A model predicting the next healthcare service that can be given to the insured by using data mining methods
Sigortalı hastaların geçmiş verilerine dayanarak ihtiyaç duyabilecekleri sağlık hizmetlerinin modellenmesi
- Tez No: 815632
- Danışmanlar: DR. ÖĞR. ÜYESİ İLKER KÖSE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Science and Technology, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Medipol Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 48
Özet
Sigortacılıkta, hastalığın seyrini ve sigortalının davranışını (bir sonraki tedavi merkezini tercih etme eğilimi) önceden tahmin etmenin önemi fazladır. Farklı hastanelerde farklı fiyat anlaşmaları ile karşılaşılabilir. Bu konuda hasar/prim oranı ve maliyetlerin kontrolü büyük önem taşırken, sigortalının poliçe kapsamına girip giremeyeceği ve hastanın ayakta mı yoksa yatarak mı tedavi göreceği tahmin edilmesi gereken unsurlardan biridir. Sigortalının sağlık hizmeti kuruluşundan aldığı hizmet, bu hizmetin paydaşları tarafından farklı şekilde ele alınmakta ve değerlendirilmektedir. Bu hizmet yönetimini en verimli ve hızlı şekilde sağlamak, sigorta şirketleri için çok önemlidir. Bu soruna yaklaşım için veri madenciliği teknikleri kullanarak bir model geliştirdik. Hastaların tıbbi verileri kullanılarak, hangi tedaviye ihtiyaç duydukları ve hangi hastaneleri tercih ettikleri analiz edilmiştir. Bu veriler, hastaların gelecekteki tedavi ihtiyaçlarını öngörmek ve sigorta şirketlerinin hizmet sunumunu optimize etmek için değerli bilgiler sağlamaktadır. Model geliştirme sürecinde, Yoğunluk Tabanlı Kümeleme (DBSCAN) ve Birliktelik Kuralı (Association Rule) teknikleri kullanılmıştır. Öncelikle hastalar benzer özelliklere sahip gruplara ayrılmış ve her bir gruba özgü birliktelik kuralları oluşturulmuştur. Bu sayede, benzer hastaların tedavi ihtiyaçlarının belirlenmesi ve gelecekteki tedavi önerilerinin yapılması mümkün hale gelmiştir. Modelin performansı, uzman hekimlerle yapılan testler ve doğruluk oranları analiziyle değerlendirilmiştir. Test sonuçları, modelin hastaların tedavi ihtiyaçlarını başarıyla tahmin ettiğini ve sigorta şirketlerine değerli bilgiler sağladığını göstermiştir. Elde edilen doğruluk oranının yaklaşık %80 olduğu belirlenmiştir. Bu proje, sigorta şirketlerine hastaların tedavi ihtiyaçlarını önceden tahmin etme konusunda değerli bir araç sunmaktadır. Bu sayede sigorta şirketleri, hizmetlerini optimize ederek maliyetleri kontrol altında tutabilir ve hastalara daha iyi hizmet sunabilirler. Ayrıca hastaneler, hastaların tercihlerini anlamak ve beklentilerini karşılamak için önemli bilgilere sahip olabilirler. Bu çalışma, sigortacılık sektöründe veri analitiği ve tahmin modellerinin kullanımının önemini vurgulamaktadır.
Özet (Çeviri)
In insurance, it is crucial to predict the course of a disease and the behavior of the insured (such as their tendency to choose the next treatment center) in advance. Different hospitals may have different price agreements. While controlling the loss/premium ratio and costs is of great importance, factors such as whether the insured can be covered by the policy and whether the patient will receive outpatient or inpatient treatment need to be predicted. The services received by the insured from healthcare providers are perceived and evaluated differently by the stakeholders. Efficient and speedy management of these services is highly important for insurance companies. To address this issue, we developed a model using data mining techniques. By analyzing the medical data of patients and examining their treatment needs and hospital preferences, valuable insights can be obtained to predict their future treatment requirements and optimize service delivery by insurance companies. In the process of model development, Density-Based Clustering (DBSCAN) and Association Rule techniques were utilized. Initially, patients were grouped based on similar characteristics, and specific association rules were generated for each group. This enabled the identification of treatment needs for similar patients and facilitated the generation of future treatment recommendations. The performance of the model was evaluated through tests conducted with expert physicians and analysis of accuracy rates. The test results demonstrated the model's successful prediction of patients' treatment needs and the valuable insights it provided to insurance companies. The obtained accuracy rate was approximately 80%. This project offers insurance companies a valuable tool for predicting patients' treatment needs in advance. As a result, insurance companies can optimize their services, control costs, and provide better healthcare services to patients. Additionally, hospitals can gain important insights to understand patients' preferences and meet their expectations. This study emphasizes the importance of data analytics and predictive models in the insurance industry.
Benzer Tezler
- Toplumsal davranışın etmen temelli modellemesi: Organ bağışı örneği
Agent based modeling of social behaviour: The case of organ donation
ZAFER EREN
Doktora
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CAFER ERHAN BOZDAĞ
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CELAL ÇEKEN
- Sağlık hizmetlerinde yapay zeka uygulamaları: Yoğun bakım örneği
Artificial intelligence in healthcare: An implementation example for intensive care units
ZEHRA NUR CANBOLAT GÖÇMEN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. GÖKHAN SİLAHTAROĞLU
- Yapay zeka ile KOAH hastalarının durum analizi ve IoT ilesolunum verilerinin takibi
Artificial intelligence-based analysis of COPD patients' condition and monitoring of respiratory data with IoT
MUHAMMED AYDINALP ÖZCAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN HÜSEYİN ÇELİK
- Enriching predictive models using graph embeddings
Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi
YAREN YILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