Sağlık Alanında Yapılan Araştırmalarda Kümeleme Algoritmalarının Kullanımı: Bir Uygulama

Basit Öğe Kaydı
dc.contributor.authorPasin, Özge
dc.contributor.authorAnkaralı, Handan
dc.date.accessioned2020-04-30T14:42:08Z
dc.date.available2020-04-30T14:42:08Z
dc.date.issued2016
dc.departmentDÜ, Tıp Fakültesi, Temel Tıp Bilimleri Bölümüen_US
dc.description.abstractFarklı kümeleme algoritmalarını, algoritmaların nasıl ve hangi durumlarda doğru bir şekilde kullanılabileceğini tanıtmaktır. Aynı zamanda sağlık araştırmalarından elde edilmiş gerçek bir veri seti üzerinde uygulanabilir olan farklı kümeleme algoritmalarının sonuçlarını karşılaştır-- maktır. Gereç ve Yöntemler: Kardiyovasküler rahatsızlığına sebep olabilecek risk faktörleri ince-- lenerek bireyler düşük, orta ve yüksek riskli olarak gruplandırabilmek için farklı kümeleme algoritmaları kullanıldı. Kümeleme algoritması olarak EM (expectation maximization), En uzak ilk, Yoğunluk kümeleme, K--Medoid ve Cascade K--ortalama, K--ortalama yöntemleri kullanılmıştır. Bulgular: Yapılan değerlendirmeler sonucunda kullanılan iki farklı veri seti için hesaplanan uyum katsayıları istatistik olarak anlamlı bulundu ancak bu katsayılar orta derecede bir uyumu gösterdi. Gerçekleştirilen uygulama sonucunda her iki veri seti içinde kappa katsayısı bakımından en uygun ve en hızlı sonuçlar üreten algoritmanın en uzak ilk kümeleme yöntemi olduğu sonucuna varıldı. Framingham risk grupları oluşturulan kümeler arasında çapraz tablolar oluşturularak grupların da-- ğılımı incelendiğinde ise, en isabetli kararların Make Density Based ve EM algoritmalarına ait kü-- melerden elde edildiği görüldü. Sonuç: Sonuç olarak kümeleme yöntemlerinin hastalıklara ait risk faktörlerinin incelenmesi ve klinik bilgiler de dikkate alınarak hastalık gruplarının oluşturul-- masında, doğru hastalık teşhislerinin konulmasında önemli kullanım alanlarına sahip olacağı düşünülmektedir. Ayrıca kümeleme algoritmaları veri dağılımları ve özellikleri dikkate alınarak kullanıldığında sağlık alanında her türlü planlama ve teşhis için kullanılabilir, sonuçta iyi bir araç olacağı düşüncesindeyiz.en_US
dc.description.abstractThe purpose of this study is to introduce different clustering algorithms and show how and which cases should be correctly used. At the same time, different clustering algo- rithms results which can be applied on a real data set were compared.. MMaatteerriiaall aanndd MMeetthhooddssen_US
dc.identifier.endpage52en_US
dc.identifier.issn1300-0292
dc.identifier.issn2146-9040
dc.identifier.issue1en_US
dc.identifier.startpage40en_US
dc.identifier.urihttps://app.trdizin.gov.tr/makale/TWpnME1qVTJOZz09
dc.identifier.urihttps://hdl.handle.net/20.500.12684/2163
dc.identifier.volume36en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.language.isotren_US
dc.relation.ispartofTürkiye Klinikleri Tıp Bilimleri Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectGenel ve Dahili Tıpen_US
dc.titleSağlık Alanında Yapılan Araştırmalarda Kümeleme Algoritmalarının Kullanımı: Bir Uygulamaen_US
dc.title.alternativeUsage of Cluster Algorithms in Health Studies:An Applicationen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
2163.pdf
Boyut:
373.43 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu
Makale Koleksiyonu