Veri Madenciliği Yöntemleri ile Ankilozan Spondilit Hastalığında Radyografik Progresyona Etkili Faktörlerin Analizi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi, Fen Bilimleri Enstitüsü, Enformatik Bölümü, Türkiye
Tezin Onay Tarihi: 2015
Tezin Dili: Türkçe
Öğrenci: Yeşim ATASOY
Asıl Danışman (Eş Danışmanlı Tezler İçin): Çiğdem EROL
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bilgi ve iletişim teknolojilerinde yaşanan gelişmeler, birçok alanda olduğu gibi sağlık alanında da mevcut verilerden yeni bilgi keşfinin kapılarını aralamaktadır. Özellikle veri madenciliği teknikleri, tıbbi verilerin analizinde sağlık çalışanlarına yeni bir ışık tutmaktadır. Bu nedenle son yıllarda sağlık alanında, özellikle hastalıklarla ilgili verilerin analizinde bu teknikler sıklıkla kullanılmaya başlanmıştır. Romatizmal bir hastalık olan ve bireye göre hastalığın seyrinin çeşitlilik gösterdiği Ankilozan spondilit hastalığına ait veri setleri de bu tekniklerin aydınlatmasına ihtiyaç duymaktadır. Bu tez çalışmasında veri madenciliği sınıflandırma algoritmaları kullanılarak, Ankilozan spondilit hastalığına sahip bireylere ait veri seti ile hastalığın radyografik progresyonuna etki eden faktörlerin analiz edilmesi amaçlanmıştır. Çalışmada sınıflandırma karar ağaçları algoritmalarından C4.5, Gini, Regresyon ağaçları ve Random Forest algoritmaları kullanılmıştır. C4.5, Gini, Regresyon ağaçları algoritmaları ile karar ağacı modelleri oluşturulup grafiksel olarak görüntülenmiş, Random Forest algoritması ile tahmin doğruluğu incelemesi yapılmıştır. Yapılan analizler sonucunda en yüksek sınıflandırma ve model doğruluk oranı Gini algoritması sonucu oluşturulan modelde %82 olarak bulunurken, C4.5 algoritmasında 78.7 ve regresyon ağaçlarında %74 olarak bulunmuştur. Ayrıca rasgele orman algoritmasının sınıflandırma başarı tahmini %83.11 olarak bulunmuştur. Cinsiyet, hastalık süresi, servikal tutulum, hastalığın başlangıç yaşı ve IL23rs11209032 (AA veya AG) progresyona etkili faktörler arasında bulunmuştur. Gerçek tıbbi veriler kullanılarak üretilen sonuçlar karar vermede yardımcı model olarak kullanılabilir. Çalışmanın daha ileriye taşınabilmesi için hastalara ait veri girişlerin eksiksiz olarak girilmesi, kayıt sayısının arttırılması gerektiği düşünülmektedir.