Kümeleme analizi ve sağlık alanında bir uygulama

Abstract

Amaç: Bu çalışmanın amacı, kümeleme analizi yöntemlerini tanıtmak ve ülkelerin sağlık göstergelerine göre kümeleme analizi yöntemlerinin uygulamasını göstermektir. Böylece verilere uygulanan kümeleme analizi yöntemleri sonuçları ve doğru analiz yöntemi ile geçerli bulgular elde edilebileceği örneklenecektir.Materyal ve Metot: Bu çalışmada, ülkeler sağlık göstergesi olarak kabul edilen değişkenlere göre kümelenecek olup veri kaynağı olarak Dünya Sağlık Örgütü ve Dünya Bankası web sitelerinde yayınlanmış en güncel veriler kullanılmıştır. Çalışmada Ward's yöntemi, k-ortalama yöntemi ve iki aşamalı kümeleme yöntemi kullanılmıştır.Bulgular: Ward's yöntemi uygulanmadan önce veriler standartlaştırılmıştır ve ardından yöntem uygulanmıştır. Yöntem sonucunda iki küme oluşmuştur. Daha sonra k-ortalama ve iki aşamalı yöntem uygulanmış olup yine iki küme oluştuğu gözlenmiştir. Oluşan kümelerdeki ülkelerin sağlık göstergelerinin tamamının önemli düzeyde etkin olduğu ANOVA sonuçları ile görülmüştür(p<0.05).Sonuç: Hiyerarşik kümeleme yöntemleri uygulanırken verileri standartlaştırma işleminin yapılıp yapılmayacağı incelenmeli ve bu durumu giderebilecek yöntem kullanılmalıdır. Aksi halde kümeleme yöntemi sonucunda oluşacak kümeler yanlış sonuçlara götürebilecektir. Ayrıca gözlem sayısına, değişken sayısına ve değişkenlerin veri tipine bağlı olarak hangi yöntemin uygulanacağı belirlenmelidir. Üç kümeleme yönteminin uygulandığı bu çalışmanın sonucunda, tüm yöntemler için aynı kümelenme yapısı elde edilmiştir.Anahtar Kelimeler: Kümeleme Analizi, Uzaklık Ölçüsü, Wards Metodu, kortalama metodu

Aim: The aim of this study is to introduce cluster analysis methods and to show the application of cluster analysis methods according to health indicators of countries. Thus, the correct analysis method can be obtained by the results of the cluster analysis methods applied to the data.Material and Method: In this study, the countries will be clustered according to the variables considered as health indicators and the most recent data published on the World Health Organization and World Bank websites are used as data source. Ward's method, k-means method and two-step clustering method were used in the study.Results: Before Ward's method was applied, the data were standardized and then the method was applied. As a result of the method, two clusters were formed. Then, k-means and two-step method was applied and two clusters were observed. ANOVA results showed that all of the health indicators of the countries in the clusters formed were significantly effective (p <0.05).Conclusion: When applying hierarchical clustering methods, the standardization process of the data should be examined and the method that can eliminate this situation should be used. Otherwise, the clustering method will lead to incorrect results. Also, depending on the number of observations, variables and the data type, it should be determined which method should be applied. Based on the results of this study in which three clustering methods applied, all methods resulted with the same cluster structure.Keywords: Cluster Analysis, Distance Measure, Ward's Method, k-meansmethod