Binom Dağılımlı Yanıt Değişkeni İçin Genelleştirilmiş Lineer Modeller: Kanser ve Covıd-19 Pandemi Verileri Üzerine Bir Uygulaması
Yükleniyor...
Dosyalar
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi, Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada, küresel olarak 179 dünya ülkesinin COVID-19 pandemisinden kaynaklanan ölüm
verileri ve kanser ile ilişkili olabilecek bütün tümör ve beraberindeki bulaşıcı olmayan hastalıklardan
(BOH) kaynaklanan engelliliğe uyarlanmış yaşam yılları (disability adjusted life years) (DALY) verileri
ile arasındaki ilişkiler genelleştirilmiş lineer model (GLM) yaklaşımı ile incelenmiştir.
Bütün dünyada çok sayıda insanı etkileyen bir salgın olan COVID-19 pandemisi, Dünya Sağlık
Örgütü (DSÖ) tarafından 11 Mart 2020 tarihinde pandemi olarak ilan edilmiştir. DALY verileri, erken
ölümler nedeniyle kaybedilen yaşam yılları ve engelli olarak yaşanan yıllardan kaynaklanan toplam
hastalık yükünü ölçmektedir. Bu çalışmada, açıklayıcı değişkenler olarak kanser ile ilişkili olabilecek
tümör ve beraberindeki BOH'lardan kaynaklanan DALY verileri kategorik hale getirilerek kullanmıştır.
COVID-19 pandemisinin neden olduğu toplam ölüm sayısı kategorik hale getirilmiş ve daha sonra yanıt
değişkeni olarak çalışmaya alınmıştır. Bu çalışmada istatistiksel yöntemler olarak GLM ailesindeki ikili
lojit (binary logit) ve ikili probit (binary probit) regresyon modelleri kullanılarak, kanser ile ilişkili
olabilecek tümör ve eşlik eden BOH'ların COVID-19 pandemisi üzerindeki etkileri araştırılmıştır. Bu
çalışmaya özel olarak, hataların istatistiksel anlamda normal bir dağılıma sahip olduğu varsayımına
dayanan probit modelinin, hataların lojistik bir dağılıma sahip olduğu varsayımına dayanan lojit modeline
üstünlüğü vurgulanmıştır. Bu çalışmanın nihai sonucu olarak, kanser ile ilişkili olabilecek bütün tümör ve
beraberindeki bulaşıcı olmayan hastalıklardan (BOH) kaynaklanan DALY verilerinin COVID-19
pandemisinin neden olduğu toplam ölüm verileri üzerindeki etkisi istatistiksel olarak anlamlı
bulunmuştur.
In this study, the relationship between mortality data from the COVID-19 Pandemic of globally 179 countries in the world and DALY (disability adjusted life years) data from all tumors that may be associated with cancer, and accompanying non-communicable diseases (NCDs) is statistically analyzed using the generalized linear models (GLM) approach. The COVID-19 pandemic, which is a disease epidemic that affects many people all over the world, is declared a pandemic by the World Health Organization (WHO) on March 11, 2020. DALY measures the total disease of burden resulting from years of life lost due to premature death and years of disability. In this study, DALY data from all tumors that may be associated with cancer, and accompanying NCDs are used as explanatory variables by categorizing them. The total number of deaths caused by the COVID-19 pandemic is made categorical and then taken as the response variable into the study. In this study, the effects of all tumors that may be associated with cancer, and accompanying NCDs on the COVID-19 pandemic are investigated by using binary logit and binary probit regression models in the GLM family as the popular statistical methods. Specifically for this study, the superiority of the probit model based on the assumption that the errors have normal distribution over the logit model based on the assumption that the errors have logistic distribution is emphasized. As a final conclusion of this study, the effect of DALY data from all tumors that may be associated with cancer, and accompanying non-communicable diseases (NCDs) on the total death data caused by the COVID-19 pandemic is found to be statistically significant.
In this study, the relationship between mortality data from the COVID-19 Pandemic of globally 179 countries in the world and DALY (disability adjusted life years) data from all tumors that may be associated with cancer, and accompanying non-communicable diseases (NCDs) is statistically analyzed using the generalized linear models (GLM) approach. The COVID-19 pandemic, which is a disease epidemic that affects many people all over the world, is declared a pandemic by the World Health Organization (WHO) on March 11, 2020. DALY measures the total disease of burden resulting from years of life lost due to premature death and years of disability. In this study, DALY data from all tumors that may be associated with cancer, and accompanying NCDs are used as explanatory variables by categorizing them. The total number of deaths caused by the COVID-19 pandemic is made categorical and then taken as the response variable into the study. In this study, the effects of all tumors that may be associated with cancer, and accompanying NCDs on the COVID-19 pandemic are investigated by using binary logit and binary probit regression models in the GLM family as the popular statistical methods. Specifically for this study, the superiority of the probit model based on the assumption that the errors have normal distribution over the logit model based on the assumption that the errors have logistic distribution is emphasized. As a final conclusion of this study, the effect of DALY data from all tumors that may be associated with cancer, and accompanying non-communicable diseases (NCDs) on the total death data caused by the COVID-19 pandemic is found to be statistically significant.
Açıklama
Anahtar Kelimeler
Bulaşıcı olmayan hastalıklar, COVID-19 pandemisi, genelleştirilmiş lineer modeller, hastalık yükü, lojit model, probit model., Non-communicable diseases, COVID-19 Pandemic, generalized linear models, burden of disease, logit model
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Sarı E., (2023). Binom Dağılımlı Yanıt Değişkeni İçin Genelleştirilmiş Lineer Modeller: Kanser ve Covıd-19 Pandemi Verileri Üzerine Bir Uygulaması. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
