Covid-19 hastaları için makine öğrenmesi sınıflandırma yöntemleriyle hastalık evresinin tahmini
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: MELİS MERVE DOĞANÇAY
Eş Danışman: ÖZLEM ORUÇ, ÖZLEM EGE ORUÇ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Denetimli makine öğrenmesi sınıflandırma algoritmaları son yıllarda birçok alanda yaygın olarak kullanılmaktadır. Özellikle sağlık, makine öğrenmesi çalışmalarının başarıyla yürütüldüğü önemli alanların başında gelmektedir. Bu tez çalışmasının amacı, Covid-19 tanısı ile hastaneye başvuran kişilerin hastalık evresini tahmin eden modellerin geliştirilmesidir. Covid-19, ilk olarak 2019 yılının son aylarında Çin'de görüldükten sonra hızla yayılmasıyla birlikte Dünya Sağlık Örgütü tarafından Mart 2020'de pandemi olarak ilan edilen ve milyonlarca insanın ölümüne neden olan salgın bir hastalıktır. Günümüzde ortaya çıkan aşılar ile eskisi gibi bir etkiye sahip olmasa da hala birçok insan hastalığa yakalanmakta ve ölümle karşı karşıya gelmektedir. Yoğun bakım doluluğu, yatak yetersizliği, solunum cihazı sıkıntısı gibi yetersizlikler bu sorunların başında gelmekte olup sağlık çalışanlarını da hastaların ezici yüküyle karşı karşıya bırakmıştır. Bu nedenle, Covid-19 hastalarının erken aşamada hastalık evrelerinin tahmin edilmesi büyük önem taşımaktadır. Çalışmada kullanılan veri seti, hastaların hastaneye kabulleri sırasındaki klinik ve laboratuvar verilerini içermektedir. Veri setinde lojistik regresyon, rassal orman ve destek vektör makinesi algoritmaları kullanılarak hastalık evresini tahmin eden modeller geliştirilmeye çalışılmıştır. 9 değişkenle kurulan rassal orman modeli en iyi performansı gösteren model olmuştur. Elde edilen modellerle düşük riskli ya da yüksek riskli Covid-19 hastaları için gereken tedavinin görülmesi ve tıbbi sistem yetersizlikleri yaşanmaması için hastane yönetiminin bilgi edinmesi sağlanacaktır.