Delen, Dursun

Profil fotoğrafı
 E-posta Adresi
dursun.delen@ihu.edu.tr
ORCID Profili
0000-0001-8857-5148
WoS Profili
AGA-9892-2022
YÖK Araştırmacı Profili
9AB745FF7C9BF2C2
Google Akademik Profili
jGLGJIgAAAAJ
TR-Dizin Profili
687500
SOBÄ°AD Profili
263172

Araştırma projeleri

Organizasyon Birimleri

Organizasyon Birimi Logosu
Organizasyon Birimi
Lisansüstü Eğitim Enstitüsü, İşletme Ana Bilim Dalı
İş dünyasının giderek karmaşıklaşan ve dinamik hale gelen yapısı, farklı disiplinlerden gelen bireylerin aynı örgütsel çatı altında aynı amaçlar doğrultusunda etkin ve verimli çalışmalarını zorunlu hale getirmiştir. Bu sebeple de, işletmenin tüm işlevlerini bütüncül bir bakış açısı ile değerlendirebilecek ve bu hususları faaliyet gösterilen ekosistemin diğer dinamikleri ile uyumlu yönetebilecek bireylere duyulan ihtiyaç artmıştır. Ayrıca, teknoloji alanında yaşanan baş döndürücü gelişmeler rekabetin sahasını genişletmiş ve özellikle üretim, dağıtım, pazarlama ve finans alanlarında entegre bilgi birikimine sahip, yönetsel becerisi yüksek insan kaynağına önemli ölçüde bir talep doğurmuştur.

Adı Soyadı

Dursun Delen

İlgi Alanları

Sağlık Analitiği, Karar Destek Sistemleri, Sağlık Analitiği, İş Zekası, İş Analitiği

Kurumdaki Durumu

Pasif Personel

Filtreler

20221
Filtreleri Sıfırla

Ayarlar

İndeks: PubMed × Konu: Deep Learning ×

Arama Sonuçları

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Yayın
    An explanatory machine learning framework for studying pandemics: The case of COVID-19 emergency department readmissions
    (Elsevier, 2022) Delen, Dursun; Delen, Dursun; Davazdahemami, Behrooz; Zolbanin, Hamed M.; Delen, Dursun; Yönetim Bilimleri Fakültesi, İşletme Bölümü; Yönetim Bilimleri Fakültesi, İşletme Bölümü
    One of the major challenges that confront medical experts during a pandemic is the time required to identify and validate the risk factors of the novel disease and to develop an effective treatment protocol. Traditionally, this process involves numerous clinical trials that may take up to several years, during which strict preventive measures must be in place to control the outbreak and reduce the deaths. Advanced data analytics techniques, however, can be leveraged to guide and speed up this process. In this study, we combine evolutionary search algorithms, deep learning, and advanced model interpretation methods to develop a holistic exploratory- predictive-explanatory machine learning framework that can assist clinical decision-makers in reacting to the challenges of a pandemic in a timely manner. The proposed framework is showcased in studying emergency department (ED) readmissions of COVID-19 patients using ED visits from a real-world electronic health records database. After an exploratory feature selection phase using genetic algorithm, we develop and train a deep artificial neural network to predict early (i.e., 7-day) readmissions (AUC = 0.883). Lastly, a SHAP model is formulated to estimate additive Shapley values (i.e., importance scores) of the features and to interpret the magnitude and direction of their effects. The findings are mostly in line with those reported by lengthy and expensive clinical trial studies.