Amaç: Bu çalışmanın amacı, Tip 2 Diyabet Mellitus olan ve olmayan hastalara ait verileri kullanarak Yapay Sinir Ağları, Lojistik Regresyon Analizi ve Karar Ağaçları Yöntemlerine ait sınıflandırma performanslarını karşılaştırmak ve Tip 2 Diyabet Mellitus için risk faktörlerini belirlemektir.
Materyal ve Metot: Çalışmadaki veriler, İnönü Üniversitesi Tıp Fakültesi Turgut Özal Tıp Merkezi İç Hastalıkları Anabilim Dalı Diyabet ve Tiroid polikliniğine gelen hastalardan elde edilmiştir. İlgili veri seti 25 bağımsız değişken ve 1 bağımlı değişkenden oluşmaktadır. Yöntemlerin sınıflandırma performansları karşılaştırılırken performans ölçütlerinden doğruluk, duyarlılık, seçicilik, kesinlik, F-ölçümü, AUC ve sınıflama hatası kullanılmıştır.
Bulgular: Üç yöntemden en iyi sınıflandırma performansını Yapay Sinir Ağları yöntemi vermiştir. Bu yöntemin, doğruluk, duyarlılık, seçicilik, kesinlik, F-ölçümü, AUC ve sınıflama hatası değerleri sırasıyla; 98.94, 100, 97.73, 98.04, 99.01, 0.978 ve 1.06 olarak bulunmuştur. Yapay sinir ağları yöntemi için hastalığı etkileyen risk faktörlerinden cinsiyet, aile öyküsü, uzun süre ilaç kullanımı, kortizon kullanımı, eşlik eden hastalık, yüksek tansiyon, stres faktörü, kalp hastalığı, kolesterol yüksekliği, sigara kullanımı, alkol tüketimi, egzersiz durumu, karbonhidrat kullanımı, sebze kullanımı, et kullanımı, yaş, kilo, boy, başlama yaşı, günlük ekmek tüketimi, HDL, LDL, Trigliserid, Total Kolesterol, Açlık kan şekeri bağımsız değişkenlerinin ağırlıkları sırasıyla; 0.017, 0.013, 0.009, 0.008, 0.017, 0.008, 0.016, 0.024, 0.053, 0.006, 0.007, 0.023, 0.040, 0.020, 0.007, 0.046, 0.083, 0.049, 0.024, 0.066, 0.083, 0.084, 0.031, 0.020, 0.244 olarak bulunmuştur.
Sonuç: Lojistik Regresyon, Yapay Sinir Ağları ve Karar Ağaçları sınıflandırma yöntemleri uygulandığında en iyi performansı gösteren Yapay Sinir Ağları yöntemi ve bu yöneteme göre Tip 2 Diyabet Mellitusa neden olabilecek en önemli risk faktörün açlık kan şekeri olduğu elde edilmiştir.
Anahtar Kelimeler: Çok değişkenli istatistiksel yöntemler, Karar Ağaçları, Lojistik Regresyon Analizi, Tip 2 diyabet mellitus, Risk faktörleri, Yapay Sinir Ağları.
Aim: The aim of this study was to compare the classification performance of Logistic Regression Analysis, Artificial Neural Networks and Decision Trees Methods by using data from patients with and without Type 2 Diabetes Mellitus and to determine risk factors for Type 2 Diabetes Mellitus.
Material and Method: The data in this study were obtained from patients who came to İnönü University Faculty of Medicine Turgut Özal Medical Center Internal Medicine Department Diabetes and Thyroid Polyclinic. The data set consists of 25 independent variables and 1 dependent variable. Accuracy, sensitivity, specificity, precision, F-measurement, AUC and classification error were used in the performance criteria when comparing the classification performances of the methods.
Results: Among the three methods, the best classification performance was given by the Artificial Neural Networks method. The accuracy, sensitivity, specificity, precision, F-measurement, AUC and classification error of this method were found as 98.94, 100, 97.73, 98.04, 99.01, 0.978 and 1.06, respectively. According to the results of Artificial Neural Networks method; from the risk factors affecting the disease, sex, family history, long-term drug use, cortisone use, concomitant disease, high blood pressure, stress factor, heart disease, high cholesterol, smoking, alcohol consumption, exercise status, carbohydrate use, vegetable use, meat use, age, weight , height, starting age, daily bread consumption, HDL, LDL, Triglyceride, Total Cholesterol, fasting blood sugar independent variables obtained weight values respectively; 0.017, 0.013, 0.009, 0.008, 0.017, 0.008, 0.016, 0.024, 0.053, 0.006, 0.007, 0.023, 0.040, 0.020, 0.007, 0.046, 0.083, 0.049, 0.024, 0.066, 0.083, 0.084, 0.031, 0.020, 0.244.
Conclusion: When the Artificial Neural Networks, Logistic Regression and Decision Trees classification methods are applied, the Artificial Neural Networks method has shown the best performance and according to this method, the most important risk factor that may cause diabetes is fasting blood sugar.
Key Words: Multivariate statistical methods, Decision trees, Logistic regression analysis, Type 2 diabetes mellitus, Risk factors, Artificial neural networks.
