Veri madenciliği yöntemleri kullanılarak yoğun bakım hastalarında basamak tespitinin yapılması
Classification of intensive care patients by using data mining methods
- Tez No: 677444
- Danışmanlar: PROF. DR. MEHMET KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Bu tez çalışması Türkiye'de kullanılan yoğun bakım basamaklandırma sistemindeki problemler göz önüne alınarak hazırlanmıştır. Yoğun bakımlarda hasta bakımı, hastaların takibi, hastalıkların kontrolü ve tüm bunların maliyeti, içinde zorluklar barındıran işlemlerdir. Bu sistemin kontrolünü kolaylaştırmak bu tez çalışmasının en önemli amaçlarındandır. Çalışma veri madenciliği yöntemlerinin uygulanmasını içermektedir. Yoğun bakımlarda tedavi gören hastaların gerçek verileri ile çalışılmıştır. Bu veriler üzerinde basamak değerleri referans alınarak sınıflandırma ve kümeleme işlemleri yapılmıştır. Ayrıca hastaların ölüm tahminlerine yönelik bir uygulama daha içermektedir. Tez çalışması esnasında yaşanan en büyük problem verilerin kaydediliş biçiminin eksik ya da hatalı olması idi. Veriler uygulamaya hazır hale getirilene kadar fazlaca ön işlemden geçmek zorunda kalınmıştır. Hasta başı monitörleri ile alınacak anlık veriler ile çok daha başarılı sonuçlar elde edilebilecektir.
Özet (Çeviri)
This study has been prepared to solve the problems in the intensive care classification system used in Turkey. Patient care in intensive care, patient follow-up, disease control, and the cost of all these are difficult procedures. Facilitating the control of this system is one of the most important aims of this thesis. The study includes the application of data mining methods. It was studied with real data of patients treated in intensive care units. Classification and clustering processes were performed on these data by taking classification values as reference. It also includes an application for predicting patients' mortality. The biggest problem experienced during the thesis study was the incomplete or incorrect way of recording the data. Before the data was ready for application, it had to go through a lot of pre-processing. Much more successful results will be achieved with instant data to be obtained with bedside monitors.
Benzer Tezler
- Veri madenciliği yöntemleri kullanılarak yoğun bakım ünitelerinde yatan inme tanılı hastaların mortalite tahmini
Mortality estimation of patients with stroke diagnosed in intensive care units using data mining techniques
ÜMMÜHAN ÇAKIR SAĞÇOLAK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiSağlık Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KRİSTİN SURPUHİ BENLİ
- Çok küçük preterm bebeklerde erken neonatal dönemdeki kan hücre ve indekslerinin morbidite ve mortaliteyi öngörmedeki rolü
Role of early complete blood count parameters to predict morbities and mortality in very preterm babies.
CAN AKYILDIZ
Tıpta Uzmanlık
Türkçe
2019
Çocuk Sağlığı ve HastalıklarıDokuz Eylül ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. FUNDA TÜZÜN
- Yoğun bakım ünitelerinde yatan hastalara ilişkin mortalite ve yatış süresine etki eden faktörlerin veri madenciliği yöntemleri ile incelenmesi
Investigation of factors affecting mortality and length of stay in intensive care units with data mining methods
HÜSEYİN ERKİN SÜLEKLİ
Yüksek Lisans
Türkçe
2019
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ERDEM KARABULUT
- Predictive modeling of non-routine maintenance workload in aircraft operations: a task card-level approach using real mro data and machine learning
Uçak bakım operasyonlarında non-routıne iş yükünün öngörüsel modellemesi: gerçek mro verileri ve makine öğrenmesi ile görev kartı düzeyinde bir yaklaşım
TALHA GÜÇLÜ
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA