YOĞUNLUK TABANLI MEKÂNSAL KÜMELEME ANALİZİ İLE TÜRKİYE'DEKİ İLLERİN SAĞLIK GÖSTERGELERİYLE DEĞERLENDİRİLMESİ

Abstract

Bu çalışma DBSCAN kümeleme analizi yöntemiyle Türkiye'deki illerin sağlık kaynağı dağılımını değerlendirmeyi amaçlamaktadır. DBSCAN parametrelerinin (epsilon ve minPts) optimum değerleri simülasyon ile test edilmiş uygun parametre setini seçmek için kümeleme siluet değeri baz alınmıştır. Veri setinin tanımlayıcı istatistik analiz sonuçlarında yüksek varyasyon katsayısı göze çarpmakta ve sağlık kaynakları dağılımındaki eşitsizliklere işaret etmektedir. Çalışma, illeri iki kümeye ayırarak kaynak dağılımının eşitsizliğinde yerel dinamiklerin benzerliğini ortaya koymaktadır. Bulgular, Türkiye'de iller arasındaki farklılıkların giderilmesi için ilgili paydaşlara önemli içgörüler sunmaktadır. Çalışmada ilgili literatürde baskın olan hiyerarşik ve k-means kümeleme yöntemlerinin haricinde bir yöntem benimsenmiş olması ve algoritmanın Python dilinde kodlarının paylaşılmış olması ilgili araştırmacıların ufkunu genişletmekte ve çalışmanın şeffaflığı ve tekrar edilebilirliğini artırmaktadır.

Keywords

• Sağlık Hizmeti Kaynak Dağılımı
• Yoğunluk Tabanlı Mekansal Kümeleme
• DBSCAN
• Bölgesel

EVALUATION OF PROVINCES IN TÜRKİYE WITH HEALTH INDICATORS BY DENSITY-BASED SPATIAL CLUSTERING ANALYSIS

Abstract

This study aims to evaluate the health resource distribution of provinces in Turkey using DBSCAN cluster analysis method. The optimum values of DBSCAN parameters (epsilon and minPts) were tested by simulation and the clustering silhouette value was taken as the basis for selecting the appropriate parameter set. The results of the descriptive statistical analysis of the dataset show a high coefficient of variation, indicating inequalities in the distribution of health resources. By dividing provinces into two clusters, the study reveals the similarity of local dynamics in the inequality of resource distribution. The findings provide important insights for relevant stakeholders to address the disparities between provinces in Turkey. The fact that the study adopts a method other than the hierarchical and k-means clustering methods dominant in the literature and that the codes of the algorithm are shared in Python language broadens the horizons of the relevant researchers and increases the transparency and reproducibility of the study.

Keywords

• Healthcare Resource Distribution
• Density-Based Spatial Clustering
• DBSCAN
• Regional Disparities

References

1. Ahmed, M., Seraj, R., & Islam, S. M. S. (2020). The k-means algorithm: A comprehensive survey and performance evaluation. Electronics, 9(8), 1-12. doi: 10.3390/electronics9081295
2. Agterberg, J., Zhong, F., Crabb, R., & Rosenberg, M. (2020). Cluster analysis application to identify groups of individuals with high health expenditures. Health Services and Outcomes Research Methodology, 20(2–3), 140–182. doi: 10.1007/S10742-020-00214-8/FIGURES/9
3. Alkaya, A. (2022). Sağlık göstergeleri açısından avrupa birliğine üye ve aday ülkelerin çok boyutlu ölçekleme ve kümeleme analiziyle sınıflanması. Hacettepe Sağlık İdaresi Dergisi, 25(1), 29–46.
4. Çelik, Ş. (2013). Kümeleme analizi ile sağlık göstergelerine göre türkiye’deki illerin sınıflandırılması.Doğuş Üniversitesi Dergisi, 14(2), 175-194.
5. Çınaroğlu, S. (2021). Türkiye’de iller düzeyinde sağlık personeli dağılımı ve daha etkin politika ihtiyacı. Hacettepe Sağlık İdaresi Dergisi, 24(2), 235–254.
6. Çınaroğlu, S., & Avcı, K. (2019). Sağlıkta bölgesel planlama çalışmalarında verimliliğin artırılması için alternatif bir yaklaşım: iki aşamalı kümeleme uygulaması. Verimlilik Dergisi, 2, 7–25.
7. Eren, H., & Ömürbek, N. (2019). Türkiye’nin sağlık göstergeleri açısından kümelenmesi ve performans analizi. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(29), 421–452.
8. Ester, M., Kriegel, H.-P., Sander, J., & Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. Proceedings of the Second International Conference on Knowledge Discovery and Data Mining, 226–231.

9. Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (2011). Cluster analysis. John Wiley & Sons.
10. Fuchs, M., & Höpken, W. (2022). Clustering. In R. Egger (eds), Applied data science in tourism (p. 129-149). Cham: Springer.
11. Fuchs, M., & Höpken, W. (2022). Clustering ,129–149. doi: 10.1007/978-3-030-88389-8_8
12. Gençoğlu, P. (2018). Türkiye’de illerin gelişmişlik düzeyi dikkate alınarak sağlık hizmetlerinin kümeleme analizi aracılığıyla değerlendirilmesi. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 52, 301–324.
13. Güleç, D., & Yılmaz Işıkhan, S. (2016). Kümeleme analizi ile türkiye ve dsö bölgesi ülkeleri resmi sağlık birimlerinin sosyal medya kullanımı açısından karşılaştırılması. Uluslararası Sağlık Yönetimi ve Stratejileri Araştırma Dergisi , 1(3), 36–48.
14. Hassan, A. M., & Darwish, S. M. (2021). Dynamic distributed clustering approach directed to patient-centric healthcare system. Advances in Intelligent Systems and Computing, 1339, 355–365. doi: 10.1007/978-3-030-69717-4_35/COVER
15. Jamtsho, S., Corner, R., & Dewan, A. (2015). Spatio-Temporal Analysis of Spatial Accessibility to Primary Health Care in Bhutan. ISPRS International Journal of Geo-Information, 4(3), 1584–1604. doi: 10.3390/IJGI4031584
16. Keya, K. N., Islam, R., Pan, S., Stockwell, I., & Foulds, J. (2020). Equitable allocation of healthcare resources with fair cox models. doi: 10.13016/M2LINH-RXCX https://www.semanticscholar.org/reader/6f5da8f435a115d41ce04ab743174906c07fe2e7 adresinden erişildi.
17. Khan, S. U., & Hussain, I. (2020). Inequalities in health and health-related indicators: a spatial geographic analysis of Pakistan. BMC Public Health, 20(1), 1–9. doi: 10.1186/S12889-020-09870-4/FIGURES/4
18. Korkhmazov, V. T., & Perkhov, V. I. (2023). Cluster analysis results for assessment of COVID-19-Related mortality differences between Russian regions. Innovative Medicine of Kuban, 0(1), 65–71. doi: 10.35401/2541-9897-2023-26-1-65-71
19. Köse, A. (2022a). OECD ülkelerinin sağlık göstergeleri açısından kümeleme analizi yöntemine göre değerlendirilmesi. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 12(4), 2010–2021.
20. Köse, A. (2022b). Türkiye’de sağlık göstergelerine göre istatistik bölgelerin kümeleme analizi ile sınıflandırılması. Alanya Akademik Bakış, 6(2), 2167–2189. doi: 10.29023/ALANYAAKADEMIK.1021019
21. Kumari, R., & Raman, R. (2022). Regional disparities in healthcare services in Uttar Pradesh, India: a principal component analysis. GeoJournal, 87(6), 5027–5050. doi: 10.1007/S10708-021-10542-Y/TABLES/13
22. Kurji, J., Talbot, B., Bulcha, G., Bedru, K. H., Morankar, S., Gebretsadik, L. A., Wordofa, M. A., Welch, V., Labonte, R., & Kulkarni, M. A. (2020). Uncovering spatial variation in maternal healthcare service use at subnational level in Jimma Zone, Ethiopia. BMC Health Services Research, 20(1), 1–14. doi: 10.1186/S12913-020-05572-0/TABLES/3
23. Lam, H. Y., Zarsuelo, M. A. M., Capeding, T. P. J. Z., Silva, M. E. C., Mendoza, M. A. F., & Padilla, C. D. (2020). Policy analysis on province-level integration of healthcare system in light of the universal health care act. Acta Medica Philippina, 54(6), 650–658. doi: 10.47895/AMP.V54I6.2608
24. Manortey, S., Vanderslice, J., Alder, S., Henry, K. A., Crookston, B., Dickerson, T., & Benson, S. (2014). Spatial analysis of factors associated with household subscription to the National Health Insurance Scheme in rural Ghana. Journal of Public Health in Africa, 5(1), 1–8. doi: 10.4081/jphia.2014.353
