R paketindeki ntile fonksiyonu istatistiksel analizlerde veri sapmasına yol açıyor

R ekosisteminde sıkça kullanılan tidyverse kütüphanesine bağlı dplyr paketindeki ntile() fonksiyonu, veri analizlerinde eşit grup oluşturma mantığı nedeniyle hatalı sonuçlara neden oluyor. Fonksiyon, sürekli değişkenleri yüzdelik dilimlere (kartil gibi) bölmek yerine yalnızca eşit eleman sayısına sahip sepetler oluşturmayı hedefliyor. Bu durum özellikle farmakometri gibi hassas istatistiksel çalışmalar yürüten araştırmacıların verilerini yanlış yorumlamasına zemin hazırlıyor.

Söz konusu hata, veri setindeki eşit değerlerin (bağların) işleniş biçiminden kaynaklanıyor. ntile() işlevi, sınır noktalarındaki eşit değerleri istatistiksel dağılıma göre değil, doğrudan satır sırasına göre ayırıyor. Düzenli veri setleri genellikle çalışma kimliği, dozaj veya hasta numarasına göre sıralandığından, aynı değere sahip özneler tesadüfi olmayan bir şekilde farklı gruplara atanıyor. Örneğin medyan kiloya sahip denekler rastgele değil, aldıkları doz miktarına veya ait oldukları alt çalışmaya göre üst ya da alt çeyreğe düşüyor.

Bu yöntem, Amerikan Gıda ve İlaç Dairesi (FDA) gibi kurumlara sunulan klinik raporlarda metodolojik geçersizlik yaratıyor. Analistler, gerçek bir yüzdelik dilim ayrımı yapmak yerine farkında olmadan veriyi çalışma parametrelerine göre kategorize etmiş oluyor. Hassas veri analizlerinde eşit büyüklükte sepetleme yapan bu tür fonksiyonlar yerine, bağları satır sırasına göre kırmayan ve doğrudan teorik yüzdelik sınırlarını temel alan istatistiksel yöntemlerin kullanılması gerekiyor.