CLASSIFICATION AND EVALUATION OF THE PERFORMANCE OF G20 COUNTRIES BY USING LONG-TERM HEALTH INDICATORS

Öz

Purpose: In this study, the performances of G-20 countries were evaluated by using 30 indicators under the title of health in the World Bank database.

Methodology: A total of 19 years of data were used for health indicators between 2000 and 2018. Due to the large number of data generated, data mining methods were used for classification by cluster analysis. In evaluating the performances of these clusters, firstly, health indicators are grouped and ranked by experts according to their importance. The performances of the clusters were evaluated by using the MAUT method, which is one of the multi-criteria decision making techniques.

Findings: As a result of cluster analysis, it is seen that countries are classified in 4 different clusters. The nations in the cluster with "Very High" performance in terms of health metrics, according to the report, are China and South Korea. Germany, America, Australia, France, England, Italy, Japan, Canada, and Russia are among the countries in the cluster with "High" performance levels. Argentina, Brazil, Mexico, Saudi Arabia, and Turkey are among the countries with "Above Average" results. Indonesia, South Africa, and India are among the countries in the "Poor" performance cluster.

Originality: As a consequence of, the analysis, the shortcomings in the field of health among the country clusters were clearly seen. Thus, a common planning area has been created for decision makers in terms of improvements that need to be made.

Anahtar Kelimeler

• Health Indicators
• ROC Weighting
• MAUT Method
• Data Mining
• SOM Networks.

G20 ÜLKELERİNİN UZUN DÖNEMLİ SAĞLIK GÖSTERGELERİ KULLANILARAK SINIFLANDIRILMASI VE PERFORMANSLARININ DEĞERLENDİRİLMESİ

Öz

Amaç: Bu çalışmada Dünya Bankası sitesinde yer alan açık veri kaynağında sağlık göstergeleri olarak bulunan 30 adet değişken kullanılmış ve G-20 ülkelerinin sağlık sistemlerinin performansları değerlendirilmiştir.

Yöntem: Sağlık göstergeleri için 2000-2018 yılları arasında toplam 19 yıllık veri kullanılmıştır. Oluşan veri sayısının fazla olmasından dolayı kümeleme analizi ile sınıflandırma yapılabilmesi adına veri madenciliği yöntemleri kullanılmıştır. Kümelerin performanslarının değerlendirilmesinde öncelikle ağırlıkların belirlenmesi için sağlık göstergeleri önem derecesine göre uzman kişiler tarafından gruplandırılmış ve sıralanmıştır. Elde edilen değerler ile çok kriterli karar verme tekniklerinden MAUT yöntemi kullanılarak kümelerin performansları değerlendirilmiştir.

Bulgular: Kümeleme analizi sonucunda ülkelerin 4 farklı kümede sınıflandıkları görülmüştür. Sağlık göstergeleri açısından “Çok Yüksek” performansa sahip olan ülkeler Çin ve Güney Kore’dir. “Yüksek” düzeyde performansa sahip olan kümede yer alan ülkeler; Almanya, Amerika, Avustralya, Fransa, İngiltere, İtalya, Japonya, Kanada ve Rusya şeklindedir. “Ortalama Üstü” düzeyde performansa sahip olan kümede yer alan ülkeler; Arjantin, Brezilya, Meksika, Suudi Arabistan ve Türkiye’dir. “Düşük” performansa sahip olan kümede yer alan ülkeler; Endonezya, Güney Afrika ve Hindistan’dır.

Özgünlük: Uygulama sonucunda ülkelerin bulunduğu kümeler arasında sağlık alanındaki yetersizlikleri açık şekilde görülebilmiştir. Böylece yapılması gereken iyileştirmeler açısından karar vericiler için ortak bir planlama alanı oluşturulmuştur.

Anahtar Kelimeler

• Sağlık Göstergeleri
• ROC Ağırlıklandırma
• MAUT Yöntemi
• Veri Madenciliği
• SOM Ağları

Kaynakça

1. Alptekin, N. ve Yeşilaydın, G. (2015). “OECD Ülkelerinin Sağlık Göstergelerine Göre Bulanık Kümeleme Analizi ile Sınıflandırılması”, İşletme Araştırmaları Dergisi, 7(4), 137-155.
2. Barron, F.H. ve Barret, B.E. (1996). “Decision Quality Using Ranked Attribute Weights”, Management Science, 42, 1515–1523.
3. Çelik, Ş. (2013). “Kümeleme Analizi ile Sağlık Göstergelerine Göre Türkiye’deki İllerin Sınıflandırılması”, Doğuş Üniversitesi Dergisi, 14(2), 175-194.
4. Çetintürk, İ. ve Gençtürk, M. (2020). “OECD Ülkelerinin Sağlık Harcama Göstergelerinin Kümeleme Analizi ile Sınıflandırılması”, Visionary E-Journal/Vizyoner Dergisi, 11(26).
5. Demirci, Ş. ve Konca, M. (2019). “G20 Ülkeleri ve Türkiye’nin Sağlık Sistemi Performansı: Yıllara Göre Karşılaştırmalı Bir Analiz”, Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 7(4), 1-1.
6. Dışişleri Bakanlığı, (2020). “Dış Politika, Uluslararası Kuruluşlar ve İlişkilerimiz”, G-20, http://www.mfa.gov.tr/g-20-tr.tr.mfa, (Erişim tarihi: 22.11.2021).
7. Dünya Bankası (2020), “Veritabanı, Sağlık Göstergeleri için Veriler”, https://data.worldbank.org/topic/health?end=2018,start=2000, (Erişim tarihi: 20.11.2021).
8. Gençoğlu, P. (2018). “Türkiye’de İllerin Gelişmişlik Düzeyi Dikkate Alınarak Sağlık Hizmetlerinin Kümeleme Analizi Aracılığıyla Değerlendirilmesi”, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, (52), 301-324.

