Tedavide eksik olan işlemleri belirlemek için konu modeline dayalı öneri sistemi

Medikal alanda, sağlık personeli tarafından hastalara uygulanan operasyonları kayıt altında tutmak son derece önemli ve yasal bir zorunluluk olmasına rağmen, genellikle operasyon listel-eri eksiktir. Operasyon listelerindeki ihmaller hastalar için beklenmeyen sonuçlara neden olabilmektedir. Ek olarak, operasyon listeleri faturalandırma sürecinde kullanıldığından, kabul edilemez operasyon listeleri hem sağlık kurumları hem de hastalar için finansal sorunlara neden olmaktadır. Bu nedenle, bu tez çalışmasının temel amacı, hem insan sağlığını tehdit eden hem de hastalar ve sağlık merkezleri için ekonomik sorunlara neden olan operasyon listelerindeki ihmalleri tahmin edebilen bir uzman tavsiye sistemi geliştirmektir. Bu tez çalışmasında, Latent Dirichlet Allocation yöntemini kullanarak operasyon listelerindeki ihmalleri tahmin etmeye çalışan önceki denenmiş çözümlerden farklı yeni bir model öneriyoruz, önerilen yöntem ICD-10 kodunu yeni gözlemlenen bir değişken olarak kullanıyor. İlk deneyler daha önce bu alanda başarı elde etmiş olan Lojistik Regresyon ve Latent Dirichlet Allocation yöntemleri ile gerçekleştirilmiştir. Kesinlik, hatırlama, F1 ölçümü ve Ortalama Karşılıklı Sıra değerleri, değer-lendirme ölçütleri olarak kullanılır ve önerilen modelin, Lojistik Regresyon ve klasik Latent Dirichlet Allocation yöntemiyle sonuçları değerlendirme ölçütlerine göre karşılaştırılır. Üç farklı veri setinde yapılan deney sonuçlarına göre, önerilen yöntemin LDA yönteminden %5, Lojistik Regresyon yönteminden %13 daha başarılı olduğu tespit edilmiştir.