Tekrarlanan Ölçümlü Verilerde Kovaryans Modelleri

Abstract

Amaç: Sağlık alanında tüm hastalardan aynı zaman noktalarında ölçüm yapmak herzaman mümkün değildir. İşlemler her bireyde eşit aralıklarla yapılsa bile farklı zamanlardabaşlayabilir. Bazen de işlemin bir gereksinimi olarak değişik zaman aralıkları ile ölçümler yapılır. Bu tür tekrarlanan ölçümlü verilerin analizinden doğru sonuçlar elde edebilmek içindoğru bir kovaryans modeline ihtiyaç vardır. Tekrarlanan ölçümlü veri analizinde, veriye enuygun varyans kovaryans yapısının belirlenmesi doğru çözüm için esastır. Bu çalışmanın amacı tekrarlanan ölçümlü verilerin analizinde varyans kovaryans modeli hatalı seçildiğinde oluşabilecek farklılıkları saptayarak nihai kararı ne kadar etkilebileceğini test etmektir. Gereç veYöntemler: Çalışmada varyans kovaryans yapısına uygun veriler SAS paket programı kodlamasistemi içerisinde simülasyon ile türetilerek gerçek varyans kovaryans yapısı bilinen bu verisetleri farklı varyans kovaryans yapıları ile analiz edilerek, hatalı varyans kovaryans yapısıseçiminin analiz üzerine etkisi incelendi. Bulgular: Çalışmada tekrarlanan ölçümlü verilerinanalizi için en uygun varyans kovaryans yapısı, BIC değeri minimum olan olan Yapılanmamış(UN) varyans kovaryans modeli olarak belirlendi. Veri Yapılanmamış (UN) varyans kovaryansmodeli ile analiz edildiğinde ilaç etkisi önemli olarak bulundu. GLM ile analiz edildiğinde ilaçetkisi önemsiz olarak bulundu. Sonuç: Eksik verili tekrarlanan ölçümlerin analizinde GLMçözüm tekniğinin kullanılması kararların hatalı olmasına sebebiyet verebilir. Bu sebeple eksikverili tekrarlanan ölçümlerde MIXED çözüm tekniği kullanılması önerilmektedir. Aksi haldegerçekçi olmayan kararların verilmesi söz konusudur.

Objective: It is not always possible to make measurements at the same time pointsfrom all patients in the field of health. Transactions may begin at different times, even if theyare performed at equal intervals in each individual. Occasionally, measurements are made atdifferent time intervals as a requirement of the process. In order to obtain accurate results fromthe analysis of such repeated measurement data, an accurate model of covariance is needed.In repeated data analysis, determining the most appropriate variance covariance structure fordata is essential for the correct solution. The aim of this study is to test the effects of repeatedmeasurement data and determine the differences that may occur when the variance covariance model is selected incorrectly and to test the final decision. Material and Methods: In thisstudy, the data on the variance covariance structure and SAS package program coding systemwere analyzed by using different variance covariance structures and the effect on the analysisof the selection of incorrect variance covariance structure was investigated. Findings: In thestudy, the most appropriate variance covariance structure for the analysis of repeated measured data was determined as Unstructured (UN) variance covariance model with minimum BICvalue. When the data were analyzed by Univariate (UN) varicence covariance model, the drugeffect was found to be significant. When analyzed by GLM, the drug effect was insignificant.Conclusion: The use of the GLM solution technique in the analysis of incomplete data mayresult in erroneous decisions. For this reason, it is recommended to use MIXED solution technique for repeated measurements. Otherwise, unrealistic decisions are made.