Yapay zeka ile acil hasta sayılarının tahmini edilmesi: Bingöl Devlet Hastanesi örneği
Estimating the number of emergency patients with artificial intelligence: Bingöl State Hospital example
- Tez No: 889454
- Danışmanlar: PROF. DR. SAİT PATIR
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bingöl Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 212
Özet
Çalışma, sağlık sektöründe acil servis hizmetlerinde ortaya çıkabilecek hasta sayılarının daha etkili bir şekilde tahmin edilmesi amacıyla yapay zeka tabanlı talep tahmini modellerini değerlendirmeyi hedeflemektedir. Bingöl Devlet Hastanesi'nde gerçekleştirilecek örnek uygulama ile bu teknolojinin uygulanabilirliği ve etkinliği üzerine odaklanılarak, sağlık sektöründe daha akılcı ve hızlı bir planlama ve kaynak yönetimi sağlama potansiyeli incelenmiştir. Çalışmada, on üç bağımsız değişken seçilmiş ve acil servise başvuran toplam hasta sayıları bağımlı değişken olarak belirlenmiştir. Bingöl Devlet Hastanesi'ne 2013-2023 yılları arasında yapılan acil servis başvurularını tahmin etmek amacıyla çeşitli tahmin modelleri kullanılmıştır. Zaman serisi modelleri arasında SARIMA(1,1,1) modeli en yüksek performansı göstermiştir. Doğrusal regresyon ile tahmin sonuçlarına göre düşük MSE (0.017211) ve düşük RMSE (0.13119) değerleri elde edilmiştir. YSA modeli ise en düşük MSE (0.012172) ve RMSE (0.11040) değerleri ile en doğru tahminleri yapmıştır. Bağımsız değişkenler arasında toplam nüfus, erkek nüfusu, kadın nüfusu ve okuma yazma bilen oranı gibi faktörlerin acil servis başvuruları üzerinde belirgin etkileri olduğunu ortaya koymuştur. Yerel demografik ve sosyoekonomik faktörlerin dikkate alınarak yapıldığı tahminlerle, sağlık hizmetlerinin kalitesinin arttırılması amaçlanmıştır. YSA ve diğer makine öğrenimi algoritmalarının kullanımıyla elde edilen sonuçlar, sağlık yöneticilerine gelecekteki hasta akışını tahmin etme ve kaynak yönetimini daha etkin bir şekilde planlama konusunda önemli rehberlik sağlayabilecektir. 2024-2025 yılı için yapılan hasta sayısı tahminleri YSA modeli kullanılarak hesaplanmış ve acil sağlık hizmetleri planlaması, kaynak tahsisi gibi stratejik kararların alınmasında önemli bir rol oynayabilecektir. Tahmin edilen hasta sayıları, hastane kapasitesinin planlanması ve yönetilmesi için kritik bir bilgi kaynağı oluşturmaktadır. Sonuçlar, sağlık sektöründe yapay zeka ve veri analitiği tekniklerinin kullanımının önemini vurgulamakta ve acil sağlık hizmetlerini daha etkili ve verimli hale getirme potansiyeline sahip olduğunu göstermektedir.
Özet (Çeviri)
The study aims to evaluate artificial intelligence-based demand forecasting models in order to more effectively predict the number of patients that may arise in emergency services in the healthcare sector. Focusing on the applicability and effectiveness of this technology, the potential of providing more rational and faster planning and resource management in the healthcare sector was examined with the sample application to be carried out at Bingöl State Hospital. In the study, thirteen independent variables were selected and the total number of patients applying to the emergency department was determined as the dependent variable. Various prediction models were used to predict emergency department admissions to Bingöl State Hospital between 2013 and 2023. Among the time series models, the SARIMA(1,1,1) model showed the highest performance. According to the prediction results with linear regression, low MSE (0.017211) and low RMSE (0.13119) values were obtained. The ANN model made the most accurate predictions with the lowest MSE (0.012172) and RMSE (0.11040) values. It has been shown that among the independent variables, factors such as total population, male population, female population and literacy rate have significant effects on emergency department admissions. It is aimed to increase the quality of health services with the predictions made by taking local demographic and socioeconomic factors into account. Results obtained through the use of ANN and other machine learning algorithms can provide important guidance to healthcare managers in predicting future patient flow and planning resource management more effectively. Predictions of the number of patients for 2024-2025 were calculated using the ANN model and can play an important role in making strategic decisions such as emergency health services planning and resource allocation. Estimated patient numbers constitute a critical source of information for planning and managing hospital capacity. The results highlight the importance of the use of artificial intelligence and data analytics techniques in the healthcare sector and show that they have the potential to make emergency healthcare more effective and efficient.
Benzer Tezler
- Akut pulmoner emboli tanısında yapay zeka çalışmaları
Artificial intelligence studies in the diagnosis of acute pulmonary embolism
ÖNDER BABACAN
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. ŞÜKRÜ MEHMET ERTÜRK
- Acil servis triyajında yapay zeka programı ile hastaların acil servis ciddiyet skalasına göre aciliyetlerinin belirlenmesi
Determination of patient urgency in the emergency department using an artificial intelligence program based on the emergency severity index
CANSU ÇOLAKÇA
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. MEHMET ERGİN
- 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
- Hastanelerdeki yangın güvenlik sistemlerinin yapay zeka ile yönetimi
A study on the management of fire safety systems in hospitals
DOĞUKAN ATALAY
Yüksek Lisans
Türkçe
2024
HastanelerÜsküdar Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
DOÇ. DR. MÜGE ENSARİ ÖZAY
- Yapay zeka yöntemlerini kullanarak geçiş üstünlüğüne sahip araçların gerçek zamanlı tespiti
Real-time detection of vehicles with transition superiority using artificial intelligence methods
RIDVAN AYDOĞAR
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ÖZEK