Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması

Aynur İncekırık

doi:10.18026/cbayarsos.1923058

EN TR

Classification of Common Cancers Using Cluster Analysis Techniques

Öz

Cluster analysis aims to classify multivariate data according to their similarities or differences. The clusters obtained from the analysis are expected to be homogeneous within themselves and heterogeneous between each other. This study aims to investigate the clustering of the most common cancer types in datasets constructed by considering age-group characteristics by gender. In the study, cluster analysis was applied to datasets consisting of data recorded between 2001 and 2015 for twenty-five cancer types by age groups for males and females at the Office for National Statistics (ONS) in England. The clustering tendencies of cancer types were investigated based on their frequencies of occurrence by observing their distribution across age groups by gender in two different datasets constructed using three age-group characteristics that best distinguish cancer classes. The number of clusters was determined as three, and the analyses were conducted using the R-3.5.1 package program. The results indicate that breast cancer in females and prostate cancer in males were the most frequently occurring cancer types, and these cancers each formed a separate cluster.

Anahtar Kelimeler

cluster analysis, cancer, k-means, Average Linkage

Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması

Öz

Kümeleme analizi çok değişkenli verileri benzerlik ya da farklılıklarına göre sınıflamayı amaçlamaktadır. Analiz sonucunda elde edilen kümelerin kendi içlerinde homojen, aralarında ise heterojen olmaları beklenir. Bu çalışma, en yaygın kanser türlerinin cinsiyete göre yaş grubu karakteristikleri dikkate alınarak oluşturulan veri setlerinde kümelenmesini amaçlamaktadır. Çalışmada, İngiltere Ulusal İstatistik Ofisi (Office for National Statistics - ONS)’nde yirmibeş kanser türü için erkeklerde ve kadınlarda yaş gruplarına göre 2001-2015 yılları arasındaki verilerden oluşan veri setlerine kümeleme analizi uygulanmıştır. Kanser sınıflarını en iyi ayıran üç farklı yaş grubu karakteristiği ile oluşturulan iki farklı veri setinde kanser türlerinin cinsiyete göre yaş gruplarındaki dağılımı gözlemlenerek, ortaya çıkış frekanslarına bağlı kümelenme eğilimleri araştırılmıştır. Küme sayısı üç olarak belirlenmiş ve R-3.5.1 paket programı ile analizler yapılmıştır. Sonuçlara göre, kadınlarda meme kanseri, erkeklerde ise prostat kanserinin en sık ortaya çıkan kanser türü olduğu ve bu kanserlerin tek başlarına bir kümede yer aldıkları dikkati çekmektedir.

Anahtar Kelimeler

kümeleme analizi, kanser, k-ortalamalar yöntemi, Ortalama Bağlantı

Kaynakça

Ahlemeyer-Stubbe, A., & Coleman, S. (2014). A practical guide to data mining for business and industry. John Wiley & Sons. . ISBN: 9781119977131. https://doi.org/10.1002/9781118763704
Drachenberg, D., Awe, J. A., Rangel Pozzo, A., Saranchuk, J., & Mai, S. (2019). Advancing Risk Assessment of İntermediate Risk Prostate Cancer Patients. *Cancers*, 11(6), 855. https://doi.org/10.3390/cancers11060855
Düzgün, G., Öztürk, Y. K., Aykar, F. Ş., & Yıldırım, Y. (2025). Palyatif Bakımdaki Kanser Hastalarında Semptom Sıklığı ve Semptom Kümelerinin Belirlenmesi. *Anatolian Journal of General Medical Research*. https://doi.org/10.4274/anatoljmed.2025.75047
Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (2011). Cluster analysis. John Wiley & Sons. ISBN: 9780470749913. https://doi.org/10.1002/9780470977811
Grimm, L. G., & Yarnold, P. R. (2000). *Reading and Understanding More Multivariate Statistics*. American Psychological Association. ISBN: 9781557986986
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning. ISBN: 9781473756540.
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning. Springer. https://doi.org/10.1007/978-0-387-84858-7
Hofman, I., & Jarvis, R. (1998, August). Robust and Efficient Cluster Analysis Using a Shared Near Neighbours Approach. *In* *Proceedings. Fourteenth International Conference on Pattern Recognition (Cat. No. 98EX170)* (Vol. 1, pp. 243-247). IEEE. ISBN: 0-8186-8512-3
İncekırık, A., & Altın, E. (2021). Türkiye’deki İllerin Ulaştırma Göstergelerine Göre Kümeleme Analizi Yöntemleriyle Sınıflandırılması. *Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi*, *19*(3), 186-206. https://doi.org/10.18026/cbayarsos.891649
İncekırık, A., Güneri, Ö. İ., & Durmuş, B. (2021). Classification of Cancer Types by Cluster Analysis Methods. *Alphanumeric journal*, *9*(1), 125-142. https://doi.org/10.17093/alphanumeric.949958

