Sağlık hizmetleri yönetiminde bir yapay sinir ağları uygulaması
An artificial neural network application in health care
- Tez No: 152348
- Danışmanlar: PROF.DR. FÜSUN ÜLENGİN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2004
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
ÖZET Sağlık Hizmetleri Yönetimi yeni yüzyılın en önemli ve üzerinde yapılan araştırma sayısı en hızlı artan konularından biridir. Sağlık Hizmetleri Yönetimi alanında yapılan araştırmalar hem artan sağlık maliyetlerini denetim altında tutmak hem de sağlık hizmetlerine erişim düzeyini yükseltmek gibi amaçlara sahiptir. Sağlık hizmetleri alanı da başka araştırma alanları gibi yüksek düzeyde bir belirsizliğe ve bileşenleri arasında dinamik ilişkilere sahiptir. Bu tez çalışmasında Sağlık Hizmetleri Yönetiminde kullanılmak üzere Bayes Ağları ve Yapay Sinir Ağlan ile desteklenen bir model önerilmiştir. Bayes Ağları incelenen sistemlerdeki nedensel ilişkileri ortaya koyan, uzman bilgisinden ve nitel değerlendirmelerden büyük ölçüde yararlanan araçlardır. Modellenecek sisteme belirsizlik hakimse ve sistem hakkında kayıtlı bilgiler mevcut değilse Bayes Ağları yararlanılabilecek kullanışlı bir tekniktir. Yapay Sinir Ağları ise incelenen sistemdeki doğrusal olmayan ilişkilerin ortaya konmasında kullanılabilecek bir yöntemdir. Önerilen model, Bayes Ağları ve Yapay Sinir Ağlarının birlikte kullanılması ile problemli bir sistemin modellenmesi, davranışlarının tahmin edilmesi ve sistem değişkenleri arasındaki ilişkilerin derecelerinin saptanmasını amaçlamaktadır. Önerilen model beş adımdan oluşmaktadır. Birinci adımda modellenecek sistem ve problemleri hakkında veri toplanır. Veri toplama aşamasında uzman bilgisini aramaya yönelik yapılandırılmamış yöntemler ve ortaya çıkan bilgileri doğrulamaya yönelik yapılandırılmış yöntemler kullanılır. Yapılandırılmamış yöntemlerde, uzmanlara sistem hakkında bildikleri, açık uçlu sorular kullanılarak sorulur. Daha sonra bu sorulara verilen yanıtlardan ortaya çıkan kavramlar arasındaki ilişkiler Evet/Hayır tipinde yanıtlan olan kapalı uçlu sorular sorularak saptanır. İkinci adımda, önceki adımda belirlenen kavramlar ve kavramlar arasındaki ilişkiler sistemi temsil eden Bayes Ağı'nın kurulması için kullanılır. Kavramlar sistemi etkileyen değişkenlerdir ve değişkenler Bayes Ağı'nda düğümlerle gösterilirler. Değişkenler arasındaki nedensel ilişkiler ise düğümler arasındaki oklarla gösterilir. Oklar etkileyen (ebeveyn) değişkenden etkilenen (çocuk) değişkene doğru çizilmektedir. Her değişkenin sonlu sayıda bir durum kümesi vardır ve bu durum kümesindeki elemanlar değişkenlerin gösterebileceği olası davranışlardır. Bayes Ağı kurulduktan sonra değişkenlerin durumları ve bu durumları gösterme olasılıkları yine uzman bilgisinden yararlanarak belirlenir. Üçüncü adımda değişkenlerin bulunduğu farklı durumlar için sistem davranışının tahmin edilmesi yine Bayes Ağları kullanılarak yapılır. Etkileyen değişkenlerin durumlarının farklı kombinasyonlan etkilenen değişkenler için farklı durum olasılıkları ile sonuçlanmaktadır. Dördüncü adımda Bayes Ağı ile modellenen sistemin kritik değişkenini etkileyen değişkenlerin önem derecelerinin saptanmasında kullanılmak üzere olası sistem davranışları simüle edilir. Olası sistem davranışlarından oluşan büyük bir veri seti Yapay Sinir Ağlarına girdi/hedef çiftleri olmak üzere kodlanır.Beşinci adımda ise modellenen sistemin kontrol edilemez kritik değişkenini etkileyen diğer değişkenlerin önem sırası saptanır. Önem sırasının saptanmasında geri yayılmaya sahip ileri beslemeli Çok Katmanlı Algılayıcılardan yararlanılır. Bir Yapay Sinir Ağı olan Çok Katmanlı Algılayıcıların katman ağırlıkları değişken önemleri hakkında bilgi vermektedir. Çalışmada, önerilen model özel bir hastanenin radyoloji servisinin tomografi bölümünde uygulanmıştır. Tomografi bölümü önce Bayes Ağları kullanılarak modellenmiş, daha sonra Bayes Ağlan sistem davranışlarını tahmin etmede kullanılmış, devamında yine Bayes Ağları ile sistem davranışlarım yansıtan bir veri seti oluşturulmuş, bu veri seti modellenen sistemdeki değişkenlerin önem derecelerinin saptanması amacıyla çok katmanlı algılayıcılarda kullanılmıştır. xı
Özet (Çeviri)
