Geri Dön

Forecasting patient volume in an emergency department using time series methods: An application of a medical center in Nigeria

Zaman serisi yöntemleri kullanılarak acil servisteki hasta hacminin öngörülmesi: Nijerya'da bir tıp merkezi uygulaması.

  1. Tez No: 488507
  2. Yazar: AKEEM AFOLABI SALAUDEEN
  3. Danışmanlar: PROF. DR. GÖRKEM ATAMAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Sağlık Kurumları Yönetimi, İşletme, Health Care Management, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Yaşar Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 97

Özet

Zaman serileri tipik olarak düzenli zaman aralıklarında ölçümlenen verinin sınıflandırmasıdır. Zaman serileri ekonomi, mühendislik, sosyal bilimler, soyut bilimler gibi çok farklı alanlarda karşımıza çıkmaktadır. Zaman serilerinin analiz edilmesinde istatistiksel yöntemlerden faydalanılmaktadır. Zaman serileri analizi serinin incelenmesi, temel özelliklerinin belirlenmesi ve serinin gelecek değerlerinin uygun biçimde tahmin edilmesinde kullanılan yöntemdir. Otoregresif entegre hareketli ortalama modeli durağan ve durağan olmayan veri setlerinin analiz ve tahminlemesinde kullanılan linear bir modeldir. Bu çalışmada, Nijerya, Kogi eyaletinin Lokoja ilinde bulunan acil servise gelen hastalara ait zaman serisi analizinde otoregresif entegre hareketli ortalama modeli kullanılacaktır. Bunun için hastaneden her ay bazında gelen hasta sayı verisi ikincil veri olarak temin edilmiştir. Uygun modellerin parametrelerinin belirlenmesinde 2012-2016 yılları arasında acil servise yapılan aylık başvurular öğrenim verisi olarak kullanılmıştır. Daha güncel olan 2017 yılının ilk yedi aylık perioduna ait veriler de uygun modellerinin performanslarının belirlenmesi ve karşılaştırılmasında kullanılmıştır. Aylık toplam hasta sayılarının tahmin edilmesinin yanında, erkek ve bayan hasta sayılarının tahmin edilmesi için dolaysız ve dolaylı olmak üzere iki bakış açısı kullanılmıştır.

Özet (Çeviri)

A time series is a categorization of data points, characteristically measured at a uniform time interval. We have time series in a variety of fields ranging from economics to engineering, social sciences to pure sciences. While analyzing the time series we use statistical methods. Time series analysis (TSA) is a method used in analyzing data so as to extract its characteristics and use it to forecast into the future. The autoregressive integrated moving average (ARIMA) models belong to the category of linear models that are capable enough for discovering stationary and nonstationary series. This study explores the application of the ARIMA models to patient volume (PV) in the emergency department (ED) of the Federal Medical Center (FMC), Kogi state, Lokoja, Nigeria. We thus, obtained monthly patient volume of this ED as a secondary data. Monthly patient volume between 2012-2016 were used as a training set, to decide on the proper values of model parameters. Up-to-date data for the first seven months of 2017 were used as a test data set to evaluate and compare the performances of the methods. In addition to generate forecasts for the total patient volume, two different approaches, indirect forecasting and direct forecasting, were used to forecast arrivals of male and female patients.

Benzer Tezler

  1. Perinatal dönemdeki psikiyatrik hastalık belirtilerinin yapay zeka tabanlı büyük veri işleme platformu ile belirlenmesi

    Detection of psychiatric disease symptoms in the perinatal period with an ai-based big data processing platform

    NUR BANU OĞUR

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CELAL ÇEKEN

  2. Ateşböceği algoritması ve yapay sinir ağları kullanılarak acil servis hasta gelişlerinin tahmin edilmesi

    Forecasting of patient arrivals at emergency department using firefly algorithm and artificial neural networks

    MERVE GİZEM KARŞI

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiEskişehir Osmangazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERYEM ULUSKAN

  3. Sağlık sektöründe talep tahmini

    The Health sector demand forecasting

    TUĞBA DEDEOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Sağlık Kurumları YönetimiTrakya Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ONUR ÇETİN

  4. Arıma modeliyle hasta talep tahmini: Bingöl Ağız ve Diş Sağlığı Merkezi örneği

    Patient demand forecasting with the arima model: The example of Bingöl Oral and Dental Health Center

    MÜCAHİDE GÜNGÖR OFLAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İşletmeBingöl Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. ERDİNÇ KOÇ

  5. Muş Devlet Hastanesi hasta radyolojik görüntü sayılarının, bir zaman serisi olarak derin öğrenme yöntemleri kullanılarak gelecek tahminlerinin yapılması

    Making future predictions of Muş State Hospital patient radiological image numbers as a time series by using deep learning Methods

    ERKAN YALDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuş Alparslan Üniversitesi

    Nükleer Enerji ve Enerji Sistemleri Ana Bilim Dalı

    DOÇ. DR. ZEYDİN PALA