Yaşlı yetişkinlerin günlük yaşam aktivitelerindeki bağımsızlıklarının makine öğrenmesi ile tahmini
Prediction of independence in daily living activities of older adults using machine learning
- Tez No: 1009554
- Danışmanlar: PROF. DR. FİKRİ GÖKPINAR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günlük yaşam aktivitelerinde bağımsızlık, yaşlı yetişkinlerde genel sağlık durumunun en önemli göstergelerinden biridir. Bağımsızlık kaybının bakıcılara olan bağımlılığı artırdığı, yaşam kalitesini düşürdüğü ve sağlık sistemine yük getirdiği gösterilmiştir. Bu çalışmanın amacı, Türkiye Yaşlı Profili Araştırması verilerini kullanarak yaşlı yetişkinlerin günlük yaşam aktivitelerindeki bağımsızlık durumunun makine öğrenmesi yöntemleri ile tahmin edilmesi ve bu durumu etkileyen faktörlerin belirlenmesidir. Çalışmada, yaş ortalaması 72,80±6,43 yıl (min-maks: 65-115) olan ve %80,16'sı bağımsız, %19,84'ü ise bağımlı sınıfta yer alan 10348 yaşlı bireye ait 43 bağımsız değişken kullanılarak 8 farklı makine öğrenmesi algoritması karşılaştırıldı. Veri seti %80-%20 oranında eğitim (n=8278) ve test (n=2070) setlerine ayrıldı. Lojistik Regresyon, Karar Ağacı, Rastgele Orman, XGBoost, LightGBM, K-En Yakın Komşu, Destek Vektör Makinesi ve Gaussian Naive Bayes algoritmaları 5-Katlı Tabakalı Çapraz Doğrulama ile değerlendirildi. Başlangıç modellerin düşük hassasiyet sorununun üstesinden gelmek için Optuna hiperparametre optimizasyon kütüphanesi ile Bayesian optimizasyon uygulandı ve F2-Skor hedef metrik olarak kullanılarak hassasiyete öncelik verildi. XGBoost algoritması test seti üzerinde F2-Skor: 0,671, hassasiyet: %78,8, özgüllük: %73,1 ve dengeli doğruluk: %76,0 değerleri ile en optimal performansı sergiledi. SHAP (SHapley Additive exPlanations) analizi kullanılarak model açıklanabilirliği değerlendirildi. Sırasıyla; desteksiz dışarı çıkabilme, yaş, geriatrik depresyon puanı, kavrama/tutma zorluğu ve yaya ulaşım zorluğu en yüksek SHAP önemine sahip değişkenler olarak tespit edildi. En önemli beş değişkenden üçünün mobilite ile ilişkili olması, fiziksel fonksiyonun günlük yaşam bağımsızlığındaki belirleyici rolünü işaret etti. Sonuç olarak, makine öğrenmesi yöntemlerinin yaşlı yetişkinlerde günlük yaşam bağımsızlığının tahmininde etkili olduğu gösterildi ve geliştirilen modelin klinisyen değerlendirmelerini destekleyecek bir tarama aracı olarak kullanım potansiyeli bulunduğu belirlendi.
Özet (Çeviri)
Independence in activities of daily living is one of the most important indicators of general health status in older adults. It was found that loss of independence increases dependence on caregivers, reduces quality of life, and creates a burden on the healthcare system. Using data from the Türkiye Older Persons Profile Survey, the aim of this study was to predict independence status in activities of daily living among older adults and identify factors affecting this status through machine learning methods. In the study, 8 different machine learning algorithms were compared using 43 independent variables from 10348 older adults with a mean age of 72.80±6.43 years (min-max: 65-115), of whom 80.16% were in the independent category and 19.84% were in the dependent category. The dataset was divided into training (n=8278) and test (n=2070) sets at a ratio of 80%-20%. Logistic Regression, Decision Tree, Random Forest, XGBoost, LightGBM, K-Nearest Neighbor, Support Vector Machine, and Gaussian Naive Bayes algorithms were evaluated using 5-fold stratified cross-validation. To overcome the low sensitivity problem of the initial models, Bayesian optimization was applied using the Optuna hyperparameter optimization library, and sensitivity was prioritized by using F2-Score as the target metric. The XGBoost algorithm exhibited the highest performance with an F2-score of 0.671, sensitivity of 78.8%, specificity of 73.1%, and balanced accuracy of 76.0%. Model explainability was assessed using SHAP (SHapley Additive exPlanations) analysis. Respectively, the ability to go outside without assistance, age, geriatric depression score, difficulty in grasping/holding, and difficulty in pedestrian access were identified as the variables with the highest SHAP importance values. The association of three of the five most important variables with mobility indicated the determinative role of physical function in independence in activities of daily living. In conclusion, it was demonstrated that machine learning methods were effective in predicting independence in activities of daily living among older adults, and it was determined that the developed model had the potential to be used as a screening tool to support clinician assessments.
Benzer Tezler
- Hemiplejik serebral palsili erişkinlerle serebrovasküler olay nedenli hemiplejik erişkinlerin fonksiyonel bağımsızlık düzeylerinin karşılaştırılması
Comparing the functional status of hemiplegic patients due to cerebrovascular event with adults with hemiplegic cerebral palsy
ÖMER ÖZDOĞAN
Yüksek Lisans
Türkçe
2017
Fizyoterapi ve RehabilitasyonHaliç ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. HÜRRİYET GÜRSEL YILMAZ
- Batı Akdeniz'in yaşlılık ritmi; fiziksel engelli yaşlıların gündelik yaşam pratikleri ve toplumsal yaşama katılımları
Old age rhythm of the Western Mediterranean; daily life practices and participation of physically disabled elderly people in social life
SULTAN KILIÇ
- Yerel yönetim örneğinde hayat boyu öğrenme uygulamalarının aktif yaşlanmanın desteklenmesindeki rolü
The role of life long learning practices in promoting active ageing in the case of local government
ÜMMÜGÜLSÜM CANATAN
Yüksek Lisans
Türkçe
2018
Eğitim ve ÖğretimAnkara ÜniversitesiYaşam Boyu Öğrenme ve Yetişkin Eğitimi Ana Bilim Dalı
DOÇ. DR. HAYAT BOZ
- Köylerde ve şehir merkezlerinde yaşayan ileri yetişkinlik dönemindeki bireylerin hayat boyu öğrenmeye dair deneyimlerinin incelenmesi
A study of the lifelong learning experiences of older adults living in villages and city centers
HALİL KARKA
Yüksek Lisans
Türkçe
2026
Eğitim ve ÖğretimBartın ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. HÜSEYİN KAYGIN