CLUSTER ANALYSIS OF OECD COUNTRIES DURING THE COVID-19 PANDEMIC

Year 2023, Volume: 3 Issue: 2, 163 - 180

Fatma Selen Madenoğlu

Abstract

Health indicators are used to examine society's health status and track its improvement and degradation over time. The health situation of countries can be revealed and examined using health indicators. They help determine what future health policies will be implemented and what advancements in the field of health should be undertaken. The success or failure of the struggle against the COVID-19 pandemic are significantly influenced by the health indicators and COVID-19 pandemic indicators of the OECD countries. The goal of the research is to classify Organization for Economic Cooperation and Development (OECD) member countries in accordance with COVID-19 pandemic indicators and to deeply analyze how this classification influences the countries' responses to the pandemic. The assessments have been made by identifying Türkiye's position within the classification as one of the OECD's founding members. The statistics on health indicators has been compiled using databases from the World Health Organization, OECD, and data.worldbank. A cluster analysis has been used to categorize the countries. The study's findings have demonstrated the effect of the multiple variable evaluation to performance analysis. A hierarchical method and a non-hierarchical method have been applied to cluster the OECD countries considering COVID-19 pandemic indicators. As a result of the two methods, Türkiye was in the same group with France, Germany, Italy, Korea, United Kingdom.

Keywords

Cluster Analysis, Hierarchical Cluster, Non-hierarchical Cluster, Health Indicators, COVID-19

COVID-19 SALGININDA OECD ÜLKELERİNİN KÜMELEME ANALİZİ

Abstract

Sağlık göstergeleri, toplumun sağlık durumunu incelemek ve zaman içinde iyileşmesini ve kötüye gitmesini izlemek için kullanılmaktadır. Ülkelerdeki sağlık durumu, sağlık göstergeleri kullanılarak ortaya çıkarılabilir ve incelenebilir. Gelecekte hangi sağlık politikalarının uygulanacağını ve sağlık alanında hangi ilerlemelerin gerçekleştirilmesi gerektiğini belirlemeye yardımcı olurlar. COVID-19 pandemisi ile mücadelenin başarısı veya başarısızlığı, OECD ülkelerinin sağlık göstergeleri ve COVID-19 pandemi göstergelerinden önemli ölçüde etkilenmektedir. Çalışmanın amacı, Ekonomik İşbirliği ve Kalkınma Teşkilatı'na üye ülkelerini COVID-19 pandemi göstergelerine göre kategorize etmek ve bu sınıflandırmanın ülkelerin pandemiye verdiği tepkileri nasıl etkilediğini derinlemesine analiz etmektir. Değerlendirmeler, Türkiye'nin OECD'nin kurucu üyelerinden biri olarak sınıflandırmadaki konumu belirlenerek yapılmıştır. Sağlık göstergelerine ilişkin bilgilerin derlenmesinde Dünya Sağlık Örgütü, OECD ve data.worldbank veri tabanları kullanılmaktadır. Ülkeleri kategorize etmek için, küme analizi adı verilen çok değişkenli bir istatistiksel analitik teknik kullanılmıştır. Çalışmanın bulguları, çoklu değişkenle değerlendirmenin performans analizi üzerindeki etkisini ortaya koymuştur. OECD ülkelerini COVID-19 pandemik göstergeleri dikkate alınarak kümelemek için hiyerarşik bir yöntem ve hiyerarşik olmayan bir yöntem uygulanmıştır. İki yöntemin sonucunda Türkiye, Fransa, Almanya, İtalya, Kore, İngiltere ile aynı grupta yer almıştır.

