Giyilebilir teknolojiyle hemşirelerde stres tespiti: Makine öğrenimi yaklaşımıyla analizi
Stress detection in nurses with wearable technology: Analysis with a machine learning approach
- Tez No: 1017046
- Danışmanlar: DOÇ. DR. METİN YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Halk Sağlığı, Public Health
- Anahtar Kelimeler: Hemşirelik, Nursing
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Hemşirelik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
GİRİŞ VE AMAÇ: Hemşireler, hasta bakımının sürekliliği, yoğun iş yükü ve acil karar verme sorumluluğu nedeniyle stres düzeyi en yüksek sağlık profesyonelleri arasında yer almaktadır. Bu çalışmanın amacı, hemşirelerin çalışma ortamındaki stres düzeylerini giyilebilir teknoloji aracılığıyla toplanan biyofizyolojik sinyaller ve makine öğrenmesi algoritmaları kullanarak tespit etmektir. GEREÇ VE YÖNTEM: Çalışmanın örneklemini, COVID-19 pandemisi döneminde aktif görev yapan, yaşları 30–55 arasında değişen 15 kadın hemşire oluşturmaktadır. Veriler, Empatica E4 bilekliği kullanılarak elektrodermal aktivite (EDA), kalp atış hızı (HR), cilt sıcaklığı (TEMP) ve ivmeölçer verileri üzerinden iki fazda toplanmıştır. Toplamda yaklaşık 11,5 milyon satırdan oluşan veri seti, yedi farklı makine öğrenmesi algoritmasıyla analiz edilmiştir. Veri dengesizliğini gidermek amacıyla SMOTE yöntemi uygulanmış, model açıklanabilirliği SHAP analizi ile değerlendirilmiştir. BULGULAR: XGBoost algoritması en yüksek sınıflandırma performansını sergilemiştir (%85,6 doğruluk, %83,3 F1 skoru, 0,91 AUC). Özellik önem sıralaması ve SHAP analizleri, EDA ve TEMP'in stres tespitinde en ayırt edici parametreler olduğunu göstermiştir. PCA analizi, ilk iki bileşenin toplam varyansın %80–90'ını açıkladığını ve stresli ile stressiz örnekleri görsel olarak ayırabildiğini ortaya koymuştur. SONUÇ: Giyilebilir sensörlerden elde edilen fizyolojik veriler, hemşirelerin stres düzeylerini yüksek doğrulukla tahmin edebilmektedir. Bu çalışma, hemşirelerin ruh sağlığının korunması ve iş yükü yönetiminde dijital sağlık teknolojilerinin entegrasyonuna yönelik önemli bir temel sunmaktadır.
Özet (Çeviri)
INTRODUCTION AND AIM: Nurses are among the healthcare professionals most exposed to stress due to the continuity of patient care, heavy workloads, and the responsibility of making urgent clinical decisions. This study aims to detect nurses' stress levels in the workplace using biophysiological signals collected through wearable technology and analyzed with machine learning algorithms. MATERIALS AND METHODS: The study sample consisted of 15 female nurses aged 30–55, actively working during the COVID-19 pandemic. Data were collected in two phases using Empatica E4 wristbands, recording electrodermal activity (EDA), heart rate (HR), skin temperature (TEMP), and accelerometer data. The resulting large-scale dataset of approximately 11.5 million rows was analyzed using seven machine learning algorithms. SMOTE was applied to address class imbalance, and model explainability was assessed through SHAP analysis. FINDINGS: XGBoost achieved the highest classification performance (85.6% accuracy, 83.3% F1-score, 0.91 AUC), followed by Random Forest (83.2% accuracy, 0.88 AUC). Feature importance and SHAP analyses identified EDA and TEMP as the most discriminative parameters for stress detection. PCA confirmed that the first two components explained approximately 80–90% of total variance and visually separated stressed from non-stressed samples. CONCLUSION: Physiological data obtained from wearable sensors can predict nurses' stress levels with high accuracy. This study provides a significant foundation for integrating digital health technologies into the protection of nurses' mental health and workload management.
Benzer Tezler
- Development of e-textile based RFID enabled moisture sensor for wearable technologies
Giyilebilir teknolojiler için e-tekstil tabanlı RFID işlevli nem sensörü geliştirilmesi
MELTEM TEKÇİN
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. SENEM KURŞUN
PROF. DR. SELÇUK PAKER
- Human activity prediction using lifelogging data
Günlük yaşam verilerini kullanarak insan aktivitelerinin tahminlenmesi
GİZEM SARIARSLAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE AKBAŞ
PROF. DR. ADNAN YAZICI
- Bireysel giysilere entegre edilmiş piezoelektrik şeridin insan hareketinin tanımlanması ve elektrik üretim performansının analizi
Analysis of defining human motion and electric generation performance of a piezoelectric strip integrated onto individual clothing
NURAL MADAK
Yüksek Lisans
Türkçe
2025
Tekstil ve Tekstil MühendisliğiÇanakkale Onsekiz Mart ÜniversitesiEnerji Kaynakları ve Yönetimi Ana Bilim Dalı
PROF. DR. MUSTAFA KURT
- Sanal gerçeklik araçlarının yabancı dil olarak Türkçe öğretiminde sözcük öğrenimine etkisi ve akılda tutmadaki verimliliği
The effect of virtual reality tools on vocabulary learning inteaching Turkish as a foreign language and its efficiency inretention
ZAFER TARHAN
Yüksek Lisans
Türkçe
2020
Eğitim ve Öğretimİstanbul ÜniversitesiYabancı Dil Olarak Türkçe Öğretimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUNCER CAN
- Dört farklı alev geciktiricili polimerik tekstil ürünlerinin alev dayanım performanslarının incelenmesi
Investigation of flame resistance performances of four different flame retardant polymeric textile products
MUHAMMED FATİH ASLAN
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriSakarya ÜniversitesiYangın ve Yangın Güvenliği Ana Bilim Dalı
PROF. DR. HAKAN SERHAD SOYHAN