Belirli bir sektörde sınıflandırma tekniklerine başvurulması: Bir yerel hastane acil servisinde uygulama

Abstract

Tüm teknolojilerde olduğu gibi sağlık sektöründe de dijital teknolojilerin kullanımı gün geçtikçe artmaktadır.Özellikle, büyük veri uygulaması birçok kuruluşa olduğu gibi hastane Acil Servislerine de yarar sağlar. Acil Servis hastalarla ilk temas noktası olarak hareket etmesi nedeniyle hastanelerin en önemli bölümüdür. Ek olarak, Acil Servisler, çok çeşitli vakaların yanı sıra yüksek hasta hacimleriyle karşılaşan en büyük hastane departmanıdır. Bütün bunlar Acil Servislerde uzun bekleme sürelerine (LOS) neden olur ve bu da hastaların memnuniyetsizliğini arttırır ve hayati öneme sahip durumlarda bir dereceye kadar risk taşır. Bu nedenle kalış süresi (LOS) Acil Servis operasyonlarında çok önemli bir performans kriteridir. LOS, hastaların Acil Servise varış zamanlarından taburcu olma veya başka bir bölüme veya hastaneye transfer zamanına kadar geçen süre olarak bilinir. Bu çalışma, vaka incelemesi olarak seçilen hastane Acil Servisinin operasyonel verimliliğini, hastaları LOS'a göre sınıflandırmak için veri madenciliği teknikleri kullanarak geliştirmeyi amaçlamaktadır. Çalışmada, yerel bir hastaneden ikincil veriler kullanılmıştır. Cinsiyet, yaş, triyaj kategorisi, varış şekli, varış süresi çalışmanın girdi değişkeni, LOS ise çıktı değişkeni olarak tanımlanmıştır. Veriler ağaç tabanlı algoritma olarak Rastgele Orman (Random Forest) ve Sınıflandırma ve Regresyon Ağacı (CART) kullanılarak ve fonksiyon tabanlı algoritma olarak Lojistik Regresyon (LR) kullanılarak test edildi. Bu karar ağacı bazlı tekniklerin performanslarında anlamlı bir fark olmadığını gözlemlendi. Bununla birlikte, CART, diğerlerine göre anlaşılması daha kolay bir karar ağacı sağlarken, Rastgele Ormanın (Random Forest) sınıflandırma performansı diğerlerine göre biraz daha yüksektir.

The use of digital technologies have been increasing day by day in healthcare sector as in all sectors. Particularly, the big data application provides benefits to many of the organizations and Emergency Departments (EDs) of the hospitals are not an extension. ED is the most important department of the hospitals because of acting as the first contact point with the patients. Additionally, EDs are the largest department of hospitals which encounter high variety of cases as well as high level of patient volumes. All those cause prolonged waiting times in the EDs which increases the dissatisfaction of patients and some extent risk in life critical situations. Therefore, the lenght of stay (LOS) is a very important performance criteria in ED operations. LOS is known as the time that passes from patients time of arrival at ED until time of discharge or transfer to another department or hospital. This study aimes to improve the operational efficiency of the hospital EDs chosen as the case study by using data mining techniques to classify patients based on LOS. In this study, secondary data from a local hospital were used. Gender, age, triage category, arrial type, arrival period were taken as an input variables, where LOS was defined as an output variable. Tree based algoritm was tested by using Random Forest, and Classification and Regression Tree (CART) and function based was tested by using Logistics Regression (LR). We found out that there is no significant difference in performances of these decision tree based techniques. However, CART provides a decision tree that is easier to understand compared to the others, whereas the classification performance of Random Forest is a little bit higher compared to others.