Sınıflama Ağaçları Yardımıyla Restless Legs Syndrome (RLS)Hastalarına Tanı Koyma

Öz

Sınıflama ağaçları (Classification Trees, CT) parametrik olmayan istatistiksel bir yöntemdir. Bu yöntem bir veya daha fazla risk faktöründen yararlanarak bireylere tanı koyma amacıyla kullanılan bir ağaç algoritmasıdır. Tıbbi araştırmalarda özellikle son yıllarda bu yöntemin kullanılabilirliğinde artış izlenmesine karşın bir çok hastalığın risk faktörlerinin incelenmesinde henüz bu yaklaşım kullanılmamıştır. Bu çalışmanın amacı; CT hakkında önemli teorik bilgileri özetlemek ve RLS (Restless Legs Syndrome) hastalarının risk faktörlerini farklı bir yaklaşımla incelemektir. Bu amaçla, Mersin Üniversitesi, Tıp Fakültesi, Nöroloji bölümünün 206 denek üzerinde yaptığı anket çalışmasının sonuçları kullanılmış ve deneklerin RLS hastası olup olmama durumunu belirleyen değişkenler sınıflama ağaçları analizi ile tespit edilmiştir. Analiz sonuçlarına göre, RLS hastalığını belirleyen değişkenler literatürde yer alan pek çok risk faktörüyle paralellik göstermektedir. Anahtar kelimeler: Sınıflama ve regresyon ağaçları, Tanı, Karar ağaçları, Hatalı sınıflama, Huzursuz bacak sendorumu

Anahtar Kelimeler

• Sınıflama ve regresyon ağaçları, Tanı, Karar ağaçları, Hatalı sınıflama, Huzursuz bacak sendorumu

Diagnosing Restless Legs Syndrome (Rls) Patients with Help of Classification Tree

Abstract

Classification trees (CT) are nonparametric statistical methods. This method is a trees algorithm, performed to diagnose the disease with the use of one or more risk factors. Although, in recent years availability of this method especially for medical researches has increased, it is not common for the investigation of numerous risk factors of the disease. The aim of the study is to summarize theoretical knowledge related to CT and to investigate Restless Legs Syndrome (RLS) risk factors with different approach. For this purpose, 206 patients, with whom a questionnaire form was practiced in the University of Mersin, Faculty of Medicine, Department of Neurology, were included in this study and, CT analysis is used for determination of variables whether these patients have RLS or not. According to the analysis results, the variables which determine RLS disease was parallel with many risk factors reported in literature. Key words: Classification and regression trees (CART), Diagnose, Decision trees, Misclassification error, Restless Legs Syndrome.

Keywords

• Classification and regression trees (CART), Diagnose, Decision trees, Misclassification error, Restless Legs Syndrome.

Kaynakça

1. Örekici G. Sınıflama ve Regresyon Ağaçları, Yüksek Lisans Tezi, Mersin Üniversitesi Sağlık Bilimleri Enstitüsü, 2004, 85 s.
2. Fu C. (2003), Combining loglinear model with classification and regression tree (CART): An application to birth data. Computational Statistics & Data Analysis, 2003; (Article In Pres).
3. Yohannes Y, Hoddinott J. Classification and Regression Trees: An introduction. 2003, Erişim: http://www.ifpri.org/themes/mp18/techquid/tg03.pdf], Erişim Tarihi: 10.06.2003.
4. Breiman L, Friedman JH, Olshen RA, and Stone CJ. Classification and Regression Trees, Boca Raton, Florida: Chapman & Hall. 2003.
5. Lewis R. An introduction to classification and regression rree (CART) analysis, Academic Emergency Medicine, 2000. Erişim :http://www.saem.org/download/lewis1.pdf].
6. De'ath G, Fabricius K. Classification and regression trees: A powerful yet simple technique for ecological data analysis. Ecology, 2000; 81: 3178-92.
7. STATSOFT. Classification and Regression Trees. 2003. Erişim: [http://www.statsoft.com/textbook/scart.html], Erişim Tarihi: 18.03.2003
8. Chipman HA, George EI and Mcculloch RE. Hierarchical priors for bayesian CART Shrinkage. Statistics and Computing, 2000; 10: 17-24.

9. Bevilachqua M, Braglia M and Montanari R. The classification and regression tree approach to pump failure rate analysis. Reliability Engineering and System Safety. 2003; 79: 59-67.
10. Put R, Questier F, Coomans D et al. Classification and regression tree analysis for molecular descriptor selection and retention prediction in chromatographic quantitative structure-retention relationship studies. Journal of Chromatography A. 2003; 988: 261-76.
11. Atay T. Huzursuz bacak sendromu, 2003. Erişim: [http://www.internationalhospital.com.tr], Erişim Tarihi: 18.09.2003
12. Erdal S. Huzursuz bacak sendromu, 2003. Erişim: [http://www.genetikbilimi.com/tip/huzursuz.html] Erişim Tarihi: 01.12.2003
13. Kaynak H. Uykusuzluk, 2003. Erişim: [http://www.ntvmsnbc.com/news], Erişim Tarihi: 27.10.2003
14. Aksu M. Huzursuz bacak sendromu yanlış teşhise yol açabiliyor, 2003.Erişim: [http://www.martiyazilim.com.tr], Erişim Tarihi: 18.09.2003