Veri madenciliğinde kümeleme analizi ve sağlık sektöründe bir uygulaması

Abstract

Veri madenciliği, büyük ölçekteki veriler arasından üstü kapalı, çok net olmayan fakat potansiyel olarak kullanışlı olabilecek bilgilerin ortaya çıkartılmasında önemli rol oynamaktadır. Veri madenciliği günümüzde, teknolojinin gelişmesiyle birlikte yaygınlaşarak birçok disiplin içerisinde yer alan ve kabul gören bir metot halini almıştır.Bu çalışmada, Cumhuriyet Üniversitesi Hastanesi'ne 2011 yılında başvurmuş olan hastaların 2006-2011 arasındaki kayıtlar, hasta başvuru davranışlarının belirlenmesi amacıyla incelenmiştir. Bu bağlamda, iş gücü potansiyeli olan 18-65 yaş arasındaki hastaların verilerine veri madenciliği kümeleme analizi yöntemlerinden olan K-Ortalamalar ve Yoğunluk Tabanlı Kümeleme Algoritması yöntemleri uygulanmıştır. Veri tabanından alınan hasta verileri analiz sonucunda hastaların demografik verileri Ki-Kare, Kruskall-Wallis H ve Mann-Whitney U testleri ile incelenerek, demografik verilerin oluşturulan kümelerle etkileşimde olup olmadığı ortaya konulmuştur. Yapılan analizler sonucunda oluşturulan kümelerde, hastaların yaşlarının kümelere göre farklılık gösterdiği görülmüştür. Ayrıca genç hastaların daha farklı teşhisler ile ileri yaşlardaki hastaların ise daha az çeşitli hastalıklarla hastaneye başvurdukları ortaya çıkartılmıştır. Hastaların Sivas ili sınırlarından gelmesi farklılaşma için bir etken olabildiği gibi, yaşanılan yerler de (köy, kasaba, ilçe, şehir merkezi vb.) kümelere göre farklılık göstermektedir.Bu çalışma esas itibariyle hastaneye başvuru yapan bir hasta için tedavi prosedürleri, personel tahsisi, ilaç ve tıbbi malzeme ihtiyaçlarının düzenlenmesi gibi hususlarda yardımcı bir nitelik taşımaktadır.Anahtar Kelimeler: Veri, Bilgi, Veri Madenciliği, Yoğunluk Taban Kümeleme Algoritması, K-Ortalamalar Yöntemi

Data mining plays an important role in extracting veiled, obscure, but potentially available knowledge from large data stacks. Nowadays, data mining has become widespread accompanied by technological advancement, following its entity as a multidisciplinary and well accepted method.In order to determination patients' appeal behaviors, records of the year 2011 belonging to the patients appealed to Cumhuriyet University Hospital were analyzed in this study. In this context, K-Means and Density Based Clustering Algorithms which are from data mining methods of clustering analysis were conducted. In consequence of analysis of patients' data derived from demographic parameters were statistically examined by Chi-Square, Kruskall Wallis H and Mann Whitney U test and ultimately, it was determined that whether the demographic parameters interact with created clusters or not. As a result of the analysis, it was seen that patients' ages differentiate into clusters. Additionally, it was revealed that young patients apply to hospital with more different diagnosis as well as old patients with less various diseases. Patients' application from provincial border of Sivas can be a factor for differentiation and residential places (village, town, district, city center, etc.) differentiate as well. This study has helping characteristics in point of providing treatment procedures for an appealed patient, proper personal allocation and organization of medical material needs.Key Words: Data, Knowledge, Data Mining, Density Based Clustering, K-Means Method.