Analysis of Ventilator Allocation to Coronavirus Patients with Demographic Data and Machine Learning Methods
Ezgi Şiir KıbrısUniversity of Rochester, Department of Political ScienceThe allocation of limited resources and the fair treatment to patients are among the important bioethical issues addressed in the treatment of coronavirus. This study analyzes the relationships between COVID- 19 recovery rate and ventilator allocation time and demographic variables such as gender, race, age, and insurance status. In this study, the data on coronavirus patients of a hospital in the USA were used. Machine learning methods including Random Forest, Decision Tree, Support Vector Machine and Logistic Regression algorithms were utilized to model the data. As a result, that patients covered by Medicaid insurance, which benefits the poor people in the US, are less likely to survive as a result of coronavirus. This result is important in terms of discussing the relationship between health insurance and bioethics.
Keywords: COVID-19, coronavirus, ventilator, triage, demographics, health insurance, Medicaid, machine learning, random forest, decision tree, support vector machine, logistic regressionKoronavirüs Hastalarina Ventilatör Tahsisinin Demografik Veriler ve Makine Öğrenmesi Yöntemleri ile Analizi
Ezgi Şiir KıbrısRochester Üniversitesi Siyaset Bilimi Bölümü Amerika Birleşik DevletleriSınırlı kaynakların tahsisi ve hastalara adil muamele, koronavirüs tedavisinde ele alınan önemli biyoetik konular arasındadır. Bu çalışma, COVID-19 iyileşme oranı ile ventilatör tahsis süresi ve cinsiyet, ırk, yaş ve sigorta durumu gibi demografik değişkenler arasındaki ilişkileri analiz eder. Bu çalışmada ABD’deki bir hastanenin koronavirüs hastalarına ilişkin verileri kullanılmaktadır. Verileri modellemek için Rastgele Orman, Karar Ağacı, Destek Vektör Makinesi ve Lojistik Regresyon algoritmalarını içeren makine öğrenmesi yöntemlerinden yararlanılmıştır. Sonuç olarak, ABD’deki yoksul insanlara fayda sağlayan Medicaid sigortası kapsamındaki hastaların koronavirüs sonucu hayatta kalma olasılığı daha düşüktür. Bu sonuç sağlık sigortası ve biyoetik ilişkisinin tartışılması açısından önemlidir.
Anahtar Kelimeler: COVID-19, koronavirüs, ventilator, triyaj, demografi, sağlık sigortasi, Medicaid, makine öğrenmesi, rastgele orman, karar ağacı, destek vektör makinesi, lojistik regresyonCorresponding Author: Ezgi Şiir Kıbrıs, United States of America
| TOOLS |
 Full Text PDF Print Download citation RIS EndNote BibTex Medlars Procite Reference Manager Share with email Share Send email to author
Similar articles PubMed Google Scholar |