RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ

Yıl: 2019 Cilt: 22 Sayı: 4 Sayfa Aralığı: 749 - 764 Metin Dili: Türkçe İndeks Tarihi: 08-04-2020

RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ

Öz:
Bu çalışma, bir eğitim ve araştırma hastanesinin çocuk ve erişkin ruh sağlığı ve hastalıkları polikliniğine gelecek yıllarda oluşabilecek talebin belirlenmesini amaçlamaktadır. Bu amaca ulaşabilmek için Gri Tahmin Modeli GM(1,1), Basit Üstel Düzeltme Modeli, Üstel Modelleme ve Doğrusal Regresyon Modeli kullanılmıştır. Araştırma verileri, 2012-2018 yılları arasında ortaya çıkan yedi yıllık talepten oluşmaktadır. Tahminde bulunulurken cinsiyet ve yaş değişkenleri aracılığı ile ayrıştırılmış tahminler yapılmıştır. Modellerin tahmin performansı ortalama mutlak hata yüzdesi (mean absolute percentage error-MAPE) ve kök ortalama kare hata (root mean square error-RMSE) ile ölçülmüştür. Karşılaştırmalar sonucunda GM(1,1)’in (toplam için MAPE=8,82; RMSE=3487) diğer modellere göre daha iyi performans gösterdiği tespit edilmiştir. Bu nedenle gelecek tahmini GM(1,1) modeli ile gerçekleştirilmiştir. Sonuç olarak 2019-2023 yılları arasında belirtilen polikliniğe olan talebin cinsiyet bakımından hem kadın hem erkek; yaş bakımından hem 18 yaş altı hem de 18 yaş ve üstü ve toplam hasta sayısı bakımından da her geçen yıl artacağı, 2023’te 90.173 kişiye ulaşacağı öngörülmüştür.
Anahtar Kelime:

Konular: İş İletişim İşletme Sağlık Politikaları ve Hizmetleri İktisat İşletme Finans

FORECASTING OF DEMAND TO THE PSYCHIATRIC OUTPATIENT CLINIC USING TIME SERIES MODELS

Öz:
This study aims to determine the demand that may occur in the child and adult psychiatric outpatient clinic of an education and research hospital in the following years. To achieve this goal, Grey Prediction Method GM(1,1), Simple Exponential Smoothing Model, Exponential Model and Linear Regression Model were used. The data consist of seven-year demand between the years 2012- 2018. Forecasting were made through disaggregated estimates by gender and age. The estimation performance of the models was measured by the mean absolute percentage error (MAPE) and root mean square error (RMSE). As a result of the comparisons, it was found that GM(1,1) (for total MAPE=8.82; RMSE=3487) performed better than the other models. For this reason, the future forecasting was realized with GM(1,1) model. As a result, it was predicted that the demand for the psychiatric outpatient clinic between 2019 and 2023 will increase each passing year in terms of age (both under 18 years and above), gender (both men and women), total number of patients and will be to reach 90173 people in 2023.
Anahtar Kelime:

