Tekrarlanan ölçümlü denemelerde kovaryans yapılarının karşılaştırılması

Abstract

Bu çalışmanın amacı tekrarlanan ölçümlü verilerin analizinde variyans kovariyans yapısı hatalı seçildiğinde oluşabilecek farklılıkları saptamak, analiz sonuçları ve nihai kararları ne kadar etkilediğini test etmektir. Variyans kovariyans yapısına uygun veriler simülasyon ile türetilerek gerçek variyans kovariyans yapısı bilinen bu veri setleri farklı variyans kovariyans yapıları ile analiz edilerek, hatalı variyans kovariyans yapısı seçiminin analiz üzerine etkisi irdelendi.Tekrarlanan ölçümlü denemelerde veriler aynı denekten elde edildiği için gözlemler birbirleriyle ilişkilidir. Ayrıca, tekrarlanan ölçümlerde aynı denekten ardışık ve yakın zaman noktalarından elde edilen gözlemler, uzak zaman noktalarından elde edilenlere göre daha fazla ilişkilidir. İlişkinin kaçıncı zaman noktasından sonra yok olmaya başladığı önemlidir. Bu durumda zaman serisi modelleri devreye girmektedir. Sağlık alanında tekrarlanan ölçümlü veriler çok sık rastlanan veri tipidir. Tüm bireylerde aynı zaman noktalarında ölçüm yapmak her zaman mümkün olmamaktadır. İşlemler her bireyde eşit aralıklarla sürdürülse dahi farklı zamanlarda başlayabilir. Bazen de işlemin bir gereksinimi olarak değişik zaman aralıkları ile ölçümlerin yapılması uygun olabilmektedir. Dolayısıyla eksik tekrarlanan ölçümlü veri yapısı ortaya çıkmaktadır. Eksik veri yapısı söz konusu olduğunda GLM analiz yöntemi ile doğru çözüm elde etmek mümkün değildir. Bu durumda MIXED analiz yöntemi kullanılması uygun olmaktadır. Bu çalışmada farklı analiz yöntemlerinin hangi veri yapılarına daha uygun olduğu hususu da ayriyeten detaylı olarak incelendi.Veri simülasyonlarında herhangi bir programlama dili kullanılarak veri türetme yerine, veri türetmeyi müteakiben tercih edilen analizleri de yaptırabilmek amacıyla SAS paket programı kodlama sistemi içerisinde veriler türetildi.Uygulayıcılar açısından tercih edilen variyans kovariyans yapısı ve uygun yöntemle analizlerin kullanılabilirliğini arttırmak amacıyla da SAS ve SPSS paket programları çözümü sonuçları karşılaştırmalı olarak incelendi.

The purpose of this study is to determine the differences that may arise when the proper variance covariance structure is not chosen in the analysis of repeated measured data and to evaluate the analysis results, find out how they affect the final decisions. Data in accordance with the required variance covariance structure have been derived by simulation and these data have been analyzed with different statistical models by using the convenient and inconvenient variance-covariance structure. The obtained results were compared and tried to explain how the decisions made affected by not chosen the proper variance covariance structure.The observations are interrelated as the data has been obtained from the same subject in the repeated measured trials. Moreover, the consecutive observations which were obtained from near past points from the same subject in the repeated measurements are more related compared to the ones obtained from further time points. Determining from which time the point of the annihilation of the relation point starts is of importance. In this case also, the time series models will step in. The repeated measurements in health area is a widely encountered data type. Measuring in all individuals at the same time points is not always possible. Even the processes are maintained in every individual with equal intervals, they may start at different time points. Sometimes, as a requisite of the process, measuring at different time intervals can be feasible. Therefore, unequally spaced and unequally sized repeated measured data structure arises. When the data structure were inadequate obtaining correct solution by GLM analysis method is not possible. In this case, use of MIXED analysis method is appropriate. In this study, the issue of the conformance of these analysis methods to the related chosen data structures was also examined in detail.The analyzed data has been simulated within the most used statistical packages SAS program coding system because of making the analyses following the data derivation instead of deriving data by using any other programming language.The results obtained in SAS and SPSS statistical packages programs by using same data sets and comparative analyses of them have also been discussed in detail with the purpose of increasing the availability of analyses in terms of applicators.