25. Matthay, E. C., Hagan, E., Joshi, S., Tan, M. L., Vlahov, D., Adler, N., & Glymour, M. M. (2021). The revolution will be hard to evaluate: How co-occurring policy changes affect research on the health effects of social policies. Epidemiol Rev, 44(1), 19-32. doi: 10.1101/2020.10.02.20205971
26. Oyelade, J., Isewon, I., Oladipupo, O., Emebo, O., Omogbadegun, Z., Aromolaran, O., Uwoghiren, E., Olaniyan, D., & Olawole, O. (2019). Data clustering: Algorithms and its applications. 2019 19th International Conference on Computational Science and Its Applications (ICCSA), 71–81. doi: 10.1109/ICCSA.2019.000-1
27. Rabarison, K. M., Bish, C. L., Massoudi, M. S., & Giles, W. H. (2015). Economic evaluation enhances public health decision making. Frontiers in Public Health, 3, 1-5. doi: 10.3389/FPUBH.2015.00164/BIBTEX
28. Şahin, D. (2017). Sağlık göstergeleri bakımından Türkiye’nin Avrupa Birliği ülkeleri arasındaki yeri: İstatistiksel bir analiz. Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 8(2), 55–77.
29. Schaefers, J., Wenang, S., Afdal, A., Mukti, A. G., Sundari, S., & Haier, J. (2022). Population-based study on coverage and healthcare processes for cancer during implementation of national healthcare insurance in Indonesia. The Lancet Regional Health - Southeast Asia, 6, 100045. doi: 10.1016/J.LANSEA.2022.100045
30. Shahapure, K. R., & Nicholas, C. (2020). Cluster quality analysis using silhouette score. Proceedings - 2020 IEEE 7th International Conference on Data Science and Advanced Analytics, DSAA 2020 (p. 747–748). doi: 10.1109/DSAA49011.2020.00096
31. Sun, Y., Liu, X., Jiang, J., & Wang, P. (2018). Comprehensive evaluation research on healthcare development in China from 2002 to 2014. Social Indicators Research, 138(3), 1259–1278. doi: 10.1007/S11205-017-1685-2/TABLES/8
32. Suner, A., & Çelikoğlu, C. C. (2010). Toplum tabanlı bir çalışmada çoklu uygunluk analizi ve kümeleme analizi ile sağlık kurumu seçimi. Dokuz Eylül Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi, 25(2), 43–55.
33. Tekin, B. (2015). Temel sağlık göstergeleri açısından Türkiye’deki illerin gruplandırılması: bir kümeleme analizi uygulaması. Journal of the Faculty of Economics and Administrative Sciences, 5(2), 389–416.
34. Ullah, S., Daud, H., Dass, S. C., Fanaee-t, H., Kausarian, H., & Khalil, A. (2020). Space-time clustering characteristics of tuberculosis in Khyber Pakhtunkhwa Province, Pakistan, 2015–2019. International Journal of Environmental Research and Public Health 2020, 17(4), 1-10. doi: 10.3390/IJERPH17041413
35. Uysal, F. N., Ersöz, T., & Ersöz, F. (2017). Türkiye’deki illerin yaşam endeksinin çok değişkenli istatistik yöntemlerle incelenmesi. Ekonomi Bilimleri Dergisi, 9(1), 49-65
36. Wartelle, A., Mourad-Chehade, F., Yalaoui, F., Chrusciel, J., Laplanche, D., & Sanchez, S. (2021). Clustering of a health dataset using diagnosis co-occurrences. Applied Sciences, 11(5), 1-19. doi: 10.3390/APP11052373
37. Xie, Y., Jia, X., Shekhar, S., Bao, H., & Zhou, X. (2021). Significant DBSCAN+: Statistically robust density-based clustering. ACM Transactions on Intelligent Systems and Technology, 12(5). doi: 10.1145/3474842
38. Yıldırım, H. (2018). Comparison of provinces of Turkey ın terms of accessing health care services by using different clustering algorithms. Anadolu University Journal of Science and Technology-A Applied Sciences and Engineering, 19(4), 907–925. doi: 10.18038/aubtda.413890
39. Yıldız, A. (2021). Türkiye’de illerin sağlık göstergeleri açısından kümeleme analizi ile değerlendirilmesi. OPUS International Journal of Society Researches, 17(35), 1607–1625.