Analysis of Health Statistics With Data Mining Techniques: Classifıcatıon of General Health Status Using Machine Learning Algorithms

Year 2024, Volume: 24 Issue: 6, 1364 - 1381, 02.12.2024

Yunus Emre Gür , Kamil Abdullah Eşidir , Ahmed İhsan Şimşek

https://doi.org/10.35414/akufemubid.1491469

Abstract

The healthcare industry today has to deal with huge piles of data. Data mining methodologies are used for many purposes such as better understanding diseases and improving health services by analyzing the information in the depths of these data. This study investigates how Gradient Boosting, a data mining classification technique, can categorize micro health data. In the study, micro data for 2022 obtained from the Turkish Statistical Institute (TUIK) was used. Health status determination was estimated by using 9 independent variables obtained from the questionnaire used in the research in the analyses. Additionally, the effects of various socio-demographic factors (age, gender, marital and employment status) and lifestyle habits (tobacco use) on general health were analyzed. The results of the study show how effective machine learning methods can be in the healthcare sector. Among these models, the Gradient Boosting model came to the fore in the analysis of classification performance, taking into account metrics such as accuracy, sensitivity, sensitivity and F1 score, providing important information that will contribute to the development of health policies and interventions. In particular, determining the negative effects of tobacco use on health reveals that these factors have a great impact on human health. These findings indicate that machine learning can provide significant benefits in the development of health policies and public health programs.

Keywords

Data Mining, Classification, Microhealth Data, Machine Learning, Gradient Boosting

Sağlık İstatistiklerinin Veri Madenciliği Teknikleri İle Analizi: Makine Öğrenmesi Algoritmaları Kullanılarak Genel Sağlık Durumunun Sınıflandırılması

Abstract

Sağlık sektörü, günümüzde devasa veri yığınlarıyla başa çıkmak zorundadır. Bu verilerin derinliklerindeki bilgileri çözümleyerek hastalıkları daha iyi anlama ve sağlık hizmetlerini geliştirme gibi birçok amaç doğrultusunda veri madenciliği metodolojileri kullanılmaktadır. Bu çalışma, bir veri madenciliği sınıflandırma tekniği olan Gradient Boosting’in, mikro sağlık verilerini nasıl kategorize edebileceğini araştırmaktadır. Çalışmada, Türkiye İstatistik Kurumu’ndan (TÜİK) elde edilen 2022 yılına ait mikro veriler kullanılmıştır. Araştırmada kullanılan soru formundan elde edilen 9 adet bağımsız değişken, analizlerde kullanılarak sağlık durum tespiti tahmin edilmiştir. Ayrıca, çeşitli sosyo-demografik faktörlerin (yaş, cinsiyet, medeni ve çalışma durumu) ve yaşam tarzı alışkanlıklarının (tütün kullanımı) genel sağlık üzerindeki etkileri analiz edilmiştir. Çalışmanın sonuçları, makine öğrenmesi metodlarının sağlık sektöründe ne denli etkili olabileceğini göstermektedir. Bu modeller arasında Gradient Boosting modeli, sınıflandırma performansında, doğruluk, hassasiyet, duyarlılık ve F1 skoru gini metrikler dikkate alınarak yapılan incelemede ön plana çıkarak, sağlık politikalarının ve müdahalelerinin geliştirilmesine katkıda bulunacak önemli bilgiler sunmuştur. Özellikle, tütün kullanımının sağlık üzerindeki olumsuz etkilerinin belirlenmesi, bu faktörlerin insan sağlığına etkisinin büyük olduğunu ortaya koymaktadır. Bu bulgular, sağlık politikaları ve halk sağlığı programlarının geliştirilmesinde makine öğrenmesinin önemli faydalar sağlayabileceğine işaret etmektedir.

Keywords

Veri Madenciliği, Sınıflandırma, Mikro Sağlık Verileri, Makine Öğrenmesi, Gradient Boosting

