KaydedilenlerDerginizi ekleyin

Dergiler / İşletme Bilimi Dergisi / 2026 / Cilt: 14 Sayı: 2

Türkiye’de SGK’nın Sağlık Harcamalarının Sürdürülebilirliği İçin Hastane Başvuru ve Maliyet Projeksiyonları (2012–2030)

Hospital Demand and Expenditure Projections for the Sustainability of Social Security Health Financing in Türkiye (2012–2030)

Meliha Meliş Günaltay

Sayfa
526–547
Yayın Tarihi
2026-06-23
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗

Özet

Bu araştırmanın amacı, Sosyal Güvenlik Kurumunun (SGK) finansmanını sağladığı hastanelere gelecekte yapılacak başvuru sayılarını ve bu başvuruların maliyetlerini tahmin etmektir. Çalışmanın evrenini SGK’nın finansmanını sağladığı ikinci ve üçüncü basamak Sağlık Bakanlığı hastaneleri, üniversite hastaneleri ve anlaşmalı özel hastaneler oluşturmaktadır. 2012–2024 dönemini kapsayan çalışma verileri SGK’nın veri uygulamasından elde edilmiştir. 2012–2030 yıllarına yönelik tahminler doğrusal regresyon analizi, Prophet ve SARIMA yöntemleriyle yapılmıştır. Geçmiş dönemlere ilişkin tahminler gerçek verilerle kıyaslanarak modellerin güvenilirliği değerlendirilmiştir. Hastanelere talebin artış eğiliminde olduğu belirlenmiştir. Başvuru sayılarında COVID-19 pandemisinin etkisi dikkat çekmiştir. Modeller farklı sonuçlar vermekle birlikte, 2030 yılına kadar toplam başvuru sayılarında artış olacağı öngörülmüştür. Hastanelerin toplam fatura tutarları dalgalı bir seyir izlemiş olup, 2022–2024 döneminde dramatik bir artış yaşanmıştır. Tahminler de fatura tutarlarının artacağını göstermektedir. SARIMA modeli mevsimsel desenleri ve uzun vadeli eğilimleri daha güçlü biçimde yakalayabilmiş; Prophet kısa vadeli dalgalanmaları tahmin etmede etkili olmuş; doğrusal regresyon ise daha sınırlı bir performans sergilemiştir. Çalışma, sağlık hizmetleri talebine yönelik öngörülerin sürdürülebilir finansman ve kaynak planlaması açısından kritik öneme sahip olduğunu göstermektedir. Elde edilen bulgular, SGK’nın mali sürdürülebilirliği konusunda politika yapıcılara kanıta dayalı bilgi sunmaktadır. Bu kapsamda, sağlık hizmetleri talebine yönelik tahminlerin istatistiksel modeller ile sosyo-demografik bilgiler ve dışsal faktörleri harmanlayan metodolojilerle yapılması önerilmektedir.

Abstract

This study aims to forecast the number of future hospital admissions and their associated costs in hospitals financed by the Social Security Institution (SSI) in Türkiye. The study population consists of secondary and tertiary Ministry of Health hospitals, university hospitals, and contracted private hospitals supported by SGK. Data covering the period 2012–2024 were obtained from SSI’s official database. Projections for the years 2012–2030 were conducted using linear regression analysis, the Prophet model, and the SARIMA model. Forecasts for previous periods were compared with actual values to evaluate the reliability of the models. The results indicate an upward trend in hospital admissions, with noticeable effects of the COVID-19 pandemic. Although the models differ in performance, all predict an increase in total admissions until 2030. Total hospital expenditures have followed a fluctuating trend, with a dramatic rise between 2022 and 2024. Projections also show that expenditures will continue to increase. Among the models, SARIMA captured seasonal patterns and long-term trends more effectively, Prophet was successful in estimating short-term fluctuations, while linear regression showed more limited performance. The study demonstrates that demand forecasts for healthcare services are critically important for sustainable financing and resource planning. The findings provide policymakers with evidence-based insights into the financial sustainability of SSI. Furthermore, it is suggested that future demand forecasting studies in healthcare should integrate statistical models with socio-demographic data and external environmental factors to improve reliability.