Keywords

Kümeleme Analizi, Hiyerarşik Kümeleme, Hiyerarşik Olmayan Kümeleme, Sağlık Göstergeleri, COVID-19

References

• Alkaya, A., & Alkaş, C. (2021). OECD Ülkelerinin Sağlık Göstergelerine Göre Kümeleme Analizi Sınıflaması. Sosyal Güvence, (19), 427-474.
• Alpar R. (2013). Çok Değişkenli İstatistiksel Yöntemler. Detay Yayıncılık.
• Alptekin, N. (2014). “Comparison of Türkiye and European Union Countries’ Health Indicators by Using Fuzzy Clustering Analysis.” International Journal of Business and Social Research, 4-10.
• Cao, H., Jia, L., Si, G., & Zhang, Y. (2013). A clustering-analysis-based membership functions formation method for fuzzy controller of ball mill pulverizing system. Journal of process Control, 23(1), 34-43.
• CIHI (2009). Canadian Institute for Health Information. Report from the Third Health Indicators Consensus Conference.
• Costa, C., Freitas, Â., Stefanik, I., Krafft, T., Pilot, E., Morrison, J. & Santana, P. (2019). Evaluation of Data Availability on Population Health Indicators at The Regional Level Across The European Union. Population Health Metrics, 17(11), 1-15.
• Çakmak, Z., Uzgören, N., & Keçek, G. (2005). Kümeleme analizi teknikleri ile illerin kültürel yapılarına göre sınıflandırılması ve değişimlerin incelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, (12).
• Çelik, Ş. (2013). “Kümeleme Analizi ile Sağlık Göstergelerine Göre Türkiye’deki İllerin Sınıflandırılması”, Doğuş Üniversitesi Dergisi, 14(2), 175-194.
• Çetintürk, İ., & Gençtürk, M. (2020). OECD Ülkelerinin Sağlık Harcama Göstergelerinin Kümeleme Analizi ile Sınıflandırılması. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 11(26), 228-244.
• Dash, S., Shakyawar, S.K., Sharma, M., Kaushik, S., 2019, “Big data in healthcare: management, analysis and future prospects,” J. Big Data 6, vol. 54.
• Değirmenci, N. & Yakıcı-Ayan, T. (2020). OECD Ülkelerinin Sağlık Göstergeleri Açısından Bulanık Kümeleme Analizi ve TOPSIS Yöntemine Göre Değerlendirilmesi. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 38(2), 229-241.
• Demircioğlu, M., & Eşiyok, S. (2020). Covıd–19 Salgını İle Mücadelede Kümeleme Analizi İle Ülkelerin Sınıflandırılması. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 19(37), 369-389.
• Ersöz, F. (2009). “OECD'ye Üye Ülkelerin Seçilmiş Sağlık Göstergelerinin Kümeleme ve Ayırma Analizi ile Karşılaştırılması.”, Türkiye Klinikleri Journal of Medical Sciences, 29(6), 1650-1659.
• Ganesh, S. (2002). Data mining: Should it be included in the statistics curriculum?. In The 6th international conference on teaching statistics (ICOTS 6), Cape Town, South Africa.
• Gonzalez, G. H., Tahsin, T., Goodale, B. C., Greene, A. C., & Greene, C. S. (2016). Recent advances and emerging applications in text and data mining for biomedical discovery. Briefings in bioinformatics, 17(1), 33-42.
• Hair, J. F. Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L.(2014), Multivariate Data Analysis. USA: Pearson.
• Han, J., Kamber, M., & Pei, J., 2012, Data mining: concepts and techniques. Elsevier/Morgan Kaufmann, 2012.
• Ji, J., Bai, T., Zhou, C., Ma, C., & Wang, Z. (2013). An improved k-prototypes clustering algorithm for mixed numeric and categorical data. Neurocomputing, 120, 590-596.
• Kartal, E., Balaban, M. E., & Bayraktar, B. (2021). Küresel Covıd-19 Salgınının Dünyada ve Türkiye’de Değişen Durumu ve Kümeleme Analizi. Journal Of Istanbul Faculty Of Medicine, 84(1), 9-19.
• Karypis, M. S. G., Kumar, V., & Steinbach, M. (2000, August). A comparison of document clustering techniques. In TextMining Workshop.
