Salgınlardaki vaka tahminlerinde kullanabilecek modellerin karşılaştırılması COVID-19 vaka sayıları tahmini
A comparison of models that can be used in case estimations in epidemics: Estimating the number of COVID-19 cases
- Tez No: 926936
- Danışmanlar: DOÇ. DR. İLKER ÜNAL
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Toplum üzerinde sağlık, ekonomik ve kültürel gibi yönlerden ciddi etkiler yaratan salgının kontrol altına alınabilmesi için, hastalık nedenlerinin belirlenmesi, bulaşın engellenmesi ve hastaların hızlı şekilde tedavi edilmesi gerekmektedir. Bu basamakların geçilmesinde özellikle hastalığın seyri ve vaka sayıları büyük önem taşımaktadır. Bu nedenle, mevcut vakalardan hareketle ilerleyen dönemlerde ortaya çıkabilecek yeni vakaların sayısını belirleyebilecek matematiksel modellere her zaman ihtiyaç duyulmuştur. 20.yy başlarında popülerliği artan bu modeller tahmin başarıları yönünden değişkenlik göstermektedir. Bu tez çalışmasında bu modellerden sıklıkla kullanılan SIR modeli ve ARIMA modeli Covid-19 pandemi verileri kullanılarak karşılaştırılmış ve üstünlük ve eksiklikleri belirlenmiştir. Tez çalışmasında Almanya, Amerika, Türkiye ve Çekya ülkelerinin ilk vakasının görüldüğü günden başlayarak, 550 günlük verileri kullanılmıştır. SIR modelinin parametrelerini tahmin edebilmek için geriye yönelik 3, 5 ve 7 günlük değerler kullanılmıştır. Günlük vaka sayıları ve günler arası ötelenme görülebildiği için haftalık toplam vaka sayıları modeller kullanılarak tahmin edilmiştir. Bu nedenle ARIMA modelinde frekans değeri 365 ve 52 olarak alınmıştır. Tahmin başarıları hata değerleri ortalamasının karekökü (RMSE) ve seyir (trend) grafikleri ile incelemiştir. Yapılan analizler sonucunda tüm ülkeler için geçerli olmak üzere SIR modelinde parametre tahmini için kullanılacak geriye yönelik gün sayısının etki ettiği gözlenmiştir. Buna göre genellikle 5 veya 7 günlük geçmiş bilginin tahmin başarısını arttırdığı gözlenmiştir. ARIMA modelinin günlük vaka tahminlerinde haftalık vaka tahminlerine göre daha az hata yaptığı görülmüştür. Bu çalışmanın sonucunda modellerin birbirleri üzerinde belirgin bir üstünlüğü olmadığı ve SIR modelinde parametre tahmininde en az 5 günlük veriye ihtiyaç olduğu, ARIMA modellerinde ise haftalık vaka tahminleri için daha uzun veri periyotlarına ihtiyaç olduğu belirlenmiştir.
Özet (Çeviri)
In order to control the epidemic, which may have serious effects on society in terms of health, economy and education, it is necessary to determine the causes of the disease, prevent transmission and treat patients quickly. In the course of implementing these steps, it is of great importance to monitor the disease's progression and the number of cases. Consequently, mathematical models that can estimate the number of new cases have always been needed. These models, which became popular in the early 20th century, vary in terms of their predictive success. In this thesis, the SIR model and the ARIMA model, which are frequently used among these models, were compared using Covid-19 pandemic data and their advantages and disadvantages were determined. In this thesis, 550-day data were used, starting from the day the first case was seen in Germany, America, Turkey and the Czech Republic. In order to estimate the parameters of the SIR model, previous 3, 5 and 7-day values were employed. The daily case numbers and as well as the weekly total case numbers were estimated using the models. The frequency value in the ARIMA model was set at 365 and 52. The performance of the models were examined using root mean square error (RMSE) values and trend graphs. The results of the analyses indicated that the number of days to be used for parameter estimation in the SIR model affected the performance of the SIR model. Furthermore, the use of 5 or 7 days generally increased the estimation success. Additionally, it was observed that the ARIMA model has lower RMSE values in daily case estimations than in weekly case estimations. The findings of this study indicate that the models do not exhibit a significant degree of superiority over one another. Furthermore, the study revealed that at least five days of data are required for parameter estimation in the SIR model, while longer data periods are necessary for weekly case estimation in ARIMA models.
Benzer Tezler
- Fate, environmental impact and treatability of favipiravir and surveillance of sars-cov-2 RNA: Comparison with Covid-19 cases
Favipiravir'in akıbeti, çevresel etkisi ve arıtılabilirliği ile sars-cov-2 RNA'nın izlenmesi: Covid-19 vakaları ile karşılaştırma
BAHRİYE ERYILDIZ YESİR
Doktora
İngilizce
2024
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL KOYUNCU
- Quantitative microbial risk assessment for Listeria monocytogenes on fresh baby spinach leaves
Taze bebek ıspanak yaprakları üzerindeki Listeria monocytogenes için kantitatif mikrobiyal risk değerlendirmesi
BASRİ OMAÇ
Yüksek Lisans
İngilizce
2014
Gıda MühendisliğiTexas A&m UnıversıtyZiraat Mühendisliği Ana Bilim Dalı
PROF. DR. ELENA CASTELLPEREZ
- XIX.yüzyılda Konya vilayeti'nde meydana gelen salgın hastalıklar ve etkileri
XIX. epidemic diseases caused in the century in Konya
ESRA SEMİZ
- Estimating greenhouse gas emissions of electric delivery trucks
Elektrikli teslimat kamyonlarının sera gazı salımlarının tahmin edilmesi
MERT ÖZÇELİK
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUĞÇE YÜKSEL BEDİZ
DR. ÖĞR. ÜYESİ SİNAN YILDIRIM
- Türkiye'de üretilen hayvansal gıdalar için gıda güvenliği bilgi sistemi ile rasff'ın karşılaştırılması
Comparison of rasff and food safety information system in Turkey for animal sourced food products
MUSTAFA FEYZULLAH AKYÜZ
Yüksek Lisans
Türkçe
2019
Veteriner HekimliğiErciyes ÜniversitesiVeteriner Besin Hijyeni ve Teknolojisi Ana Bilim Dalı
PROF. DR. ZAFER GÖNÜLALAN