Geri Dön

Tıbbi biyokimya laboratuvar ölçümlerinden elde edilen verilerin koroner arter hastalığı alt grupları ve hastalığın prognozu ile ilişkilendirilmesi: Bir makine öğrenme çalışması

Association of medical biochemistry laboratory measurements with coronary artery disease subgroups and prognosis: A machine learning study

PDF İndir

  1. Tez No: 1014367
  2. Yazar: ESRA KAFKAS
  3. Danışmanlar: PROF. DR. EBUBEKİR BAKAN
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Biyokimya, Biochemistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Kafkas Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Tıbbi Biyokimya Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Tıbbi Biyokimya Laboratuvar Ölçümlerinden Elde Edilen Verilerin Koroner Arter Hastalığı Alt Grupları ve Hastalığın Prognozu ile İlişkilendirilmesi: Bir Makine Öğrenme Çalışması Bu çalışmada rutin tıbbi biyokimya laboratuvar ölçümleri kullanılarak (i) koroner arter hastalığının (KAH) klinik alt gruplarının (SAP, USAP, NSTEMI, STEMI) makine öğrenmesiyle (ML) ayrımı, (ii) akut miyokard enfarktüsü (AMI) hastalarında hastane içi mortalite ile ilişkili parametrelerin belirlenmesi ve (iii) laboratuvar parametrelerinin model tahminlerine katkısının açıklanabilir yapay zekâ yöntemleriyle incelenmesi amaçlanmıştır. Tek merkezli, geriye dönük tasarımda 2015–2025 yılları arasında izlenen 5623 hasta (NSTEMI 1815, STEMI 731, USAP 1485, SAP 1592) dâhil edildi. İlk 24 saatteki demografik ve laboratuvar değişkenlerinden oluşan 26 öznitelikle 12 ML algoritması, stratifiye %80/%20 ayrım ve 5-katlı çapraz doğrulama altında karşılaştırıldı; birincil ölçüt makro F1 idi. Hastane içi mortalite, nadir sonlanıma uygun biçimde klinik gerekçeyle önceden sabitlenmiş altı değişkenli Firth cezalı lojistik regresyon ve bootstrap iç doğrulamasıyla değerlendirildi; açıklanabilirlik için permütasyon önemi ile SHAP analizleri uygulandı ve raporlama TRIPOD+AI çerçevesinde yürütüldü. Alt grup sınıflandırmasında ağaç tabanlı topluluk yöntemleri öne çıktı; nihai model LightGBM dört grubu makro AUC 0,81 (“iyi”ayırt edicilik) düzeyinde ayırdı (test doğruluğu %54,8; makro F1 0,546) ve hatalar klinik olarak da en güç ayrılan bölgelerde (STEMI–NSTEMI ve USAP–SAP geçişleri) yoğunlaştı. Açıklanabilirlik analizlerinde troponin, dört sınıf arasında kademeli bir gradyan oluşturan baskın değişkendi; kreatin kinaz ise STEMI'nin ayırt edici imzasıydı. Mortalite modelinde optimism-düzeltmeli C-istatistiği 0,84 (%95 GA 0,79–0,89) ve kalibrasyon eğimi 0,93 elde edildi; bağımsız belirleyiciler yaş, üre ve C-reaktif protein olarak saptandı. Sonuç olarak rutin laboratuvar verisi yalnızca tanısal değil prognostik bilgi de taşımakta ve yorumlanabilir ML yaklaşımlarıyla klinik karar desteğine dönüştürülebilmektedir; geliştirilen modeller tek başına tanı koydurucu olmayıp klinik ve elektrokardiyografik değerlendirmeyi tamamlayan yardımcı araçlardır.

