Yaşam analizinde uyarlanmış en çok olabilirlik tahmininin kullanılması ve klasik istatistiksel yöntemler ve makine öğrenmesi algoritmaları ile karşılaştırılması

Amaç: Bu tez çalışmasında yaşam sürelerinin klasik istatistiksel yöntemler ve makine öğrenmesi yöntemleri ile analiz edilerek elde edilen modellerin performanslarının karşılaştırılması amaçlanmıştır. Yöntem: Sağkalım analizlerinde klasik istatistiksel yöntemlerden Log-rank testi ile Kaplan-Meier yöntemi, Cox oransal hazard regresyon analizi ve hızlandırılmış başarısızlık zamanı modeli kullanılmıştır. Parametrik bir yöntem olan hızlandırılmış başarısızlık zamanı modelinde yaşam sürelerinin Weibull dağılımdan geldiği varsayılmış ve bu varsayımdan uzaklaşma söz konusu olduğunda sağlam parametre tahminleri yapılabilmesi için uyarlanmış en çok olabilirlik yöntemi kullanılmıştır. Ayrıca sağkalım analizlerinde makine öğrenmesi yöntemlerinden rasgele orman ve gradyan artırma makineleri kullanılarak klasik yöntemlerle makine öğrenmesi yöntemlerinin performansları C-indeksi ile karşılaştırılmıştır. Bulgular: Model performansları hem simülasyon çalışması hem de gerçek veri seti ile karşılaştırılmıştır. Simülasyon çalışmasında örneklem büyüklüğü n=500 ve n=1000, sansür oranları %20, %40 ve %60 olacak şekilde veriler türetilmiştir. Rasgele orman ve gradyan artırma makineleri kullanılarak elde edilen modellerin performanslarının diğer modellerin performanslarına kıyasla daha yüksek olduğu görülmüştür. Gerçek veri seti kullanılarak yapılan uygulama çalışmasında ise en iyi performans gösteren modelin rasgele modeli olduğu görülmüştür. Bunu uyarlanmış en çok olabilirlik tahminleri kullanılarak elde edilen Weibull hızlandırılmış başarısızlık zamanı modeli takip etmiştir. Sonuç: Gerçek hayatta çok sayıda sansürlü verilerin varlığı söz konusudur. Ayrıca çoğunlukla yaşam süreleri için dağılım varsayımı da sağlanamamaktadır. Bu nedenle sağkalım analizinde makine öğrenmesi yöntemlerinin kullanılması ve parametrik istatistiksel yöntemler için de sağlam tahmin yöntemlerinin kullanılması önerilmiştir. Anahtar kelimeler: Kaplan-Meier, Cox oransal hazard, makine öğrenmesi, Weibull, uyarlanmış en çok olabilirlik