3 results
Search Results
Now showing 1 - 3 of 3
Article Evaluation of Turkish Health System Capacity at Provincial Level by WISP Method Based on Weighting Methods(2025) Bulut, TevfikAmaç: Bu çalışmanın birincil amacı, Türkiye sağlık sisteminin kapasite ve kapasite açıklarını il düzeyinde göreceli olarak değerlendirmektir. Çalışmanın ikincil amacı ise R programlama dilinde kullanılan ağırlıklandırma yöntemleri için uygulama algoritmaları geliştirmektir. Yöntem: Sağlık sistemi kapasitesinin değerlendirilmesinde kullanılan karar kriterleri CRITIC, Shannon Entropy ve NMV yöntemleri ile ağırlıklandırılmıştır. İllerin sağlık sistemi kapasitesini değerlendirmek için WISP yöntemi kullanılmıştır. Veriler Sağlık Bakanlığı'nın 2022 Sağlık İstatistikleri Yıllığı'ndan alınmıştır. Bulgular: Tunceli, Bayburt ve Kilis, CRITIC tabanlı WISP skorlarına göre Türkiye'de sağlık sistemi kapasitesi açısından 81 il arasında optimal çözüme en yakın üç ildir. Buna karşılık, Bursa, İstanbul ve Şanlıurfa optimal çözümden en uzak üç ildir. Özgünlük: İl düzeyinde, sağlık sisteminin kapasitesindeki boşlukları tespit edebilir ve geliştirebiliriz. Kendi kendine yeterli sağlık sistemi kapasitesi oluşturabilir ve sağlık sistemini daha dirençli hale getirilebilir. Öte yandan, ağırlıklandırma yöntemleri için uygulama algoritmalarının geliştirilmesi önemli bir katkıdır. Böylece karar vericiler küçük ve özellikle büyük ölçekli veri setleri üzerinde anlık çözümler üretebilir.Article Classification of Resilience of Turkish Health System to Extraordinary Health Crises at Provincial Level(2025) Bulut, TevfikThis study aimed to classify the provincial-level resilience of the Turkish health system using K-Means and Partitioning Around Medoids (PAM) clustering methods, utilizing data from the Ministry of Health's 2022 Health Statistics Yearbook. Prior to clustering analysis, the 15 variables used to assess health system resilience were reduced to 9 through Principal Component Analysis (PCA). Clustering analyses were subsequently performed on these remaining variables using the PAM and K-Means methods. The health systems of 81 provinces were classified into 3 distinct clusters based on their resilience. The PAM method was found to yield more optimal results compared to the K-Means method. According to the PAM method, provinces assigned to Cluster 3 demonstrated superior health system resilience compared to those in the other clusters. Based on the average values of the variables, the clusters were ranked in descending order of resilience: Cluster 3, Cluster 2, and Cluster 1. Significant disparities were observed both between and within clusters, primarily attributed to the uneven distribution of resources relative to population. Therefore, it is recommended that health system capacity be strengthened, using the highest-performing cluster as a benchmark. This approach can facilitate the construction of a more resilient and equitable provincial health system regarding service delivery supply, ultimately contributing to the establishment of a stronger national health system built upon strengthened provincial foundations.Article Comparison of European Countries Based on Noncommunicable Disease Risk Factors Using the APLOCO Method(2024) Bulut, TevfikAmaç: Çalışmanın amacı, DSÖ Avrupa Bölgesi'ndeki ülkeleri bulaşıcı olmayan hastalıkların temel risk faktörlerine göre karşılaştırmaktır. Gereç ve Yöntemler: Çalışmanın hedef popülasyonunu Avrupa Bölgesi’ndeki 37 ülke oluşturmaktadır. Karar kriteri olarak kullanılan temel risk faktörlerinin ağırlıkları Shannon Entropi ve NMD objektif ağırlıklandırma yöntemleri ile belirlenmiştir. Ülkeleri karar kriterlerine göre değerlendirmek için ÇKKV yöntemlerinden biri olan APLOCO kullanılmıştır. Bulgular: NMD tabanlı APLOCO ve Shannon Entropi tabanlı APLOCO yöntemlerinden elde edilen puan sıralamaları arasında anlamlı ve çok güçlü pozitif monoton bir ilişki vardır. NMD tabanlı APLOCO ve Shannon Entropi tabanlı APLOCO yöntemlerine göre Avrupa Bölgesi'nde ortalamanın üzerinde puana sahip ülke sayısı 14, ortalamanın altında puana sahip ülke sayısı ise 23'tür. Sonuç: Bulaşıcı olmayan hastalık risk faktörlerinin prevelansı, ortalamanın altındaki Avrupa Bölgesi ülkelerinde daha yüksektir. Bulaşıcı olmayan hastalık risk faktörlerinin yüksek prevalansı, bu bölgedeki bulaşıcı olmayan hastalıkların prevalansını artırabilir.