Konular: İş İletişim İşletme Sağlık Politikaları ve Hizmetleri İktisat İşletme Finans
Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • 1. Abdel-Aal R.E. and Mangoud A.M. (1998) Modeling and Forecasting Monthly Patient Volume at a Primary Health Care Clinic Using Univariate Time-Series Analysis. Computer Methods and Programs in Biomedicine 56(1998): 235–247.
  • 2. Abdullah S., Sapii N., Dir S. and Jalal T.M.T. (2012) Application of univariate forecasting models of tuberculosis cases in Kelantan. 2012 International Conference on Statistics in Science, Business and Engineering (ICSSBE) 10-12 Sept. 2012, Langkawi, Malaysia.
  • 3. Agrawal R.K., Muchahary F. and Tripathi M.M. (2019) Ensemble of Relevance Vector Machines and Boosted Trees for Electricity Price Forecasting. Applied Energy 250: 540-548.
  • 4. Ayvaz B. and Kusakci A.O. (2017) Electricity Consumption Forecasting for Turkey with Nonhomogeneous Discrete Grey Model. Energy Sources, Part B: Economics, Planning, and Policy 12(3): 260-267.
  • 5. Ayvaz B., Boltürk E. ve Kaçtıoğlu S. (2014) A Grey System for the Forecasting of Return Product Quantity in Recycling Network. International Journal of Supply Chain Management 3(3):105-112.
  • 6. Barros O., Weber R., Reveco C., Ferro E. and Julio C. (2011) Demand Forecasting and Capacity Management for Hospitals. Documentos de Trabajo, Serie Gestion, http://www.dii.uchile.cl/~ceges/publicaciones/ceges%20123%20OB.pdf Erişim Tarihi: 08.01.2019.
  • 7. Bergmeir C., Hyndman R. J. and Benitez J. M. (2016) Bagging Exponential Smoothing Methods using STL Decomposition and Box–Cox Transformation. International Journal of Forecasting 32(2016):303–312.
  • 8. Dang H.S., Huang Y.F., Wang C.N. and Nguyen T.M.T. (2016) An Application of the Short-Term Forecasting with Limited Data in the Healthcare Traveling Industry. Sustainability 8(1037):1-14.
  • 9. DHA (2017) 6 yılda 32 bin 262 Kişi Mobbinge Uğradı. 31.08.2017 Haberi. http://www.hurriyet.com.tr/6-yilda-32-bin-262-kisi-mobbinge-ugradi-40566418, Erişim Tarihi: 06.02.2019.
  • 10. Falayi E.O., Adepitan J.O., and Rabiu A.B. (2008) Empirical Models for the Correlation of Global Solar Radiation with Meteorological Data for Iseyin, Nigeria. International Journal of Physical Sciences, 3(9):210-216.
  • 11. Hyndman R.J. and Athanasopoulos G. (2018) Forecasting: Principles and Practice. OTexts, BC.
  • 12. İHA (2018) Cinsel İstismar Dava İstatistikleri Paylaşıldı. 20.02.2018 Haberi. https://www.memurlar.net/haber/729816/cinsel-istismar-dava-istatistikleripaylasildi. html, Erişim Tarihi: 06.02.2019.
  • 13. Iqelan B.M. (2017) Forecasts of Female Breast Cancer Referrals Using Grey Prediction Model GM(1,1). Applied Mathematical Sciences 11(54):2647-2662.
  • 14. Jalalpour M., Gel Y. and Levin S. (2015) Forecasting Demand for Health Services: Development of a Publicly Available Toolbox. Operations Research for Health Care 5(2015):1-9.
  • 15. Jones S.S., Thomas A., Evans R.S., Welch S.J., Haug P. J. and Snow G. L. (2008) Forecasting Daily Patient Volumes in the Emergency Department. Academic Emergency Medicine 15(2):159-170.
  • 16. Jounini R., Lemlouma T. and Maalaoui K. (2016) Employing Grey Model Forecasting GM(1,1) to Historical Medical Sensor Data towards System Preventive in Smart Home e-health for Elderly Person. International Wireless Communications and Mobile Computing Conference (IWCMC), 1086-1091.
  • 17. Kavuncubaşı Ş. ve Yıldırım S. (2012) Hastane ve Sağlık Kurumları Yönetimi. 3. Baskı, Siyasal Kitabevi, Ankara.
  • 18. Koyuncugil A.S. ve Özgülbaş N. (2009) Veri Madenciliği: Tıp ve Sağlık Hizmetlerinde Kullanımı ve Uygulamaları. Bilişim Teknolojileri Dergisi 2(2): 21-32.
  • 19. Lee Y.S. and Tong L.I. (2011) Forecasting Energy Consumption Using a Grey Model Improved by Incorporating Genetic Programming. Energy Conversion and Management 52(1):147-152.
  • 20. Lei M. and Feng Z. (2012) A Proposed Grey Model for Short-Term Electricity Price Forecasting in Competitive Power Markets. International Journal of Electrical Power & Energy Systems 43(1):531-538.
  • 21. Li Y., Shi H., Han F., Duan Z. and Liu H. (2019) Smart Wind Speed Forecasting Approach Using Various Boosting Algorithms, Big Multi-Step Forecasting Strategy. Renewable Energy, 135: 540-553.
  • 22. Moffat I.U. and Akpan E.A. (2014) Modeling and Forecasting Trend Function of a Discrete-Time Stochastic Process. American Journal of Scientific and Industrial Research 5(6):195-202.
