Denetimli makine öğrenmesi yöntemleri ile gebelerde anemi ve anemi ile ilişkili faktörlerin tespiti

Gebelik dönemindeki aneminin ciddi seviyelerde seyretmesi, anemiye etki eden sosyodemografik özelliklerin saptanmasını ve bu faktörlerle mücadele etmeyi gerektirmektedir. Son yıllarda bu faktörler tespit edilirken makine öğrenmesi ve sınıflandırma algoritmaları kullanıcılara büyük fayda sağlamaktadır. Bu tez çalışmasında denetimli makine öğrenmesi yöntemleri kullanılarak gebelerde anemi ve anemi ile ilişkili faktörlerin tespit edilip bu konuda klinik karar destek sistemi oluşturulması amaçlanmıştır. Hastalarımız Elazığ il merkezinde yaşayan tüm gebeleri yansıtması açısından aile sağlığı merkezlerine kayıtlı 3228 genel gebe popülasyonundan nüfus büyüklüğüne göre rastgele yaklaşık 489 gebe örneklem olarak alınmıştır. Çalışma sonucu elde edilen verilerden Weka yazılımı kullanılarak, denetimli makine öğrenmesi yöntemleri ile anemi tespiti yapabilecek sınıflandırma modelleri oluşturulmuştur. Kural tabanlı Jrip, OneR ve PART algoritmaları ile anemi tespit sistemi oluşturulmuştur. Bu algoritmaların accuracy, Kappa statistic, mean absolute error, root mean squared error, relative absolute error, root relative squared error, TP rate, FP rate, precision, recall, F-measure, MCC, ROC area ve PRC area başarı metrikleri üç farklı yönteme göre elde edilmiştir. Birinci yöntemde verinin tümü eğitim için kullanılırken ikinci yöntemde veri 5-kat çapraz doğrulama yöntemi kullanılıp üçüncü ve son yöntemde ise veri %70 eğitim seti olarak sonuçlar elde edilmiştir. Çalışmada kullanılan Jrip algoritması %96.36, OneR algoritması %85.45 ve PART algoritması %97.98 doğruluk değerleriyle anemi tespit edilmiştir. Kullanılan değişkenler arasında çay tüketimi ve koyu çay tercihi, gebelik sayısı, ileri anne yaşı ve demir destek tedavisi anemi ile ilişkili en önemli risk faktörleri olarak saptanmıştır. Anahtar kelimeler: Makine Öğrenmesi, Sınıflandırma, Anemi