Yapay sinir ağı ile kömür işçilerinde pnömokonyoz risklerinin öngörülmesi
Prediction of pneumoconiosis risks in coal workers using an artificial neural network
- Tez No: 674050
- Danışmanlar: PROF. DR. MEHMET ALİ KURÇER
- Tez Türü: Tıpta Uzmanlık
- Konular: Halk Sağlığı, Public Health
- Anahtar Kelimeler: iş sağlığı, kömür işçisi, meslek hastalığı, pnömokonyoz, yapay sinir ağı, Kömür, Kömür işletmeleri, Kömür madenciliği, Madenci, Risk faktörleri, Sinir ağları, Yapay sinir ağları, artificial neural network, coal worker, occupational disease, occupational health, pneumoconiosis, Coal, Coal enterprises, Coal mining, Miner, Risk factors, Nerve net, Artificial neural networks
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Halk Sağlığı Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu araştırmada yapay sinir ağı ile kömür işçilerinde pnömokonyoz riskini öngörebilen bir model oluşturulması amaçlanmıştır. Gereç ve Yöntem: Türkiye Taş Kömürü Kurumunda çalışmakta olan işçilerin sağlık verileri kullanılarak yapay sinir ağı tabanlı bir model geliştirilmiştir. Ağ modeli 7-33-2 mimarisine sahiptir. Girdi nöronları; yaş, işe giriş yılı, mesleki kategori, yer altında çalışılan gün sayısı, toplam çalışılan gün sayısı, 1.grup işlerde çalışılan süre ve sigara kullanım durumunu, çıktı nöronları; pnömokonyoz olma ve pnömokonyoz açısından sağlıklı olma durumunu içermektedir. Bulgular: Araştırmada; pnömokonyoz riskini tahmin etmek amacıyla yaş, birinci grup işlerde çalışma süresi, yer altı gün sayısı, işe giriş yılı, toplam gün sayısı, sigara içme durumu, mesleki kategori gibi değişkenlerden oluşan bir yapay sinir ağı modelinin kullanılabileceği saptanmıştır. Modelin başarım oranı % 95,3, sensitivitesi % 90,3, spesifitesi % 96,5 olarak bulunmuştur. Pnömokonyoz üzerinde en etkili girdi değişkeni yaş, ikincisi ise 1. grup işlerde çalışılan süredir. Sonuç: Bu araştırma ülkemizde pnömokonyoz riskini öngörmek amacıyla yapay sinir ağlarının kullanılabileceğini araştıran ilk çalışma olması bakımından önemlidir. Kömür işçisi pnömokonyozu riskinin öngörülmesi; madencilerin stratejik olarak izlenmesinde ve koruyucu sağlık programlarının geliştirilmesinde çok büyük avantajlar sağlamaktadır. Bu alanda kullanmak amacıyla yapay sinir ağı modellerinin geliştirilerek işyeri hekimliği pratiğine entegre edilmesi ve işçilerin sağlık durumunu değerlendirmelerine yardımcı bir araç olarak kullanılması faydalı olabilir.
Özet (Çeviri)
Aim: This study aims to create a model that can predict the risk of pneumoconiosis in coal workers by using an artificial neural network. Materials and Methods: An artificial neural network-based model has been developed using the health data of the workers working in the Turkish Hard Coal Enterprises. The network model has a 7-33-2 architecture. Input neurons include age, the year they started employment, occupational category, the number of days worked <zASunderground, the total number of days worked, the number of days worked in 1st group jobs, and smoking status. Output neurons include having pneumoconiosis and being healthy. Results: The research results have determined that an artificial neural network model consisting of variables such as age, working time in first group jobs, number of underground days, the year they started employment, the total number of days, smoking status, and an occupational category can be used to estimate pneumoconiosis. The model's success rate was found to be 95.3%, sensitivity 90.3%, and specificity 96.5%. The most influential input variable on pneumoconiosis is age; the second is the amount of time worked in group 1 jobs. Conclusion: This study is essential as it is the first study researching the use of artificial neural networks to predict the risk of pneumoconiosis in our country. Predicting the risk of coal worker pneumoconiosis provides tremendous advantages in strategically monitoring miners and developing preventive health programs. It may be beneficial to develop artificial neural network models for use in this field, integrate them into workplace medicine practice, and use them as a tool to assist in assessing workers' health status.
Benzer Tezler
- Kömür damarı gaz içeriği belirleme yöntemlerinin değerlendirilmesi ve yapay sinir ağları ile tahmin modellerinin geliştirilmesi
Assesment of coal seam gas content determination methods and development of prediction models using artificial neural networks
SAMED BOZDOĞAN
Yüksek Lisans
Türkçe
2024
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH FİŞNE
- Yapay sinir ağları ile Denizli ili doğal gaz tüketim analizi ve tahmini
Analysis and forecasting of natural gas consumption in Denizli province with artificial neural networks
CAHİT YILMAZ
Yüksek Lisans
Türkçe
2022
EnerjiPamukkale ÜniversitesiEnerji Yönetimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞENGÜL GÜVEN
- Farklı kömür yakıtları ile elektrik enerjisi üretimi ve yakıt performansının yapay zeka yöntemi kullanılarak saptanması
Determination of electrical energy production with different coals and their performances by using artificial intelligence technique
YELDA ÖZEL
Doktora
Türkçe
2006
EnerjiMarmara ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
PROF.DR. EMİN ARCA
PROF.DR. İRFAN GÜNEY
- Çoklu regresyon analizi ve yapay sinir ağları ile Türkiye enerji talep tahmini
Multiple regression analysis and neural networks with Turkish energy demand forecast
FEYYAZ YÜZÜK
Yüksek Lisans
Türkçe
2019
İşletmeSivas Cumhuriyet Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜDAVERDİ BİRCAN
- Ankara ili doğal gaz tüketiminin yapay sinir ağları ile öngörüsü
Prediction of natural gas consumption in Ankara region using artifical neural networks
BURAK TAŞKINER
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU