ozerzeynep/SagliktaVeriAnalitigi

Günümüzde sağlık sistemlerinde, randevu iptalleri ve katılım eksiklikleri hem kaynakların israfına
neden olmakta hem de operasyonel süreçlerde ciddi verimsizliklere yol açmaktadır. Bu çalışmada, sağlık
hizmetlerinin daha etkin bir şekilde sunulabilmesi için, randevularına katılmayan bireyleri önceden tahmin etmeye
odaklanan yenilikçi bir yaklaşım geliştirilmiştir. Çalışma, detaylı veri analizi ve makine öğrenimi tekniklerini bir
araya getirerek, bu soruna çözüm sunmayı amaçlamaktadır. Model, sağlık randevularına katılımı etkileyen temel
faktörleri belirlemek için mevcut veriler üzerinde kapsamlı bir analiz yapmaktadır. Ardından, bu bilgileri
kullanarak bireylerin randevularına katılmama olasılığını tahmin eden akıllı algoritmalar devreye girmektedir. Bu
sayede, sağlık kuruluşlarının kaynaklarını daha iyi yönetmeleri, operasyonel süreçlerini iyileştirmeleri ve hasta
bakım hizmetlerini daha erişilebilir hale getirmeleri mümkün olmaktadır. Örneğin, model, dinamik kaynak
planlaması ve zaman çizelgesi oluşturulmasında yöneticilere önemli bir rehberlik sunmaktadır. Ayrıca, elde edilen
tahminler sayesinde, sağlık yöneticileri randevu hatırlatıcıları göndermek, alternatif tedavi seçenekleri sunmak ya
da esnek zaman çizelgeleri hazırlamak gibi proaktif stratejiler geliştirebilirler. Böylece, operasyonel maliyetlerin
düşürülmesi, hasta memnuniyetinin artırılması ve sağlık hizmetlerinin genel verimliliğinin iyileştirilmesi mümkün
hale gelecektir. Çalışma içerisinde çeşitli makine öğrenimi modelleri kullanılmıştır, bunlar; Lojistik Regresyon,
Karar Ağacı Sınıflandırıcısı, Rastgele Orman Sınıflandırıcısı ve XGBoost Sınıflandırıcısıdır. Sonuç olarak, bu
proje, sağlık sektöründe veri analitiği ve makine öğrenimi teknolojilerinin etkili bir şekilde kullanılabileceğini
göstermekte ve sağlık hizmetlerinde hem ekonomik hem de operasyonel anlamda önemli bir fark yaratmayı
hedeflemektedir. Bu yaklaşımla, daha verimli bir sağlık sistemi oluşturmak için somut adımlar atılmış olacaktır.