Amaç: Bu çalışmanın amacı, sezaryen anestezi tiplerinin yeni örüntülerini ve karar ağaçlarının tahmin performanslarını veri madenciliği teknikleri ile incelemek ve analiz etmektir. Gereç ve Yöntemler: 300 hastanın verilerini analiz etmek için sınıflandırma ve kümeleme analizi yapıldı. 24 parametreli veri setine Gini algoritması ve C5.0 algoritması uygulanmıştır. Bu algoritmalar, ön işlemeden sonra elde edilen 16 parametrelik veri setine de uygulanmıştır. Elde edilen tahmin performansları doğruluk kriterine göre karşılaştırılmıştır. Daha sonra K-prototip algoritması ile 24 ve 16 parametreli veri setlerine kümeleme analizi uygulanmıştır. Bulgular: Çalışma, Gini algoritmasının tahmin başarısının %96.61, Gini algoritması ile elde edilen budanmış karar ağacının tahmin başarısının ise %94.91 olduğunu ortaya koydu. C5.0 algoritmasının tahmin başarısı %98,87 olarak belirlenmiştir. K-prototip algoritması ile yapılan kümeleme analizinde uzman görüşüne dayalı olarak her iki veri seti için küme sayısı 4 ve 5 olarak belirlenmiş ve bu küme sayıları ile önemli örüntüler gözlemlenmiştir. Sonuç:Çalışma sonucunda C5.0 algoritmasının %98,87 doğruluk oranı ile en yüksek performansa sahip olduğu ortaya çıkmıştır. Kümeleme analizi sonucunda ise hastaların yaşı, operasyon süresi, önceki anestezi tipi, önceki sezaryen sayısı, anestezi korkusu ve önceki cerrahi operasyonların sezaryen olgularında anestezi türü üzerinde etkili olduğu kanısına varılmıştır.
Aim: The aim of this study is to examine and analyze new patterns of cesarean section anesthesia types and prediction performances of decision trees with data mining techniques. Materials and methods: Classification and clustering analysis were performed to analyze the data of 300 patients. Gini algorithm and C5.0 algorithm were applied to the data set with 24 parameters. These algorithms were also applied to the 16-parameter data set obtained after preprocessing. The estimation performances obtained were compared according to the accuracy criterion. Then, clustering analysis was applied to the 24 and 16 parameter data sets with the K-prototype algorithm. Results: The study revealed that the prediction success of the Gini algorithm was determined as 96.61%, and the prediction success of the pruned decision tree obtained by the Gini algorithm was 94.91%. The prediction success of the C5.0 algorithm was determined as 98.87%.In the clustering analysis performed with the K-prototype algorithm, the number of clusters was determined as 4 and 5 for both data sets, based on expert opinion, and important patterns were observed with these cluster numbers. Conclusion: As a result of the study, it was revealed that the C5.0 algorithm had the highest performance with an accuracy rate of 98.87As a result of the cluster analysis, it was concluded that the age of the patients, the duration of the operation, the type of previous anesthesia, the number of previous cesarean sections, the fear of anesthesia and the previous surgical operations were effective on the type of anesthesia in cesarean section cases.
Alan : Sağlık Bilimleri
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