References

• Abdullah, D. M., & Abdulazeez, A. M. (2021). Machine learning applications based on SVM classification a review. Qubahan Academic Journal, 1(2), 81-90.
• Akbar, N. A., Sunyoto, A., Arief, M. R., & Caesarendra, W. (2020). Improvement of Decision Tree Classifier Accuracy for Healthcare Insurance Fraud Prediction by Using Extreme Gradient Boosting Algorithm. 2020 International Conference on Informatics, Multimedia, Cyber and Information System (ICIMCIS), Jakarta, Indonesia, pp. 110-114. IEEE.
• Alkurdi, A. and Abdulazeez, D. A. M., 2024. Comprehensive classification of fetal health using cardiotocogram data based on machine learning. Indonesian Journal of Computer Science, 13(1). https://doi.org/10.33022/ijcs.v13i1.3718.
• Alptekin, N., & Yeşilaydın, G., 2015. OECD ülkelerinin sağlık göstergelerine göre bulanık kümeleme analizi ile sınıflandırılması. İşletme Araştırmaları Dergisi, 7(4), 137-155.
• Altıntaş YY. 2010. Veri madenciliğinin tıpta kullanımı ve bir uygulama: hemodiyaliz hastaları için risk seviyelerine göre risk faktörlerinin etkileşimlerinin incelenmesi. Ulusal Tez Merkezi, 269710: 1-3.
• Bentéjac, C., Csörgő, A., & Martínez-Muñoz, G. 2021. A comparative analysis of gradient boosting algorithms. Artificial Intelligence Review, 54, 1937-1967.
• Bisht, R. K., & Bisht, I. P. (2022). Investigation of the Role of Test Size, Random State, and Dataset in the Accuracy of Classification Algorithms. International Conference on Communication and Intelligent Systems, Singapore, pp. 715-726. Springer Nature Singapore.
• Cengil, E. & Çınar A., 2020. Göğüs Verileri Metrikleri Üzerinden Kanser Sınıflandırılması, Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 11(2), ss. 513-519.
• Cheng, D., Zhang, S., Liu, X., Sun, K., & Zong, M., 2017. Feature selection by combining subspace learning with sparse representation. Multimedia Systems, 23, 285-291.
• Chung, J., & Teo, J., 2023. Single classifier vs. ensemble machine learning approaches for mental health prediction. Brain informatics, 10(1), 1-10.
• Çiçek, A. ve Arslan, Y., 2020. Müşteri Kayıp Analizi İçin Sınıflandırma Algoritmalarının Karşılaştırılması. İleri Mühendislik Çalışmaları Ve Teknolojileri Dergisi, 1(1), 13-19.
• Doğan, E., 2020. Gelir Düzeyi ve Sağlık Hizmet Talebi İlişkisi: Mikro Veriler ile Türkiye Örneği. MANAS Sosyal Araştırmalar Dergisi, 9(4), 2376-2392. https://doi.org/10.33206/mjss.705718
• Estévez, P. A., Tesmer, M., Perez, C. A., & Żurada, J. M. 2009. Normalized mutual information feature selection. IEEE Transactions on Neural Networks, 20(2),189-201. https://doi.org/10.1109/tnn.2008.2005601
• Fenta, H. M., Zewotir, T., & Muluneh, E. K. 2021. A machine learning classifier approach for identifying the determinants of under-five child undernutrition in ethiopian administrative zones. BMC Medical Informatics and Decision Making, 21(1), 291. https://doi.org/10.1186/s12911-021-01652-1.
• Genç, B. U. G., & Kurutkan, M. N. (2021). Eşitsizlik Bağlamında Karşılanmayan Sağlık İhtiyacı: Türkiye Sağlık Araştırması Verilerinden Kanıtlar. SDÜ Sağlık Yönetimi Dergisi, 3(1), 34-51.
• Guo, G., Wang, H., Bell, D., Bi, Y., & Greer, K. (2003). KNN Model-Based Approach in Classification. OTM Confederated International Conferences, CoopIS, DOA, and ODBASE 2003, Catania, Sicily, Italy, November 3-7, 2003, pp. 986-996. Springer Berlin Heidelberg.
• Hossin M., and Sulaiman M. N., (2015). A review on evaluation metrics for data classification evaluations, International Journal of Data Mining & Knowledge Management Process, 5(2), ss. 1.
• Karaca İ. (2015). Büyük Veri Analizlerinin Kurumsal Faaliyetlerde Kullanım Alanları, Lisans Tezi, Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Bilgi ve Belge Yönetimi Bölümü, Ankara.
• Karakoyun, M., & Hacibeyoğlu, M. (2014). Biyomedikal Veri Kümeleri İle Makine Öğrenmesi Siniflandirma Algoritmalarinin İstatistiksel Olarak Karşilaştirilmasi. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 16(48), 30-42.
• Kaya, I. (2021). Comparison of spectral and template matching features for ssvep bci target frequency classification. International Journal of Intelligent Systems and Applications in Engineering, 9(2), 64-68. https://doi.org/10.18201/ijisae.2021.235.
• Kayakuş, M. & Yiğit Açıkgöz, F. (2023). Twitter'da Makine Öğrenmesi Yöntemleriyle Sahte Haber Tespiti. Abant Sosyal Bilimler Dergisi, 23(2), 1017-1027. https://doi.org/10.11616/asbi.1266179
• Kızgın, M. S., Çambay, Z., Sepet, H., Özçelik, S. T. A., & Uyanık, H. (2023). Onobrychis Bitkisine Ait Meyve Tiplerinin Makine Öğrenmesi Yaklaşımıyla Sınıflandırılması. Fırat Üniversitesi Fen Bilimleri Dergisi, 35(2), 87-96.