Anahtar kelimeler
🔖

Bu Makaleye Atıf Yap

Günaltay, M. M. (2026). Türkiye’de SGK’nın Sağlık Harcamalarının Sürdürülebilirliği İçin Hastane Başvuru ve Maliyet Projeksiyonları (2012–2030). İşletme Bilimi Dergisi, Cilt: 14 Sayı: 2, 526–547. https://doi.org/10.22139/jobs.1776994

📄 Tam Metin PDF Okuyucu

Kaynakça (47)

  1. Aigbonoga, D., Obarombi, J., Shekinah, W., Adiat, T., Owoputi, T., Jubril, A., Salawudeen, A., Lawal, A., Akintayo, A., Oluwadamilare, F., Oluwalana, S., Adesokan, D. ve Oguntoye, R. (2023). Impact of COVID-19 pandemic on the utilization and delivery of healthcare services among outpatients during the early phase of the pandemic in Nigeria. Journal of Public Health in Africa, 14(11), a41. https://doi.org/10.4081/jphia.2023.2317
  2. Attila, İ. ve Gülay, A. (2022). Türkiye’de genel sağlık sigortasının sürdürülebilirliği için zorunlu tamamlayıcı sağlık sigortası modeli önerisi. Uygulamalı Bilimler Fakültesi Dergisi, 4(1), 17–40. https://izlik.org/JA43GA24UR
  3. Bai, J. ve Perron, P. (1998). Estimating and testing linear models with multiple structural changes. Econometrica, 66(1), 47-78. https://doi.org/10.2307/2998540
  4. Bai, J. ve Perron, P. (2003). Computation and analysis of multiple structural change models. Journal of Applied Econometrics, 18(1), 1-22. https://doi.org/10.1002/jae.659
  5. Box, G. E. P., Jenkins, G. M., Reinsel, G. C. ve Ljung, G. M. (2016). Time series analysis: Forecasting and control (5. bs.). Wiley.
  6. Caner, A. ve Cilasun, S. (2019). Health care services and the elderly: Utilization and satisfaction in the aftermath of the Turkish health transformation program. Gerontology and Geriatric Medicine, 5, 1–8. https://doi.org/10.1177/2333721418822868
  7. Chatfield, C. (2016). The analysis of time series: An introduction (7. bs.). CRC Press.
  8. Dağ, M. (2019). Sosyal güvenlik bütçe açıklarının sürdürülebilirliği: 2009–2018 Türkiye örneği. Yaşar Üniversitesi E-Dergisi, 14(56), 369–378. https://izlik.org/JA52FS92XJ
  9. Değer, Ç. (2019). 2008 reformu sürdürülebilirliğe katkı yapıyor mu? Sosyal Güvence Dergisi, 15, 1–26. https://doi.org/10.21441/sosyalguvence.597549
  10. Dunn, A., Grosse, S. ve Zuvekas, S. (2016). Adjusting health expenditures for inflation: A review of measures for health services research in the United States. Health Services Research, 53(1), 175–196. https://doi.org/10.1111/1475-6773.12612
  11. Duyulmuş, C. U. (2011). Social security reform in Turkey: Different usages of Europe in shaping the national welfare reform. P. R. Graziano, S. Jacquot ve B. Palier (Ed.), The EU and the domestic politics of welfare state reforms içinde (Work and Welfare in Europe, ss. 280-315). Palgrave Macmillan. https://doi.org/10.1057/9780230307629_12
  12. Field, A. (2013). Discovering statistics using IBM SPSS statistics (4. bs.). Sage Publications.
  13. Grosse, S. D., Do, T. Q. N., Vu, M., Feng, L. B., Berry, J. G. ve Sawicki, G. S. (2018). Healthcare expenditures for privately insured US patients with cystic fibrosis, 2010–2016. Pediatric Pulmonology, 53(12), 1611–1618. https://doi.org/10.1002/ppul.24178
  14. Gürdal, T. ve Ocak, N. (2012). Türkiye’de sosyal güvenlik sisteminin sorunları ve yapılan değişikliklerin etkinlik ve sürdürülebilirlik açısından değerlendirilmesi. Finans Politik ve Ekonomik Yorumlar, (568), 53–64.
