Sağlık işletmelerinde veri madenciliği ile hasta profillerinin tespiti için bir simülasyon uygulaması
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Necmettin Erbakan Üniversitesi, Sosyal Bilimler Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışma, sağlık verilerinin analizine yönelik olarak veri madenciliği tekniklerinden K-Means kümeleme algoritmasını kullanarak hasta profillemesi yapmayı amaçlamaktadır. Sağlık hizmetlerinin daha verimli sunulabilmesi ve hasta yönetiminin iyileştirilmesi hedefiyle, hastaların demografik ve sağlık durumlarına göre farklı segmentlere ayrılması gerçekleştirilmiştir. Araştırma kapsamında, yaş, vücut kitle indeksi (BMI), hipertansiyon, kalp hastalığı ve sigara içme durumu gibi sağlık göstergeleri temel alınarak her bir hasta profili belirgin özellikleriyle analiz edilmiştir. Elde edilen bulgular, farklı hasta grupları için kişiselleştirilmiş tedavi ve önleyici stratejilerin geliştirilmesi açısından önemli bir temel sunmaktadır. Özellikle yüksek risk grubunda yer alan yaşlı ve kronik hastalık geçmişine sahip bireylerin tanımlanması, bu kişilerin sağlık hizmetlerinden daha etkin faydalanmasını sağlamayı amaçlamaktadır. Bu segmentasyon sayesinde sağlık hizmetlerinin daha etkili bir şekilde yönlendirilmesi ve hastane kaynaklarının daha verimli kullanılması öngörülmektedir. Sonuç olarak, bu çalışma, hasta profillemesinin sağlık sektörü açısından hem bireysel sağlık yönetiminde hem de genel sağlık politikalarının şekillendirilmesinde değerli bir araç olduğunu göstermektedir.
This study aims to apply K-Means clustering, a data mining technique, to develop patient profiles through the analysis of health data. With the goal of enhancing healthcare delivery and improving patient management, patients are segmented based on demographic and health status indicators. Key health indicators such as age, body mass index (BMI), hypertension, heart disease, and smoking status were used to categorize and analyze distinct patient profiles. The findings provide a crucial foundation for developing personalized treatment and preventive strategies tailored to various patient groups. In particular, the identification of high-risk individuals—older adults and those with chronic health conditions—seeks to improve access to healthcare services for these populations. This segmentation enables more targeted healthcare provision and efficient use of hospital resources. In conclusion, this study demonstrates that patient profiling is a valuable tool in the healthcare sector, offering benefits both in individual health management and in shaping broader healthcare policies.
This study aims to apply K-Means clustering, a data mining technique, to develop patient profiles through the analysis of health data. With the goal of enhancing healthcare delivery and improving patient management, patients are segmented based on demographic and health status indicators. Key health indicators such as age, body mass index (BMI), hypertension, heart disease, and smoking status were used to categorize and analyze distinct patient profiles. The findings provide a crucial foundation for developing personalized treatment and preventive strategies tailored to various patient groups. In particular, the identification of high-risk individuals—older adults and those with chronic health conditions—seeks to improve access to healthcare services for these populations. This segmentation enables more targeted healthcare provision and efficient use of hospital resources. In conclusion, this study demonstrates that patient profiling is a valuable tool in the healthcare sector, offering benefits both in individual health management and in shaping broader healthcare policies.
Açıklama
Yüksek Lisans Tezi
Anahtar Kelimeler
Veri Madenciliği, Hasta Profilleme, K-Means, Data Mining, Patient Profiling
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Kaya, M. A. (2024). Sağlık işletmelerinde veri madenciliği ile hasta profillerinin tespiti için bir simülasyon uygulaması. (Yayımlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, Konya.