• Kecman, V. (2001). Learning and soft computing: support vector machines, neural networks, and fuzzy logic models. MIT press.
• Köse, A. (2022). Türkiye’de sağlık göstergelerine göre istatistik bölgelerin kümeleme analizi ile sınıflandırılması. Alanya Akademik Bakış, 6(2), 2167-2189.
• Kurasova, O., Marcinkevicius, V., Medvedev, V., Rapecka, A., & Stefanovic, P. (2014) “Strategies for Big Data Clustering”. IEEE 26th International Conference on Tools with Artificial Intelligence.
• Mut, S., Akyürek, Ç. E. (2017). “OECD Ülkelerinin Sağlık Göstergelerine Göre Kümeleme Analizi ile Sınıflandırılması”. International Journal of Academic Value Studies, 3(12), 411-422.
• Pramanik, M. I., Lau, R. Y., Azad, M. A. K., Hossain, M. S., Chowdhury, M. K. H., & Karmaker, B. K. (2020). Healthcare informatics and analytics in big data. Expert Systems with Applications, 152, 113388.
• Paumelle, M., Occelli, F., Wakim, L. M., Brousmiche, D., Bouhadj, L., Ternynck, C., ... & Deram, A. (2023). Description of the multi-dimensional environment at the territorial scale: A holistic framework using cluster analysis and open data in France. Ecological Indicators, 154, 110562.
• Proksch, D., Busch-Casler, J., Haberstroh, M. M., & Pinkwart, A. (2019). National health innovation systems: Clustering the OECD countries by innovative output in healthcare using a multi indicator approach. Research Policy, 48(1), 169-179.
• Reibling, N. Ariaans, M. & Wendt, C. (2019). Worlds of Healthcare: A Healthcare System Typology of OECD Countries. Health Policy, 123(7), 611- 620.
• Santos-Pereira, J., Gruenwald, L., & Bernardino, J. (2022). Top data mining tools for the healthcare industry. Journal of King Saud University-Computer and Information Sciences, 34(8), 4968-4982.
• Singhal, M., & Shukla, S. (2018, February). Centroid selection in kernel extreme learning machine using K-Means. In 2018 5th International Conference on Signal Processing and Integrated Networks.
• Sonğur, C. (2016). “Sağlık Göstergelerine Göre Ekonomik Kalkınma ve İş birliği Örgütü Ülkelerinin Kümeleme Analizi”. Sosyal Güvenlik Dergisi, 6(1).
• Strang, K.D., & Sun, Z., 2020. Hidden big data analytics issues in the healthcare industry Health Informatics Journal 26(2) 981–998.
• Tüzüntürk, S. (2010). Veri madenciliği ve istatistik. Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 29(1), 65-90.
• Tzortzis, G., & Likas, A. (2014). The MinMax k-Means clustering algorithm. Pattern recognition, 47(7), 2505-2516.
• Ünsal, M. G., & Kasap, R. (2020). Investigating Covid 19 data for G20, EU, and OECD countries via using time series analysis & cluster analysis. Journal of Turkish Operations Management, 4(2), 424-432.
• WHO (1998). Health Promotion Glossary https://www.who.int/healthpromotion/about/HPR%20Glossary%201998.pdf
• Wulandari, L., & Yogantara, B. O. (2022). Algorithm analysis of K-means and fuzzy C-means for clustering countries based on economy and health. Faktor Exacta, 15(2).
• Yıldırım, S., Yildirim, D. C., & Calıskan, H. (2020). The influence of health on economic growth from the perspective of sustainable development: a case of OECD countries. World Journal of Entrepreneurship, Management and Sustainable Development, 16(3), 181-194.
• Zhang, D., & Zhou, L. (2004). Discovering golden nuggets: data mining in financial application. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 34(4), 513-522.
• Zou, H. (2020). Clustering algorithm and its application in data mining. Wireless Personal Communications, 110(1), 21-30.