I. Uluslararası Sağlıkta Performans ve Kalite Kongresi Bildiriler ...

5. SONUÇ VE ÖNERİLER
Ülkemizdeki hastanelerin en önemli sorunları arasında finansal ve faaliyetsel
anlamda düşük performansla çalışmaları gelmektedir. Gerek reform çalışmaları,
gerekse kamu mali yasası uygulamaları ile mali disiplini ön planda tutan, kaynakların
etkili, ekonomik ve verimli kullanılması hedefleyen, performansa dayalı yeni bir
yönetim anlayışının yaygınlaştırmaya çalışıldığı bu günlerde hastanelerin finansal
olarak mevcut durumunu ortaya koyan çalışmalara ihtiyaç olduğuna inanmaktayız.
Ayrıca ülkemizdeki hastanelerin büyük bir çoğunluğunu oluşturan Sağlık Bakanlığı
Hastanelerinin hastane bazında, bölge (ya da birlik) bazında ve bakanlık düzeyinde
finansal olarak finansal performanslarının ve risklerinin ölçüldüğü, değerlendirildiği,
hastanelerin sınıflandırıldığı ve çözüm önerileri üreten otomasyona dayalı bir sisteme
de ihtiyacı bulunmaktadır.
Bu çalışmada, Hastane Erken Uyarı Sistemi’ni (HEUS) tanıtmak ve sunmak
amaçlanmıştır. Veri Madenciliği yöntemlerinden CHAID Karar Ağaçları Algoritmasını
temel alacak biçimde geliştirilen HEUS, finansal riski, finansal performansa
dayalı olarak belirlemek üzere tasarlanmıştır. Çalışmada HEUS’un adımsal yapısı
açıklanmıştır. Ayrıca bir uygulama örneği ile finansal performans, risk, hastane
sınıflandırılması, erken uyarı sinyali ve yol haritaları uygulamaları sunulmuştur.
KAYNAKLAR
Berson A, Smith S ve Thearling,K. (2000), Building Data Mining Applications for CRM,
McGraw-Hill, USA. 510 p.
Breiman, L., Freidman, J. H., Olshen, R. A. ve Stone, C. J. (1984), Classification and
Regression Trees, Wadsworth and Brooks/Cole, Monterey, California.
Chen, Z. (2001), Data Mining and Uncertain Reasoning: An Integrated Approach, John Wiley
& Sons, Inc., 370, Canada.
Cleverly W. O., Harvey R. K. (1992), “Competitive Strategy for Successful Hospital
Management”, Hospital and Health Services Administration, Vol: 37, No1, Spring.
Crisp-Dm, (2004), Special Interest Group. CRISP- DM (Cross Industry Standart Process for
Data Mining) 1.0, Step-by-step data mining guide. [http://www.crisp-dm.org/CRISPWP-0800.
pdf]
Hastie, T., Tibshirani, R. ve Friedman, J. (2001), The Elements of Statistical Learning; Data
Mining, Inference and Prediction, Springer Series in Statistics, 533, USA.
Koyuncugil A. S., (2004), “Veri Madenciliği veya Bir Başka Deyişle Akıllı Algoritmalarla İstatistik
Kullanımı”, Emniyet Genel Müdürlüğü Polis Dergisi Bilişim Özel Sayısı sayı:37, s.38-40.
Koyuncugil, A. S. (2006), Bulanık Veri Madenciliği ve Sermaye Piyasalarına Uygulanması.
Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Doktora tezi (basılmamış), 186 sayfa, Ankara.
258