BİYOKİMYA VE HEMOGRAM LABORATUVAR TEST SONUÇLARININ LOJİSTİK REGRESYON YÖNTEMİYLE ANALİZİ

1. BİYOKİMYA VE HEMOGRAM LABORATUVAR TEST SONUÇLARININ LOJİSTİK REGRESYON YÖNTEMİYLE ANALİZİ

2. Kalp-Damar Sistemi Hastalıkları Hakkında Bilgi • Veritabanında Bilgi Keşfi Süreci • Veri Madenciliği • Lojistik Regresyon Analizi • Geliştirilen Uygulama • Sonuç ve Öneriler

3. Kalp Damar Sistemi Hastalıkları • Kalp-damar sistemi hastalıkları tüm toplumlarda önemli bir toplumsal sağlık sorunudur. Bu hastalıklar hem çok sık görülür, hem de çok sayıda insanın ölümünden sorumludur. Örneğin ülkemizdeki bütün ölümlerin %40 kadarı kalp hastalıkları nedeniyle olmaktadır. • Kalbi besleyen damarlara koroner damar adı verilir. Kalp-damar hastalıkları konusunda en sık olan ve en çok ölüme yol açan tür koroner kalp hastalığıdır.

4. Koroner Kalp Hastalığı • Türk Kardiyoloji Derneği’nin 2002’de yayınladığı Koroner Kalp Hastalığı Korunma ve Tedavi Klavuzu’ nda belirtilen ve araştırmamızda kullanılan koroner kalp hastalığı risk faktörleri şunlardır: • Erkeklerde 45 ve daha üzeri, kadınlarda 55 ve daha üzeri yaşında olma, • Serum LDL kolesterol değerinin ≥130 mg/ dl olması, • Total kolesterolün >200 mg/ dl olması, • Serum trigliserid düzeyinin ≥150 mg/ dl olması, • Serum HDL kolesterol düzeyinin <40 mg/ dl olması.

5. Veritabanında Bilgi Keşfi Süreci • Günümüzde yapılan işlemler sonucunda saklanan veriler her an inanılmaz boyutlarda artmaktadır. • Veri tabanı sistemlerinin artan kullanımı ve hacimlerindeki bu olağanüstü artış, Veri Tabanlarında Bilgi Keşfi adı altında, sürekli ve yeni arayışlara neden olmaktadır. • Özellikle tıp alanındaki verinin büyüklüğü ve hayati önem taşıması bu alandaki uygulamaları daha da önemli kılmaktadır.

6. Bilgi Keşif Süreci Adımları • Veri Temizleme, • Veri Bütünleştirme, • Veri Seçme, • Veri Dönüşümü, • Veri Madenciliği, • Örüntü Değerlendirme, • Bilgi Sunumu

7. Veri Madenciliği Bir veya daha fazla makine öğrenme tekniği ile büyük miktarlardaki verilerden anlamlı bilgi çıkartılması ve verilerin analiz edilmesi işlemidir.

8. Lojistik Regresyon İle Veri Analizi • Lojistik Regresyon Modeli • Değişkenler • Odds Oranı • Modelin Uyum İyiliği Testi

9. LRA – Lojistik Regresyon Modeli • Lojistik model, ortaya çıkacak riski 0 ile 1 arasında herhangi bir değer olarak tahmin etmeyi amaçlar. • Lojistik fonksiyonun 0 ile 1 arasında bir değişim aralığına sahip olması tercih edilmesindeki en önemli nedendir.

10. LRA – Lojistik Regresyon Modeli • Lojistik regresyon analizinin kullanım amacı, en az değişkeni kullanarak en iyi uyuma sahip olacak şekilde bağımlı ve bağımsız değişkenler arasındaki ilişkiyi tanımlayabilen ve biyolojik olarak kabul edilebilir bir model kurmaktır. • Lojistik regresyon denklemlerinde bağımsız değişkenlerin tümünün bağımlı değişkeni açıklamak için etkili olması her zaman mümkün olmamaktadır.

11. LRA - Değişkenler • Değişkenler birlikteliği ya da nedenselliği göstermek amacıyla kullanıldığında, bağımsız değişken ve bağımlı değişken olarak adlandırılır. • Bağımsız Değişken Sigara --> Hastalık • Bağımlı(Sonuç) Değişken • Kategorik Değişken • Sürekli Değişken

12. LRA – Odds Oranı • İncelenen bir olayın(hastalığın) olasılığının kendi dışında kalan diğer olayların olasılığına oranına Odds Değeri denir. Lojistik regresyon analizi, odds değerini temel alır. Odds Değeri = p / (1-p) • Örneğin, p=0,25 ise Odds=0,25/(1-0,25) = 1/3 ‘tür.

13. LRA – Odds Oranı • Bağımsız değişkenin iki sonuçlu olduğu yani x’ in 0 ya da 1 şeklinde kodlandığı durumda x=1 iken sonucun bireyler arasında olma olasılığı, π(1)/[1 - π(1)], x=0 iken sonucun bireyler arasında olma olasılığı da π(0)/ [1 - π(0)]’ dır. • Odds oranı(OR), x=1’in odds değerinin x=0 odds değerine oranıdır ve eB1 ‘e eşittir.

14. LRA – Odds Oranı • Odds oranı, özellikle epidemiyolojide geniş kullanım alanları bulan bir bağlantı ölçümüdür. • Örneğin; • y, karaciğer kanseri olma durumunu, • x, alkol kullanma durumunu gösterdiğinde OR=3, herhangi bir popülasyonda alkol kullananlar arasında karaciğer kanseri olma olasılığının, alkol kullanmayanlar arasında olma olasılığının 3 katı olduğunu ifade eder.

