Tanı testlerinin değerlendirilmesinde kullanılan standartlar ve analitik yöntemler

Bir tanı testinin doğruluk ölçütlerinin değerlendirilmesinde yansız tahmin ediciler tercih edilir. Ancak, testin doğruluk ölçütlerinin belirlenmesinde yanlılıklar ile karşılaşılabilir. Bu yanlılıklardan sıklıkla görülenleri; Doğrulama yanlılığı ve Kesin olmayan altın standart yanlılığıdır. Bu tezde bu yanlılıkların düzeltilmesinde kullanılan yaklaşımlar incelenmiş ve bu yaklaşımların sorun yaşadığı durumlarda alternatif olabilecek yaklaşımlar önerilmiştir.Doğrulama yanlılığı çalışmaya alınan tüm bireylere altın standart testin uygulanmaması sonucunda ortaya çıkar. Tanı testinin ikili ölçüm olması durumunda yanlılığın düzeltilmesinde; altın standart uygulanmayan bireylerin sonuçları eksik ölçüm olarak kabul edilirse, eksik ölçüm mekanizmasına göre, Begg&Greenes, Zhou sınırları, Lojistik Regresyon, Çoklu İmputasyon gibi yaklaşımlar kullanılır. Bu tezde bu yaklaşımlara Yapay Sinir Ağları yaklaşımı da alternatif olarak eklenmiş ve yaklaşımlar çeşitli karşılaştırma başlıkları altında üretilmiş ve gerçek veri setleri kullanılarak karşılaştırılmıştır.Kesin olmayan altın standart yanlılığı ise, altın standart olarak kabul edilen bir testin olmaması durumunda bu test yerine daha düşük sınıflama başarısı olan bir testin, kesin olmayan altın standart testinin, kullanılması ile ortaya çıkar. Yanlılığın düzeltilmesinde tanı testinin ölçüm ölçeğine göre Tutarsızlık Çözücü, Bileşke Referans Standardı, Zhou'nun Parametrik olmayan ROC eğrisi tahmini, Bayes yaklaşımı gibi yaklaşımlar kullanılır. Bu tezde bu yaklaşımlar ile bunlara alternatif olarak önerilen Gizli Sınıf Analizi yaklaşımı, üretilmiş ve gerçek veri setleri kullanılarak karşılaştırılmıştır.Üretilmiş veri seti ile yapılan tüm karşılaştırmalarda yaklaşımların sonuçlarını etkileyebilecek: değişen veri seti büyüklüğü, değişen hastalık prevelansı, değişen doğruluk ölçütü gibi durumlar göz önüne alınmıştır.Doğrulama yanlılığını düzeltmede; kesin tanı doğrulaması yapılmamış bireylerin rastgele seçilmiş olması durumunda Begg&Greenes yaklaşımı, rastgele olmaması durumunda ise Lojistik Regresyon ve Yapay Sinir Ağları yaklaşımlarının uygun yaklaşımlar olabileceği görülmüştür.Kesin olmayan altın standart yanlılığını düzeltmede; tanı testinin ikili ölçüm olması durumunda uygun prevelans aralığı ve yüksek doğruluk ölçütünde Gizli Sınıf Analizi; tanı testinin sıralı ölçüm olması durumunda yine uygun prevelans aralığı, yeterli sayıda kategori ve test varlığında Gizli Sınıf Analizi; tanı testinin sürekli ölçüm olması halinde ise küçük örneklem, düşük eğri altında kalan alan ve karıştırıcı etkili değişken varlığı dışındaki durumlarda Bayes yaklaşımı, bu yaklaşımın sorun yaşadığı durumlarda ise Gizli Sınıf Analizi önerilebilir yaklaşımlardır.