Geri Dön

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

  1. Tez No: 585046
  2. Yazar: DUYGU SIDDIKOĞLU
  3. Danışmanlar: DOÇ. DR. BEYZA DOĞANAY ERDOĞAN
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. 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
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Kayıp veri analizinde sıklıkla kullanılan etkin yöntemlerin değerlendirilmesi

    Evaluation of the commonly used missing value analysis methods

    ARZU BAYGÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Biyoistatistikİstanbul Üniversitesi

    Tıbbi Biyoloji Ana Bilim Dalı

    PROF. DR. MUSTAFA ŞENOCAK

  2. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  3. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  4. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  5. Kayıp verili COX regresyon yöntemine bayesci bir yaklaşım

    A bayesian approach for COX regression with missing data

    NESRİN ALKAN

    Doktora

    Türkçe

    Türkçe

    2012

    İstatistikOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. YÜKSEL TERZİ