Kayıp veri problemi ve farklı değer atama yaklaşımlarının whodas-2.0 ölçeğinin psikometrik özellikleri üzerindeki etkisinin incelenmesi
Evaluation of the effects of missing data and different imputation approaches in psychometric properties of whodas 2.0
- Tez No: 585046
- Danışmanlar: DOÇ. DR. BEYZA DOĞANAY ERDOĞAN
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Kayıp veri analizi, Kısmi kredi modeli, Test Eşitleme Yaklaşımı, Yanıt Fonksiyonu, WHODAS 2.0, Anchor analysis, missing data analysis, Partial Credit Model, Response Function, WHODAS 2.0
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 119
Özet
Bireylerin aktivite ve toplumsal yaşama katılımlarını değerlendirme amacıyla 1999 yılında DSÖ tarafından ICF'e dayalı Dünya Sağlık Örgütü Engellilik Değerlendirme Çizelgesi 2.0 (WHODAS 2.0) geliştirilmiştir. Kişilere ait engellilik düzeyinin doğru ve güvenilir olarak ölçülmesi önemlidir. Engellilik gibi gizil özellikleri ölçmek için toplanan hasta özbildirim sonuçlarının değerlendirilmesinde Rasch analizi kullanılır. Araştırma çok iyi planlanmış olsa bile uygulama sırasında birçok nedenle çalışmanın başlangıcında toplanması planlanan veriye, çalışma bittiğinde ulaşılamamış olabilir. WHODAS 2.0 uygulama kılavuzunda atlanmasına ve puanlamada hariç tutulmasına izin verilen İş/okul yaşamı faaliyetleri (D5.8 - D5.11) ile ilgili maddelerinde sistematik kayıp veri sıklıkla gözlenmektedir. Kayıp veriler varlığında ölçülmek istenen engellilik düzeyinin doğru ve güvenilir olarak ölçülüp ölçülmediği sorunu ortaya çıkmaktadır. Gerçek veri parametreleri üzerinden benzetim çalışması kullanılarak gerçekleştirilen bu çalışmada, kayıp veri sorunu verinin eksiksiz olduğu durumun standart ölçüt olarak kullanıldığı karşılaştırmalarla incelenmiştir. Benzetim çalışmaları, genel olarak kayıp veriler varlığında Rasch modellerinden bulunan kişi parametre kestirimlerinin doğru kestirimler olduğunu göstermektedir. Ancak kestirimlerin güvenirliği tam veride bulunanlardan bir miktar düşük bulunmaktadır. Maddeleri çalışma dışında tutmak bilinmezliği arttırdığı için model sonuçlarını ve psikometrik ölçümleri olumsuz yönde etkilemektedir. Ankor yöntemi yapısal kayıp veriye rastlanan maddelerle nasıl başa çıkılacağına dair pratik bir yaklaşım sunmaktadır ancak tahminlere ilişkin psikometrik özellikleri bozabilmektedir. Yanıt fonksiyonu ile kayıp veri yerine değer atama yöntemi ile parametrelere ilişkin güvenirlik ölçütleri tam veriden bulunanlara çok benzer bulunmuştur. Tahminlerinin güvenirliği açısından, yanıt fonksiyonu ile atama yapılan veri setleri kayıp veri setlerinden daha yüksek tahmin güvenirliğine sahiptir. Araştırmacılar WHODAS 2.0 ile toplanan verilerde kayıp veri ile karşılaştığında, yanıt fonksiyonunu engellilik seviyesi tahminlerinin kesinliğini arttırmak için kayıp verilerle mevcut veri analizinden daha uygun bir yaklaşım olarak kullanılabilir.
Özet (Çeviri)
In 1999, WHO developed the World Health Organization Disability Assessment Schedule 2.0 (WHODAS 2.0) based on the ICF in order to evaluate participation in activities and social life. It is important to measure the level of disability of individuals accurately and reliably. Rasch analysis is used to evaluate patient reported outcome measures to measure latent traits such as disability. However, even if the research is well planned, the data planned to be collected at the beginning of the study for many reasons during the application may not be reached when the study is completed. Systematic missing data are frequently observed in articles related to work /school life activities (D5.8 - D5.11), which are allowed to be skipped and excluded from the scoring in the WHODAS 2.0 manual guide. The problem arises whether the level of disability to be measured in the presence of missing data is measured accurately and reliably. In this study, which is carried out by using a simulation study based on real data parameters, the problem of missing data has been examined by using comparisons where the data is complete as standard criterion. Simulation studies show that, in general, the person parameter estimations found in Rasch models are accurate predictions in the presence of missing data. However, the reliability of the predictions is slightly lower than that of the full data. Since exclusion of items increases unknown, it negatively affects model results and psychometric measurements. Anchoring analysis provides a practical approach to deal with items with structural missing data, but it may impair psychometric properties of predictions. By value assignment instead of missing data with the response function the reliability of parameters was found to be very similar to those obtained from the full data method. In terms of the reliability of disability estimates, the data sets assigned with the response function have a higher estimate reliability than the missing data sets. When researchers encounter missing data in data collected with WHODAS 2.0, the response function can be used as a more appropriate approach than the current data analysis to improve the accuracy of disability level estimates.
Benzer Tezler
- Kayıp veri analizinde sıklıkla kullanılan etkin yöntemlerin değerlendirilmesi
Evaluation of the commonly used missing value analysis methods
ARZU BAYGÜL
Yüksek Lisans
Türkçe
2007
Biyoistatistikİstanbul ÜniversitesiTıbbi Biyoloji Ana Bilim Dalı
PROF. DR. MUSTAFA ŞENOCAK
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı
A hybrid face recognition approach using local appearance and deep models
MERT ARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Kayıp verili COX regresyon yöntemine bayesci bir yaklaşım
A bayesian approach for COX regression with missing data
NESRİN ALKAN