Geri Dön

Acil servislerde yapay sinir ağları ile tahminleme ve kaynak planlaması

Demand and resource planning for emergency services using atificial neural networks

  1. Tez No: 621917
  2. Yazar: SERKAN NAS
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MELİK KOYUNCU
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2021

    İlk ve Acil YardımSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN CAHİT HALHALLI

  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. 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

    Türkçe

    2023

    Acil TıpAkdeniz Üniversitesi

    Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı

    DOÇ. DR. UĞUR BİLGE

  4. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  5. 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

    Türkçe

    2022

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. HAVVA ŞAHİN KAVAKLI