COVID-19 salgınının etkilerinin veri bilimi yöntemleriyle incelenmesi

Abstract

Covid-19 salgını, toplum üzerinde içinde ölümle sonuçlanabilen, ağır hastalıklar bırakan, toplumun sosyal çevresini doğrudan etkileyen dünya tarihinde şimdiye kadar görülmemiş yayılıma ulaşan toplumsal bir problem oluşturmaktadır. 2019 yılının aralık ayında Çin'in Hubei eyaletinde yayılmaya başlayan Covid-19 salgını tüm dünyaya çok kısa bir süre içinde yayılmıştır. Çin'deki salgının bastırılması için sokağa çıkma yasağı uygulanmaya, maske üretimleri ve bu salgın için gerekli makinalar üretilmeye başlanmıştır. İlk ortaya çıkmasından 3 ay gibi kısa bir süre içinde hemen hemen bütün ülkelerde vaka sayıları raporlanmaya başlanmıştır. Bu raporlar içindeki vaka sayıları, ölüm sayıları, ölüm oranları, aşılanma sayıları gibi farklı verilerin pandeminin etkisini azaltmak, ilaçların verimliliğini ölçmek, aşı için gereken verilerin bulunabilmesi için toplanmıştır. Ülkeler, üniversiteler, araştırma kurumlarının ve hastanelerin iş birliği ile toplanan veriler bu tez çalışmasında kullanılmıştır. Veri bilimi ve makine öğrenmesi algoritmaları ile aşıların verimliliğinin gözlemlenmesi, ekonomik durumları farklılık gösteren ülkelerin içinde bulunduğu durum ve insan yoğunluğunun pandemideki etkisi gözlemlenmiştir. Aşı, vaka ve ölüm oranları arasındaki ilişki farklı algoritmalar ile modellenmiş ve bunun sonucunda ölüm/vaka oranlarının aşılama karşısında düşüş gösterdiği gözlemlenmiştir.

Covid-19 is a pandemic that has reached an unprecedented spread in the world, which results in death, leave severe diseases on the society, and directly affect the social environment of the society. The Covid-19 epidemic, which started to spread in China's Hubei province in December 2019, spread all over the world in a very short period of time. In order to suppress the events in China, a curfew began to be implemented, mask production and the necessary machines for this epidemic began to be produced. Within a short period of 3 months after its first appearance, the number of cases started to be reported in almost all countries. Different data such as the number of cases, deaths, death rates, vaccination numbers in these reports were collected in order to reduce the effect of the pandemic, to measure the efficiency of drugs, and to find the data required for the vaccine. In this thesis, the analysis of the data collected with the cooperation of countries, universities, research institutions and hospitals with data science and machine learning algorithms, observation of the efficiency of vaccines, the situation of economically poor countries and the effect of human density on the pandemic have been observed. The relation between vaccine, case and death rates was modeled with different machine learning algorithms and as a result, it is observed that death/case rates decreased with vaccination.