Makine öğrenimi ile acil servis triyaj tahmin modeli geliştirme: İstanbul'da bir sağlık grubu örneği
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, HAMİDİYE SAĞLIK BİLİMLERİ ENSTİTÜSÜ, SAĞLIK BİLİŞİM SİSTEMLERİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: MUHAMMED EMRE GÜVEY
Danışman: Muhammed Fevzi ESEN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Bu çalışma, acil servis triyaj kategorilerini tahmin etmek için açıklanabilir bir makine öğrenmesi modeli geliştirmeyi, modelin farklı hasta alt gruplarında algoritmik adalet ilkelerine uygunluğunu değerlendirmeyi ve sağlık profesyonellerinin yapay zeka tabanlı triyaj sistemlerine yönelik algılarını araştırmayı amaçlamaktadır. Gereç ve Yöntem: Karma yöntem tasarımı benimsenmiştir. Kantitatif bileşende, İstanbul'daki özel bir sağlık grubuna bağlı 10 hastaneden Ocak 2018-Mart 2025 döneminde toplanan 12.335 acil servis başvurusu retrospektif olarak analiz edilmiştir. XGBoost, Random Forest ve Lojistik Regresyon algoritmaları karşılaştırılmıştır. Model açıklanabilirliği SHAP analizi ile sağlanmıştır. Kalitatif bileşende, 13 acil servis profesyoneli ile yarı-yapılandırılmış görüşmeler gerçekleştirilmiştir. Bulgular: XGBoost modeli, temporal validasyon setinde 0,862 dengeli doğruluk ve 0,956 AUROC değerleri ile en yüksek performansı sergilemiştir. Model, Kırmızı kategoride %87,5 duyarlılık göstermiştir. Algoritmik adalet analizinde, ambulansla gelen hastalarda 4,3 yüzde puanlık performans düşüşü saptanmıştır. SHAP analizi, ambulans gelişi, yaş ve vital bulguların en önemli tahmin ediciler olduğunu ortaya koymuştur. Kalitatif bulgular, sağlık profesyonellerinin makine öğrenmesine temkinli iyimserlik gösterdiğini ortaya koymuştur. Sonuç: Geliştirilen XGBoost modeli, acil servis triyajında klinik karar destek sistemi olarak kullanılma potansiyeli taşımaktadır. Ambulans hastalarındaki performans düşüşü algoritmik adalet açısından dikkat gerektirmektedir. Başarılı klinik uygulama için insan denetiminin korunması ve sürekli performans izleme önerilmektedir. Anahtar Kelimeler: Acil Servis, Karar Destek Sistemleri, Makine Öğrenmesi, Triyaj, Yapay Zeka