PERFORMANCE OF CENTRAL PHYSICIAN APPOINTMENT SYSTEM, AN E-HEALTH APPLICATION, IN TRAINING AND RESEARCH HOSPITALS: THE CASE OF LEVEL-1 REGIONS OF TÜRKİYE

Yıl 2025, Cilt: 23 Sayı: 55, 280 - 309, 25.01.2025

Neslihan Akın Özdemir

https://doi.org/10.35408/comuybd.1516468

Öz

In our country, the Central Physician Appointment System (MHRS) is an innovation brought by Industry 4.0 and digitalization. Thanks to MHRS, citizens can make an appointment with the hospital and physician of their choice, from hospitals affiliated to the Ministry of Health, oral and dental health centers and family
physicians, by calling Alo182, on the web or from the MHRS mobile application. The aim of the current
study was to evaluate the MHRS performances of training and research hospitals operating in Level 1
regions according to the classification of statistical regional units in Türkiye. For this purpose, 4 criteria
were determined and criterion weights were obtained using the Entropy method. The four criteria used in
the study are as follows: opened capacity rate, appointment occupancy rate, realization rate and
appointment examination rate. The training and research hospitals in each region are ranked within their
own regions according to their performance scores using the TOPSIS method. Istanbul Bakirkoy Prof. Dr.
Mazhar Osman Mental Health and Nervous Diseases, Izmir Dr. Suat Seren Chest Diseases and Surgery,
Kocaeli Derince, Konya, Antalya and, Giresun University Gynecology and Obstetrics and Pediatrics training
and research hospitals were determined as the health institutions with the highest MHRS performance
within their own regions. When the 58 decision points are taken into consideration, the mentioned health
institutions are among the top 10 health institutions when evaluated in terms of the appointment
examination rate criterion. Antalya Alanya Alaaddin Keykubat University and Bolu Abant İzzet Baysal
University İzzet Baysal training and research hospitals are the health institutions with the lowest MHRS
performance in their regions. When the mentioned health institutions are evaluated in terms of the
realization rate criterion considering 58 decision points, they are among the last 5 health institutions.

Anahtar Kelimeler

Industry 4.0, Digitalization

E-SAĞLIK UYGULAMASI OLAN MERKEZİ HEKİM RANDEVU SİSTEMİNİN EĞİTİM VE ARAŞTIRMA HASTANELERİNDEKİ PERFORMANSININ ÖLÇÜLMESİ: TÜRKİYE DÜZEY-1 ÖRNEĞİ

