Makine Öğrenmesi Enfeksiyonu Önleyebilir Mi? Sağlık Hizmetleri Meslek Yüksekokulu Öğrencilerinin Enfeksiyon Hastalıklarına Yatkınlık Değerlendirmesi

Basit Öğe Kaydı
dc.contributor.authorArısoy, Fehmi Mete
dc.contributor.authorKarakaş, Ümit
dc.contributor.authorŞahinoğlu, Mustafa Serhat
dc.contributor.authorAlkan, Sevil
dc.contributor.authorAkyüz, Hatice Öntürk
dc.contributor.authorKızıl, Hamit Emre
dc.date.accessioned2026-02-28T12:43:20Z
dc.date.available2026-02-28T12:43:20Z
dc.date.issued2023
dc.departmentBayburt Üniversitesi
dc.description.abstractSon yıllarda, makine öğrenmesi (MÖ) teknolojilerinden tıp ve halk sağlığı araştırmalarında yaygın olarak yararlanılmaktadır. MÖ algoritmaları, klinik veri tabanlarındaki çoklu, karmaşık değişkenler arasındaki etkileşimleri analiz etmede ve doğru tahminler yapmada oldukça etkilidir. Bu çalışmada, MÖ tabanlı tahmin modellerini oluşturmak için etik onayı alınmış, yaş, cinsiyet, önceki enfeksiyon bilgileri ve enfeksiyon algılarından oluşan veriler sağlık hizmetleri meslekyüksekokulu öğrencilerinden toplandı. Python yazılım dili kullanılarak makine öğrenmesi altında Logistic Regression, Random Forest, Decision Tree ve XGBoost modelleri kullanıldı. Verilerin modeller ve makine öğrenmesi analiz sonuçlarına göre en etkili makine öğrenme modeli %74.7'lik tahmin başarı oranı ile Logistic Regression modeli olduğu belirlendi. Bu model kullanılarak bireylerin enfeksiyona yakalanmaya yatkınlıkları yüksek bir doğrulukla hesaplanabildiği gösterildi. Dolayısıyla makine öğrenmesi kullanılarak profesyonel sağlık personeli olarak çalışacak ya da mesleki eğitim alacak genç bireylerin enfeksiyona yatkınlıkları ya da yeterli bilgi birikimine sahip olup olmadıkları hızlıca belirlenebilecektir. Böylelikle çalışma ortamlarında, enfeksiyona yakalanma ihtimallerinin en aza indirgenmesinin eğitim ile önüne geçilmeye çalışılacaktır. Modele veri girdisi devam ettikçe tahmin yüzde başarısının artacağı da göz önünde bulundurulmalıdır.
dc.description.abstractMachine learning (ML) Technologies have been widely utilized in medical and public health research in recent years. ML algorithms effectively analyze interactions between multiple, complex variables in clinical data bases and make accurate predictions. In this study, ethical approval was obtained to build ML-based prediction models, and data on age, gender, previous infection knowledge, and perceptions of infection were collected from students at a vocational school of health services. Logistic Regression, Random Forest, Decision Tree, and XGBoost models were used in machine learning using Python software. According to the data models and machine learning analysis results, the most effective machine learning model was the Logistic Regression model, with a prediction success rate of 74.7%. Using this model, it was shown that the susceptibility of individuals to infection can be calculated with high accuracy. Therefore, by using machine learning, it will be possible to quickly determine whether young individuals working as Professional healthcare personel or receiving vocational training are susceptible to infection or have sufficient knowledge. This way, it will be tried to minimize the possibility of contracting infections in their working environment through training. The prediction percentage success should also increase as data input to the model continues.
dc.identifier.endpage32
dc.identifier.issn2687-4393
dc.identifier.issue1
dc.identifier.startpage25
dc.identifier.urihttps://hdl.handle.net/20.500.12403/8068
dc.identifier.volume6
dc.language.isotr
dc.publisherHüseyin SELVİ
dc.relation.ispartofJournal of Education in Health Sciences
dc.relation.ispartofSağlık Bilimlerinde Eğitim Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_DergiPark_20260218
dc.subjectHealth Services and Systems (Other)
dc.subjectSağlık Hizmetleri ve Sistemleri (Diğer)
dc.titleMakine Öğrenmesi Enfeksiyonu Önleyebilir Mi? Sağlık Hizmetleri Meslek Yüksekokulu Öğrencilerinin Enfeksiyon Hastalıklarına Yatkınlık Değerlendirmesi
dc.title.alternativeCan Machine Learning Prevent Infection? Assessment of Health Services Vocational School Students' Susceptibility to Infectious Diseases
dc.typeArticle

Dosyalar

Koleksiyon

Öksüz Yayınlar Koleksiyonu