Bootstrap veri zarflama analizi ve makine öğrenmesi tabanlı sağlık sistemi performans analizi
Bootstrap data envelopment analysis and machine learning–based health system performance analysis
- Tez No: 992549
- Danışmanlar: DOÇ. DR. MELİS ALMULA KARADAYI
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Medipol Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Sağlık Sistemleri Mühendisliği Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sağlık sistemleri, çok sayıda bileşenin birbirine bağlı olduğu ve doğrusal olmayan bir kompleks sistemdir. Son yirmi yılda yaşanan pandemiler, ekonomik dalgalanmalar ve demografik değişimler bu sistemlerinin karmaşıklığını arttırmış; ülkelerin kaynaklarını daha verimli kullanması gerektiğini göstermiştir. Sağlık sistemlerinin etkinliğinin ve sürekliliğinin sağlanması için performansın düzenli şekilde ölçülmesi bir gereklilik haline gelmiştir. Ancak, sağlık sistemlerinin performansını kapsayıcı biçimde nicel yaklaşımlarla değerlendiren çalışmalar halen sınırlıdır. Bu tezde, 26 OECD ülkesinin sağlık sistemi performansını İki-aşamalı Bootstrap Veri Zarflama Analizi (VZA) ile ölçmüştür; sonrasında makine öğrenmesine dayalı açıklama yöntemleri uygulanmıştır. İlk aşamada, çıktı-odaklı ve ölçeğe göre sabit getiri modeli kullanılarak üç girdi (kişi başına düşen sağlık harcaması, 1000 kişi başına düşen doktor sayısı ve 1000 kişi başına düşen hastane yatak sayısı) ve iki çıktıdan (doğumda beklenen yaşam süresi ve bebek sağkalım oranını) ile teknik etkinlik skoru hesaplanmıştır. Klasik VZA sonucuna göre Kanada, Meksika ve Türkiye olmak üzere üç ülke etkin çıkmıştır. İkinci aşamada, Simar ve Wilson'ın önerdiği Bootstrap VZA yaklaşımı 2.000 tekrar ile uygulanmış ve her ülke için yanlılık-düzeltilmiş etkinlik değerleri elde edilmiştir. Bootstrap VZA sonuçlarına göre Güney Kore, Kanada ve Türkiye yanlılık düzeltilmiş etkinlik skorları arasındaki en yüksek skora sahip üç ülkedir. Klasik VZA sonucunda 0,697 olan ortalama etkinlik skoru, Bootstrap sonrasında 0,630 olarak hesaplanmıştır. Bu sonuca göre, Bootstrap VZA ile etkinlik skorlarındaki yüksek tahminlemeler düzeltilmiştir. Etkinlik skorlarının belirleyicilerini analiz etmek için kişi başına düşen gayri safi yurtiçi hasıla (GSYİH), cepten sağlık harcaması, alkol tüketimi ve tütün tüketimi dört açıklayıcı değişken olarak seçilmiştir ve kesikli regresyon modeli kullanılmıştır. Bu hesaplamalara ek olarak, makine öğrenmesi (MÖ) ile kısmı bağımlılık analizi (KBA) yapılmıştır. Bulgular özellikle alkol ve tütün tüketimi etkinlik skorunu olmuşuz etkilediğini; buna karşılık cepten sağlık harcaması ve GSYİH'nin daha karmaşık ve doğrusal olmayan bir etkisi olduğunu ortaya koymaktadır. Politika senaryosu analizinde, alkol tüketiminin %10 azaltıldığı durumda Aşırı Gradyan Arttırma Algoritması (AGA) modelinin %0,68'e ulaşan en yüksek iyileşme tahminin ürettiği; çoklu politika müdahalelerinin ise tekil değişkenlere kıyasla daha güçlü toplam etkiler oluşturduğu görülmüştür. Bu tezde, Bootstrap VZA yaklaşımı ile makine öğrenmesini birleştiren bütünleşik bir çerçeve önermekte ve etkinlik ölçümünün yanında politika müdahalelerin potansiyel etkilerini öngörebilen analitik bir sistem sunmaktadır. Sonuç olarak çalışma, sağlık sistemi etkinliğinin güvenilir biçimde ölçülmesi için Bootstrap tabanlı yöntemlerin gerekliliğini göstermekte; yalnızca mevcut etkinlik skorlarını değil, farklı politika müdahaleleri altında ortaya çıkabilecek potansiyel değişimleri de öngörebilen entegre bir yaklaşım sunmaktadır. Bu yöntem, sağlık politikalarının kanıta dayalı olarak şekillendirilmesi için karar vericilere güçlü bir analitik araç sağlamaktadır.
