Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu modelin degerlendirilmesiyle küçük ölçekli her bir hastanenin üst kategorilere olan olasılıkları; elde edilen söz konusu modelin logit degerleriyle belirlenmistir.\r\n
📌 3 Maddede Bu Makale
Özet
\r\n Bu çalısmada, ilk olarak Saglık Bakanlıgının yataklı tedavi kurumlarının 2005 istatistik yıllıgındaki verilerden hareketle; mevcut yatak kapasitelerinin düsük-orta-yüksek kategoride kullanımları analiz edilmistir. Daha sonra; yatak sayıları bakımından küçük ölçekli hastanelerde verilen hizmetlerin üst kategorilerde verilen hizmetleri verebilme olasılıklarının tahmininde; sıralı lojistik regresyon kullanılmıstır. Sözü edilen küçük ölçekli hastanelerin kategori tahmini fonksiyonu için, sürekli açıklayıcı degiskenler olarak Doktor Basına Poliklinik sayısı, Uzman Doktor Basına Yatılan Gün, Yatak Basına Yatan Hasta ve kesikli açıklayıcı degisken olarak da hastane statüsü alınmıstır. Bu degiskenlerle sıralı lojistik regresyon modeli kurulmustur. Söz konusu bu kavramsal modelin orta ve büyük’ten olusan kategorize logitlerinden hareketle modelin sonuçları tahmin edilmistir. Bu modelin degerlendirilmesiyle küçük ölçekli her bir hastanenin üst kategorilere olan olasılıkları; elde edilen söz konusu modelin logit degerleriyle belirlenmistir.\r\n
Abstract
\r\n In this study, moving from the data of 2005 statistical manual about treatment institutions with bed, available capacities at low-middle-high categories have been analysed. Later on, ordinal logistic regression has been used to estimate probabilities to reach higher categories, for low-scaled hospitals. For the mentioned low-scaled hospitals’ category estimation function; ordinal logistic regression model has been built on basis of internal descriptive variable combinations where number of policlinics per doctor, number of hospital stay days per specialized physicians, number of hospitalized patients per bed were used as continuous definitive variables, and statue of hospital was used as categorical descriptive variable. An ordinal logistic regression model has been built with these variables. From middle and high categorized logits of this conceptual model, of the outcomes of the model have obtained estimated. With the evaluation of this model, probabilities to reach higher categories for each low-scaled hospital, categorized with logit values of the mentioned model, have been determined.\r\n