Bandırma Onyedi Eylül Üniversitesi Sağlık Bilimleri ve Araştırmaları Dergisi

2687-2145

Bandırma Onyedi Eylül Üniversitesi

10.46413/boneyusbad.1722767

Public Health Nursing Nurse Education

Halk Sağlığı Hemşireliği Hemşirelik Eğitimi

Comparison of Nursing Diagnoses and Interventions Based on the Omaha System Between AI-Based ChatGPT and an Expert Nurse: A Case-Based Mixed-Method Comparative Study

Yapay Zekâ Tabanlı ChatGPT ile Uzman Hemşirenin Omaha Sistemine Göre Hemşirelik Tanı ve Girişimlerinin Karşılaştırılması: Vaka Temelli Karma Yöntemli Karşılaştırmalı Bir Araştırma

https://orcid.org/0000-0001-8576-8593

Mert

Taha Yasir

SİVAS CUMHURİYET ÜNİVERSİTESİ

https://orcid.org/0000-0003-3283-4192

Hançer Tok

Hümeyra

SİVAS CUMHURİYET ÜNİVERSİTESİ

04 27 2026

8 1 209 221 06 20 2025 02 20 2026

2019

Bandırma Onyedi Eylül Üniversitesi Sağlık Bilimleri ve Araştırmaları Dergisi

Aim: This case-based mixed-method comparative study was planned to compare nursing care plans developed using the Omaha Classification System by ChatGPT and by a faculty member.Material and Method: A case-based mixed-method comparative research design was used. A theoretical case scenario based on a real public health issue was presented to both ChatGPT and an experienced faculty member. Each was asked to identify nursing diagnoses and propose intervention plans using the Omaha Classification System. Data were collected using a structured Omaha Evaluation Form and analyzed through both quantitative and qualitative content comparison methods.Results: ChatGPT identified 12 nursing diagnoses, while the faculty member identified 10. ChatGPT demonstrated a broader diagnostic range, balanced use of intervention categories, and measurable target formulation. The faculty member, however, selected more context-specific diagnoses, tailored interventions to individual characteristics, and emphasized socioeconomic determinants. ChatGPT occasionally produced generalized responses lacking contextual relevance.Conclusions: ChatGPT was found to have high potential for providing systematic, multidimensional, and rapid suggestions in the nursing care process. However, expert human judgment remains essential for contextual interpretation, prioritization, and consideration of individual variations. Artificial intelligence can be an effective support tool in nursing education and decision-making processes; however, it should not be regarded as the final decision-maker in clinical practice.

Amaç: Bu vaka temelli karma yöntemli karşılaştırmalı araştırmanın amacı, yapay zekâ tabanlı bir dil modeli olan ChatGPT ile bir öğretim elemanı tarafından oluşturulan hemşirelik bakım planlarının Omaha Sınıflama Sistemi temelinde karşılaştırmalı olarak analiz edilmesidir.Gereç ve Yöntem: Araştırma, vaka temelli karma yöntemli karşılaştırmalı araştırma deseninde yürütülmüştür. Gerçek bir halk sağlığı problemine dayalı olarak oluşturulan kuramsal vaka senaryosu hem ChatGPT’ye hem de deneyimli bir öğretim elemanına sunulmuştur. Her iki katılımcıdan, vaka doğrultusunda Omaha Sınıflama Sistemi kapsamında hemşirelik tanıları belirlemesi ve bireye özgü girişim planları oluşturması istenmiştir. Veriler, yapılandırılmış Omaha Değerlendirme Formu ile toplanmış; elde edilen veriler içerik nicel ve nitel karşılaştırma yöntemiyle analiz edilmiştir.Bulgular: ChatGPT tarafından 12, öğretim elemanı tarafından 10 hemşirelik tanısı tanımlanmıştır. ChatGPT’nin daha geniş problem çeşitliliği sunduğu, girişim kategorilerini dengeli biçimde kullandığı ve hedefleri ölçülebilir ifadelerle yapılandırdığı görülmüştür. Öğretim elemanının ise tanıları daha bağlam odaklı seçtiği, girişimleri bireysel özelliklere dayandırdığı ve özellikle sosyoekonomik belirleyicilere vurgu yaptığı belirlenmiştir. ChatGPT'nin tanılarında zaman zaman bağlamdan uzak genelleyici eğilimler olduğu saptanmıştır.Sonuç: ChatGPT’nin hemşirelik bakım sürecinde sistematik, çok boyutlu ve hızlı öneriler sunma potansiyeli yüksek bulunmuştur. Ancak bağlamsal yorumlama, önceliklendirme ve bireysel varyasyonları dikkate alma noktasında insan uzmanlığına gereksinim devam etmektedir. Yapay zekâ, hemşirelik eğitiminde ve karar destek süreçlerinde etkili bir yardımcı araç olabilir; fakat klinik uygulamalarda nihai karar verici olarak değerlendirilmemelidir.

Artificial ıntelligence Nursing Generative artificial ıntelligence Nursing diagnosis Clinical reasoning OMAHA

Yapay zeka Hemşirelik Üretken yapay zeka Hemşirelik tanısı Klinik akıl yürütme OMAHA

Akalın, B., & Veranyurt, Ü. (2020). Sağlikta dijitalleşme ve yapay zekâ. SDÜ Sağlık Yönetimi Dergisi, 2(2), 128-137.

Aktas, B., Yilmaz, M., Kaplan, N., & Cankiri, B. (2016). Application of the Omaha System in the determination of healthcare needs of individuals receiving home healthcare. Journal of Gerontology & Geriatric Research, 6(1), 1-11.

Ardic, A., & Turan, E. (2021). Nursing care management based on the Omaha system for inpatients diagnosed with COVID‐19: an electronic health record study. Journal of Advanced Nursing, 77(6), 2709–2717.