SUMMARY Health Care Management is one of the most important and most popular research areas of the new millennium. The research studies on health care management aim both to control the increasing costs and to increase the accessibility level for health care services. Like other research areas, health care area too has a high level of uncertainty and dynamic relationships between its components. In this thesis study, a model, which is supported by Bayesian Belief Nets and Artificial Neural Networks, to be used in health care management is proposed. Bayesian Belief Nets represent the causal relationships in the system of interest. It benefits from the domain experts' knowledge and qualitative evaluations. Bayesian Belief Nets are useful tools when there is little knowledge on the area of interest or high uncertainty. Artificial Neural Networks on the other side can be used to represent the nonlinear relationships between the system variables. The proposed model aims to model a problematic system, to estimate the probable behaviors of that system and to determine the degree of relationships among the system variables. The proposed model has five stages. In the first stage, data about the system to be modeled and its problems are gathered. In data elicitation, both unstructured methods that are based on the exploratory approach and the structured methods that are based on a confirmatory approach are used. In unstructured methods, in-depth qualitative and open-ended questions are posed to the expert to obtain raw data on the system analyzed. After that, the relationships of the concepts that emerge from the open-ended questions are asked using closed questions which are very specific and require the subject to answer as either“Yes”or“No”. In the second stage, the concepts and the relationships between them are used to construct the Bayesian Belief Net of the system analyzed. Concepts are the variables that affect the system and are represented with nodes in the Bayesian Belief Net. The causal relations between the variables are represented with the arcs between the nodes. The arcs are drawn from the affecting (parent) variable to the affected (child) variable. Each variable has a finite set of states and the elements of the states set are the possible behaviors that a variable can have. After the Bayesian Belief Net is constructed, the states of the variables and the possibilities of these states are elicited from the domain experts. In the third stage, estimation of the system behavior when the variables are in their several states is done by utilizing Bayesian Belief Nets. The combinations of the different states of the affecting variables cause the affected variables to have different possibilities for the same states. In the fourth stage, possible system behaviors are simulated to be used in the determination of the level of importance of the variables that affect the uncontrollable critical variable of the system. A huge data set is coded into numbers to be used as input/target pairs for the Artificial Neural Networks. xuIn the fifth stage, the order of importance for the affecting variables is determined. In this stage, multilayer feedforward perceptrons with backpropagation are utilized. The layer weights of these multilayer perceptrons, which are a kind of artificial neural network, tell the analyst about the importance level of the input variables. In the study, the proposed model is applied in the tomography section of the radiology department of a private hospital. Tomography section is first modeled utilizing Bayesian Belief Nets, then Bayesian Belief Nets are used to estimate the system behaviors, following that a data set representing the system behavior is constructed, and finally this data set is used on multilayer perceptrons to determine the importance level of the system variables. xm
Benzer Tezler
- Yerel kapsayıcı politika ve uygulamaların Suriye kökenli göçmenlerin sosyal uyumu üzerindeki etkisi: Zeytinburnu örneği
The effect of local inclusive policies and practices on the social cohesion of Syria origin immigrants: The case of Zeytinburnu
PAPATYA BOSTANCI
Yüksek Lisans
Türkçe
2022
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. GÜLDEN ERKUT
- Türkiye'nin sağlık diplomasisi faaliyetleri üzerine nitel bir araştırma
A qualitative research on Turkey's health diplomacy activities
SIDDIKA ÇAM
Yüksek Lisans
Türkçe
2022
Halkla İlişkilerSüleyman Demirel ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DOÇ. DR. ERDAL EKE
- Kahramanmaraş ili birinci basamak sağlık çalışanlarının erkek sünneti konusundaki bilgi ve görüşleri
Knowledge levels and opinions of primary healthcare providers in Kahramanmaraş province regarding male circumcision
HALİT AKSAY
Tıpta Uzmanlık
Türkçe
2020
Aile HekimliğiKahramanmaraş Sütçü İmam ÜniversitesiAile Hekimliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CELAL KUŞ
- Ranking of families applying for social aids to municipalities according to their degree of neediness
Belediyelere sosyal yardım başvurusu yapan ailelerin muhtaçlık derecesine göre sıralanması
MERT YİĞİT ALADAĞ
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GAYE KARAÇAY AYDIN