Öz

Günümüzde pek çok insan, sorunlarını çözerken dijital teknolojileri kullanmayı tercih etmektedirler. Sağlık sorunları da bu sorunlardan biridir. Tüm dünyada olduğu gibi ülkemizde de dijital teknolojilerin gelişmesiyle sağlık alanında alınan hizmetlerde ciddi bir dönüşüm yaşanmaktadır. Ülkemizde Merkezi Hekim Randevu Sistemi (MHRS) de Endüstri 4.0 ve dijitaleşmenin getirdiği bir yeniliktir. MHRS sayesinde vatandaşlar Sağlık Bakanlığına bağlı hastaneler ile ağız ve diş sağlığı merkezleri ve aile hekimlerinden Alo182’yi arayarak, web üzerinden ya da MHRS mobil uygulamasından kendilerine istedikleri hastane ve hekimden randevu alabilmektedir. Mevcut çalışmada Türkiye’de istatistiki bölge birimleri sınıflamasına göre Düzey 1 bölgelerinde faaliyet gösteren eğitim ve araştırma hastanelerinin MHRS performanslarının değerlendirilmesi amaçlanmıştır. Bu amaca yönelik olarak 4 kriter belirlenmiş ve Entropi yöntemiyle kriter ağırlıkları elde edilmiştir. Çalışmada kullanılan 4 kriter şöyledir: açılan kapasite oranı, randevu doluluk oranı, gerçekleşme oranı ve randevu muayene oranıdır. Her bir bölgede yer alan eğitim ve araştırma hastaneleri TOPSIS yöntemi kullanılarak performans puanına göre kendi bölgeleri içinde sıralanmıştır. İstanbul bölgesinde İstanbul Bakırköy Prof. Dr. Mazhar Osman Ruh Sağlığı ve Sinir Hastalıkları E.A.H., Ege bölgesinde İzmir Dr. Suat Seren Göğüs Hastalıkları ve Cerrahisi E.A.H., Doğu Marmara bölgesinde Kocaeli Derince E.A.H., Batı Anadolu bölgesinde Konya E.A.H., Akdeniz bölgesinde Antalya E.A.H. ve Doğu Karadeniz bölgesinde Giresun Üniversitesi Kadın Doğum ve Çocuk Hastalıkları E.A.H. kendi bölgeleri içerisinde MHRS performansı en yüksek olduğu sağlık kuruluşları olarak belirlenmiştir. Bahsedilen sağlık kuruluşları 58 karar noktası dikkate alındığında randevu muayene oranı kriteri açısından değerlendirildiğinde ilk 10 sağlık kuruluşu içerisinde yer almaktadırlar. Akdeniz bölgesinde Antalya Alanya Alaaddin Keykubat Üniversitesi E.A.H. ve Doğu Marmara bölgesinde Bolu Abant İzzet Baysal Üniversitesi İzzet Baysal E.A.H. kendi bölgeleri içerisinde MHRS performansı en düşük olduğu sağlık kuruluşlarıdır. Bahsedilen sağlık kuruluşları 58 karar noktası dikkate alındığında gerçekleşme oranı kriteri açısından değerlendirildiğinde son 5 sağlık kuruluşu içerisinde yer almaktadırlar.

Anahtar Kelimeler

Endüstri 4.0, Dijitalleşme, MHRS.

