Zaman serisi yöntemleri kullanılarak acil servisteki hasta hacminin öngörülmesi: Nijerya'da bir tıp merkezi uygulaması.

Abstract

Zaman serileri tipik olarak düzenli zaman aralıklarında ölçümlenen verinin sınıflandırmasıdır. Zaman serileri ekonomi, mühendislik, sosyal bilimler, soyut bilimler gibi çok farklı alanlarda karşımıza çıkmaktadır. Zaman serilerinin analiz edilmesinde istatistiksel yöntemlerden faydalanılmaktadır. Zaman serileri analizi serinin incelenmesi, temel özelliklerinin belirlenmesi ve serinin gelecek değerlerinin uygun biçimde tahmin edilmesinde kullanılan yöntemdir. Otoregresif entegre hareketli ortalama modeli durağan ve durağan olmayan veri setlerinin analiz ve tahminlemesinde kullanılan linear bir modeldir. Bu çalışmada, Nijerya, Kogi eyaletinin Lokoja ilinde bulunan acil servise gelen hastalara ait zaman serisi analizinde otoregresif entegre hareketli ortalama modeli kullanılacaktır. Bunun için hastaneden her ay bazında gelen hasta sayı verisi ikincil veri olarak temin edilmiştir. Uygun modellerin parametrelerinin belirlenmesinde 2012-2016 yılları arasında acil servise yapılan aylık başvurular öğrenim verisi olarak kullanılmıştır. Daha güncel olan 2017 yılının ilk yedi aylık perioduna ait veriler de uygun modellerinin performanslarının belirlenmesi ve karşılaştırılmasında kullanılmıştır. Aylık toplam hasta sayılarının tahmin edilmesinin yanında, erkek ve bayan hasta sayılarının tahmin edilmesi için dolaysız ve dolaylı olmak üzere iki bakış açısı kullanılmıştır.A time series is a categorization of data points, characteristically measured at a uniform time interval. We have time series in a variety of fields ranging from economics to engineering, social sciences to pure sciences. While analyzing the time series we use statistical methods. Time series analysis (TSA) is a method used in analyzing data so as to extract its characteristics and use it to forecast into the future. The autoregressive integrated moving average (ARIMA) models belong to the category of linear models that are capable enough for discovering stationary and nonstationary series. This study explores the application of the ARIMA models to patient volume (PV) in the emergency department (ED) of the Federal Medical Center (FMC), Kogi state, Lokoja, Nigeria. We thus, obtained monthly patient volume of this ED as a secondary data. Monthly patient volume between 2012-2016 were used as a training set, to decide on the proper values of model parameters. Up-to-date data for the first seven months of 2017 were used as a test data set to evaluate and compare the performances of the methods. In addition to generate forecasts for the total patient volume, two different approaches, indirect forecasting and direct forecasting, were used to forecast arrivals of male and female patients.