Karar Ağaçları ve Bayes Ağları ile OECD Ülkelerindeki İntiharların Değerlendirilmesi

Abstract

İntiharlar, geçmişten günümüze farklı sıklıklarda ve sürekli karşılaşılan önemli bir sorundur. Bireyler, intihar girişiminde bulunarak kendi yaşamına kendi isteğiyle son vermeye çalışmaktadır. İntiharın birçok nedeni bulunmakla birlikte etkileri toplumdaki tüm fertler için yıkıcı düzeydedir. Bu çalışmada, aralarında Türkiye’nin de bulunduğu OECD üye ülkelerinin kişi başı gayri safi yurtiçi hasıla (GSYİH), işsizlik, alkol tüketimi, yıllık çalışma süresi, boşanma ve antidepresan kullanımı değişkenlerinin intihar değişkeni ile ilişkisinin incelenmesi amaçlanmıştır. İlişkiyi incelemek için veri madenciliği sınıflandırma tekniklerinden faydalanılmıştır. Veri madenciliği teknikleri arasında ise en yüksek doğru sınıflandırma değerlerini veren algoritmalardan yararlanılmıştır. Yapılan analizler neticesinde tüm değişkenlerin intihar değişkeni ile ilişkili olduğu belirlenmiştir. Buna göre işsizlik düzeyi, alkol tüketimi, yıllık çalışma süresi, boşanma hızı ve antidepresan kullanımı yüksek ve GSYİH’si düşük düzeyde olan ülkelerde intihar hızının yüksek veya orta düzeyde olabileceği belirlenmiştir. Bu özelliklerin belirlenmesi OECD ülkelerinin intihara yönelik alacakları önlemlerde ve geliştirecekleri sağlık ve sosyal politikalarda hangi özellikleri hedef alabileceğini gösterebilecektir.

Suicides are an important problem that has been encountered in different frequencies from past to present. Individuals are trying to end their own lives by attempting suicide. There are many causes of suicide but its effects are devastating for all individuals in the community. This study aimed to examine that OECD member countries including Turkey of the relationship between the variables of per capita gross domestic product (GDP), unemployment, alcohol consumption, annual working time, divorce rate, and antidepressant use with suicide variable. Data mining classification techniques were used to examine the relationship. Among the data mining techniques, we used the algorithms giving the highest correct classification rates. As a result of the analyzes made, it was determined that all variables were associated with the suicide variable. Accordingly, it has been determined that the suicide rate may be high or moderate in countries with high unemployment level, alcohol consumption, annual working time, divorce rate, and antidepressant use and low GDP. Determining these features will be able to show what characteristics OECD countries will target in the measures they will take for suicide and the health and social policies they will develop.