SavedAdd your journal

Journals / Haliç Üniversitesi Sosyal Bilimler Dergisi / 2022 / Cilt: 5 - Sayı: 2

COVID-19 Pandemisinde Semptomlar ve Vaka Profilinin Veri Madenciliği Yaklaşımıyla İncelenmesi

Gökçe KARAHAN ADALI
Pages
253–269
Publication Date
2022-12-09
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Analizler sonucunda, ölüm oranlarında yaşlı bireylerin ve erkeklerin kadınlara göre daha çok kayıp verdiği tespit edilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Tüm dünyaya hızla yayılan Corona virüsü 2019 (COVID-19), SARS ve MERS salgınları sonrası görülen üçüncü koronavirüs salgını olarak tüm dünyayı etkisi altına almıştır.
📊
Key Findings & Data:Dünya sağlık örgütü tarafından pandemi ilan edilen bu salgın, insanların sağlığına, eğitimine, sosyalleşmelerine ve küresel ekonomiye çok büyük etkiler bırakan önemli bir halk sağlığı krizidir.
💡
Conclusion & Impact:Analizler sonucunda, ölüm oranlarında yaşlı bireylerin ve erkeklerin kadınlara göre daha çok kayıp verdiği tespit edilmiştir.
🔬Design:Research Article
📍Scope:2019 · 19 hasta
⚙️Variables:makine öğrenmesi · veri madenciliği · birliktelik kuralları

Özet

Tüm dünyaya hızla yayılan Corona virüsü 2019 (COVID-19), SARS ve MERS salgınları sonrası görülen üçüncü koronavirüs salgını olarak tüm dünyayı etkisi altına almıştır. Virüs dünya çapında halk sağlığı için büyük bir tehdit olmaya devam etmektedir. Dünya sağlık örgütü tarafından pandemi ilan edilen bu salgın, insanların sağlığına, eğitimine, sosyalleşmelerine ve küresel ekonomiye çok büyük etkiler bırakan önemli bir halk sağlığı krizidir. COVID-19’a daha hızlı yanıt verebilmek için her yönüyle çalışmalar devam etmektedir. Bu kapsamda hastalığın seyrinde, hastaların benzer özellikleri taşıdıkları semptomlar ve iyileşme sürecine etkileri önem arz etmektedir. Bu çalışma, COVID-19 hastaları arasında yaş, cinsiyet, hastalığın seyrinde görülen semptomlar, iyileşme ve ölüm durumunda etkili birliktelikleri ortaya çıkarmayı amaçlamaktadır. Çalışmada, sık görülen semptomları belirlemek ve demografik verilerin iyileşme sürecine etkilerini çıkarmak için birliktelik kuralı adı verilen ve yaygın olarak kullanılan makine öğrenimi tekniği R programlama dili kullanılarak uygulanmıştır. Elde edilen kurallarda, salgına yakalanmada yaş faktörünün büyük ölçüde etken olduğu tespit edilmiştir. En belirgin semptom olarak ateş ortaya konmuştur. Ateş semptomunu takiben öksürük semptomunun hastalar arasında sıklıkla rastlandığı görülmektedir. Analizler sonucunda, ölüm oranlarında yaşlı bireylerin ve erkeklerin kadınlara göre daha çok kayıp verdiği tespit edilmiştir.

🔖

Cite This Article

ADALI, G. K. (2022). COVID-19 Pandemisinde Semptomlar ve Vaka Profilinin Veri Madenciliği Yaklaşımıyla İncelenmesi. Haliç Üniversitesi Sosyal Bilimler Dergisi, Cilt: 5 - Sayı: 2, 253–269. https://ajindex.com/articles/872704

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Agrawal, R. and Srikant, R. “Fast algorithms for mining association rules”, Proceedings of the 20th International Conference on Very Large Databases, pp. 487–499, 1994.
  2. Alanlar, E. (2021). Pazar Sepeti Analizi Ilebirliktelikkurallarinin Belirlenmesi: Perakendesektöründe Covid-19 Etkisi, Yüksek Lisans Tezi, Karabük Üniversitesi, Eğitim Enstitüsü. Atsa’am, D. D., & Wario, R. (2022). Association rules on the COVID-19 variants of concern to guide choices of tourism destinations. In Current Issues in Tourism (Vol. 25, Issue 10, pp. 1536–1540). https://doi.org/10.1080/13683500.2021.1951182
  3. Birant, D., Kut ve diğ., (2010) ‘İş Zekası Çözümleri için Çok Boyutlu Birliktelik Kuralları Analizi’, pp. 215–222.
  4. Çelik, A., Using Apriori Data Mining Method in COVID-19 Diagnosis. Journal of Engineering Technology and Applied Sciences 5 (3) 2020: 121-131.
  5. Er A.G., Ünal, S. “2019 Koronavirüs Salgını – Anlık Durum ve İlk İzlenimler”. Flora, 2020(25). Han, J. ve Kamber, M., Data mining: concepts and techniques (the Morgan Kaufmann Series in data management systems), 2nd Edition,
  6. Waltham, USA, Morgan Kaufmann Publishers, 2006.
  7. Ji, Y., Ma, Z., Peppelenbosch, M. P., & Pan, Q. (2020). Potential association between COVID-19 mortality and health-care resource availability. In The Lancet Global Health (Vol. 8, Issue 4, p. e480). Elsevier Ltd. https://doi.org/10.1016/S2214-109X(20)30068-1
  8. Liu, R., Ming, X., Zhu, H., Song, L., Gao, Z., Gao, L., Jia, S., Zhang, C., Xu, O., Zhou, J., Yuan, J., & Zhang, J. “Association of Cardiovascular Manifestations with In-hospital Outcomes in Patients with COVID-19: A Hospital Staff Data”. MedRxiv, 1-26,2020.
  9. Tandan, M., Acharya, Y., Pokharel, S., & Timilsina, M. (2021). Discovering symptom patterns of COVID-19 patients using association rule mining. Computers in Biology and Medicine, 131. https://doi.org/10.1016/j.compbiomed.2021.104249
  10. WHO. “Coronavirus disease 2019 (COVID-19) situation reports”. https://www.who.int/ emergencies/diseases/novelcoronavirus-2019/situation-reports (04.07, 2022).
  11. Wojtusiak, J., Bagchi, P., Durbha, S.S.K.R.T.N. et al. COVID-19 Symptom Monitoring and Social Distancing in a University Population. J Healthc Inform Res 5, 114–131 (2021). https://doi.org/10.1007/s41666-020-00089-x
  12. Wu, Z., & McGoogan, J. M. “Characteristics of and Important Lessons from the Coronavirus Disease 2019 (COVID-19) Outbreak in China: Summary of a Report of 72314 Cases from the Chinese Center for Disease Control and Prevention”. JAMA - Journal of the A