilerin giderilmesinde üstün bir performans gösteren çoklu değer atama yöntemi ile kayıp değer problemi giderilerek, elde edilen verilere Bayesci ve klasik Cox regresyon analizi uygulandı.Bu çalışmada Bayesci Cox regresyon analizinin iki farklı önsel dağılım kullanılarak performansı değerlendirildi. Bu önsel dağılımlar bilgilendirici ve bilgilendirici olmayan önsel dağılımdır. Bilgilendirici önseller daha önce yapılmış benzer çalışmalardan elde edildi.

Özet (Çeviri)

ABSTRACTThis study examined the methods that resolves missing value problem encountered in many research data sets. The most commonly used missing data analysis methods examined for different missing rates and different sample size with Cox regression analysis. For this purpose 50, 100, 200 survival data were used and data sets with 5%, 10%, 20% and 40% missing rates for each data set was obtained and Cox regression analysis was used for the data sets.Bayesian Cox regression analysis and classical Cox regression methods examined in data set with missing value and their performance was compared for different situations. The both methods was applied to patients with lung cancer data set without missing value which were obtained from Ondokuz Mayıs University, Medical Faculty.Performance of Bayesian and classic Cox regression analysis in order to evaluate in the data sets with missing value 20% of patients with lung cancer to be deleted in accordance with the assumption of MAR (Missing at random) and so that data set with missing value was obtained. Missing data problem is resolved with complete case analysis in lung canser data with missing value. Performances of Bayesian and classic Cox regression analysis were evaluated.Finally missing data problem in lung cancer data with missing value is resolved with multiple imputation which shows a high performance and then Bayesian and classic Cox regression analysis of the data obtained was performed separately.Informative and noninformative priors were used separately in Bayesian Cox regression for survival data with missing value. Informative priors were obtained from a similar previous study.

Benzer Tezler

  1. Cox regresyon modelinde kayıp veri problemi için çözüm önerileri

    The solution proposals for missing data problems in Cox regression model

    ÖZDEN İŞÇİMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İstatistikSinop Üniversitesi

    Matematik Ana Bilim Dalı

    DOÇ. DR. NESRİN ALKAN

  2. Organik rankine sistemi ve türbininin tasarımı

    Organic rankine system and turbine design

    NURİYE ANIL GÜRLEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Enerjiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. FIRAT OĞUZ EDİS

  3. Yumurtacı damızlıklarda kısmi yumurta verim kayıtlarına ait parametre tahminleri

    Parameter estimations of partial egg production records in layers

    YAKUT ÜNVER

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    ZiraatEge Üniversitesi

    Zootekni Ana Bilim Dalı

    DOÇ. DR. İSMAİL OĞUZ

    DOÇ. DR. YAVUZ AKBAŞ

  4. Ratlarda nöropatik ağrı modelinde siklooksijenaz selektivitelerine göre non-steroidal anti-inflamatvuar ilaçların (NSAİİ) etkinliğinin değerlendirilmesi (Deneysel çalışma)

    Evaluation of the effectiveness of nsaids according to cyclo-oxgenase selectivity in rats in neuropatic pain model

    BÜLENT HANEDAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    Anestezi ve ReanimasyonNecmettin Erbakan Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    PROF. DR. SEMA TUNCER UZUN

  5. Bayesian model pooling for the analysis of generalized linear models with missing-not-at-random covariates

    Rastgele olmayan kayıp verili değişkenler içeren genelleştirilmiş doğrusal modellerin analizi için Bayesiyen model havuzu

    SEZGİN ÇİFTÇİ

    Doktora

    İngilizce

    İngilizce

    2020

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ZEYNEP IŞIL KALAYLIOĞLU AKYILDIZ