9. Eren H. ve Ömürbek, N. (2019). “Türkiye’nin Sağlık Göstergeleri Açısından Kümelenmesi ve Performans Analizi”, Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(29), 421-452.
10. Han, J., Kamber, M. ve Pei J. (2012). “Data Mining Concepts and Techniques”, Morgan Kaufmann Publishers Inc., Waltham, USA.
11. Keeney, R. ve Fishburn, P. (1974). “Seven Independence Concepts and Continuous Multiattribute Utility Functions”, Journal of Mathematical Psychology, 11(3), 294-327
12. Kiang, M.Y., Hu M.Y., Dorothy, M. ve Fisher, D.M. (2006). “An Extended Self-Organizing Map Network for Market Segmentation-A Telecommunication Example”, Decision Support Systems, 42, 36-47.
13. Kocaman, A.M., Mutlu, M., Bayraktar, D. ve Araz, Ö.M. (2012). “OECD Ülkelerinin Sağlık Sistemlerinin Etkinlik Analizi”, Endüstri Mühendisliği Dergisi, 23(4), 14-31.
14. Kohonen, T. (2001). “Self-Organization Maps”, Springer, Berlin, Germany
15. Konca, M., Gözlü, M. ve Çakmak, C. (2019). “G-20 Ülkelerinin Sağlık Harcamaları Yönünden Etkinliğinin Değerlendirilmesi”, Verimlilik Dergisi, 2, 119-141.
16. Murray, C.J.L. ve Frenk, J. (2000). “A Framework for Assessing the Performance of Health Systems”, Bulletin of the World Health Organization, 78(6), 717-731.
17. Mut, S. ve Akyürek, Ç.E. (2017). “OECD Ülkelerinin Sağlık Göstergelerine Göre Kümeleme Analizi ile Sınıflandırılması”, International Journal of Academic Value Studies, 3(12), 411-422.
18. Özkan, Y. (2008). “Veri Madenciliği Yöntemleri”, Papatya Yayıncılık, İstanbul.
19. Öztemel, E. (2003). “Yapay Sinir Ağları”, Papatya Yayıncılık, İstanbul.
20. Sel, A. (2020). “Veri Madenciliği Kümeleme Yöntemleri Kullanarak Karbon Emisyonu Göstergeleri Açısından OECD Ülkelerinin Sınıflandırılması”, Karadeniz Uluslararası Bilimsel Dergi, 46, 169-187.
21. Sel, A. (2021). “Covid 19 Pandemisinde Sağlık Sistemi Gelişmelerinin Etkinliğinin Ölçülmesi: G-20 Üzerine Bir İnceleme”, Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(2), 181-202.
22. Sonğur, C. (2016). “Sağlık Göstergelerine Göre Ekonomik Kalkınma ve İşbirliği Örgütü Ülkelerinin Kümeleme Analizi”, SGD-Sosyal Güvenlik Dergisi, 6(1), 197-224.
23. Şahin, D. (2017). “Sağlık Göstergeleri Bakımından Türkiye'nin Avrupa Birliği Ülkeleri Arasındaki Yeri: İstatistiksel Bir Analiz ÇAKÜ Sosyal Bilimler Enstitüsü Dergisi/ Journal of Institute of Social Sciences, 8(2), 55-77.
24. Tekin, B. (2015). “Temel Sağlik Göstergeleri Açisindan Türkiye'deki İllerin Gruplandırılması: Bir Kümeleme Analizi Uygulaması”, Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(2), 389-416.
25. Teleş, M., Çakmak, C. ve Konca, M. (2018). “Avrupa Birliği Döngüsündeki Ülkelerin Sağlık Sistemleri Performanslarının Karşılaştırılması”, Yönetim ve Ekonomi Dergisi, 25(3), 811-835.
26. Temür, Y. ve Bakırcı, F. (2008). “Türkiye’de Sağlık Kurumlarının Performans Analizi: Bir VZA Uygulaması”, Sosyal Bilimler Dergisi, X(3), 261-281.
27. Weiss, S.M. ve Zhang, T. (2003). “Performance Analysis and Evaluation”, The Handbook of Data Mining, Editors: Ye, N., Erlbaum, L., Associates Publishers, London, 436-439.
28. WHO (2000). “World Health Report”, Healths System: Improving Performance, WHO Publication, Switzerland-Geneva.