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: 119
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
- 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
- Ana bilim dalımızda yapılan 1000 histeroskopik olgunun retrospektif analizi
Retrospective analysis of 1000 hysteroscopic cases performed in our department
GİZEM YILMAZ
Tıpta Uzmanlık
Türkçe
2023
Kadın Hastalıkları ve DoğumAnkara ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. RUHŞEN AYTAÇ
- Gastrointestinal sistem malignite cerrahisi geçirecek hastalarda morbidite ve mortaliteyi öngörmede skorlama sistemlerinin karşılaştırılması
Comparison of scoring systems in prediction of morbidity and mortality in patients to be subject to gastrointestinal system malignancy surgery
MEHMET EMRE GEÇİCİ
Tıpta Uzmanlık
Türkçe
2023
Anestezi ve ReanimasyonSağlık Bilimleri ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
DOÇ. DR. GÜLTEN ARSLAN
- Açık kalp operasyonları sonrasında gelişen sternum yara yeri enfeksiyonlarını öngörmede rutin kan değerlerinden elde edilen inflamatuar parametrelerin yeri
The place of inflammatory parameters obtained from routine blood values in predicting sternal wound infections after open heart operations
KEMAL PARLA
Tıpta Uzmanlık
Türkçe
2020
Göğüs Kalp ve Damar CerrahisiSağlık Bilimleri ÜniversitesiKalp ve Damar Cerrahisi Ana Bilim Dalı
PROF. DR. MEHMET TUĞRUL GÖNCÜ
- Metastatik olmayan hormon reseptörü pozitif her-2 negatif meme kanseri hastalarında prognostik indekslerin etkinliğinin karşılaştırılması
Comparison of the efficacy of prognostic indexes in patients with non-metastatic hormone receptor positive her-2 negative breast cancer
MUSTAFA KOÇ
Tıpta Uzmanlık
Türkçe
2024
İç HastalıklarıGazi Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. NURİYE ÖZDEMİR