Çoklu atama sonrası propensity skor tahmin yöntemlerine yeni yaklaşımlar
New methods for estimating propensity scores following multiple imputation
- Tez No: 910771
- Danışmanlar: DOÇ. DR. İLKER ÜNAL
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 141
Özet
Tedavinin etkinliği tahmininin, bir gözlemsel çalışmada karıştırıcı değişken etkisi nedeniyle yanlı elde edilmesi problemi, Propensity skor (PS) analizi ile çözülebilmektedir. Bu analizde ise karşılaşılan temel sorunlardan biri, kayıp değerli ortak değişkenlerle PS'lerin nasıl elde edileceğidir. Böyle bir durumda kayıp değerlerle başa çıkmak için önerilen çoklu atama (MI) yönteminden hareketle literatürde, tedavi etkisi tahminlerinin (MIte) veya PS'lerin (MIps) ya da PS modelindeki parametre tahminlerinin (MIpar) birleştirilmesine dayanan yöntemler önerilmiştir. Ayrıca bu yöntemlerden MIps yöntemi, r kez tekrarlanarak genişletilmiş MIps yöntemi de önerilmiştir. Bu tez çalışmasında PS ağırlıklandırmasında kayıp verilerle başa çıkmak için kullanılan MI yöntemi ile elde edilen tahminlerin birleştirilmesi için iki yeni yöntem (genişletilmiş MIte ve genişletilmiş MIpar) önerilmiş ve en iyi yöntemin belirlenmesi amaçlanmıştır. Yöntemlerin karşılaştırılmasında farklı simülasyon senaryoları, örnek büyüklüğünün etkisi (n=550 ve 1100), atama sayısı ve r etkisi (m× r=100 olacak şekilde 4 farklı senaryo) ve TOTE ve OTE için değişen tedavi etkisi (sabit tedavi etkisi, heterojen tedavi etkisi, ölçülmemiş karıştırıcı değişken varlığı) gözetilerek oluşturulmuştur. Yöntemlerin performansını karşılaştırmada ölçüt olarak tedavi etkisi tahmini, ortalama mutlak fark ve tedavi etkisi tahmininin bootstrap varyansı kullanılmıştır. Simülasyon çalışması sonuçları incelendiğinde TOTE tahmininde genişletilmiş MIte, OTE tahmininde ise genişletilmiş MIte ve genişletilmiş MIps yönteminin üstün performans sergilediği görülmüştür. Atama modeline etkileşim terimlerinin eklenmesi performans ölçütlerine göre yapılan yorumları etkilese de, farklı örnek büyüklüğü ve atama sayısı senaryolarının sonuçlar üzerinde etkisi gözlenmemiştir. Sonuç olarak kayıp veri varlığında PS ağırlıklandırmasında sabit tedavi etkisi durumunda genişletilmiş MIte yöntemi, heterojen tedavi etkisi durumunda ise atama modeline etkileşim terimlerinin eklendiği genişletilmiş MIte yöntemi önerilmektedir.
Özet (Çeviri)
Propensity score (PS) analysis can address the issue of obtaining biased estimates of treatment effect due to the influence of confounding variables in an observational study. One of the primary challenges encountered in this analysis is the presence of observations with missing covariates. In such a case, several potential solutions based on the Multiple Imputation (MI) technique were proposed in the literature. These methods combine treatment effect estimates (MIte), or PSs (MIps), or parameter estimates in the PS model (MIpar) in order to estimate treatment effect. Furthermore, the augmenting MIps method has been proposed as a r-fold repetition of the MIps method. This thesis proposes two new methods, augmenting MIte and augmenting MIpar, for combining estimates obtained with the MI method in PS weighting. The aim is to determine the most effective method. In the comparison of the methods, different simulation scenarios were considered to account for the effect of sample size (n=550 and 1100), the effect of the number of imputations, and the r (4 different scenarios as m×r=100), and the effect of different treatment effect values for TOTE and OTE (3 different scenarios). The treatment effect estimate, mean absolute difference, and bootstrap variance of the treatment effect estimate were employed as criteria for evaluating the performance of the methods. The results of the simulation study indicated that the augmenting MIte method demonstrated superior performance in TOTE estimation, while the augmenting MIte and augmenting MIps method exhibited superior performance in OTE estimation. The addition of interaction terms to the imputation model affected the interpretations made according to the performance criteria. However, the results weren't affected by the different sample sizes and numbers of imputation scenarios. Consequently, the augmenting MIte method is recommended in the case of a homogeneous treatment effect in PS weighting, while the augmenting MIte method, in which interaction terms are added to the imputation model, is recommended in the case of a heterogeneous treatment effect.
Benzer Tezler
- Exact solution methodologies for the p-center problem under single and multiple allocation strategies
Tekli ve çoklu atama stratejileri altında p-merkez problemi için kesin çözüm yöntemleri
HATİCE ÇALIK
Doktora
İngilizce
2013
Mühendislik Bilimleriİhsan Doğramacı Bilkent ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OYA KARAŞAN
- Makine öğrenmesi kullanılarak pulmoner tromboemboli riski olan hastaların belirlenmesi
Determination of patients with pulmonary thromboembolism risk using machine learning
SENEM KOCA
Tıpta Uzmanlık
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. AFŞİN EMRE KAYIPMAZ
- Eğitim yöneticilerinin profesyonelleşmesi: OECD ülkeleri bağlamında bir karşılaştırma
Professionalization of educational administrators: A comparison in the context of OECD countries
KÜBRA YENEL
Doktora
Türkçe
2022
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. NECATİ CEMALOĞLU
- Developing novel radio resource management techniques for 5G and beyond
5G ve sonrası için özgün radyo kaynak yönetimi tekniklerinin geliştirilmesi
AHMET YAZAR
Doktora
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN ARSLAN
- Çoklu zeka kuramına göre işlenen enzimler konusunun fen bilgisi öğretmen adayları üzerindeki başarısının incelenmesi
The success analysis of enyzme subject on science candidate teachers which has been processed according to multiple intelligence method
ALİ İBRAHİM CAN GÖZÜM
Yüksek Lisans
Türkçe
2011
Eğitim ve ÖğretimKafkas Üniversitesiİlköğretim Ana Bilim Dalı
YRD. DOÇ. DR. SİBEL GÜRBÜZOĞLU YALMANCI