Kaynakça

• Akkuş, Ö. (2021). Endüstri 4.0’ın Verimliliğe Etkisi: Kamu Hastanelerinde E-Sağlık Uygulaması Olan MHRS Sisteminin Etkililiğinin Veri Zarflama Analizi Yoluyla Ölçülmesi, İzmir: (Yüksek Lisans Tezi), İzmir Katip Çelebi Üniversitesi, Sosyal Bilimler Enstitüsü.
• Al-Jaroodi, J., Mohamed, N., Kesserwan, N., ve Jawhar, I. (2022, April). Healthcare 4.0–Managing a Holistic Transformation. In 2022 IEEE International Systems Conference IEEE.
• Ardielli, E. (2020). Evaluation of eHealth deployment at primary care in the EU member states by usage of selected MCDM methods. Review of Economic Perspectives, 20(3), 337-359.
• Bhushan, B., Sharma, S. K., Saracevic, M., ve Boulmakoul, A. (Eds.). (2023). Blockchain Technology Solutions for the Security of IoT-Based Healthcare Systems.United Kingdom: Elsevier.
• Chang, S. C., Lu, M. T., Pan, T. H., ve Chen, C. S. (2021). Evaluating the E-health Cloud Computing Systems Adoption in Taiwan’s Healthcare Industry. Life, 11(4), 310.
• Chodha, V., Dubey, R., Kumar, R., Singh, S., ve Kaur, S. (2022). Selection of Industrial Arc Welding Robot with Topsıs and Entropy MCDM Techniques. Materials Today: Proceedings, 50, 709-715.
• Das, D., ve Sengar, A. (2022). A Fuzzy Analytic Hierarchy Process-Based Analysis for Prioritization of Barriers to the Adoption of eHealth in India. International Journal of Medical Informatics, 165, 1-11.
• Evirgen, H., ve Yorulmaz, M. (2019). Merkezi hekim randevu sistemi (Mhrs): Bir kamu hastanesi örneği. Avrasya Uluslararası Araştırmalar Dergisi, 7(16), 432-443.
• Gupta, K., Roy, S., Poonia, R. C., Kumar, R., Nayak, S. R., Altameem, A., ve Saudagar, A. K. J. (2022). Multi-criteria Usability Evaluation of mHealth Applications on Type 2 Diabetes Mellitus Using Two Hybrid MCDM Models: CODAS-FAHP and MOORA-FAHP. Applied Sciences, 12(9), 4156.
• Hussain, S. A. I., ve Mandal, U. K. (2016, July). Entropy based MCDM approach for Selection of material. In National Level Conference on Engineering Problems and Application of Mathematics.
• Jahanshahloo, G. R., Lotfi, F. H., ve Izadikhah, M. (2006). Extension of the TOPSIS Method for Decision-Making Problems with Fuzzy Data. Applied Mathematics and Computation, 181(2), 1544-1551.
• Li, J., ve Carayon, P. (2021). Health Care 4.0: A Vision for Smart and Connected Health Care. IISE Transactions on Healthcare Systems Engineering, 11(3), 171-180.
• Liu, Y., Yang, Y., Liu, Y., ve Tzeng, G. H. (2019). Improving Sustainable Mobile Health Care Promotion: A Novel Hybrid MCDM Method. Sustainability, 11(3), 752.
• Mateo, J. R. S. C. (2012). Multi criteria analysis in the renewable energy industry. Springer: New York. MHRS (2024). Hakkımızda, Erişim: 03.07.2024, ,https://www.mhrs.gov.tr/hakkimizda.html
• Mijwil, M. M., ve Aljanabi, M. (2023). From Analog to Digitization: Rethinking Management and Operations through eHealth Integration in Industry 4.0. Mesopotamian Journal of Artificial Intelligence in Healthcare, 2023, 27-30.
• Mukhametzyanov, I. (2021). Specific character of Objective Methods for Determining Weights of Criteria in MCDM problems: Entropy, CRITIC and SD. Decision Making: Applications in Management and Engineering, 4(2), 76-105.
• Mumtaz, A. (2022). Prioritizing and Overcoming Barriers to e‐Health Use among Elderly People: Implementation of the Analytical Hierarchical Process (AHP). Journal of Healthcare Engineering, 2022(1), 1-11.
• Özen, H. (2021). Dijital sağlık Hizmetlerinin Sürdürülebilir Kalkınma Hedefleri Açısından Değerlendirilmesi. OPUS International Journal of Society Researches, 17(38), 5440-5472.
• Pekgör S., Eryılmaz MA., Solak İ., Pekgör A., Yaka H., Kaya İFK., Koç M. (2017). Evaluation of Factor Saffecting the Use of the Central Physician Appointment System. Southern Clinics of Istanbul Eurasia, 28(3), 204-211.
• Radjenovic, Z. (2023). E- Health Dıgıtal Setup Benefıts Durıng Covıd-19: MCDM Perspectıve. Challenges of Tourism and Business Logistics in the 21st Century, 6(1), 126-135.
• Rajak, M., ve Shaw, K. (2019). Evaluation and Selection of Mobile Health (mHealth) Applications Using AHP and Fuzzy TOPSIS. Technology in Society, 59, 1-17.
• Skender, F., Ali, İ., & Selim, A. (2019). A Digitalization and Industry 4.0. International Scientific Journal Vision, 4(2), 47-62.
• Sumer, B. (2018). Impact of Industry 4.0 on Occupations and Employment in Turkey. European Scientific Journal, 14(10), 1-17.
• Sütlü, U. ve Onursal, F. S. (2021). Social Transformation-Industry 4.0. N. M. Durakbasa ve M. G. Gençyılmaz (Eds.), Digital Conversion on the Way to Industry 4.0 içinde, (s. 373-382). Switzerland: Springer Nature Switzerland AG.
• Tepe, S. (2021). The Impact of Industry 4.0 on Occupational Health and Safety. International Journal of Advances in Engineering and Pure Sciences, 33(1), 122-130.
• Wahab, S. N., Singh, J., ve Subramaniam, N. (2023). Telemedicine Implementation Framework for Malaysia: An Integrated SWOT-MCDM Approach. Health Policy and Technology, 12(4), 100818.
• Youssef, A. E. (2020). An integrated MCDM Approach for Cloud Service Selection Based on TOPSIS and BWM. IEEE Access, 8, 71851-71865.