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

Erişim Hakkı: info:eu-repo/semantics/openAccess × Scopus Q: Q3 ×

Arama Sonuçları

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Yayın
    An explanatory analytics framework for early detection of chronic risk factors in pandemics
    (Elsevier, 2022) Delen, Dursun; Delen, Dursun; Davazdahemami, Behrooz; Zolbanin, Hamed M.; Delen, Dursun; Yönetim Bilimleri Fakültesi, İşletme Bölümü; Yönetim Bilimleri Fakültesi, İşletme Bölümü
    Timely decision-making in national and global health emergencies such as pandemics is critically important from various aspects. Especially, early identification of risk factors of contagious viral diseases can lead to efficient management of limited healthcare resources and saving lives by prioritizing at-risk patients. In this study, we propose a hybrid artificial intelligence (AI) framework to identify major chronic risk factors of novel, contagious diseases as early as possible at the time of pandemics. The proposed framework combines evolutionary search algorithms with machine learning and the novel explanatory AI (XAI) methods to detect the most critical risk factors, use them to predict patients at high risk of mortality, and analyze the risk factors at the individual level for each high-risk patient. The proposed framework was validated using data from a repository of electronic health records of early COVID-19 patients in the US. A chronological analysis of the chronic risk factors identified using our proposed approach revealed that those factors could have been identified months before they were determined by clinical studies and/or announced by the United States health officials.