Makine öğrenmesi yöntemleri ile poliklinik bekleme sürelerinin tahmini
Prediction of outpatient waiting times using machine learning methods
- Tez No: 947559
- Danışmanlar: DR. ÖĞR. ÜYESİ ERSİN ERSOY, DR. ÖĞR. ÜYESİ NURİ BİNGÖL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Polikliniklerde bekleme sürelerinin etkin şekilde yönetilememesi, hasta memnuniyetini azaltmakta ve sağlık sistemlerinin kaynak planlamasını güçleştirmektedir. Bu çalışmada, makine öğrenmesi teknikleri kullanılarak poliklinik bekleme sürelerinin tahmin edilmesi, benzer çalışmalarda aynı amaçla kullanılmış algoritmaların karşılaştırılması ve en başarılı modelin belirlenmesi amaçlanmıştır. Mevcut araştırmalar genellikle tek bir branşa odaklanmış ve sınırlı ya da sentetik veri kullanılarak belirli algoritmalar üzerinden gerçekleştirilmiştir. Bu çalışmada ise literatürde kullanılan başlıca algoritmalar ele alınmış ve kapsamlı bir veri seti üzerinden çalışma gerçekleştirilmiştir. Çalışmanın uygulama aşamasında, İstanbul'daki bir devlet hastanesine ait, 26 polikliniği kapsayan ve 49.387 gözlemden oluşan geniş ve gerçek bir veri seti üzerinden, toplam 16 farklı algoritma incelenmiştir. Modellerin performansı R² ve MAE metrikleriyle ölçülmüştür. Hiperparametre optimizasyonu için Bayesyen temelli Optuna aracı kullanılmıştır. Ayrıca modellerin yalnızca doğruluk düzeyleri değil, aynı zamanda eğitim süreleri de değerlendirilmiştir. Bu sayede, işlem verimliliği yüksek ve uygulanabilirliği güçlü yöntemlerin belirlenmesi sağlanmıştır. CatBoost, XGBoost ve HistGradientBoosting algoritmaları, yüksek doğruluk ve uygulanabilirlikleriyle öne çıkmıştır.
Özet (Çeviri)
The ineffective management of waiting times in outpatient clinics reduces patient satisfaction and complicates resource planning within healthcare systems. This study aims to predict outpatient clinic waiting times using machine learning techniques, compare algorithms commonly used for similar purposes in the literature, and identify the most effective model. Existing research typically focuses on a single department and employs limited or synthetic datasets, relying on a narrow range of algorithms. In contrast, this study evaluates the main algorithms found in the literature using a large and real dataset. During the implementation phase, a comprehensive dataset containing 49,387 observations across 26 outpatient clinics from a public hospital in Istanbul was analyzed using 16 different algorithms. Model performance was evaluated using R² and MAE metrics. For hyperparameter optimization, the Bayesian-based Optuna tool was employed. In addition to accuracy, the training durations of the models were also assessed. This approach enabled the identification of highly efficient and practically applicable methods. CatBoost, XGBoost, and HistGradientBoosting emerged as the most prominent algorithms due to their high accuracy and feasibility.
Benzer Tezler
- Yapay zeka kullanılarak klinik tanının öngörülmesinde biyokimyasal test sonuçlarının rolünün araştırılması
Investigation of the role of biochemical test results in prediction of clinical diagnosis using artificial intelligence
YUSUF YEŞİL
Tıpta Uzmanlık
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. EVİN ADEMOĞLU
DOÇ. DR. ALPAY MEDETALİBEYOĞLU
- İris görüntüleri kullanılarak makine öğrenmesi ile koroner arter hastalığının tespiti
Coronary artery disease detection based on iris images using machine learning
FERDİ ÖZBİLGİN
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇETİN KURNAZ
- Pediatrik hastalarda üriner sistem enfeksiyonunun yapay zeka yöntemleri ile araştırılması
Investigation of urinary system infection in pediatric patients with artificial intelligence methods
HÜSEYİN GÜNDOĞDU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN ALTAY
- Preeklampsinin sağlık maliyetlerinin incelenmesi ve yapay zekâ tabanlı bir erken tanı klinik karar destek sistemi ile hastalık yönetim modeli oluşturulması
Examining the health costs of preeclampsia and creating a disease management model with an artificial intelligence based early diagnosis clinical decision support system
ÜLKÜ VERANYURT
Doktora
Türkçe
2022
Sağlık YönetimiSağlık Bilimleri ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BETÜL AKALIN
- Bipolar bozuklukta nörobilişsel testlerin özgüllüğü ve duyarlılığı üzerine karşılaştırmalı bir çalışma
Spesifity and sensitivity of neurocognitive tests in bipolar disorder: A comparative study
ZEYNEP ÇUBUKCUOĞLU
Tıpta Uzmanlık
Türkçe
2011
PsikiyatriCelal Bayar ÜniversitesiPsikiyatri Ana Bilim Dalı
PROF. DR. ÖMER AYDEMİR