Classifıcation of OECD Countries According to Health Data With Clustering Analysis

Year 2024, Volume: 10 Issue: 1, 1 - 15, 14.01.2024

Mustafa Filiz , Olkan Budak

Abstract

This study was carried out to determine how OECD countries are clustered according to the determined health data, which ones are similar, and which countries are better. 36 countries were included in the study and 10 variables, which are among the health indicators of the countries, were used. Centroid tree graph and k-means clustering analysis, one of the non-hierarchical clustering analysis methods, were used to analyze the data. With the ANOVA test, the differences in the variables according to the clusters were determined. It was observed that seven clusters were formed in the centroid method. As a result of the K-mean clustering analysis, it was seen that the distance from the selected countries was the USA the least and Turkey the most. It has been seen that among the variables selected in the clustering of OECD countries under seven clusters, variables such as life expectancy at birth, infant mortality rate, per capita health expenditure, Gini coefficient, crude death rate, the share of health in GDP, and the number of nurses/midwives play an important role. It was concluded that the countries in the 1st cluster had the best values in terms of health indicators of 36 countries, and the countries in the 5th cluster had the worst values. In addition, as a result of the ANOVA test, it was decided that other health indicators other than maternal mortality rate, number of patient beds, and number of physicians play an important role in clustering OECD countries under seven clusters.

