.: ORİJİNAL ARAŞTIRMA
OECD'ye Üye Ülkelerin Seçilmiş Sağlık Göstergelerinin Kümeleme ve Ayırma Analizi ile Karşılaştırılması
Comparison of the Selected Health Indicators of OECD Member Countries with Cluster and Discriminant Analysis
Turkiye Klinikleri J Med Sci. 2009;29(6):1650-9
Makale Dili: TR
Tam Metin
ÖZET
Amaç: Bu çalışmada, "Organization for Economic Cooperation and Development (OECD)"e üye ülkelerin bazı seçilmiş sağlık göstergelerinin karşılaştırılmasında kümeleme ve ayırma analizlerinin kullanılması ve benzer ülkelerin tespit edilmesi amaçlanmıştır. Gereç ve Yöntemler: Çalışmada, OECD'ye üye ülkelerin 2004 yılı sağlık göstergeleri içinde en önemli değişkenleri olan; toplam sağlık harcamalarının gayrı safi yurtiçi hasıla (GSYH) içindeki oranı, kişi başına düşen sağlık harcaması, doğumda yaşam beklentisi ve her 1000 doğumdaki bebek ölüm sayısı değişkenleri kullanılmıştır. Kümeleme işleminde aşamalı (hiyerarşik) kümeleme yöntemi ile aşamalı olmayan yöntemlerden K-Ortalamalar kümeleme ve Medoid kümeleme yöntemleri olacak şekilde 3 ayrı yöntem ile karşılaştırma yapılmıştır. Aşamalı kümeleme yöntemine göre küme sayısının 3 olmasının uygun olacağına karar verilmiştir. Bulgular: K-Ortalamalar analiz sonucuna göre; 30 ülkenin kümelenmesinde seçilmiş 4 sağlık göstergesinin de önemli düzeyde etkin olduğu görülmüştür (p< 0.05). Medoid kümeleme yönteminde gölge istatistiği 0.51 bulunmuş ve "Birimler arasında uygun/makul kümeleme yapısı var" sonucu ortaya çıkmıştır. Kümeleme analizi sonuçlarının doğruluğunu test etmek amacıyla ayırma analizi uygulanmış ve kümeleme analizi sonucunda iyi bir ayırım yapıldığına işaret eden yüksek özdeğer, düşük Wilk's Lambda ve yüksek kanonik korelasyon değerleri elde edilmiştir. Ayrıca çalışmada, OECD'ye katılan ilk 20 ülkenin gelişmiş olduğu ve sağlık harcamalarına yeterli kaynak aktaran yüksek gelirli ülkeler olduğu, Türkiye'nin ise OECD'ye daha sonra katılan 10 ülke ve orta üstü gelir grubu içinde olduğu ve bu ülkelere benzer sağlık göstergelerine sahip olduğu görülmüştür. Sonuç: Yapılan kümeleme analizi sonucunda; Türkiye OECD ülkeleri içerisinde aşamalı kümeleme yönteminde Polonya, Slovakya, Çek Cumhuriyeti, Macaristan, Meksika ve Kore Cumhuriyeti ile aşamalı olmayan kümeleme yöntemi K-Ortalamalar yönteminde Portekiz, Polonya, Slovakya, Macaristan, Çek Cumhuriyeti, Meksika, Kore Cumhuriyeti ile Medoid kümeleme yönteminde ise Meksika ile aynı kümelemede yer almıştır.
