Prediction of surgical operation durations using supervised machine learning techniques
Ameliyat sürelerinin güdümlü makine öğrenme teknikleri ile tahmini
- Tez No: 476042
- Danışmanlar: Assist. Prof. Dr. AYBAR CAN ACAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Sağlık Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
There's an ever increasing number of patients referred to healthcare facilities and hospitals. The healthcare facilities have two main options to deal with this situation. They have to either employ and acquire more resources or they should use the existing staff and resources more efficiently and effectively. The first option is not always feasible due to the fact that the healthcare facilities have limitations on both the staff they can employ and the resources they can acquire. Given the fact that these resources are expensive and extra resources provide diminishing returns, it is important to make the best use of resources available. Operating rooms and surgeons are the most expensive and scarce resources in hospitals; so it is crucial to optimize their performance and avoid under and over utilized operating rooms. The aim of this study is to employ supervised machine learning techniques and probabilistic graphical models to predict the duration of surgical operations using historical data. We have used a wide spectrum of different models ranging from regression methods, classification methods, and Bayesian Networks to predict the surgical operation durations. The models built based on Bayesian Networks, in general, produce more accurate results with lower errors. Naive Bayes, however, outperforms the other Bayesian-Network based models with an average accuracy of 66.9% and root mean square error of 998 seconds (16.6 minutes) from the true duration of the operation. Provided with accurate estimation of surgical operation durations, it is possible to build optimization models to utilize healthcare facility resources. This allows healthcare facilities' managers to create tactical (medium term) plans and to increase efficient utilization of operating rooms and surgeons.
Özet (Çeviri)
Hastanelerdeki hasta sayısı giderek artmaktadır. Sağlık kuruluşlarının bununla başedebilmek için iki seçeneği bulunmaktadır: daha fazla cerrah ve kaynak edinmek veya var olan kaynağı daha verimli kullanmak. İstihdam edilebilecek cerrahi personel ve kaynaklarda reel bütçeden dolayı kısıtlar olması ve daha fazla kapasitenin getirisinin giderek azalan yapıda olması nedeniyle var olanı daha verimli kullanmak daha önemli hale gelmektedir. Ameliyathane ve cerrahlar hastanelerdeki en kıt kaynaklar oldukları için ise bunların zaman performansını optimize edecek zaman çizelgelerinin çıkartılabilmesi kritiktir. Bu çalışmanın amacı geçmiş veriden ameliyat sürelerini daha doğru tahmin edecek bir modelin güdümlü makine ögrenme teknikleri ile geliştirilmesidir. Geniş bir gamda regresyon ve sınıflandırma modeli denenmiş, bunlar arasında Bayes Ağı tabanlı modellerin genel olarak daha az hata gösterdikleri bulunmuştur. Bunun yanında Saf (Naive) Bayes modellerin ortalama %66.87 doğruluk ve gerçek ameliyat süresinden 998 saniye (16.6 dk.) karesel ortalama hata ile diğer Bayes modellerinden daha iyi sonuç verdiği görülmüştür. Ameliyat sürelerinin doğru tahmini ile sağlık kurumu kaynaklarının kullanımını optimize edebilecek modeller geliştirmek mümkün olacaktır. Bu da sağlık kurumu yöneticilerinin taktik (orta vade) planlamalarını ameliyathane ve cerrah kullanımının verimini artıracak şekilde yapabilmelerine imkan kılacaktır.
Benzer Tezler
- Özofagus ve mide cerrahisi sonrası gelişen komplikasyonların comprehensıve complıcatıon ındex ve calveın – dındo ölçeklerine göre değerlendirilmesi ve bu ölçeklerin mide ve özofagus cerrahisinde mortalite öngörüsündeki etkisinin incelenmesi
Evaluation of complications after esophagus and gastric surgery according to the comprehensive complication index and calvein-dindo scales and examination of the effect of these scales on mortality prediction in gastric and esophagus surgery
SERHAT GÜNEŞ
Tıpta Uzmanlık
Türkçe
2025
Genel CerrahiVan Yüzüncü Yıl ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. ÜMİT HALUK İLİKLERDEN
UZMAN MEHMET KADİR BARTIN
- Total tiroidektomi yapılmış hastalarda postoperatif ilk 2 saatte bakılan paratiroid hormon değerlerinin hipokalsemiyi öngörmesi
Prediction of hypocalcemia with postoperative second hour parathormone measurement after total thyroidectomy
SELEN SOYLU
Tıpta Uzmanlık
Türkçe
2018
Genel Cerrahiİstanbul Üniversitesi-CerrahpaşaGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. SERKAN TEKSOZ
- Elektif batın cerrahisi yapılacak olan hastaların preoperatif değerlendirilmesi ve postoperatif pulmoner komplikasyon indekslerinin karşılaştırılması
Preoperative evaluation of elective abdominal surgery patients and comparison of postoperative pulmonary complication indexes
AŞKIN GÜLŞEN
Tıpta Uzmanlık
Türkçe
2006
Göğüs HastalıklarıDokuz Eylül ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DOÇ. DR. OĞUZ KILINÇ
- “Laparoskopik kolesistektomi zorluk skoru”operatif zorluğu belirleyebilir mi?
Difficulty in laparoscopic cholecystectomy scorecan it determine operative challenge?
ERGUVAN NALINCIOĞLU
Tıpta Uzmanlık
Türkçe
2019
Genel CerrahiSağlık Bilimleri ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. OSMAN DOĞRU
- Endometrium kanserinde preoperatif dönemde bakılan bilgisayarlı tomografide deri altı yağ dokusu kalınlığı ve iç organ yağ dokusu alanı ölçümlerinin postoperatif morbidite ve sağkalım ile ilişkisinin değerlendirilmesi
The relationship between subcutaneous adipose tissue thickness and visceral adipose tissue area measurements in preoperative computerized tomography and postoperative morbidity and survival in endometrial cancer
FETHULLAH TANRIKULU
Tıpta Uzmanlık
Türkçe
2024
Kadın Hastalıkları ve DoğumDüzce ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENGİN YURTÇU
DOÇ. DR. SELÇUK ERKILINÇ