Koronavirüs Hastalarina Ventilatör Tahsisinin Demografik Veriler ve Makine Öğrenmesi Yöntemleri ile Analizi

Yıl 2022, Cilt: 9 Sayı: 4, 127 - 131, 31.12.2022

Ezgi Şiir Kıbrıs

Öz

Sınırlı kaynakların tahsisi ve hastalara adil muamele, koronavirüs tedavisinde ele alınan önemli biyoetik konular arasındadır. Bu çalışma, COVID-19 iyileşme oranı ile ventilatör tahsis süresi ve cinsiyet, ırk, yaş ve sigorta durumu gibi demografik değişkenler arasındaki ilişkileri analiz eder. Bu çalışmada ABD’deki bir hastanenin koronavirüs hastalarına ilişkin verileri kullanılmaktadır. Verileri modellemek için Rastgele Orman, Karar Ağacı, Destek Vektör Makinesi ve Lojistik Regresyon algoritmalarını içeren makine öğrenmesi yöntemlerinden yararlanılmıştır. Sonuç olarak, ABD’deki yoksul insanlara fayda sağlayan Medicaid sigortası kapsamındaki hastaların koronavirüs sonucu hayatta kalma olasılığı daha düşüktür. Bu sonuç sağlık sigortası ve biyoetik ilişkisinin tartışılması açısından önemlidir.

Anahtar Kelimeler

COVID-19, triyaj, sağlık sigortası, makine öğrenmesi, lojistik regresyon

Analysis of Ventilator Allocation to Coronavirus Patients with Demographic Data and Machine Learning Methods

Öz

The allocation of limited resources and the fair treatment to patients are among the important bioethical issues addressed in the treatment of coronavirus. This study analyzes the relationships between COVID 19 recovery rate and ventilator allocation time and demographic variables such as gender, race, age, and insurance status. In this study, the data on coronavirus patients of a hospital in the USA were used. Machine learning methods including Random Forest, Decision Tree, Support Vector Machine and Logistic Regression algorithms were utilized to model the data. As a result, that patients covered by Medicaid insurance, which benefits the poor people in the US, are less likely to survive as a result of coronavirus. This result is important in terms of discussing the relationship between health insurance and bioethics.

Anahtar Kelimeler

COVID-19, triage, health insurance, machine leraning, logistic regression