Sağlık alanında büyük veri ve veri madenciliği yöntemlerinin kullanımı
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Sağlık Bilimleri Enstitüsü, BİYOİSTATİSTİK ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2016
Tezin Dili: Türkçe
Öğrenci: BATUHAN BAKIRARAR
Danışman: YASEMİN YAVUZ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Sağlık Alanında Büyük Veri ve Veri Madenciliği Yöntemlerinin Kullanımı Büyük veri, kuruluşların (kamu kurumları, hastane vs.) yapılandırılmış ve yapılandırılmamış veri setlerini birleştirerek veri madenciliği ve istatistiksel yöntemler kullanıp keşfedilmemiş bilgileri ve öngörülmeyen korelasyonları ortaya çıkarmasıdır. Veri depolama maliyetlerinin düşmesi ve büyük hacimli verilerle uğraşırken iş yükünü birden çok sanal sunucuya dağıtmaya imkan tanıyan NoSQL veritabanlarının, Hadoop ve benzeri veritabanı tasarımlarının ortaya çıkması ile büyük veri akımı daha hızlı yayılmaya başlamıştır. Yeni teknolojilerin gelişmesi üzerine daha az maliyet ile daha hızlı ve değişik türden verilerin analiz edilmesine ve yeni bulguların ortaya çıkmasına imkan sağladığı için kısa sürede tüm dünyada kabul görmüş ve kullanılmaya başlanmıştır. Son zamanlarda özellikle sağlık alanında bilinen klasik yöntemlerle saklanamayan ve analiz edilemeyen video görüntüleri, hekim notları gibi bilgilerin de büyük veri ile analiz edilmesiyle beraber yeni ve faydalı birçok bilginin elde edilmesine olanak sağlamaktadır. Bu çalışma hastaneye diyabet şüphesi ile başvuran 101766 kişiyi içermektedir. Bu modelde yeni ilaç reçete edilme tahmini için ırk, cinsiyet, yaş, hastane yatış şekli, hastanede geçirilen süre, laboratuvar işlem sayısı, işlem sayısı, ilaç tedavi sayısı, tanı sayısı ve tekrar başvuru olmak üzere toplam 10 değişken bulunmaktadır. Mahout ve Scala yardımıyla Random Forest ve Çok Katmanlı Algılayıcı veri madenciliği yöntemleri kullanıldı. Mahout için sırasıyla bu yöntemlerin Doğru Sınıflama Oranları %87.8 ve %84.9 iken Scala'da bu oranlar %84.9 ve %87.0 olarak bulunmuştur. Anahtar Kelimeler: Büyük Veri, Veri Madenciliği, Sınıflama, Tahmin