Acil servislerde yapay sinir ağları ile tahminleme ve kaynak planlaması
Demand and resource planning for emergency services using atificial neural networks
- Tez No: 621917
- Danışmanlar: DR. ÖĞR. ÜYESİ MELİK KOYUNCU
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Acil ve ölümcül hastaların, hastanede ilk tedavi gördükleri birim olan acil servis (AS) biriminin çok etkin olması gerekir. AS biriminin etkin olabilmesi için de sahip olduğu kaynakların çok verimli kullanılması gerekir. Genellikle, sağlık sistemlerinde kaynak optimizasyonu yapabilmek için simülasyon modellerinden faydalanılır. AS'de ideal yatak sayısının tespit edilmesi çok önemlidir, çünkü bir çok kaynak yatak sayısına göre planlanır. Bu çalışmada ideal yatak sayısını bulmak amacıyla bir simülasyon modeli geliştirilmiştir. Simülasyon modelinin tasarlanması için gerçek sistemle ilgili bilgilere gereksinim vardır ve bu bilgilerden en önemli girdi parametresi hasta geliş sıklıklarının tahminidir. 10 farklı makine öğrenme algoritması kullanılarak hasta geliş sıklığı tahmin edilmeye çalışılmış, makine öğrenme algoritmalarının girdi olarak kullanacağı ideal öznitelik kümesi de kapsamlı öznitelik seçim yöntemi ile belirlenmiş ve en önemli öznitelik verisi ortalama geliş oranı olarak belirlenmiştir. Uzun Kısa Vadeli Hafıza (LSTM) modeli tahminde mutlak ortalama hata yüzde oranı %46,7 ile en başarılı algoritma olmuş ve simülasyon metodu yardımıyla acil serviste hasta kalış süresi %7 azalmıştır.
Özet (Çeviri)
Emergency Department (ED) must be managed effectively since it is the first point of care in hospitals for urgent and critically ill patients. ED can be effective, only by using resources efficiently. Generally, simulation model is used in healthcare systems to optimize resources. In ED, the optimum number of bed resource is crucial, since most of the resources in ED can be planned according to the number of bed resource. This study has devoloped a simulation model to determine the optimum number of beds. This simulation model needs some inputs and the most important input for this model is patient's arrival rate. 10 different machine learning algorithms are utilized to predict the patient's arrival rate. These machine learning algorithms need optimum feature subsets and this optimum subset has been determined by using exhaustive feature selection method. The most significant feature is identified as mean arrival rate. The long short-term memory (LSTM) model has the best accuracy with a MAPE value of 46,7%, and by the help of the simulation method, the length of stay (LOS) has been minimized by 7% and the number of beds at the ED has been optimized.
Benzer Tezler
- COVID-19 hastalarında yoğun bakım sevkinin öngörülmesi için derin öğrenme algoritmalarının kullanılması
Using deep learning algorithms to predict intensive care referral in COVID-19 patients
FURKAN ZAMAN
Tıpta Uzmanlık
Türkçe
2021
İlk ve Acil YardımSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN CAHİT HALHALLI
- 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
2024
Endüstri ve Endüstri MühendisliğiEskişehir Osmangazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERYEM ULUSKAN
- Triyaj verisi kullanarak öntanı tahmini yapan yapay zeka tabanlı karar destek sistemi
Artificial intelligence based decision support system predicting prediagnosis using triage data
GÖKSU BOZDERELİ BERİKOL
Doktora
Türkçe
2023
Acil TıpAkdeniz ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. UĞUR BİLGE
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Akut karın ağrısı ile acil servise başvuran hastalarda yapay zeka tabanlı gastrointestinal sistem kaynaklı akut batın olgularının saptanması
Detection of acute abstract causes caused by the artificial intelligence based gastrointestinal system in patients attending the emergency department with acute abdominal pain
ESRA EKİCİ ERDEM
Tıpta Uzmanlık
Türkçe
2022
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. HAVVA ŞAHİN KAVAKLI