Özet (Çeviri)

Association of Medical Biochemistry Laboratory Measurements with Coronary Artery Disease Subgroups and Prognosis: A Machine Learning Study In this study, routinely produced medical biochemistry laboratory measurements were used to (i) discriminate the clinical subgroups of coronary artery disease (CAD) (SAP, USAP, NSTEMI, STEMI) by machine learning (ML), (ii) identify parameters associated with in-hospital mortality in patients with acute myocardial infarction (AMI), and (iii) examine the contribution of laboratory parameters to model predictions using explainable artificial intelligence methods. In a single-center, retrospective design, 5623 patients followed between 2015 and 2025 (NSTEMI 1815, STEMI 731, USAP 1485, SAP 1592) were included. Twelve ML algorithms were compared using 26 features comprising demographic and laboratory variables from the first 24 hours, under a stratified 80%/20% split and 5-fold cross-validation; the primary metric was macro F1. In keeping with a rare outcome, in-hospital mortality was assessed with a six-variable Firth's penalized logistic regression with clinically prespecified variables and bootstrap internal validation; for explainability, permutation importance and SHAP analyses were applied, and reporting followed the TRIPOD+AI framework. In subgroup classification, tree-based ensemble methods stood out; the final model, LightGBM, discriminated the four groups at a macro AUC of 0.81 (“good”discrimination) (test accuracy 54.8%; macro F1 0.546), with errors concentrated in the regions hardest to separate clinically (the STEMI–NSTEMI and USAP–SAP transitions). In the explainability analyses, troponin was the dominant variable, forming a graded gradient across the four classes, whereas creatine kinase was the distinguishing signature of STEMI. In the mortality model, an optimism-corrected C-statistic of 0.84 (95% CI 0.79–0.89) and a calibration slope of 0.93 were obtained; the independent determinants were age, urea, and C-reactive protein. In conclusion, routine laboratory data carry not only diagnostic but also prognostic information and can be transformed into clinical decision support through interpretable ML approaches; the developed models are not diagnostic on their own but are auxiliary tools that complement clinical and electrocardiographic evaluation.

Benzer Tezler

  1. Tez No

    1019488

    Laboratuvarımızda iki farklı yöntemle çalışılan laktat, glukoz, sodyum, potasyum ve klor testlerinin ölçüm belirsizliği ve total analitik error açısından karşılaştırması

    Comparison of measurement uncertainty and total analytical error of lactate, glucose, sodium, potassium, and chloride tests performed by two different methods in our laboratory

    RUMEYSA GÜLMEZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    BiyokimyaKahramanmaraş Sütçü İmam Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    DOÇ. DR. MUHAMMED SEYİTHANOĞLU

  2. Tez No

    928251

    Meme kanserli hastalarda paklitakselin karaciğerde oluşturduğu değişikliklerin shear wave elastografi ile değerlendirilmesi

    Evaluation of liver changes induced by paclitaxel in breast cancer patients with shear wave elastography

    MUSTAFA KONAKÇI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyoloji ve Nükleer TıpSağlık Bakanlığı

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. RASİME PELİN KAVAK

  3. Tez No

    494499

    Preanalitik değişken olarak lityum, salisilat ve parasetamol içerikli ilaç kullanımının biyokimyasal analiz parametreleri üzerine etkisi

    Effect of drugs containing lithium, salicylate and paracetamol as preanalytical variables on biochemical analysis parameters

    İLAYDA TAŞCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    BiyokimyaGiresun Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    DOÇ. DR. MURAT USTA

  4. Tez No

    984912

    Otomatize klinik kimya analizörleri ile hasta başı kan gazı cihazlarından elde edilen sodyum, potasyum, klor düzeylerinin uyumunun değerlendirilmesi: Merkez laboratuvar deneyimi

    Evaluation of the agreement between sodium, potassium, and chloride levels obtained from automated clinical chemistry analyzers and point-of-care blood gas analyzers: A central laboratory experience

    KÜBRA NUR KÖYÜSTÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    BiyokimyaSağlık Bilimleri Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    DOÇ. DR. KAMİL TAHA UÇAR

    PROF. DR. ALPER GÜMÜŞ

  5. Tez No

    843806

    Diferansiye tiroid kanserlerinin takibinde kullanılan tiroglobulin testinin analitik performansının değerlendirilmesi

    Evaluation of the analytical performance of the thyroglobulin test used in the follow-up of differentiated thyroid cancers

    TUBA SAADET DEVECİ BULUT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    BiyokimyaGazi Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    PROF. DR. ÖZLEM GÜLBAHAR

Geri Dön