D vitamini düzeyi ile diyabet (Şeker) hastalığı arasındaki ilişkinin makine öğrenme algoritmaları kullanılarak tespit edilmesi

Abstract

Bu tez çalışmasında, D vitamini düzeyleri ile diyabet arasındaki ilişki istatistiksel algoritmalar ve makine öğrenme algoritmaları kullanılarak iki ayrı yaklaşımla incelenmiştir. İlk çalışmada, 817 bireye ait 25(OH)D ve HbA1c düzeyleri analiz edilerek, bireyler glisemik durumlarına göre normal, prediyabetik ve diyabetik olarak üç gruba ayrılmıştır. Ortalama D vitamini düzeylerinin bu gruplar arasında anlamlı farklılık gösterdiği belirlenmiştir. Lojistik regresyon algoritması ile yapılan analizlerde, D vitamini düzeyinde her 1 ng/mL'lik artışın diyabet riskini %4 oranında azalttığı görülmüştür (OR = 0.96). Ayrıca, D vitamini düzeyinin cinsiyet ve yaş gibi klasik risk faktörlerinden daha etkili bir tahmin edici olduğu tespit edilmiştir. Ancak, yalnızca D vitamini düzeyine dayanan yöntemin ayrım gücü sınırlı bulunmuştur (AUC = 0.59). İkinci çalışmada, aynı hasta verileri kullanılarak, D vitamin düzeylerinin diyabet tahminindeki rolü Destek Vektör Makinesi algoritmaları ile değerlendirilmiştir. Bu doğrultuda, veri ön işleme adımları sonrasında destek vektör makinesi algoritmalarının farklı çekirdek (kernel) fonksiyonlarıyla modeller oluşturulmuş ve performansları karşılaştırılmıştır. Basit eşik algoritmasının doğruluk oranı %58.28 iken, yaş, cinsiyet ve diğer klinik parametrelerin dahil edildiği çok değişkenli destek vektör makinesi algoritması ile doğruluk oranı %67.48'e yükselmiştir. Optimize edilen radial basis function kernel destek vektör makinesi algoritması en başarılı sonuçları vermiş; %72.39 doğruluk ve 0.768 AUC değeri ile diyabetik ve diyabetik olmayan bireyler arasında yüksek ayırt edicilik sağlamıştır. Özellik önem analizi, D vitamini düzeylerinin algoritmaya %37.5 oranında katkı sağladığını göstermiştir. Bu bulgular, D vitamininin tek başına sınırlı ancak diğer klinik parametrelerle birlikte değerlendirildiğinde güçlü bir tahmin edici olabileceğini ortaya koymaktadır. Genel olarak, elde edilen sonuçlar D vitamini eksikliğinin diyabet riski ile anlamlı bir şekilde ilişkili olduğunu göstermekte ve D vitamini taramalarının diyabet öngörüsünde potansiyel bir araç olarak kullanılabileceğine işaret etmektedir. Ancak, diyabetin çok faktörlü yapısı göz önünde bulundurulduğunda, D vitamini düzeyinin diğer risk faktörleri ile ele alınması gerektiği sonucuna varılmıştır.In this thesis study, the relationship between vitamin D levels and diabetes was examined through two distinct approaches using statistical and machine learning algorithms. In the first part of the study, 25(OH)D and HbA1c levels of 817 individuals were analyzed, and participants were categorized into three groups based on their glycemic status: normoglycemic, prediabetic, and diabetic. It was determined that the mean vitamin D levels significantly differed among these groups. Logistic regression analysis revealed that each 1 ng/mL increase in vitamin D level was associated with a 4% decrease in diabetes risk (OR = 0.96). Moreover, vitamin D level was found to be a stronger predictor than classical risk factors such as age and gender. However, the discriminatory power of the model based solely on vitamin D level was limited (AUC = 0.59). In the second part of the study, the same dataset was used to evaluate the predictive role of vitamin D levels in diabetes using Support Vector Machine (SVM) algorithms. After data preprocessing, various SVM models were developed with different kernel functions and their performances were compared. While the accuracy of a basic threshold-based algorithm was 58.28%, the accuracy increased to 67.48% with a multivariate SVM model that included age, gender, and other clinical parameters. The optimized radial basis function (RBF) kernel SVM yielded the best results, achieving 72.39% accuracy and an AUC of 0.768, indicating high discriminative ability between diabetic and non-diabetic individuals. Feature importance analysis showed that vitamin D levels contributed 37.5% to the model. These findings suggest that while vitamin D alone is a limited predictor, it can be a strong indicator when combined with other clinical parameters. Overall, the results indicate that vitamin D deficiency is significantly associated with diabetes risk, and that vitamin D screening may have potential as a predictive tool for diabetes. However, considering the multifactorial nature of diabetes, it is concluded that vitamin D levels should be evaluated in conjunction with other risk factors.