Demodex sayısının çeşitli değişkenlere göre tanımlanmasında sıfır ağırlıklı ve hurdle regresyon modellerinin incelenmesi

Abstract

Bu çalışmada, demodex sayısının çeşitli değişkenlere göre tanımlanmasında sıfır ağırlıklı regresyon modelleri ile hurdle regresyon modellerinin incelenmesi ve uyum ölçütleri kullanılarak, portör muayenesi için gelenlerden elde edilen bilgiler ile demodex sayısının yaşa, cinsiyete ve mesleğe göre etkilerinin tanımlanmasında en iyi sonuçları verecek modelin belirlenmesi amaçlanmıştır. Çalışmadaki veriler, Haziran 2007-Haziran 2009 tarihleri arasında Malatya Halk Sağlığı laboratuarına portör bakısı için gelen 156 kişiyi kapsamaktadır. Demodex sayısı cevap değişkeni; hastaların yaşı, cinsiyeti ve mesleği açıklayıcı değişkenler olarak belirlenmiştir. İstatistiksel analizde R 2.11.1 yazılım programı kullanılmıştır. Cevap değişkeni olarak ele alınan demodex sayısının %62.8’i sıfır değerli olduğu için sıfır ağırlıklı ve hurdle regresyon modelleri kullanılmıştır. Uygulama sonucunda modellerin birbirlerine göre üstünlüklerini belirlemede kullanılan AIC değerleri ZIP için 731.18, ZAP için 731.49, ZINB için 531.73 ve ZANB için 531.11 olarak elde edilmiştir. En düşük AIC değerine sahip olan model, ZANB olarak elde edilmiştir. Sıfır ağırlıklı ve hurdle regresyon modellerinde, sıfır değerlerinin önemli bir etkiye sahip olup olmadığı test edilmektedir. Eğer sıfır değerlerinin etkisi önemli değilse, bu durumda sıfır ağırlıklı regresyon modelleri ve hurdle regresyon modellerinin sonuçları ile Poisson regresyonu ve negatif binomiyal regresyon analiz sonuçları benzer olacaklardır. Bu çalışmada veri setinde var olan sıfır değerlerinin önemli bir etkiye sahip oldukları belirlenmiştir. Anahtar Sözcükler: Demodex, Hurdle modeller, Sıfır ağırlıklı regresyon modelleri

Demodex Sayısının Çeşitli Değişkenlere Göre Tanımlanmasında Sıfır Ağırlıklı ve Hurdle Regresyon Modellerinin İncelenmesi (PDF Download Available). Available from: https://www.researchgate.net/publication/259779324_Demodex_Sayisinin_Cesitli_Degiskenlere_Gore_Tanimlanmasinda_Sifir_Agirlikli_ve_Hurdle_Regresyon_Modellerinin_Incelenmesi [accessed Jan 08 2018].