  • 23. Mondal K. and Pramanik S. (2015) The Application of Grey System Theory in Predicting the Number of Deaths of Women by Committing Suicide- A Case Study. Journal of Applied Quantitative Methods 10(1): 48-55.
  • 24. Mutlu A. ve Işık A. K. (2005) Sağlık Ekonomisine Giriş. 2. Basım, Ekin Kitabevi Yayınları, Bursa.
  • 25. Özcan A.Y. (2013) Sağlık Kurumları Yönetiminde Sayısal Yöntemler. (Çev. Kavuncubaşı Ş. ve Yıldırım S.), Siyasal Kitabevi, Ankara.
  • 26. Pao H.T., Fu H.C. and Tseng C.L. (2012) Forecasting of CO2 Emissions, Energy Consumption and Economic Growth in China Using an Improved Grey Model. Energy 40(2012):400-409.
  • 27. Rahman A.U. and Zahura M.T. (2018) A Grey Approach for the Prediction of Supply Chain Demand. American Journal of Industrial Engineering 5(1):25-30.
  • 28. Ravinder H.V. (2016) Determining The Optimal Values of Exponential Smoothing Constants – Does Solver Really Work? American Journal of Business Education 9(1):1-14.
  • 29. Sağlık Bakanlığı (2011) Ulusal Ruh Sağlığı Eylem Planı (2011-2023). Yayın no: 847, Ankara.
  • 30. Şahin U. (2018a) Forecasting of Primary Energy Consumption of Turkey and Some European Countries with GM (1,1) Model. 3rd International Energy & Engeneering Congress Proceedings Book, 18-19 October 2018, Gaziantep University, Turkey.
  • 31. Şahin U. (2018b) Forecasting of Turkey’s Electricity Generation and Consumption with Grey Prediction Method. Mugla Journal of Science and Technology 4(2):205-209.
  • 32. Şahin U. (2019) Forecasting of Turkey’s Electricity Generation and CO2 Emissions in Estimating Capacity Factor. Environmental Progress and Sustainable Energy 38(1):56-65.
  • 33. Sarıyer G. (2018) Acil Servislerde Talebin Zaman Serileri Modelleri ile Tahmin Edilmesi. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi 10(1):66-77.
  • 34. Thirunavukkarasu M.J. (2000) Exponential Smoothing Modeling and Forecasting for Incidence of Tuberculosis in India. Global and Stochastic Analysis Special Issue: 25th International Conference of Forum for Interdisciplinary Mathematics, MUK Publications.
  • 35. Wang Y., Wei F., Sun C. and Li Q. (2016) The Research of Improved Grey GM (1,1) Model to Predict the Postprandial Glucose in Type 2 Diabetes. Hindawi Publishing Corporation BioMed Research International 2016:1-6.
  • 36. Wang Y.W., Shen Z.Z. and Jiang Y. (2018) Comparison of ARIMA and GM (1, 1) Models for Prediction of Hepatitis B in China. PloS ONE 13(9).
  • 37. Worldometers (2019) World Population (2019 and historical) http://www.worldometers.info/world-population/#pastfuture, Erişim Tarihi: 06.02.2019.
  • 38. Yağımlı M. ve Ergin H. (2017) Türkiye’de İş Kazalarının Üstel Düzeltme Metodu ile Tahmin Edilmesi. Marmara Fen Bilimleri Dergisi 29(4): 118-123.
  • 39. Zhang L., Wang L., Zheng Y., Wang K., Zhang X. and Zheng Y. (2017) Time Prediction Models for Echinococcosis Based on Gray System Theory and Epidemic Dynamics. International Journal of Environmental Research and Public Health 14(262): 1-14.
APA Şahin T (2019). RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. , 749 - 764.
Chicago Şahin Tezcan RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. (2019): 749 - 764.
MLA Şahin Tezcan RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. , 2019, ss.749 - 764.
AMA Şahin T RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. . 2019; 749 - 764.
Vancouver Şahin T RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. . 2019; 749 - 764.
IEEE Şahin T "RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ." , ss.749 - 764, 2019.
ISNAD Şahin, Tezcan. "RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ". (2019), 749-764.
APA Şahin T (2019). RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. Hacettepe Sağlık İdaresi Dergisi, 22(4), 749 - 764.
Chicago Şahin Tezcan RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. Hacettepe Sağlık İdaresi Dergisi 22, no.4 (2019): 749 - 764.
MLA Şahin Tezcan RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. Hacettepe Sağlık İdaresi Dergisi, vol.22, no.4, 2019, ss.749 - 764.
AMA Şahin T RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. Hacettepe Sağlık İdaresi Dergisi. 2019; 22(4): 749 - 764.
Vancouver Şahin T RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ. Hacettepe Sağlık İdaresi Dergisi. 2019; 22(4): 749 - 764.
IEEE Şahin T "RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ." Hacettepe Sağlık İdaresi Dergisi, 22, ss.749 - 764, 2019.
ISNAD Şahin, Tezcan. "RUH SAĞLIĞI VE HASTALIKLARI POLİKLİNİĞİNE OLAN TALEBİN ZAMAN SERİLERİ MODELLERİ İLE TAHMİNİ". Hacettepe Sağlık İdaresi Dergisi 22/4 (2019), 749-764.