Prediction of Maternal Health Risk with Traditional Machine Learning Methods

Abstract

Riskli gebeliklerde, gebelik öncesinde anne adayının sahip olduğu kalp, akciğer, böbrek, yüksek tansiyon, diyabet ve karaciğer gibi çeşitli hastalıklar, gebelik sırasında anne adayının durumunu kötüleştirebilir. Anne yaşı, kalp atış hızı, kan oksijen seviyesi, kan basıncı, vücut sıcaklığı gibi tıbbi parametreleri analiz ederek ve bu parametrelere karşılık gelen değerleri inceleyerek, bazı hastalar için risk yoğunluğuna ilişkin bilgi tahmin edilebilir. Belirtilerde erken aşamada risk faktörleri sınıflandırılarak, gebelikle ilgili komplikasyonları azaltmak mümkündür. Anne risk sağlığını belirlemede makine öğrenimi yöntemlerinden yararlanmak mümkündür. Bu nedenle, bu çalışmada anne risk sağlığını belirlemek için 6 farklı makine öğrenimi yöntemi kullanılmıştır. Bu yöntemlerde elde edilen sonuçlar birbirleriyle karşılaştırılmış ve anne risk sağlığını tahmin etmede en başarılı yöntemin Karar Ağacı olduğu görülmüştür. Karar Ağacı yönteminde elde edilen doğruluk değeri %89,16’dır. Makalede kullanılan yöntemler arasında en düşük doğruluk oranı k-en yakın komşu (KNN) yöntemi ile elde edilmiştir ve bu oran %68,47'dir.