Estimating Demand for Pediatric Intensive Care Unit by Time Series Methods

Abstract

Pediatric Intensive Care Units (PICUs) are units that provide uninterrupted service, care and treatment of children between 1 month and 18 years of age due to multiple organ and system deficiencies or whose general conditions and findings should be followed closely after surgical operations. It is known that pediatric intensive care services in developed countries contribute significantly to child health and child mortality will increase if there is no effective pediatric intensive care service. For this reason, it is very important to have the necessary resources in pediatric intensive care units. Optimizing resource planning requires demand forecast data that has been obtained through an appropriate method. In the present study, time series analysis was conducted by considering the monthly number of patients coming to the pediatric intensive care unit of a hospital in Adana between 2015 and 2018 and an appropriate forecasting method was determined. Autoregressive integrated moving average (ARIMA), moving averages and exponential smoothing methods were used. Prediction performance were conducted by taking into account Mean Absolute Percentage Error (MAPE), Mean Absolute Error (MAE) and Mean Square Error (MSE). Although all the methods are acceptable, the three-month moving average method was the most suitable method. It is considered that the forecasts obtained by the proposed method would provide an important input for the resource planning of the pediatric intensive care unit of the relevant hospital.

Keywords

• Pediatric Intensive Care Units
• Demand Forecast
• ARIMA
• Moving Averages
• Exponantial Smoothing

Çocuk Yoğun Bakım Ünitesine Olan Talebin Zaman Serisi Yöntemleri ile Tahmin Edilmesi

Öz

Çocuk yoğun bakım üniteleri (ÇYBÜ), kesintisiz hizmet sunan, birden fazla organ ve sistem yetersizliğinden kaynaklanan ya da geçirdikleri cerrahi operasyonlar sonrası genel durumları ve bulgularının yakın takip edilmesi gereken 1 ay-18 yaş arası çocukların bakım ve tedavilerinin yapıldığı ünitelerdir. Gelişmiş ülkelerde pediatrik yoğun bakım hizmetlerinin çocuk sağlığına önemli katkıda bulunduğu; etkin pediatrik yoğun bakım hizmeti olmaması durumunda çocuk ölümlerinin artacağı bilinmektedir. Bu nedenle çocuk yoğun bakım ünitelerinde ihtiyaç duyulan miktarda kaynak bulundurulması oldukça önem arz eder. Kaynak planlamasının en iyi şekilde gerçekleştirilmesi ise uygun bir yöntemle elde edilmiş talep tahmini verilerine bağlıdır. Mevcut çalışmada, Adana ilinde yer alan bir hastanenin çocuk yoğun bakım ünitesine 2015- 2018 yılları arasında gelen aylık hasta sayısı verileri dikkate alınarak zaman serisi analizi yapılmış ve uygun talep tahmin yöntemi belirlenmeye çalışılmıştır. Otoregresif birleştirilmiş hareketli ortalamalar (ARIMA), hareketli ortama ve üstel düzeltme yöntemleri kullanılarak tahminler elde edilmiş ve bu yöntemlere ait performans ölçütleri hesaplanmıştır. Performans analizleri, Ortalama Mutlak Yüzde Hata (OMYH), Ortalama Mutlak Hata (OMH) ve Hata Karesi Ortalaması (HKO) gibi hata ölçütleri dikkate alınarak yapılmıştır. Bütün yöntemler, kabul edilebilir seviyede hata ölçütleri ortaya koymasına rağmen, mevcut ölçütler ile kıyaslamalar yapılması neticesinde üç aylık hareketli ortalama yönteminin en uygun yöntem olduğu ortaya çıkmıştır. Önerilen tahmin yöntemi ile elde edilen tahmin değerlerinin, ilgili hastanenin çocuk yoğun bakım ünitesi kaynak planlaması için önemli bir girdi oluşturacağı düşünülmektedir.

Anahtar Kelimeler

• Çocuk Yoğun Bakım Ünitesi
• Talep Tahmini
• ARIMA
• Hareketli Ortalamalar
• Üstel Düzeltme

Kaynakça

1. Çocuk Acil Tıp ve Yoğun Bakım Derneği, 2006 yılı Pediatrik Yoğun Bakım Raporu, Erişim adresi: http://www.cayd.org.tr/gorseller/files/raporlar/%C3%87ocuk%20Yo%C4%9Fun%20Bak%C4%B1m%20Hizmetleri%202006.pdf.
2. Güner A., (2014). Bayesci yaklaşımda eşlenik aileleri önseli ile jeffreys önselinin karşılaştırılması, Yüksek Lisans Tezi, Eskişehir Osmangazi Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Anabilim Dalı.
3. Hanke, J.E. & Wichern, D. (2014). Business Forecasting. England: Pearson Education.
4. Heizer, R. & Render, B. (2017). Üretim Yönetimi: Sürdürülebilirlik ve Tedarik Zinciri Yönetmi. Ankara: Palme Yayıncılık.
5. Karahan, M., (2015). Yapay Sinir Ağları Metodu ile İhracat Miktarlarının Tahmini: ARIMA ve YSA Metodunun Karşılaştırmalı Analizi, Ege Akademik Bakış, 15(2), 165-172.
6. Kobu, B.(2014). Üretim Yönetimi. Beta, 17. basım.
7. Konca, Ç.,Tekin, M., Karakoç, F., Turgut, M. (2015). Çocuk Yoğun Bakım Ünitesinde Yatan 770 Hastanın Değerlendirilmesi: Tek Merkez Deneyimi, Türkiye Çocuk Hastalıkları Dergisi, 2, 90-95.
8. Kress, J. G. & Snyder J., (1994). Forecasting and Analysis Techniques, eBook, May.

9. Özdemir, A., Özdemir, A., (2006). Talep Tahminlemesinde Kullanılan Yöntemlerin Karşılaştırılması: Seramik Ürün Grubu Firma Uygulaması, Ege Academic Review, 6(2), 105-114.
10. Özüdoğru, A. G., Görener, A., (2015), Sağlık Sektöründe Talep Tahmini Üzerine Bir Uygulama, İstanbul Ticaret Üniversitesi Sosyal Bilimleri Dergisi 14(27), 37-53.Sarıyer, G., (2018).Acil Servislerde Talebin Zaman Serileri Modelleri ile Tahmin Edilmesi, Kırıkkale Üniversitesi, Mühendislik Fak. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 10( 1).