Makine öğrenmesi yöntemleri ile hastane performans göstergeleri üzerinden verimlilik değerlendirmesi
Efficiency assessment on hospital performance indicators with machine learning methods
- Tez No: 1025806
- Danışmanlar: DOÇ. DR. NESRİN ALKAN
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Veri yorumlama-istatistiksel, Örgütsel performans, Data interpretation-statistical, Organizational performance
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dinamik ve çok yönlü yapısıyla karakterize edilen günümüz iş ortamında, kurumsal performansı yalnızca finansal sonuçlar açısından değil, çok boyutlu bir çerçeve içinde değerlendirmek zorunlu hale gelmiştir. Bu bağlamda, devlet üniversitesi hastanelerinde performans ve verimliliğin ölçülmesi, hesap verebilirliği artırmak, paydaşların beklentilerini karşılamak ve süreç iyileştirmelerini sağlamak açısından kritik öneme sahiptir. Bunun nedeni, bu tür kurumların karmaşık yapıları ve sınırlı mali kaynaklarıdır. Sonuç olarak, sağlık sistemlerinin kapsamlı ve etkili bir şekilde işleyişi için çok boyutlu performans değerlendirme süreçlerinin esnek ve sistematik bir şekilde uygulanması zorunludur. Bu çalışmanın amacı, üniversite hastanelerinin teknik etkinlik düzeylerini belirlemek ve etkinlik puanlarını etkileyen faktörleri incelemektir. Bu doğrultuda iki aşamalı bir analiz yaklaşımı benimsenmiştir. İlk aşamada teknik ve ölçek etkinlikleri Veri Zarflama Analizinin CCR ve BCC modelleriyle değerlendirilmiş, ikinci aşamada ise saf teknik etkinlik puanları esas alınmıştır. Etkinliği etkileyen faktörler Random Forest, CART ve SVR yöntemleriyle analiz edilmiştir. Böylece çalışma, istatistiksel analiz ile makine öğrenmesi yaklaşımını bütünleşik bir çerçevede sunmaktadır. Analiz sonuçları, incelenen 44 hastaneden 13'ünün hem teknik hem de ölçek açısından tam etkin olduğunu, 14 hastanenin ise teknik olarak etkin olmasına rağmen ölçek verimsizliği yaşadığını göstermiştir. Kalan 17 hastane her iki boyutta da verimsizlik sergilemiştir. İkinci aşama analizlerinde, ayaktan hasta sayısı ve alan/yatak oranının etkinlik üzerinde pozitif; toplam hastane alanı ile idari personel sayısının ise negatif etkili olduğu belirlenmiştir. Random Forest analizinde idari personel sayısı verimliliği etkileyen en önemli değişken olarak öne çıkarken, Tobit regresyon sonuçları bu bulguları istatistiksel olarak desteklemiştir. CART analizi, fiziksel kapasite ve idari personel yapısına ilişkin kritik eşik değerlerin belirlenmesine katkı sağlamıştır. Bulgular, üniversite hastanelerinde kapasite planlaması ve kaynak yönetiminin etkinlik düzeyi üzerinde belirleyici rol oynadığını göstermektedir.
Özet (Çeviri)
In today's fast-paced business environment, it is crucial to evaluate organizational performance within a multidimensional framework. In public hospitals characterized by complex structures and limited budgets, measuring performance and efficiency is vital for ensuring accountability, meeting stakeholder expectations, and improving processes. Therefore, the implementation of flexible and systematic performance evaluation processes is of great importance for the effectiveness of healthcare systems. The aim of this study is to determine the technical efficiency levels of university hospitals and to examine the factors affecting efficiency scores. For this purpose, a two-stage analytical approach was adopted. In the first stage, technical and scale efficiencies were evaluated using the CCR and BCC models of Data Envelopment Analysis while in the second stage, pure technical efficiency scores were taken as the basis. The factors affecting efficiency were analyzed using Random Forest, CART, and Support Vector Regression (SVR) methods. Thus, the study presents an integrated framework combining statistical analysis and machine learning approaches. The analysis results revealed that 13 out of the 44 hospitals examined were fully efficient in terms of both technical and scale efficiency, while 14 hospitals were technically efficient but suffered from scale inefficiency. The remaining 17 hospitals exhibited inefficiency in both dimensions. In the second-stage analyses, the number of outpatient visits and the area-to-bed ratio were found to have a positive effect on efficiency, whereas total hospital area and the number of administrative personnel had a negative impact. In the Random Forest analysis, the number of administrative personnel emerged as the most important variable affecting efficiency, and the Tobit regression results statistically supported these findings. The CART analysis contributed to identifying critical threshold values related to physical capacity and administrative personnel structure. The findings indicate that capacity planning and resource management play a decisive role in the efficiency levels of university hospitals.
Benzer Tezler
- COVID-19 ile mücadelede ülkelerin etkinliğinin veri zarflama analizi ve makine öğrenmesi ile değerlendirilmesi
Assessing countries' efficiency in fight against COVID-19 by data envelopment analysis and machine learning
FARUK YILMAZ
Doktora
Türkçe
2023
Halk Sağlığıİstanbul Üniversitesi-CerrahpaşaSağlık Yönetimi Ana Bilim Dalı
PROF. DR. İLHAN KEREM ŞENEL
- Sağlık alanında gradyan temelli makine öğrenmesi yöntemleri ile triaj belirleme
Triage determination with gradient-based machine learning methods in health field
İHSAN ARVAS
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesiİstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TOLGA BERBER
- Makine öğrenme teknikleri kullanılarak basınç ülserlerinin sınıflandırılması
Classification of pressure ulcers using machine learning techniques
BİLGE YILMAZ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. İBRAHİM YÜCEDAĞ
ÖĞR. GÖR. FADİME ÖĞÜLMÜŞ DEMİRCAN
- Derin öğrenme ile pnömoni hastalığını tespit etme
Determining of pneumonia disease with deep learning
GAMZE AKPOLAT
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
ÖĞR. GÖR. HÜLYA YALÇIN
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR