Ama: Bu alma, 2018-2022 yllar arasnda Trkiye'de oluan tbbi atk miktarlarnn eilimlerini ve zelliklerini analiz etmekte ve salk hizmeti gstergeleri ile entegre edilen yapay zek (YZ) tabanl bir tahmin modeli nermektedir. Bu model, tbbi atk ynetiminde etkinlii ve srdrlebilirlii artrmay amalamaktadr. Gere ve Yntem: Tbbi atk verileri, Trkiye statistik Kurumu'nun (TK) 2018-2022 yllarna ait atk istatistiklerinden elde edilmitir. Ek olarak, salk hizmeti gstergeleri (hastane yatak says, yatak doluluk oran, hasta says vb.) kullanlarak atk retimiyle olas ilikiler deerlendirilmitir. Zaman serisi ve blgesel analizler yaplarak atk retimindeki deiim ve bertaraf yntemlerinin dalm incelenmitir. Bu bulgulara dayanarak, tbbi atk miktarlarnn tahmininde kullanlmak zere Random Forest ve LSTM gibi makine renmesi algoritmalarndan yararlanabilecek kavramsal bir yapay zek tahmin modeli erevesi nerilmitir. Bulgular: n analizler, tbbi atk miktarlarnda srekli bir art eilimi olduunu ve zellikle stanbul, Ankara ve zmir gibi bykehirlerde younlama grldn ortaya koymutur. Sterilizasyon ve dzenli depolama yntemlerinin en yaygn bertaraf yntemleri olduu belirlenmitir. nerilen YZ modeli, salk hizmeti younluu ve demografik gstergeleri birletirerek atk tahmininde yksek doruluk potansiyeli gstermitir. Sonu: Tbbi atk verilerinin salk gstergeleriyle entegre edilerek YZ tabanl tahmin modelleriyle analiz edilmesi, salk kurulularnda atk ynetimi planlamasnn, kapasite kullanmnn ve evresel srdrlebilirliin gelitirilmesine nemli katk salayabilir. Gelecekte gerek zamanl IoT verilerinin modele dahil edilmesi, tahmin doruluunu ve operasyonel verimlilii artracaktr.
