Çok aşamalı regresyon modellerinin sağlık verilerinde kullanımı

Abstract

Fazilet YILDIRIM 2011. Bir veri seti analiz edilirken verideki değişkenliğin dikkate alınması gerekir. Basit ve çoklu doğrusal regresyon analizinde bağımlı değişkenin aldığı değerin, verinin toplandığı grup, mekan veya zaman gibi daha üst düzey yapılardan bağımsız olduğu varsayılarak veya varsayımı bozan özellik bakımından alt gruplara ayrılarak her grupta ayrı ayrı analiz yapılması en sık rastlanan çözüm yollarıdır. Ancak bu durumda sonuçlar üzerine gruplar arası farklılığın doğrudan etkisinin incelenmesi mümkün değildir. Çok aşamalı analiz yöntemleri farklı grupların özelliklerini, bireysel modele dahil etmeye izin verir. Gruplar arası varyasyon göz ardı edilerek uygulanan geleneksel yöntemlerde, toplam varyasyonun büyük bir kısmı grup-içi varyasyon olarak hesaplanır. Bu durumda bilgi kaybı kaçınılmazdır ve değişkenler arasındaki ilişkilerin bozulmasına yol açabilir. Çok aşamalı analiz yöntemlerinin sağlık alanında uygulandığı çok sayıda örnek mevcuttur.Bu çalışmada çeşitli tipteki aşılar için aşı fire oranlarına mevsimsel etkinin incelenmesi amaçlanmış ve bu amaçla geliştirilen geleneksel doğrusal regresyon modelleri ile kır-kent farklılığı göz önünde bulundurularak oluşturulan çok aşamalı doğrusal modeller karşılaştırmalı olarak incelenmiştir. Konum etkisi göz ardı edilerek yapılan doğrusal regresyon analizi sonuçlarına göre, özellikle eğimin ve regresyon sabitinin kırsal ve kent arasında önemli derecede değiştiği durumlarda yanıltıcı olacağı tespit edilmiştir. Ayrıca doğrusal regresyon modeline konum etkisinin sabit katsayılı olarak alınmasının sonuçlarda ciddi değişikliklere yol açtığı görülmüştür.Anahtar Sözcükler: çok aşamalı regresyon modeli, varyason, sınıf-içi korelasyon katsayısı.

Fazilet YILDIRIM 2011. The data variability must be taken into account while analyzing a data set. In simple and multiple linear regression, assuming that the value of dependent variable is independent of higher level structures such as group, area or time which data collected from or analyzing separately for each group by dividing into sub-groups in terms of the property of disturbing assumption are the most common solution ways. But in this case evaluating the direct effect on the difference in results between groups is not possible. Multi-level analysis methods allow the properties of different groups to include individual model. The traditional methods that ignore variation between groups, a major part of the total variation is calculated within group variation. In this case, loss information is inevitable and it causes deterioration of relations between variables. There are so many examples that applied multi level methods in the field (area) of health.In this study, intending to investigate the seasonal effect of vaccine wastage rates for various types of vaccine and traditional linear regression models which are developed for this purpose and multi-level linear models which are composed by putting in the rural-urban differences are examined in comparison. According to the results that ignore the effect of the linear regression analysis, the analysis are found to be misleading in the case that especially slope and regression constant varies between rural and urban cases significantly. In addition, taking location effect to the model as a constant coefficient causes serious changes in the results.Key words: multilevel regression model, variation, intraclass corelation coefficient.