Keywords

Health, Health indicators, K-mean, OECD, Tree graph

References

• Afonso, A. & Aubyn, M.S. (2005). Non-Parametric approaches to education and health efficiency in OECD countries. Journal of Applied Economics, 8(2). 227-246.
• Akyürek, Ç.E. (2012). Sağlıkta bir geri ödeme yöntemi olarak global bütçe ve Türkiye. Sosyal Güvenlik Dergisi, 2(2), 124-153.
• Alptekin, N. & Yeşilaydın, G. (2015). OECD ülkelerinin sağlık göstergelerine göre bulanık kümeleme analizi ile sınıflandırılması. Journal of Business Research-Türk, 7(4), 137-155.
• Altay, A. (2007). Sağlık hizmetlerinin sunumunda yeni açılımlar ve Türkiye açısından değerlendirilmesi. Sayıştay Dergisi. 64, 12-33.
• Asandului, L., Roman, M. & Fatulescu, P. (2014). The efficiency of healthcare systems in Europe: a data envelopment analysis approach. Procedia Economics and Finance, 10, 261-268.
• Berkhin, P. (2002). Survey of Clustering Data MiningTechniques, San Jose, California, USA, Accrue Software Inc, s,2.
• Blashfıeld, R.K. & Aldenferder, M.S. (1978). The literature on cluster analysis. Multivariate Behavioral Research,13, 271-295.
• Cohen, G.L., & Shannon, A.G. (1981). John ward’s method for the calculation of pi. Historia Mathematica, 8, 133-144.
• Costa, C., Freitas, Â., Stefanik, I., Krafft, T., Pilot, E., Morrison, J. & Santana, P. (2019). Evaluation of data availability on population health ındicators at the regional level across the european union. Population Health Metrics, 17(11), 1-15.
• Çelebi, A.K., & Cura, S. (2013). Etkinlik Göstergeleri Açısından Sağlık Sistemleri: Karşılaştırmalı Bir Analiz. Maliye Dergisi, 164(6), 47-67.
• Çelik, Ş. (2013). Kümeleme analizi ile sağlık göstergelerine göre Türkiye’deki illerin sınıflandırılması. Doğuş Üniversitesi Dergisi. 14(2), 175-194.
• Demir, A. & Bakırcı, F. (2014). OECD üyesi ülkelerin ekonomik etkinliklerinin veri zarflama analiziyle ölçümü. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi. 28(2), 109-132.
• Dinçer, E. (2006). Veri madenciliğinde k-means algoritması ve tıp alanında uygulanması, yüksek lisans tezi, Kocaeli Üniversitesi.
• World Bank (2022). Access address: [http://data.worldbank.org/indicator]. Access Date: 21.05.2022.
• Ersöz, F. (2009). Türkiye ile OECD’ye üye ülkelerin seçilmiş sağlık göstergelerinin kümeleme ve ayırma analizi ile karşılaştırılması. Türkiye Klinikleri Tıp Bilimleri Dergisi, 29(6), 1650-1659.
• Everıtt, B., Landau, S. & Leese, M. (2001). Cluster analysis. London: Oxford University Press.
• Everitt, E. & Dunn, G. (2010). Applied multivariate data analysis. Wiley, New York.
• Gan, G., Ma, C. & Wu, J. (2007) Data clustering theory, algorithms and applications (asa-sıam series on statistics and applied probability), Canada: SIAM society for ındustrial and applied mathematics publishing.
• Girginer, N. (2013). A comparison of the healthcare ındicators of Turkey and the European Union members countries using multidimensional scaling analysis and cluster analysis. İktisat, İşletme ve Finans, 28, 323-362.
• Http://Data.Worldbank.Org/İndicator (Access Date: 28.05.2022).
• Http://Stats.Oecd.Org/ (Access Date: 28.05.2022)
• Hubert, L. (1974). Approximate evaluation techniques for the single-link and complete- link hierarcihal clustering procedures. Journal of the American Statistical Association, 69, 698-704.
• Kalaycı, Ş. (2016). SPSS uygulamalı çok değişkenli istatistik teknikleri. Asil Yayınevi. Ankara.
• Karagöz, Y. (2019). Spss Amos Meta Uygulamalı İstatistiksel Analizler. Nobel Yayıncılık. Ankara.
• Kelley, E. & Hurst, J. (2006). Health Care Qualıty Indıcators Project Conceptual Framework Paper. Oecd Health Workıng Papers No: 23. Access address: [https://www.oecd.org/els/healthsystems/36262363.pdf]. Access Date: 21.05.2022.
• Koyuncugil, A., S. & Özgülbaş, N. (2009). Veri madenciliği: tıp ve sağlık hizmetlerinde kullanımı ve uygulamaları. Bilişim Teknolojileri Dergisi, 2(2), 21-32.
• Köksal, S.S., Sipahioğlu, N.T., Yurtsever, E., & Vehid, S. (2016). Temel sağlık düzeyi göstergeleri açısından Türkiye ve Avrupa Birliği ülkeleri. Turkish Journal of Family Medicine and Primary Care, 10(4),205-212.
• Moran, V. & Jacobs, R. (2013). An ınternational comparison of efficiency of ınpatient mental health care systems. Health Policy, 112, 88– 99.
• Nırel, N., Grınstıen Cohen, O., Eyal, Y., Samuel, H. & Ben Shoham, A. (2015). ‘‘Models for projecting supply and demand for nurses in Israel. Israel Journal of Health Policy Research, 4(46), 1-12.
• OECD (2015). Health at a Glance 2015: OECD Indicators. OECD Publishing. Paris.
• OECD (2021). Health at a Glance 2021: OECD Indicators. OECD Publishing. Paris. https://www.oecd.org/health/health-at-a-glance/. Access Date: 18.04.2022.
• Özdamar, K. (2010). Paket programlar ile istatistiksel veri analizi- 2 (çok değişkenli analizler). Kaan Kitabevi. Eskişehir.
• Sharma, S. (1996). Applied MultivariateTechniques, John Wiley and Sons.
• Sığırlı, D., Ediz, B., Cangür, Ş., Ercan, İ. & Kan, İ. (2006). Türkiye ve Avrupa Birliği’ne üye ülkelerin sağlık düzeyi ölçülerinin çok boyutlu ölçekleme analizi ile incelenmesi. İnönü Üniversitesi Tıp Fakültesi Dergisi, 13(2), 81-85.
• Tatlıdil, H. (2002). Uygulamalı çok değişkenli istatistiksel analiz, Akademi Matbaası, Ankara.
• Uçar, N. (2014). Kümeleme analizi. içinde: SPSS uygulamalı çok değişkenli istatistik teknikleri Ed: Kalaycı, Ş. Asil Yayıncılık. Ankara.