Ateşböceği algoritması ve yapay sinir ağları kullanılarak acil servis hasta gelişlerinin tahmin edilmesi

Hastanelerde genellikle ilk başvurulan yer olan acil servisler planlanması zor olan sistemlerdir. Bu nedenle karar vericilerin acil servislerde personel ve malzeme kullanımını etkili bir şekilde yapabilmesi için hasta başvurularının tahmin edilmesi gerekmektedir. Bu çalışmada, bir acil servise başvuran hasta sayısının tahmin edilmesi amaçlanmıştır. Bu amaçla son yıllarda tahminleme açısından geleneksel yöntemlere göre daha iyi performans gösteren yapay sinir ağları modeli kullanılmıştır. Diğer taraftan eğitim performansı açısından öne çıkan ateş böceği algoritması ile yapay sinir ağı (FFA-ANN) eğitilmiştir. Oluşturulan bu modelin performansı zaman serisi analizi yöntemlerinden otoregresif entegre hareketli ortalama (ARIMA), Holt-Winters (HW) ve üstel düzleştirme (ÜSTEL); makine öğrenmesi yöntemlerinden rastgele orman (RF), çok katmanlı algılayıcı (MLP), uzun kısa dönem hafıza (LSTM) yöntemleri ile karşılaştırılmıştır. Tahmin modellerinin değerlendirilmesi için Konya'da yer alan bir özel hastanenin 1673 günlük 'acil servise gelen hasta sayısı' verisi kullanılmıştır. Veri seti 2018 ve 2022 yılları arasındaki verilerden oluşmaktadır. Veri seti 2018-2019-2022 yılları normal dönem ve 2020-2021 yılları pandemi dönemi olarak ikiye ayrılmıştır. Veri seti Dünya Sağlık Örgütü tarafından belirlenen 22 hastalık grubuna göre yeniden düzenlenmiştir. 22 hastalık grubu için Pareto analizi yapılmış ve analiz sonucunda tahmin modellerinde kullanılmak için 5 hastalık grubu seçilmiştir. Modeller tek girdi (seçilen 5 hastalık grubundaki günlük acil servise gelen hasta sayıları) değişkeni ve tek çıktı değişkeninden oluşan zaman serisi tahmin modelleri şeklinde oluşturulmuştur. Tahmin yöntemlerinden en başarılı yöntemin belirlenebilmesi için hata kareler ortalaması karekökü (RMSE), ortalama mutlak hata (MAE) ve ortalama mutlak yüzde hatası (MAPE) performans ölçütlerinden faydalanılmıştır. Yapılan analizler sonucunda normal dönem verileri için ateş böceği ile eğitilen yapay sinir ağı (FFA-ANN) yönteminin, acil servise yapılacak başvuru sayısının tahmin edilmesinde diğer yöntemlere göre daha etkili sonuçlar verdiği görülmüştür. Son olarak FFA-ANN modeli ile tahminleme yapan bir karar destek sistemi oluşturularak tahmin çıktısının karar vericiler tarafından görüntülenebileceği bir uygulama tasarlanmıştır.