Tanı testlerinde gri alan sınırlarının bilgi içeriği yaklaşımı ile belirlenmesi

Tıpta karar verme, bireylerin sağlıklı veya hastalıklı olarak sınıflandırılması nedeniyle çok önemli bir konudur. Çoğunlukla, bireyin bir rahatsızlığı olup olmadığı gibi ikili sonuçlarla sonuçlanır. Hastalık tanısı koymak ya da dışlamak için bireylerden şikayetleri, aile öyküsü, semptomları veya laboratuvar testleri (tanı testleri) gibi çeşitli bilgiler alınır. Maliyet-etkinliği ya da hızlı olması gibi avantajları nedeniyle bazı tanı testleri bireyleri mükemmel olarak sınıflamasa da kliniklerde yaygın olarak kullanılmaktadır. Sıralı ve sürekli sayısal yanı testlerini değerlendirmenin bir yöntemi, optimal bir kesim noktası belirlemektir. Ancak, hasta ve sağlıklı bireylerin dağılımları örtüşmesi durumunda tek kesim noktasını ele alarak ikili sınıflandırmak bazı sorunlara neden olabilir. Bireyleri bu örtüşen alanda sınıflardan birine zorlamak yanlış negatif veya yanlış pozitife neden olur. Bu durumu ele almak için literatürde, bireylerin hastalıklı, sağlıklı ve hasta ya da sağlıklı değil olarak sınıflandırıldığı gri bölge veya orta sonuçsuz alan adı verilen bazı yaklaşımlar vardır. Bu tezde, bilgi teorisi yaklaşımına dayalı olarak gri bölgenin sınırlarını bulmak için yeni bir algoritma önermeyi amaçlıyoruz. Ayrıca önerilen bu algoritmayı literatürde mevcut yaklaşımlarla ("gri bölge" ve "belirsiz aralık" yaklaşımları) karşılaştırmayı ve değerlendirmeyi hedefliyoruz. Önerilen algoritma birleşik entropiye dayanıyordu. Simülasyon senaryolarında, etki büyüklüğü, örneklem büyüklüğü, varyansın homojenliği ve hastalık prevalansı faktörlerini dikkate aldık. Önerilen yöntemlerin sonuçlarını mevcut algoritmalarla karşılaştırmak için gri bölgenin uzunluğu, gri bölge dışında sabit bir alıcının işlem karakteristiği eğrisi altında incelendi. Simülasyonlarda, önerilen yaklaşım eşit varyans için çoğunlukla en düşük gri bölge uzunluğunu üretti. Bazı simülasyon senaryolarında, eşit olmayan varyans için daha iyi sonuçlar elde etti. Bununla birlikte, önerilen algoritmanın bir ön bilgiye ihtiyacı olmaması avantaj sağlamaktadır.