Sağlık Sistemlerinde Karma Dağılım Modellerinin Uygulanması

Sağlık sistemleri belirsizliğin genellikle fazla olduğu sistemlerden bir tanesidir. Örneğin bir hastanenin polikliniklerine gelen hasta sayısı, günün saatlerine göre değişkenlik gösterir. Hastane servislerinde bir hastanın kalış süresi, hastanın yaşı, cinsiyeti, başka bir hastalığı olup olmadığına bağlı olarak farklılık gösterir. Sağlık sistemlerinde, kapasite, personel vb. gibi planlamalar yapabilmek için, hasta geliş sayıları, hastanelerde kalış süreleri, ameliyat süreleri gibi parametrelerin tahmin edilmesi gerekir. Bu parametreleri tahmin etmek için kullanılan yöntemlere örnek olarak, talep tahmin yöntemleri, istatistiksel dağılım uydurma, makine öğrenmesi gibi yöntemler verilebilir. Bu yöntemlerden istatistiksel dağılım uydurma, belirli bir zaman diliminde toplanan verinin, teorik bir dağılıma uyup uymadığını test eder. Ancak belirsizliğin fazla olduğu durumlarda, yukarıda bahsedilen parametreleri saf bir istatistiksel dağılımla tahmin etmek her zaman mümkün olmayabilir. Bu çalışmada, heterojen yapıya sahip verilerin modellenmesinde kullanılan ve birden fazla dağılımın birleşmesiyle veya iç içe geçmesiyle oluşan karma dağılımların, sağlık sistemlerinde kullanılmasının, veri setine bağlı olarak, belirsizlikleri daha iyi modellediği gösterilmiştir. Healthcare systems are one of the systems which usually operate under uncertainty. For example, incoming number of patients of a hospital’s outpatient clinics varies according to the time of the day. Patient’s length of stay at the hospital services differs depending upon the age of patient, gender of patient, having another disease or not. In healthcare systems; in order to be able to do plannings such as capacity or personnel planning; parameters, like number of incoming patients, length of hospital stay, operation time of surgery should be estimated. Some methods to estimate these parameters are forecasting , distribution fitting and machine learning. From these methods, distribution fitting tests whether the data which is collected in a specific time period fits to a theoretical distribution or not. Nevertheless, in the circumstances which has much uncertainty, estimating the aforementioned parameters may always not be possible by a pure statistical distribution. In this study, it has been shown that the use of mixed distributions in health systems, which are used in modeling of heterogeneous data and formed by merging or overlapping multiple distributions, better model uncertainities depending on the dat