Türkiye Sağlık Harcamalarının GPR, SVR ve DT Modelleri ile Tahmini

Ülkeler için artan sağlık maliyetleri ve bu durumun uzun vadeli sürdürülebilirliği siyasi gündeminmerkezinde yer almaktadır. Sağlık harcamalarındaki sürekli artış, hükümet bütçeleri, sağlık hizmetleri vekişisel hasta finansmanı üzerinde baskı oluşturmaktadır. Politika yapıcılar, ortaya çıkabilecek sorunlarauyum sağlamak ve bu maliyetleri düşürmek için reformlar planlamak isterler. Bu durum, planlayıcıları karardestek sistemlerine ve tahmin modellerine yönlendirmiştir. Bu çalışmada, Türkiye’nin Sağlık Harcaması(HS) için çeşitli belirleyicileri dikkate alan bir tahmin modeli tasarlamak amacıyla Destek Vektör Regresyonu(SVR), Regresyon Ağacı (DT) ve Gauss Süreç Regresyonu (GPR) olmak üzere üç makine öğrenmealgoritması kullanılmıştır. Kişi başına gayri safi yurtiçi hasıla, kentsel nüfus oranı, işsizlik oranı, 65 yaş veüstü nüfus, ortalama yaşam süresi, hekim oranı ve toplam hastane yatak sayısı girdi değişkenleri olarakbelirlenmiştir. Veri seti eğitim ve test verisi olarak ayrılmış ve 1990-2019 yılları arası 30 yılı kapsamaktadır.Geliştirilen modeller performans ölçütleri dikkate alınarak karşılaştırılmış ve en iyi model belirlenmiştir.SVR, GPR ve DT modelleri için belirleme katsayısı (R2 ) eğitim aşamasında sırasıyla 0.9929, 0.9989 ve0.9611, test aşamasında sırasıyla 0.9536, 0.8944 ve 0.1166’dır. Ayrıca, SVR modeli, test aşamasında enyüksek R2ve en düşük kök ortalama kare hatası değerleri ile en iyi tahmin sonuçlarına sahiptir. Çalışma,önerilen SVR modelinin RMSE değerini diğer GPR ve DT modellerine kıyasla sırasıyla % 32.02 ve % 39.66azalttığını göstermiştir. Sonuç olarak, Türkiye’nin sağlık harcamaları SVR modeli kullanılarak yüksekdoğrulukta tahmin edilebilir.