Jackson, B.B. (1983). *Multivariate Data Analysis*, Richard D. Irwın, Inc., Homewood, Illinois.
Johnson, R. A., & Wichern, D. W. (1998). *Applied Multivariate Statistical Analysis* (Vol. 4, No. 8). Upper Saddle River, Nj: Prentice Hall. ISBN: 013834194X
Khan, S. S., & Ahmad, A. (2004). Cluster center initialization algorithm for K-means clustering. Pattern recognition letters, 25(11), 1293-1302. . https://doi.org/10.1016/j.patrec.2004.04.007
Lloyd, S. (1982). Least squares quantization in PCM. *IEEE Transactions on Information Theory, 28*(2), 129-137. https://doi.org/10.1109/TIT.1982.1056489
Mardia, K. V., Kent, J. T., & Bibby, J. M. (1979). Multivariate analysis academic press inc. *London) Ltd*, *15*, 518. ISBN: 9780124712508
Mathieu, Richard G. (1991). Proceedings of the Portland. *International* *Conference on Management of Engineering and Technology, Portland.*
MacQueen, J. B. (1967). Some methods for classification and analysis of multivariate observations. In Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability (Vol. 1, pp. 281–297). University of California Press.
Niederhuber, J. E., Armitage, J. O., Doroshow, J. H., Kastan, M. B., & Tepper, J. E. (Eds.). (2020). Abeloff’s clinical oncology (6th ed.). Elsevier. ISBN: 9780323476744. https://doi.org/10.1016/C2015-0-05400-4
Office for National Statistics (ONS), 2024. Cancer Data in England. Erişim adresi: [https:// https://www.ons.gov.uk/search?q=cancer+data](https://www.aihw.gov.au/reports/cancer/cancer-data-in-australia/data?page=1) (Erişim tarihi: 02.02.2024).
Özen, M. Y. (2024). Türkiye’nin sağlık profili: İllere göre sağlık göstergeleri ve kümeleme analizi. Sağlık ve Hemşirelik Yönetimi Dergisi, 11(3), 583–593. https://doi.org/10.54304/SHYD.2024.68094
Roiger, R. J., & Geatz, M. W. (2003). Data mining: A tutorial-based primer. Addison-Wesley. ISBN: 0321223497
Safaei, M., Bashari, H., Kleinebecker, T., Fakheran, S., Jafari, R., & Große-Stoltenberg, A. (2023). Mapping terrestrial ecosystem health in drylands: comparison of field-based information with remotely sensed data at watershed level. *Landscape Ecology*, *38*(3), 705-724. https://doi.org/10.1007/s10980-022-01454-4
Seber, G. A. (2009). *Multivariate Observations* (Vol. 252). John Wiley & Sons. ISBN: 9780470316641
Sharma, S. (1996). *Applied Multivariate Techniques*. John Wiley and Sons, Inc., New York. ISBN: 0471310646
Si, W., Shen, J., Zheng, H., & Fan, W. (2019). The role and mechanisms of action of microRNAs in cancer drug resistance. *Clinical epigenetics*, *11*(1), 25. https://doi.org/10.1186/s13148-018-0587-8
Stundzaite-Barsauskiene, G., Tutkuviene, J., Barkus, A., Jakimaviciene, E. M., Gibaviciene, J., Jakutis, N., Tutkus, V., Venciute, R., & Dadoniene, J. (2019). Facial perception, self-esteem and psychosocial well-being in patients after nasal surgery due to trauma, cancer and aesthetic needs (cluster analysis of multiple interrelations). Annals of human biology, 46(7-8), 537–552. https://doi.org/10.1080/03014460.2019.1690678
Taşer, M., & Öztekin, Ö. (2022). Kümeleme analiz yöntemi kullanılarak Pamukkale Üniversitesi Hastaneleri'nde poliklinik hizmeti veren bölümlerin hasta özelliklerine göre gruplanması. *Pamukkale Medical Journal*, *15*(2), 251-266. https://doi.org/10.31362/patd.1017217
Tatlıdil, H. (1992). Uygulamalı çok değişkenli istatistiksel analiz. Engin Yayınları.
Tekinarslan, M. (2025). Kadın Sağlığına Yönelik Küresel Bir Perspektif: K-Ortalamalar Kümeleme Analizi. *Türk Dünyası Kadın Araştırmaları dergisi*, *4*(6), 22-31. https://doi.org/10.5281/zenodo.15108776
Yılmaz, F., & Söyük, S. (2020). Sağlık Risk Faktörlerine Göre Ülkelerin Kümelenmesi ve Çok Kriterli Karar Verme Teknikleriyle Sağlık Durumu Göstergelerinin Analizi. *Sosyal Güvence*, (17), 283-320. https://doi.org/10.21441/sosyalguvence.823636

