Kümeleme çözümlemesinin yeni doğan sarılıklı olgulara uygulanması

Abstract

Çalışma, yeni doğan sarılıklı olguların oluşturduğu kütlenin yapısını incelemek amacıyla gerçekleştirildi. Bu amaçla belirlenen 42 değişken doğrultusunda veri setimiz, Uludağ Üniversitesi Çocuk Sağlığı ve Hastalıkları Anabilim Dalı kayıtlardan elde edilen, 60 olgudan oluşmaktaydı yeni doğan sarılıklı olguların oluşturduğu kütlenin yapısının, yani olguların gruplanmalar oluşturup oluşturmadığını, incelenmesinde çok değişkenli bir istatistiksel yöntem olan kümeleme çözümlemesi kullanıldı. Veri setimiz nicel, nitel ve ikili veri tiplerini kapanmasından dolayı benzerlik matrisimiz Gower katsayısıyla hesaplandı. Yeni doğan sarılıklı olguların gruplandırılması ile ilgili benzer bir çalışmaya rast olmadığından dolayı aşamalı kümeleme tekniği kullanıldı. Çözümleme sonucunda elde edilen ağaç grafiği incelendiğinde, birimlerin çoğunluğunu kaplayan kümelenmeler görülmemekle birlikte, bazı benzerlik düzeylerindeki kümelenmeler dikkat çekici bulunmuştur. Belirlenen kümeler üzerinde çalışılarak, kelimelerin oluşmasında etkili olan nitelikler belirlendi.

This study was Fulfilled in order to examine the structure of population with neonatal jaundice. For this aim, the determined data set according to the 42 variables was Joined by 60 events which was promised from the records in the Department of Pediatrics in the Medical Faculty of Uludağ University. In the examination of structure of population neo na ta jaundice, that is, if the eve n ts from groups or not, was used the cluster analysis which is a multivariate statistical method.The data set includes quamative, qualitative and diclıotornic data types; so similarity matrix was accounted by Gower coefficienı. Since we haven't been confronted with any simi/ar sıudy on categorization of neonatal jaundice we used the hierarchical lııster analysis method. When the dendrogram, which was obtained at the end of analysis is examined, it can be seen that clusterings which include the most of units are not seen though some at the level of similarity have clusterings to be paid attention.