Anahtar Kelimeler: Kümeleme analizi; ayırma analizi; sağlık göstergeleri; sağlık harcamaları
Amaç: Bu çalışmada, "Organization for Economic Cooperation and Development (OECD)"e üye ülkelerin bazı seçilmiş sağlık göstergelerinin karşılaştırılmasında kümeleme ve ayırma analizlerinin kullanılması ve benzer ülkelerin tespit edilmesi amaçlanmıştır. Gereç ve Yöntemler: Çalışmada, OECD'ye üye ülkelerin 2004 yılı sağlık göstergeleri içinde en önemli değişkenleri olan; toplam sağlık harcamalarının gayrı safi yurtiçi hasıla (GSYH) içindeki oranı, kişi başına düşen sağlık harcaması, doğumda yaşam beklentisi ve her 1000 doğumdaki bebek ölüm sayısı değişkenleri kullanılmıştır. Kümeleme işleminde aşamalı (hiyerarşik) kümeleme yöntemi ile aşamalı olmayan yöntemlerden K-Ortalamalar kümeleme ve Medoid kümeleme yöntemleri olacak şekilde 3 ayrı yöntem ile karşılaştırma yapılmıştır. Aşamalı kümeleme yöntemine göre küme sayısının 3 olmasının uygun olacağına karar verilmiştir. Bulgular: K-Ortalamalar analiz sonucuna göre; 30 ülkenin kümelenmesinde seçilmiş 4 sağlık göstergesinin de önemli düzeyde etkin olduğu görülmüştür (p< 0.05). Medoid kümeleme yönteminde gölge istatistiği 0.51 bulunmuş ve "Birimler arasında uygun/makul kümeleme yapısı var" sonucu ortaya çıkmıştır. Kümeleme analizi sonuçlarının doğruluğunu test etmek amacıyla ayırma analizi uygulanmış ve kümeleme analizi sonucunda iyi bir ayırım yapıldığına işaret eden yüksek özdeğer, düşük Wilk's Lambda ve yüksek kanonik korelasyon değerleri elde edilmiştir. Ayrıca çalışmada, OECD'ye katılan ilk 20 ülkenin gelişmiş olduğu ve sağlık harcamalarına yeterli kaynak aktaran yüksek gelirli ülkeler olduğu, Türkiye'nin ise OECD'ye daha sonra katılan 10 ülke ve orta üstü gelir grubu içinde olduğu ve bu ülkelere benzer sağlık göstergelerine sahip olduğu görülmüştür. Sonuç: Yapılan kümeleme analizi sonucunda; Türkiye OECD ülkeleri içerisinde aşamalı kümeleme yönteminde Polonya, Slovakya, Çek Cumhuriyeti, Macaristan, Meksika ve Kore Cumhuriyeti ile aşamalı olmayan kümeleme yöntemi K-Ortalamalar yönteminde Portekiz, Polonya, Slovakya, Macaristan, Çek Cumhuriyeti, Meksika, Kore Cumhuriyeti ile Medoid kümeleme yönteminde ise Meksika ile aynı kümelemede yer almıştır.
Anahtar Kelimeler: Kümeleme analizi; ayırma analizi; sağlık göstergeleri; sağlık harcamaları
ABSTRACT
Objective: The aim of this study was to determine the usefulness of clustering and discriminant analysis to compare selected health indicators of OECD countries and common features among them. Material and Methods: The most significant variables among health indicators in 2004-health expenditures per capita, life expectation at birth and death number per 1000 births-were used in the analysis. Three methods were used for comparison during the clustering procedure, the hierarchical method and two non-hierarchical methods, the K-means and Medoid clustering method. The number of clusters was decided to be 3 according to the hierarchical clustering method. Results: According to the K-means analysis, all four health indicators were effective among the selected indicators of 30 countries (p< 0.05). The Medoid clustering method revealed that the shadow statistics was 0.51, which meant that "there was acceptable clustering structure among the units". The separating analysis used for testing the accuracy of the clustering analysis revealed a high mean value, low Wilk's Lambda and high cononic correlation values. The study showed that the first 20 countries to join the OECD were developed with high incomes, transferring adequate amount of money to health expenses and Turkey was among the second ten countries to join the OECD with health indicators similar to the countries with above average income. Conclusion: In conclusion, according to hierarchical clustering, Turkey clusters with Poland, Slovak Republic, Czech Republic, Hungary, Mexico, Korean Republic, according to non-hierarchical (K-means) clustering, with Portugal, Poland, Slovak Republic, Hungary, Czech Republic, Mexico, and Korean Republic and according to Medoid clustering, only with Mexico.
Keywords: Cluster analysis; discriminant analysis; health status indicators; health expenditures
Objective: The aim of this study was to determine the usefulness of clustering and discriminant analysis to compare selected health indicators of OECD countries and common features among them. Material and Methods: The most significant variables among health indicators in 2004-health expenditures per capita, life expectation at birth and death number per 1000 births-were used in the analysis. Three methods were used for comparison during the clustering procedure, the hierarchical method and two non-hierarchical methods, the K-means and Medoid clustering method. The number of clusters was decided to be 3 according to the hierarchical clustering method. Results: According to the K-means analysis, all four health indicators were effective among the selected indicators of 30 countries (p< 0.05). The Medoid clustering method revealed that the shadow statistics was 0.51, which meant that "there was acceptable clustering structure among the units". The separating analysis used for testing the accuracy of the clustering analysis revealed a high mean value, low Wilk's Lambda and high cononic correlation values. The study showed that the first 20 countries to join the OECD were developed with high incomes, transferring adequate amount of money to health expenses and Turkey was among the second ten countries to join the OECD with health indicators similar to the countries with above average income. Conclusion: In conclusion, according to hierarchical clustering, Turkey clusters with Poland, Slovak Republic, Czech Republic, Hungary, Mexico, Korean Republic, according to non-hierarchical (K-means) clustering, with Portugal, Poland, Slovak Republic, Hungary, Czech Republic, Mexico, and Korean Republic and according to Medoid clustering, only with Mexico.
Keywords: Cluster analysis; discriminant analysis; health status indicators; health expenditures
.: İşlem Listesi