Ayrıntılar

Birincil Dil

Türkçe

Konular

Ekonometrik ve İstatistiksel Yöntemler

Bölüm

Araştırma Makalesi

Yazarlar

Aynur İncekırık ^*
0000-0002-5029-6036
Türkiye

Yayımlanma Tarihi

30 Eylül 2026

Gönderilme Tarihi

4 Nisan 2026

Kabul Tarihi

10 Temmuz 2026

Yayımlandığı Sayı

Yıl 2026 Cilt: 24 Sayı: 3

DOI

https://doi.org/10.18026/cbayarsos.1923058

IZ

https://izlik.org/JA43FH28HB

APA

İncekırık, A. (2026). Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 24(3), 1447-1468. https://doi.org/10.18026/cbayarsos.1923058

AMA

1.İncekırık A. Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi. 2026;24(3):1447-1468. doi:10.18026/cbayarsos.1923058

Chicago

İncekırık, Aynur. 2026. “Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması”. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi 24 (3): 1447-68. https://doi.org/10.18026/cbayarsos.1923058.

EndNote

İncekırık A (01 Eylül 2026) Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi 24 3 1447–1468.

IEEE

[1]A. İncekırık, “Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması”, Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, c. 24, sy 3, ss. 1447–1468, Eyl. 2026, doi: 10.18026/cbayarsos.1923058.

ISNAD

İncekırık, Aynur. “Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması”. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi 24/3 (01 Eylül 2026): 1447-1468. https://doi.org/10.18026/cbayarsos.1923058.

JAMA

1.İncekırık A. Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi. 2026;24:1447–1468.

MLA

İncekırık, Aynur. “Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması”. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, c. 24, sy 3, Eylül 2026, ss. 1447-68, doi:10.18026/cbayarsos.1923058.

Vancouver

1.Aynur İncekırık. Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi. 01 Eylül 2026;24(3):1447-68. doi:10.18026/cbayarsos.1923058

https://orcid.org/

Classification of Common Cancers Using Cluster Analysis Techniques

Öz

Anahtar Kelimeler

Sık Görülen Kanserlerin Kümeleme Analizi Teknikleri Kullanılarak Sınıflandırılması

Öz

Anahtar Kelimeler

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster