Hastane bilgi yönetim sistemleri (HBYS) bilgisayar öncesi dönemde bireysel çabalar ile kâğıt tabanlı sistemler kullanılarak yönetilmiştir. Günümüzde ise teknolojik gelişmelere paralel olarak elektronik ortamda dijital tabanlı olarak yürütülmektedir. HBYS yazılımlarında genellikle hasta takip-kayıt-randevu, klinik, tıbbi kayıtlar, radyoloji, laboratuvar, ilaç yönetimi, faturalama, raporlama ve hastane yönetimi gibi modüller yer almaktadır. Hastane yönetimi modülünün içerisinde yer alan finans yönetimi alt modülü, muhasebe kayıtlarının işlendiği modüldür. Birçok sektörde kullanılan yapay zekâ modellerinin hastane finans yönetiminde finansal tahminleme amacıyla kullanılmasının hastanenin finans yönetimine sağlayacağı yararlar düşünülerek araştırmaya değer bulunmuştur. Araştırmada 2009-2023 yılları arasında borsada işlem gören özel hastanelerin finansal verileri kullanılmıştır. 5 farklı özel hastanenin toplamda 97 adet finansal raporu ve raporlardan elde edilen 776 ham veri çalışmanın veri setini oluşturmaktadır. Veri seti üzerinden "Brüt Kar Marjı, Net Kar Marjı, Cari Oran, Borç-Sermaye Oranı, Asit-Test Oranı" hesaplanmıştır. Bu oranların hesaplanmasında kullanılan "Satış Geliri, Satışların Maliyeti, Dönem Karı/Zararı, Dönen Varlıklar, Stoklar, Kısa Vadeli Borçlar, Uzun Vadeli Borçlar, Sermaye" kalemleri ile PHYTON programlama dilinde 5 farklı algoritma denemesi yapılarak en güvenilir ve gerçeğe en yakın değere ulaşan algoritmalar belirlenmiştir. Her bir finansal rapor kalemi için farklı bir algoritma güvenilir bulunmuştur. Seçilen ilgili algoritmanın çalıştırılması sonucu ilgili son finansal dönemin değerleri tahmin edilmiş, hata oranları hesaplanmıştır. Finansal tahminleme sonucu elde edilen en küçük hata oranı %16 ve en yüksek hata oranı ise %234 olarak hesaplanmıştır. Makine öğrenmesi tekniği ile finansal tahminin mümkün olduğu görülmüştür. Cari oran üzerinden finansal karar destek mekanizması örneği oluşturulmuştur. İlgili araştırmacı ve hastanelere yöntem ve çalışma alanları konularında önerilerde bulunulmuştur. Anahtar Kelimeler : Finansal Tahminleme, Hastane Bilgi Yönetim Sistemleri, Finansal Karar Destek Sistemi, Yapay Zekâ, Makine Öğrenmesi, Python.
Hospital information management systems (HIMS) were managed using paper-based systems with individual efforts in the pre-computer period. Today, in parallel with technological developments, it is carried out on a digital basis in electronic environment. HBYS software usually includes modules such as patient follow-up-registration-appointment, clinical, medical records, radiology, laboratory, drug management, billing, reporting and hospital management. The finance management submodule within the hospital management module is the module where accounting records are processed. The use of artificial intelligence models used in many sectors for financial estimation in hospital finance management has been found worthy of research considering the benefits of the hospital's financial management. Financial data of private hospitals traded in the stock exchange between 2009-2023 were used in the research. A total of 97 financial reports from 5 different private hospitals and 776 raw data obtained from the reports constitute the data set of the study. "Gross Profit Margin, Net Profit Margin, Current Ratio, Debt-Capital Ratio, Acid-Test Ratio" were calculated over the data set. Algorithms that reach the most reliable and closest to the truth value by testing 5 different algorithms in PHYTON programming language with the items "Sales Income, Cost of Sales, Period Profit/Loss, Current Assets, Inventories, Short-Term Liabilities, Long-Term Debts, Capital" items used in the calculation of these ratios. determined. A different algorithm was found reliable for each financial report item. As a result of running the selected algorithm, the values of the last financial period were estimated and error rates were calculated. The smallest error rate obtained as a result of financial estimation was calculated as 16% and the highest error rate as 234%. It has been seen that financial forecasting is possible with the machine learning technique. An example of a financial decision support mechanism has been created over the current ratio. Suggestions were made to the relevant researchers and health enterprises on methods and fields of study. Keywords : Financial Forecasting, Hospital Information Management Systems, Financial Decision Support System, Artificial Intelligence, Machine Learning, Python.
Tez (Doktora-PhD) - Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, Sağlık Yönetimi Anabilim Dalı, 2023.
Kaynakça var.
Hastane bilgi yönetim sistemleri (HBYS) bilgisayar öncesi dönemde bireysel çabalar ile kâğıt tabanlı sistemler kullanılarak yönetilmiştir. Günümüzde ise teknolojik gelişmelere paralel olarak elektronik ortamda dijital tabanlı olarak yürütülmektedir. HBYS yazılımlarında genellikle hasta takip-kayıt-randevu, klinik, tıbbi kayıtlar, radyoloji, laboratuvar, ilaç yönetimi, faturalama, raporlama ve hastane yönetimi gibi modüller yer almaktadır. Hastane yönetimi modülünün içerisinde yer alan finans yönetimi alt modülü, muhasebe kayıtlarının işlendiği modüldür. Birçok sektörde kullanılan yapay zekâ modellerinin hastane finans yönetiminde finansal tahminleme amacıyla kullanılmasının hastanenin finans yönetimine sağlayacağı yararlar düşünülerek araştırmaya değer bulunmuştur. Araştırmada 2009-2023 yılları arasında borsada işlem gören özel hastanelerin finansal verileri kullanılmıştır. 5 farklı özel hastanenin toplamda 97 adet finansal raporu ve raporlardan elde edilen 776 ham veri çalışmanın veri setini oluşturmaktadır. Veri seti üzerinden "Brüt Kar Marjı, Net Kar Marjı, Cari Oran, Borç-Sermaye Oranı, Asit-Test Oranı" hesaplanmıştır. Bu oranların hesaplanmasında kullanılan "Satış Geliri, Satışların Maliyeti, Dönem Karı/Zararı, Dönen Varlıklar, Stoklar, Kısa Vadeli Borçlar, Uzun Vadeli Borçlar, Sermaye" kalemleri ile PHYTON programlama dilinde 5 farklı algoritma denemesi yapılarak en güvenilir ve gerçeğe en yakın değere ulaşan algoritmalar belirlenmiştir. Her bir finansal rapor kalemi için farklı bir algoritma güvenilir bulunmuştur. Seçilen ilgili algoritmanın çalıştırılması sonucu ilgili son finansal dönemin değerleri tahmin edilmiş, hata oranları hesaplanmıştır. Finansal tahminleme sonucu elde edilen en küçük hata oranı %16 ve en yüksek hata oranı ise %234 olarak hesaplanmıştır. Makine öğrenmesi tekniği ile finansal tahminin mümkün olduğu görülmüştür. Cari oran üzerinden finansal karar destek mekanizması örneği oluşturulmuştur. İlgili araştırmacı ve hastanelere yöntem ve çalışma alanları konularında önerilerde bulunulmuştur. Anahtar Kelimeler : Finansal Tahminleme, Hastane Bilgi Yönetim Sistemleri, Finansal Karar Destek Sistemi, Yapay Zekâ, Makine Öğrenmesi, Python.
Hospital information management systems (HIMS) were managed using paper-based systems with individual efforts in the pre-computer period. Today, in parallel with technological developments, it is carried out on a digital basis in electronic environment. HBYS software usually includes modules such as patient follow-up-registration-appointment, clinical, medical records, radiology, laboratory, drug management, billing, reporting and hospital management. The finance management submodule within the hospital management module is the module where accounting records are processed. The use of artificial intelligence models used in many sectors for financial estimation in hospital finance management has been found worthy of research considering the benefits of the hospital's financial management. Financial data of private hospitals traded in the stock exchange between 2009-2023 were used in the research. A total of 97 financial reports from 5 different private hospitals and 776 raw data obtained from the reports constitute the data set of the study. "Gross Profit Margin, Net Profit Margin, Current Ratio, Debt-Capital Ratio, Acid-Test Ratio" were calculated over the data set. Algorithms that reach the most reliable and closest to the truth value by testing 5 different algorithms in PHYTON programming language with the items "Sales Income, Cost of Sales, Period Profit/Loss, Current Assets, Inventories, Short-Term Liabilities, Long-Term Debts, Capital" items used in the calculation of these ratios. determined. A different algorithm was found reliable for each financial report item. As a result of running the selected algorithm, the values of the last financial period were estimated and error rates were calculated. The smallest error rate obtained as a result of financial estimation was calculated as 16% and the highest error rate as 234%. It has been seen that financial forecasting is possible with the machine learning technique. An example of a financial decision support mechanism has been created over the current ratio. Suggestions were made to the relevant researchers and health enterprises on methods and fields of study. Keywords : Financial Forecasting, Hospital Information Management Systems, Financial Decision Support System, Artificial Intelligence, Machine Learning, Python.