• Koçak, A., & Ergün, M. A. (2023). Sağlıkta veri kalitesi ve veri madenciliği uygulamaları. Disiplinlerarası Yenilik Araştırmaları Dergisi, 3(1), 23-30.
• Koyuncugil, A., & Özgülbaş, N. (2009). Veri madenciliği: Tıp ve sağlık hizmetlerinde kullanımı ve uygulamaları. Bilişim Teknolojileri Dergisi, 2(2), 21-32
• Mandelkow, H., De Zwart, J. A., & Duyn, J. H. (2016). Linear discriminant analysis achieves high classification accuracy for the BOLD fMRI response to naturalistic movie stimuli. Frontiers in human neuroscience, 10, 128.
• Mayr, A., Binder, H., Gefeller, O., & Schmid, M. (2014). The evolution of boosting algorithms. Methods of information in medicine, 53(6), 419-427.
• Peng, H., Long, F., & Ding, C. (2005). Feature selection based on mutual information criteria of max-dependency, max-relevance, and min-redundancy. IEEE Transactions on Pattern Analysis and Machine Intelligence, 27(8), 1226-1238. https://doi.org/10.1109/tpami.2005.159
• Rathi, V. P., & Palani, S. (2012). Brain tumor MRI image classification with feature selection and extraction using linear discriminant analysis. arXiv preprint arXiv:1208.2128.
• Stein, G., Chen, B., Wu, A. S., & Hua, K. A. (2005). Decision Tree Classifier for Network Intrusion Detection with GA-Based Feature Selection. 43rd Annual Southeast Regional Conference, Kennesaw, GA, USA, pp. 136-141.
• Subasi, A., & Gursoy, M. I. (2010). EEG signal classification using PCA, ICA, LDA and support vector machines. Expert systems with applications, 37(12), 8659-8666.
• Terzi, M. (2019). Türkiye’de Sağlık Sektöründe Veri Madenciliği Kullanım Alanları. Black Sea Journal of Health Science, 2(2), 45-48.
• Theerthagiri, P., & Vidya, J. (2022). Cardiovascular disease prediction using recursive feature elimination and gradient boosting classification techniques. Expert Systems, 39(9), e13064.
• Tripathi, A., Kumar, K., Misra, A., & Chaurasia, B. K. (2023). Colon Cancer Tissue Classification Using ML. 6th International Conference on Information Systems and Computer Networks (ISCON), Mathura, India, pp. 1-6.
• Türkiye Sağlık Araştırması 2022 Yılı Mikro Veri Seti, (2023). Yayın No: 4702, ISBN: 978-625-8368-43-7, Yayın Tarihi: Temmuz 2023, Türkiye İstatistik Kurumu, Ankara.
• Wang, M., Li, X., Lei, M., Duan, L., & Chen, H. (2022). Human health risk identification of petrochemical sites based on extreme gradient boosting. Ecotoxicology and Environmental Safety, 233, 113332.
• Worth, A. P., & Cronin, M. T. (2003). The use of discriminant analysis, logistic regression and classification tree analysis in the development of classification models for human health effects. Journal of Molecular Structure: THEOCHEM, 622(1-2), 97-111.
• Wu, J., Song, L., Wang, T., Zhang, Q., & Yuan, J. (2020). Forest r-cnn: large-vocabulary long-tailed object detection and instance segmentation. 28th ACM International Conference on Multimedia, Seattle, WA, USA (Online).
• Wu, X., Kumar, V., Ross Quinlan, J., Ghosh, J., Yang, Q., Motoda, H., ... & Steinberg, D. (2008). Top 10 algorithms in data mining. Knowledge and information systems, 14, 1-37.
• Xu, X., Lin, M., & Xu, T. (2022). Epilepsy seizures prediction based on nonlinear features of EEG signal and gradient boosting decision tree. International Journal of Environmental Research and Public Health, 19(18), 11326.
• Yıldıztepe, E. ve Kocataş, A. (2018). Türkiye işgücü verilerinin karar ağacı yöntemleriyle analizi. Çankırı Karatekin Üniversitesi İİBF Dergisi. 8 (2), 91-114.
• Yılmaz, E. (2012). İstatiksel Analiz Yöntemi Olarak Veri Madenciliğinde Chaıd Algoritması ve Türkiye’de İşgücü Piyasasının Durumunun Ve Bunun Nedenlerinin Belirlenmesine İlişkin Bir Uygulama, Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi Sosyal Bilimler Enstitüsü İşletme Ana Bilim Dalı, İstanbul.
• Yin, H., Sharma, B., Hu, H., Liu, F., Kaur, M., Cohen, G., ... & Eckel, S. P. (2024). Predicting the climate impact of healthcare facilities using gradient boosting machines. Cleaner Environmental Systems, 12, 100155.
• Yongcharoenchaiyasit, K., Arwatchananukul, S., Temdee, P., & Prasad, R. (2023). Gradient Boosting Based Model for Elderly Heart Failure, Aortic Stenosis, and Dementia Classification. IEEE Access. 11, 48677-48696, https://doi.org/10.1109/ACCESS.2023.3276468
• Yu, H., & Kim, S. (2012). SVM Tutorial-Classification, Regression and Ranking. Handbook of Natural computing, 1, 479-506.
• Yue, S., Li, P., & Hao, P. (2003). SVM classification: Its contents and challenges. Applied Mathematics-A Journal of Chinese Universities, 18, 332-342.
• Zhou, H., Wang, X., & Zhang, Y. (2020). Feature selection based on weighted conditional mutual information. Applied Computing and Informatics, 20(1/2), 55-68. https://doi.org/10.1016/j.aci.2019.12.003