Geri Dön

Zamana bağlı roc analizi ve sağlık alanında uygulamaları

Time-dependent roc analysis and applications in the field of medicine

  1. Tez No: 484955
  2. Yazar: CEREN EFE
  3. Danışmanlar: YRD. DOÇ. DR. İLKER ÜNAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 98

Özet

ROC analizi, hastalık tanısında kullanılan niceliksel tanı testlerinin veya biyolojik belirteçlerin sınıflama başarısını ölçmeye yarayan popüler bir yöntemdir. Ancak sağkalım verilerinde veya boylamsal verilerde olduğu gibi, ilgilenilen olay ile ölçüm yapılan belirteç arasında bir zamana bağlılık söz konusu ise, klasik ROC analizi belirtecin gerçek performansını tahmin edemeyebilir. Bu nedenle, sonuçları zamana bağlı olarak değişkenlik gösteren bir biyolojik belirtecin tanı performansını değerlendirirken zaman kavramını da hesaba katarak işlem yapan Zamana Bağlı ROC Analizi yöntemi geliştirilmiştir. Bu tez çalışmasında, ROC analizinin zamana bağlı durumlara uyarlanmış bu versiyonu incelenmiş ve çeşitli alanlardan elde edilmiş veriler üzerinde uygulamaları yapılmıştır. Zamana bağlı ROC analizi yöntemlerinden Kaplan-Meier (KM) kestiriminin klasik ROC analizi ile karşılaştırması yapılmış, kullanılan tüm veri setlerinde zamanı göz önünde bulundurmanın klasik ROC'a göre daha başarılı olduğu saptanmıştır. Ayrıca KM yaklaşımı kullanılarak elde edilen, tüm zaman noktalarında yapılan ölçüm değerlerine ait ROC eğrileri altında kalan alanlar (EAKA) kendi aralarında karşılaştırılmıştır. Genel olarak, olayın gerçekleşmesine yaklaşıldıkça belirtecin performansının arttığı; özellikle 1 yıl veya 6 ay kala yapılan ölçümlerin daha eski ölçümlere göre daha belirleyici olduğu tespit edilmiştir. KM kestirimine alternatif olarak önerilmiş bir yaklaşım olan En Yakın Komşu kestirimi (Nearest Neighbor Estimator - NNE) ile yapılan uygulamalar sonucunda her iki yöntem karşılaştırılmıştır. Tüm veri setlerinde KM ve NNE yaklaşımları benzer sonuçlar vermiştir. KM için elde edilen ROC eğrilerinin EAKA değerleri genellikle NNE'den daha yüksek olsa da, sansürlü verilerde belirtecin değerlendirilmesinde NNE yaklaşımına başvurulmasının daha uygun olabileceği düşünülmektedir. Bu tez çalışması ile, olay ve/veya belirteç üzerinde zamanın etkisinin bulunduğu durumlarda belirtecin daha doğru değerlendirilmesi adına klasik ROC analizi yerine zamana bağlı ROC analizi yöntemlerinin tercih edilmesinin daha doğru olacağı sonucuna varılmıştır.

Özet (Çeviri)

ROC analysis is a commonly used method for evaluating the accuracy of a continuous diagnostic test or a biomarker. However, when there is a time-dependency between the biomarker and the event of interest (death, disease, relapse etc.), using classical ROC analysis may not be able to estimate the true performance of the biomarker. For such cases, time-dependent ROC, an extended version of the standard ROC analysis, is developed. In this thesis, this modified ROC analysis adapted to the time dependent situations is investigated and applications are performed using datasets derived from several medical fields. A comparison between classical ROC analysis and Kaplan-Meier (KM) estimator, which is a time-dependent ROC analysis method has been made on all datasets used in this study. From this comparison, it is concluded that time-dependent ROC method is superior to the standard ROC analysis. In addition, performance of biomarkers measured at each time-point are compared. In general, the closer to the event time, the higher performance is observed. Especially, biomarkers measured at last 12 or 6 months before the event are determined to be better at classification than the earlier measurements. Nearest Neighbor Estimator (NNE), an alternative to KM estimator, is also applied on all datasets. Then, the findings obtained from these two approaches are compared. In all datasets, KM and NNE applications yielded very similar results. Although the KM-AUC values are mostly higher than the NNE-AUC values, it is more appropriate to use NNE method to evaluate the performance of a biomarker when time dependency exists in a censored data. According to the results obtained from this study, when there is a time dependency between the biomarker and the event of interest, to measure a diagnostic performance of the biomarker accurately, the time-dependent ROC analysis is recommended instead of the classical ROC analysis.

Benzer Tezler

  1. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Azalmış ses toleransı bozukluklarının ayırt edilmesinde kullanılacak ölçek geliştirilmesi

    Developing a scale to be used in differentiation of decreased sound tolerance disorders

    SERPİL ALLUŞOĞLU

    Doktora

    Türkçe

    Türkçe

    2020

    Kulak Burun ve BoğazHacettepe Üniversitesi

    Odyoloji Ana Bilim Dalı

    PROF. DR. SONGÜL AKSOY

  4. Fabry hastalığında oksidatif stres, inflamasyon ve hücresel adhezyonun klinik paremetreler ile ilişkisinin araştırılması

    Investigation of the relationship between oxidative stress, inflammation and cellular adhesion with clinical parameters in Fabry disease

    BERNA KUŞ

    Doktora

    Türkçe

    Türkçe

    2024

    BiyokimyaHatay Mustafa Kemal Üniversitesi

    Moleküler Biyokimya ve Genetik Ana Bilim Dalı

    PROF. DR. ABDULLAH ARPACI

    DOÇ. DR. MENDERES YUSUF TERZİ

  5. Malign plevral sıvıların ayırıcı tanısında serum LDH/plevral sıvı ada – kanser oranının tanısal değeri

    Diagnostic value of serum LDH / pleural liquid ada - cancer ratio in differential diagnosis of malignant pleural effusi̇ons

    ALİ KORKMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Göğüs HastalıklarıSağlık Bilimleri Üniversitesi

    Göğüs Hastalıkları Ana Bilim Dalı

    DOÇ. DR. CEYDA ANAR