6 Şubat depremi sonrası sağlık ihtiyaçlarının metin madenciliği ile analizi: Sosyal medya verileri üzerine bir inceleme

6 Şubat 2023 Kahramanmaraş depremleri büyük kayıplara neden olmuş ve sağlık ihtiyaçlarının hızlı ve doğru bir şekilde değerlendirilmesini gerektirmiştir. Bu çalışma, LDA, BERTopic ve dönüştürücü tabanlı duygu analizi (BERTurk) ile denetimli makine öğrenimini birleştiren bir hesaplama çerçevesi kullanarak, afet sonrası iki aylık dönemde 88.073 Türkçe tweeti sistematik olarak analiz ederek bu sorunu ele almaktadır. Çalışma, afet müdahalesine bilgi sağlamak amacıyla deprem sonrası sağlık ihtiyaçları söylemini belirlemeyi ve sınıflandırmayı amaçlamıştır. Konu modellemesi, sağlık ihtiyaçlarını başarıyla kategorize ederek uluslararası insani yardım standartlarıyla (WHO EMT ve SPHERE) güçlü bir uyum olduğunu ortaya koymuştur. Önemli bir bulgu, Hijyen'in (β= 0.3326) olağanüstü önemi olmuştur; bu da, hasar gören Su, Sanitasyon ve Hijyen (WASH) altyapısından kaynaklanan halk sağlığı riskini vurgulamaktadır. Ayrıca, zamansal analiz, ihtiyaçların öngörülebilir bir şekilde geliştiğini ve acil tıbbi hizmetlerden sürekli halk sağlığı ve barınma sorunlarına geçiş yapıldığını doğrulamıştır. Makine öğrenimi değerlendirmesi, Lojistik Regresyon ve Doğrusal SVM'yi sağlık içeriği sınıflandırması için üstün modeller olarak belirlendi ve sırasıyla %89.07 ve %88.92 doğruluk oranları elde edildi. Tıp ve malzemeler gibi geniş kategoriler 0.93 F1 puanı elde ederken, Anne ve Çocuk Sağlığı (F1=0.77) gibi özel ihtiyaçlar, çok sınıflı kategorizasyonda dilbilimsel çakışmanın zorluğunu vurguladı. Duygu analizi, sağlıkla ilgili söylemler ile sıkıntı arasında istatistiksel olarak anlamlı bir korelasyon olduğunu ortaya koydu. Sağlıkla ilgili tweetler, sağlıkla ilgili olmayan tweetlere göre %7.1 daha yüksek negatif duygu (79.7) sergiledi (p < 0.001). Bu araştırma, sosyal medya analizini geleneksel ihtiyaç değerlendirmesine etkili, neredeyse gerçek zamanlı bir tamamlayıcı olarak doğrulamakta ve uyarlanabilir afet yönetimi stratejileri için eyleme geçirilebilir içgörüler sunmaktadır.

The February 6, 2023 Kahramanmaraş earthquakes caused great losses and required a rapid and accurate assessment of health needs. This study addresses this challenge by employing a computational framework-combining LDA, BERTopic, and transformer-based sentiment analysis (BERTurk) and supervised ML- to systematically analyze 88.073 Turkish-language tweets over the two-month post-disaster period. The study aimed to identify, categorize post-earthquake health needs discourse to inform disaster response. The topic modeling successfully categorized health needs, revealing a strong alignment with international humanitarian standards (WHO EMT and SPHERE). A critical finding was the extraordinary salience of Hygiene (β= 0.3326), underscoring the public health risk from damaged Water, Sanitation, and Hygiene (WASH) infrastructure. Furthermore, the temporal analysis confirmed a predictable evolution of needs, transitioning from immediate Emergency Medical Services to sustained Public Health and Shelter concerns. Machine learning evaluation identified Logistic Regression and Linear SVM as the superior models for health content classification, achieving accuracies of 89.07% and 88.92% respectively. While broad categories like Medicine and Supplies achieved an F1-score of 0.93, specialized needs like Maternal and Child Health (F1=0.77) highlighted the challenge of linguistic overlap in multi-class categorization. Sentiment analysis revealed a statistically significant correlation between health-related discourse and distress: health tweets exhibited 7.1 percentage points higher negative sentiment (79.7%) than non-health tweets (p < 0.001). This research validates social media analysis as an effective, near-real-time complement to traditional needs assessment, offering actionable insights for adaptive disaster management strategies.