  15. Hair, J. F., Black, W. C., Babin, B. J. ve Anderson, R. E. (2010). Multivariate data analysis (7. bs.). Pearson.
  16. Hyndman, R. J. ve Athanasopoulos, G. (2021). Forecasting: Principles and practice (3. bs.). OTexts. https://otexts.com/fpp3/
  17. Işıkçelik, F. ve Ağırbaş, İ. (2024, 17-19 Ekim). Sosyal Güvenlik Kurumu’nun sağlık harcamalarının analizi [Özet bildiri]. 7. Uluslararası 17. Ulusal Sağlık ve Hastane İdaresi Kongresi, Bandırma, Türkiye.
  18. Jeong, S. (2024). Forecast accuracy of demand for registered nurses and its determinants in South Korea. Human Resources for Health, 22(1). https://doi.org/10.1186/s12960-024-00910-3
  19. Johar, M., Jones, G. ve Savage, E. (2012). Healthcare expenditure profile of older Australians: Evidence from linked survey and health administrative data. Economic Papers: A Journal of Applied Economics and Policy, 31(4), 451–463. https://doi.org/10.1111/1759-3441.12009
  20. Kim, H., Jang, S. ve Lim, J. (2022). Service demand for and awareness of a primary healthcare pilot project for people with disabilities. Journal of Korean Medical Science, 37(30), e241. https://doi.org/10.3346/jkms.2022.37.e241
  21. Kutluselim, İ. (2022). Sosyal güvenlik sistemleri ve Türkiye’de sistemin sürdürülebilirliği. Düşünce Dünyasında Türkiz, 7(37), 83–98. https://izlik.org/JA83BU83DZ
  22. Kutner, M. H., Nachtsheim, C. J., Neter, J. ve Li, W. (2005). Applied linear statistical models (5. bs.). McGraw-Hill Irwin.
  23. Monsef, N., Suliman, E., Ashkar, E. ve Hussain, H. (2023). Healthcare services gap analysis: A supply capture and demand forecast modelling, Dubai 2018–2030. BMC Health Services Research, 23(1). https://doi.org/10.1186/s12913-023-09401-y
  24. Morbey, R. A., Todkill, D., Moura, P., Tollinton, L., Charlett, A., Watson, C. ve Elliot, A. J. (2025). Using machine learning to forecast peak health care service demand in real-time during the 2022–23 winter season: A pilot in England, UK. PLOS ONE, 20(1), e0292829. https://doi.org/10.1371/journal.pone.0292829
  25. Moynihan, R., Sanders, S., Michaleff, Z. A., Scott, A. M., Clark, J., To, E. J., Jones, M., Kitchener, E., Fox, M., Johansson, M., Lang, E., Duggan, A., Scott, I. ve Albarqouni, L. (2021). Impact of COVID-19 pandemic on utilisation of healthcare services: A systematic review. BMJ Open, 11(3), e045343. https://doi.org/10.1136/bmjopen-2020-045343
  26. Naz, L., Ghimire, U. ve Zainab, A. (2021). Behavioral factors associated with utilization of healthcare services among elderly in Pakistan: Evidence from a nationally representative survey [Preprint]. Research Square. https://doi.org/10.21203/rs.3.rs-47398/v4
  27. Ordu, M., Demir, E. ve Tofallis, C. (2019). A comprehensive modelling framework to forecast the demand for all hospital services. The International Journal of Health Planning and Management, 34(2), e1257-e1271. https://doi.org/10.1002/hpm.2771
  28. Sanogo, N. ve Yaya, S. (2020). Wealth status, health insurance, and maternal health care utilization in Africa: Evidence from Gabon. BioMed Research International, 2020(1). https://doi.org/10.1155/2020/4036830
  29. Sevim, F., Ağırbaş, İ. ve Yılmaz, G. (2022). COVID-19’un sosyal güvenlik sistemi mali sürdürülebilirliği üzerindeki etkisinin TOPSIS yöntemi ile incelenmesi. Sosyal Güvence Dergisi, (21), 784–807. https://doi.org/10.21441/sosyalguvence.1120487
  30. Sosyal Güvenlik Kurumu (SGK). (2025a). Veri uygulaması. https://net.sgk.gov.tr/SgkVeriV2/
