Bayesçi yaklaşım temelli Parçacık Sürü Optimizasyonu: Sağlık hizmet kalitesinin ölçümüne yönelik hibrit bir model önerisi
Particle Swarm Optimization based on the Bayesian approach: A hybrid model proposal for measuring healthcare quality
- Tez No: 1010437
- Danışmanlar: DR. ÖĞR. ÜYESİ FUAT ÇAĞLAYAN
- Tez Türü: Yüksek Lisans
- Konular: Sağlık Yönetimi, Healthcare Management
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Arel Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Sağlık Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı, sağlık hizmetlerinde hasta memnuniyetinin daha doğru ve güvenilir bir şekilde sınıflandırılmasına yönelik yapay zekâ temelli bir model geliştirmektir. Geleneksel sınıflandırma yöntemlerinin sınırlı performans göstermesi nedeniyle, bu çalışmada çok katmanlı yapay sinir ağı modeli, Parçacık Sürü Optimizasyonu ile optimize edilerek hibrit bir yaklaşım önerilmiştir. Çalışmada kullanılan veri seti, hasta memnuniyetini etkileyen çeşitli demografik ve hizmet kalitesi değişkenlerini içermektedir. Veri seti analiz öncesinde ön işleme tabi tutulmuş; eksik veriler giderilmiş, veriler normalize edilmiş ve kategorik değişkenler uygun yöntemlerle sayısallaştırılmıştır. Önerilen modelde, çok katmanlı sinir ağı mimarisi PSO algoritması ile optimize edilerek model parametrelerinin daha etkin şekilde öğrenilmesi sağlanmıştır. Model performansı doğruluk, kesinlik, duyarlılık, F1-skoru ve ROC-AUC gibi çeşitli performans ölçütleri kullanılarak değerlendirilmiştir. Elde edilen bulgular, önerilen hibrit modelin geleneksel makine öğrenmesi yöntemlerine kıyasla daha yüksek sınıflandırma performansı gösterdiğini ortaya koymuştur. Özellikle dengesiz veri yapılarında modelin daha başarılı sonuçlar verdiği gözlemlenmiştir. Bu çalışma, sağlık hizmet kalitesinin ölçülmesinde yapay zekâ destekli karar verme süreçlerine katkı sağlamakta ve literatüre hibrit model yaklaşımı ile özgün bir katkı sunmaktadır.
Özet (Çeviri)
The aim of this study is to develop an artificial intelligence–based model for the accurate and reliable classification of patient satisfaction in healthcare services. Due to the limitations of traditional classification methods, a hybrid approach is proposed by optimizing a multilayer perceptron model using Particle Swarm Optimization. The dataset used in the study includes various demographic and service quality variables affecting patient satisfaction. Prior to analysis, the dataset was preprocessed by handling missing values, normalizing data, and encoding categorical variables. In the proposed model, the neural network architecture was optimized using PSO to improve parameter learning efficiency. Model performance was evaluated using multiple metrics, including accuracy, precision, recall, F1-score, and ROC-AUC. The results demonstrate that the proposed hybrid model outperforms traditional machine learning algorithms in classification performance. In particular, it shows superior results in handling imbalanced datasets. This study contributes to the literature by providing a hybrid model approach and offers valuable insights for AI-supported decision-making processes in healthcare service quality assessment.
Benzer Tezler
- Search for anomalies in a soil medium: A probabilistic approach
Zemin ortamında anomaly araması: Olasılık kuramına dayalı bir yaklaşım
SERPİL ÖZCAN
- Combination of forecasts with an application to major Turkish macro series
Öndeyilerin birleştirilmesi Türkiye ekonomisine ilişkin makroekonomik değişkenlere bir uygulama
HASAN BAKIR
- Estimating and forecasting exchange rate: Comparison of structural and var models
Döviz kuru tahmin ve öngörü analizi: Vektör otoregresyon (VAR) ve yapısal modellerin karşılaştırılması
BELMA EVİN FIRAT
- Bayes tümleştirme teknikleri kullanılarak yüzey kurma ve ayrıt sezme
Visual surface recontruction and boundary detection using bayesian integration
BİLGE GÜNSEL
Doktora
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERDAL PANAYIRCI