15. LRA – Modelin Uyum İyiliği Testi Uyum iyiliği, kurulan modelin yanıt değişkenini ne kadar iyi açıklayabildiğinin ifadesidir ve uydurulmuş y değerleri ile gerçek y değerleri arasındaki farkla ilgilidir. • π(x) değerinin ≥ 0,5 olması durumunda π(x)=1, • π(x) < 0,5 olması durumunda ise π(x)=0 biçiminde sınıflanır.

16. Uygulama Bu çalışmada biyokimya ve hemogram laboratuvar test sonuçları analiz edilerek oluşturulan lojistik regresyon modeli ile hastalığın olma durumu incelenmektedir. Sistem Mimarisi Yeni Veri Analizi Geliştirilen Uygulama Modele Ait Web Uygulaması Hastane Verileri Veritabanı Sunucusu C# Oluşturulan Model JSP Web Formu

17. Uygulama Sistem Bileşenleri

18. Uygulama – Veri Seti • Geriye dönük ve olgu-kontrol araştırması şeklinde gerçekleştirilen bu çalışmanın verileri, 01.05.2011-28.11.2011 tarihleri arasında Kardiyoloji ve diğer servislerden elde edilmiştir. • Olguların %50,30’u kadın, %49,70’i erkek iken ortalama yaş oranı 63,032±13,7 ve olgu sayısı 169’dur. Hasta Verileri KKH (101) Kontrol (68)

19. Uygulama • Geliştirilen yazılım ile yapılan analize ait işlem basamakları şunlardır: Ham Veri Seti Hastalık Nedenleri Model Oluşturma Belirleyici Faktörler Kategorik ve Referans Değerler Yeni Veri Analizi

20. Uygulama – Veri Seti İşlemleri Ham Veri Seti

21. Uygulama – Veri Seti İşlemleri Belirleyici Faktörler

22. Uygulama – Veri Seti İşlemleri Kategorik Değerler

23. Uygulama – Veri Seti İşlemleri Referans Değerler

24. Uygulama – Veri Seti İşlemleri Hastalık Nedenleri

25. Uygulama – Veri Seti İşlemleri Model Oluşturma

26. Uygulama – Model Oluşturma İşlemleri Oluşturulacak olan model için her bir test değişkenini modele dahil etmek, modelin önemliliğini yitirmesine neden olacaktır. Bu nedenle bağımlı değişken ile aralarında anlamlılık durumu bulunmayan test değişkenleri modele dahil edilmemelidir. KOLESTEROL, TRIGLISERID, LDLKOLESTROL, HDLKOLESTROL ve YAS değişkenleri bağımlı değişken için anlamlı bulunmuş, diğer değişkenler bağımlı değişken için anlamlı bulunmamıştır. Değişkenlerin Anlamlılığı Testi

27. Uygulama – Model Oluşturma İşlemleri Değişkenlerin anlamlılığı testi sonucu bağımlı değişken için anlamlı bulunan her bir değişken ile bağımlı değişken değişkenlerin önemliliğitesti ile test edilerek oluşturulacak modele dahil edilmesi muhtemel olan değişkenlerin tespiti yapılmıştır. Değişkenlerin Önemliliği Testi

28. Uygulama – Model Oluşturma İşlemleri Lojistik Regresyon Analizi

29. Uygulama – Model Oluşturma İşlemleri Oluşturulan lojistik regresyon modelindeki bağımsız test değişkenleri ile bağımlı değişken için olasılık analizi yapılarak veri setindeki koroner kalp hastası olma durumu değerleri ile analiz sonucu elde edilen değerler karşılaştırılmış ve “Doğru Sınıflandırma Oranı” hesaplanmıştır. Doğru Sınıflandırma Oranı

30. Uygulama – Model Oluşturma İşlemleri Başarı Oranı

31. Uygulama – Yeni Veri Analizi Yeni Verilerin Analizi

32. Sonuçlar ve Öneriler • Analizi sonucunda görülmektedir ki, • Erkeklerde 45, kadınlarda 55 yaş ve üstü olma, • HDL kolestrol değerinin 40 mg/ dl'den küçük olması, • LDL kolestrol değerinin 129 mg/ dl'den büyük olması, • Kolesterol değerinin 200 mg/ dl‘ den büyük olması • TRIGLISERID değerinin 149 mg/ dl‘ den büyük olması Koroner kalp hastalığı için birer risk faktörüdür ve hastalığın tahmin edilmesinde bu parametreler kullanılabilir.

33. Sonuçlar ve Öneriler • Koroner kalp hastalığı verileri kardiyoloji bölümündeki doktorlar tarafından koroner kalp hastalığı tanısı ile işleme alınmış verilerden oluşmakta, kontrol grubu hastalarına ait veriler ise kardiyoloji bölümü haricindeki diğer bölümlerdeki hasta verilerinden oluşmaktadır. • Olgu sayısı… • Literatür taramalarında görülmüştür ki, • Sigara kullanımı, • Şeker hastalığı, • Aile öyküsü, • Hipertansiyon ve obezite değerlerinin veri setinde belirleyici faktör olarak bulunması analizdeki başarıyı arttıracaktır.

34. Sonuçlar ve Öneriler • Tıbbi araştırmaların birincil amacı hastalıkların nedenlerini, gelişimini ve etkilerini anlamak ve koruyucu, tanı koyucu ve tedavi edici girişimleri geliştirmektir. • Elde edilen modelin doğruluğu, analiz edilen verilerin tutarlılığı ve olgu sayısı gibi etkenlere bağlıdır. • Bu çalışma ile herhangi bir hastalığın nedenlerine dair istatistiksel analiz yapılabilmekte ve analizin başarı oranları ile model ortaya konmaktadır.

35. Teşekkürler …