Özet (Çeviri)
Health systems are inherently complex, comprising numerous components and stakeholders that are interconnected through nonlinear relationships. Over the past two decades, pandemics, economic volatility, and demographic transformations have further intensified this complexity, underscoring the need for countries to utilize their health resources more efficiently. Ensuring the effectiveness and long-term sustainability of health systems, therefore necessitates regular, systematic, and reliable performance assessment. Nevertheless, empirical studies that evaluate health system performance using comprehensive quantitative frameworks remain relatively limited. This thesis evaluates the performance of health systems across 26 OECD countries by employing a two-stage Bootstrap Data Envelopment Analysis (DEA), complemented by machine-learning-based explanation and policy scenario analyses. In the first stage, an output-oriented constant returns to scale (CRS) DEA model is used to estimate technical efficiency scores based on three inputs—health expenditure per capita, number of physicians per 1,000 population, and number of hospital beds per 1,000 population—and two outputs, namely life expectancy at birth and infant survival rate. According to the classical DEA results, Canada, Mexico, and Türkiye are identified as efficient countries. In the second stage, the Bootstrap DEA methodology proposed by Simar and Wilson is implemented with 2,000 replications to derive bias-corrected efficiency scores for each country. The bootstrap results indicate that South Korea, Canada, and Türkiye achieve the highest bias-corrected efficiency levels. While the average efficiency score equals 0.697 under the classical DEA framework, it declines to 0.630 following the bootstrap procedure—demonstrating that bootstrap techniques effectively correct the upward bias inherent in deterministic DEA estimates. To investigate the determinants of efficiency, four explanatory variables—GDP per capita, out-of-pocket health expenditure, alcohol consumption, and tobacco consumption—are incorporated into a truncated regression model. In addition, partial dependence analysis (PDA) based on machine learning (ML) is conducted to examine the potentially nonlinear effects of these variables on efficiency outcomes. The results reveal that alcohol and tobacco consumption exert a consistently negative influence on efficiency scores, whereas GDP per capita and out-of-pocket health expenditure display more complex and nonlinear relationships with efficiency. Within the policy scenario analysis, a 10% reduction in alcohol consumption yields the most pronounced improvement in efficiency, with the Gradient Boosting model predicting an increase of up to 0.68%. Furthermore, combined policy interventions produce stronger overall efficiency gains than single-variable policy scenarios. Overall, this thesis proposes an integrated analytical framework that combines Bootstrap DEA with machine learning, offering not only a robust methodology for measuring health system efficiency but also a predictive system capable of forecasting the potential impacts of alternative policy interventions. The findings highlight the importance of bootstrap-based approaches for obtaining reliable efficiency estimates and provide decision-makers with a powerful, evidence-based analytical tool to support informed health policy design.
Benzer Tezler
- Dinamik network veri zarflama analizi modellerinde bootstrap yaklaşımı
Bootstrap approach for models of dynamic network data envelopment analysis
VOLKAN SONER ÖZSOY
- Türk yenilenebilir enerji sektörünün analizi: Bir bootstrap-veri zarflama analizi yaklaşımı
Turkish reweneable energy sector analysis: A bootstrapt-data envelopment analysis approach
ESRA BETÜL KINACI
Yüksek Lisans
Türkçe
2017
İstatistikGazi Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. HACI HASAN ÖRKCÜ
- Uluslararası denizyolu taşımacılığı bağlamında liman etkinliği ve sektör performansının dış ticaret ile ilişkisi: 2035 yılı Türkiye dış ticaret projeksiyonu
The relationship of port efficiency and sector performance with foreign trade in the context of international maritime transportation: Turkey's foreign trade projection for 2035
HATİCE HANDAN ÖZTEMİZ
Doktora
Türkçe
2021
UlaşımAlanya Alaaddin Keykubat ÜniversitesiUluslararası Ticaret Ana Bilim Dalı
PROF. DR. KEMAL VATANSEVER
- İki aşamalı bootstrap veri zarflama analizi ile TIMSS verileri kullanılarak eğitim sisteminde etkinliklerin değerlendirilmesi
Evaluation of efficiencies in the education system using TIMSS data with two-stage bootstrap data envelopment analysis
FİRDEVS CEVHEROĞLU EREN
Yüksek Lisans
Türkçe
2023
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERPİL AYDIN
- COVİD-19 ile mücadelede ülkelerin nispi performansı: İki aşamalı bootsrap veri zarflama analizi
Relative performance of countries in fighting COVİD-19: Two-stage bootsrap data envelopement analysis
GUPSE SEVDA YALÇIN
Yüksek Lisans
Türkçe
2022
Sağlık YönetimiDüzce ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DOÇ. DR. OĞUZ KARA