  31. Sosyal Güvenlik Kurumu (SGK). (2025b). 2024 yılı faaliyet raporu. https://www.sgk.gov.tr/Politikalar/Kurumsal/b55336ad-0af5-4e78-a7c5-79734c4c476f/
  32. Shibayama, H., Ishigaki, A., Kobe, T., Ueda, T., Arimizu, D. ve Nakamura, T. (2023). Design of a framework for demand forecasting using time series decomposition-based approach. PHMAP Conference, 4(1). https://doi.org/10.36001/phmap.2023.v4i1.3696
  33. Shumway, R. H. ve Stoffer, D. S. (2017). Time series analysis and its applications: With R examples (4. bs.). Springer.
  34. Soyiri, I., Reidpath, D. ve Sarran, C. (2013). Forecasting asthma-related hospital admissions in London using negative binomial models. Chronic Respiratory Disease, 10(2), 85–94. https://doi.org/10.1177/1479972313482847
  35. Tatlı, H. ve Göçer, İ. (2015). Türkiye’de sosyal güvenlik politikalarının sürdürülebilirliği: Çoklu yapısal kırılmalı eşbütünleşme analizi. Business and Economics Research Journal, 6(3), 87–111.
  36. Taylor, S. J. ve Letham, B. (2018). Forecasting at scale. The American Statistician, 72(1), 37–45. https://doi.org/10.1080/00031305.2017.1380080
  37. Teksöz, T. ve Helvacıoğlu, K. (2009). Genel sağlık sigortası’nın mali sürdürülebilirlik açısından analizi: 2009’da ne oldu? TEPAV Politika Notu. Türkiye Ekonomi Politikaları Araştırma Vakfı.
  38. Türkiye Cumhuriyeti. (2006, 16 Haziran). Sosyal Sigortalar ve Genel Sağlık Sigortası Kanunu (Kanun No. 5510). Resmî Gazete (Sayı: 26200). https://www.resmigazete.gov.tr/eskiler/2006/06/20060616-1.htm
  39. Türkiye İstatistik Kurumu (TÜİK). (2024). Sağlık harcamaları istatistikleri, 2023. https://data.tuik.gov.tr/Bulten/Index?p=Saglik-Harcamalari-Istatistikleri-2023-53561
  40. Türkiye İstatistik Kurumu (TÜİK). (2025). Tüketici fiyat endeksi, Haziran 2025. https://data.tuik.gov.tr/Bulten/Index?p=Tuketici-Fiyat-Endeksi-Haziran-2025-54181
  41. World Health Organization (WHO). (2025). Indicators. https://www.who.int/data/gho/data/indicators
  42. World Bank. (2025). Databank. https://databank.worldbank.org/createreport
  43. Yamashita, T., Tuliao, M., Meana, M., Suplido, S., Llave, C., Tanaka, Y. ve Matsuo, H. (2017). Utilization of healthcare services in postpartum women in the Philippines who delivered at home and the effects on their health: A cross-sectional analytical study. International Journal of Women’s Health, 9, 695–700. https://doi.org/10.2147/ijwh.s141689
  44. Yoruldu, M., Saraç, Ö. ve Yereli, A. B. (2023). Sosyal güvenliğin finansmanı ve sürdürülebilirliği. M. Yoruldu ve Ö. Saraç (Ed.), Sosyal güvenlik finansmanı: Seçilmiş ülke uygulamaları içinde (ss. 3-31). Efeakademi Yayınları.
  45. Zhang, R., Li, S., Li, C., Zhao, D., Guo, L., Qu, P., Liu, D., Dang, S. ve Yan, H. (2018). Socioeconomic inequalities and determinants of maternal health services in Shaanxi Province, Western China. PLOS ONE, 13(9), e0202129. https://doi.org/10.1371/journal.pone.0202129
  46. Zhang, X., Lin, D., Pforsich, H. ve Lin, V. (2020). Physician workforce in the United States of America: Forecasting nationwide shortages. Human Resources for Health, 18(1), 2-9. https://doi.org/10.1186/s12960-020-0448-3
  47. Zivot, E. ve Andrews, D. W. K. (1992). Further evidence on the great crash, the oil-price shock, and the unit-root hypothesis. Journal of Business & Economic Statistics, 10(3), 251-270. https://doi.org/10.2307/1391541