Athilingam, P., & He, H.-G. (2024). ChatGPT in nursing education: opportunities and challenges. Teaching and Learning in Nursing, 19(1), 97–101.

Chen, Z., Liang, N., Zhang, H., Li, H., Yang, Y., Zong, X., Chen, Y., Wang, Y., & Shi, N. (2023). Harnessing the power of clinical decision support systems: challenges and opportunities. Open Heart, 10(2), e002432.

Coşansu, G., Cangöl, S., & Erdogan, S. (2014). The use of Omaha System in the nursing care of children with acute care needs. Florence Nightingale Journal of Nursing, 22(3), 137-144.

De Gagne, J. C. (2023). The state of artificial intelligence in nursing education: Past, present, and future directions. International journal of environmental research and public health, 20(6), 4884.

Elo, S., & Kyngäs, H. (2008). The qualitative content analysis process. Journal Of Advanced Nursing, 62(1), 107-115.

Erdoğan, S., Nahcivan, N., Esin, M. N., Seçginli, S., Coşansu, G., & Ardıç, A. (2017). Omaha sistemi: hemşirelikte bilgi yönetimi. Nobel Tıp Kitabevleri.

Esteva, A., Robicquet, A., Ramsundar, B., Kuleshov, V., DePristo, M., Chou, K., Cui, C., Corrado, G., Thrun, S., & Dean, J. (2019). A guide to deep learning in healthcare. Nature Medicine, 25(1), 24–29.

Fernandes, F., Santos, P., Sá, L., & Neves, J. (2023). Contributions of artificial intelligence to decision making in nursing: a scoping review protocol. Nursing Reports, 13(1), 67–72.

Fuchs, K. (2023). Exploring the opportunities and challenges of NLP models in higher education: is Chat GPT a blessing or a curse? Frontiers in Education, 8, 1166682.

Gürsoy, M. Y., Tanrıverdi, G., & Gülyeli, N. (2021). Bir huzurevinde yaşayan yaşlıların bakımında omaha sistemi kullanımının değerlendirilmesi: Doküman analizi. Göbeklitepe Sağlık Bilimleri Dergisi, 4(5), 99–106.

Hsieh, H. F., & Shannon, S. E. (2005). Three approaches to qualitative content analysis. Qualitative Health Research, 15(9), 1277-1288.

Holland, D. E., Vanderboom, C. E., Delgado, A. M., Weiss, M. E., & Monsen, K. A. (2016). Describing pediatric hospital discharge planning care processes using the Omaha System. Applied Nursing Research, 30, 24–28.

Kandemir, F., Azizoğlu, F., & Terzi, B. (2023). Hemşirelikte yapay zekâ ve robot teknolojilerinin kullanımı. Yoğun Bakım Hemşireliği Dergisi, 27(2), 118-127.

Kannampallil, T., & Patel, V. L. (2016). Cognitive informatics methods for interactive clinical systems. Journal of Biomedical Informatics, 60(C), 197–198.

Karahan, A., & Erdoğan, S. (2019). Kolorektal kanser hastalarında cerrahi alan enfeksiyonunu önleyen hemşirelik bakımının omaha sistemi ile raporlandırılması. Florence Nightingale Hemsirelik Dergisi, 27(1), 38.

Kerr, M. J., Flaten, C., Honey, M. L. L., Gargantua‐Aguila, S. del R., Nahcivan, N. O., Martin, K. S., & Monsen, K. A. (2016). Feasibility of using the Omaha System for community‐level observations. Public Health Nursing, 33(3), 256–263.

Martin, K. S. (2005). The Omaha System: A key to practice, documentation, and information management.

Sarrion, E. (2023). What Is ChatGPT? In Exploring the power of ChatGPT: Applications, techniques, and implications (pp. 3–8). Springer.

Tamer, H. Y., & Övgün, B. (2020). Yapay zeka bağlamında dijital dönüşüm ofisi. Ankara Üniversitesi SBF Dergisi, 75(2), 775–803.

Taşçene, K., Koçoğlu, D., & Akın, B. (2017). Tarımda çalışan bir grup kadın işçinin omaha sistemi’ne göre sağlık problemlerinin belirlenmesi. Düzce Üniversitesi Sağlık Bilimleri Enstitüsü Dergisi, 7(3), 148-155.

Topaz, M., Murga, L., Gaddis, K. M., McDonald, M. V, Bar-Bachar, O., Goldberg, Y., & Bowles, K. H. (2019). Mining fall-related information in clinical notes: Comparison of rule-based and novel word embedding-based machine learning approaches. Journal of Biomedical Informatics, 90, 103103.

Topaz, M., Peltonen, L.-M., Michalowski, M., Stiglic, G., Ronquillo, C., Pruinelli, L., Song, J., O’Connor, S., Miyagawa, S., & Fukahori, H. (2024). The ChatGPT effect: nursing education and generative artificial intelligence. Journal of Nursing Education, 1–4.

Ulubay, S., Ayoğlu, T., & Özcan, E. (2022). Hemşirelik Bakım ve Uygulamalarında Yapay Zekâ Kullanımının Önemi. Sağlık Bilimlerinde Yapay Zeka Dergisi, 2(2), 13–17.

Wang, L., Chen, X., Zhang, L., Li, L., Huang, Y., Sun, Y., & Yuan, X. (2023). Artificial intelligence in clinical decision support systems for oncology. International Journal of Medical Sciences, 20(1), 79.

Yılmaz, İ., Özden, D., & Gürol Arslan, G. (2018). Trakeostomisi Olan Bir Yoğun Bakım Hastasının Omaha Sınıflama Sistemi'ne Göre İncelenmesi. Turkiye Klinikleri Journal of Nursing Sciences, 10(2).