Geri Dön

Yaşlı travma hastalarında klinik risk ve mortalite değerlendirilmesinde klinisyen ile yapay zeka model öngörülerinin karşılaştırılması

Comparison of clinician and artificial intelligence model predictions in the assessment of clinical risk and mortality in geriatric trauma patients

PDF İndir

  1. Tez No: 1024983
  2. Yazar: MEHMET ALİ ATA
  3. Danışmanlar: DOÇ. DR. ALİ AYGÜN
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Acil Tıp, Emergency Medicine
  6. Anahtar Kelimeler: Künt travma, İnsan-yapay zeka etkileşimi, Human-artificial intelligence interaction
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Ordu Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada, 65 yaş ve üzeri travma hastalarında klinik risk, yoğun bakım ünitesi (YBÜ) yatışı ve mortalite öngörüsünde acil tıp uzmanları (ATU) ile büyük dil modellerinin (BDM) performanslarının karşılaştırılması amaçlandı. Prospektif, klinik gözlemsel ve kör değerlendirmeli araştırma, 01.10.2024–01.10.2025 tarihleri arasında Ordu Üniversitesi Eğitim ve Araştırma Hastanesi Acil Servisi'nde yürütüldü. Dahil edilme ölçütlerini karşılayan 211 geriatrik travma hastasının demografik özellikleri, komorbiditeleri, Klinik Kırılganlık Skoru (KKS), Charlson Komorbidite İndeksi (CKİ), vital bulguları, Glasgow Koma Skoru (GKS), travma özellikleri, Yaralanma Şiddet Skoru (YŞS) ve klinik sonlanımları kaydedildi. Bu verilerden oluşturulan standart metin tabanlı vaka senaryoları, gerçek sonlanımlardan habersiz beş ATU'ya ve Gemini 1.5 Pro, ChatGPT-4o ve Claude Sonnet 4.6 modellerine sunuldu. Değerlendiricilerden dört basamaklı risk sınıfı ile 24 saatlik ve 28 günlük mortalite öngörüleri istendi. Performans Fleiss kappa, ağırlıklı kappa, McNemar ve Receiver Operating Characteristic (ROC) analizleriyle değerlendirildi. Hastaların yaş ortalaması 76,92±8.83 yıl olup %54.5'i kadındı. Olguların %76.3'ü düşük enerjili, %98.6'sı künt travmaydı. Taburculuk, servis yatışı ve YBÜ yatışı oranları sırasıyla %45, %34.6 ve %20.4'tü. 24 saatlik mortalite %1.9 iken 28 günlük mortalite %9.5 olarak saptandı. Erken mortalite GKS düşüklüğü, taşikardi, hipotansiyon, yüksek şok indeksi ve yüksek YŞS ile ilişkiliydi; 28 günlük mortalitede ayrıca erkek cinsiyet ve kırılganlık öne çıktı. ROC analizinde 24 saatlik mortalite ve YBÜ yatışı için en yüksek Eğri Altında Kalan Alan (EAA) ATU konsensüsünde, 28 günlük mortalite için en yüksek EAA ChatGPT-4o'da izlendi. Sonuç olarak, BDM'ler belirli sonlanımlarda güçlü ayırt edicilik göstermekle birlikte, geriatrik travma triyajında uzman gözetimi, yerel validasyon ve klinik kalibrasyonla destekleyici karar aracı olarak kullanılmalıdır.

Özet (Çeviri)

This study aimed to compare emergency medicine specialists and large language models (LLMs) in predicting clinical risk, intensive care unit (ICU) admission, and mortality in trauma patients aged 65 years and older. This prospective, clinical observational, blinded-evaluation study was conducted in the Emergency Department of Ordu University Training and Research Hospital between 01.10.2024 and 01.10.2025. Demographic characteristics, comorbidities, Clinical Frailty Scale (CFS), vital signs, Glasgow Coma Scale (GCS), trauma characteristics, Injury Severity Score (ISS), radiology reports, and clinical outcomes were recorded for 211 eligible geriatric trauma patients. Standardized text-based case scenarios were presented to five emergency medicine specialists blinded to outcomes and to Gemini 1.5 Pro, ChatGPT-4o, and Claude Sonnet 4.6. Evaluators assigned a four-level risk class and predicted 24-hour and 28-day mortality. Performance was analyzed using Fleiss kappa, weighted kappa, McNemar, and Receiver Operating Characteristic (ROC) analyses. The mean age was 76.92±8.83 years, and 54.5% were female. Low-energy trauma accounted for 76.3% of cases, and 98.6% were blunt trauma. Discharge, ward admission, and ICU admission rates were 45.0%, 34.6%, and 20.4%, respectively. The 24-hour mortality rate was 1.9%, and the 28-day mortality rate was 9.5%. Early mortality was associated with lower GCS, tachycardia, hypotension, higher shock index, and higher ISS; male sex and frailty were additionally prominent for 28-day mortality. In ROC analysis, the highest Area Under the Curve (AUC) values for 24-hour mortality and ICU admission were obtained by specialist consensus, whereas ChatGPT-4o had the highest AUC for 28-day mortality. In conclusion, although LLMs showed strong discrimination for selected outcomes, they should be used in geriatric trauma triage as supportive decision tools under specialist supervision, local validation, and clinical calibration.

Benzer Tezler

  1. Tez No

    1018478

    Çocuk yoğun bakım ünitesinde travma nedeniyle ı̇zlenen hastaların değerlendirilmesi

    Başlık çevirisi yok

    SÜMEYYE YAVUZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ZEYNELABİDİN ÖZTÜRK

  2. Tez No

    1014956

    65 yaş üstü düşme ile başvuran hastalarda femur boyun kırığı gelişimi ve Hounsfield Unit(HU) değerleri arasındaki ilişkinin incelenmesi

    Evaluation of the association between Hounsfield Unit (HU) values and femoral neck fracture occurrence in patients aged 65 years and older presenting after a fall

    MUHAMMED MELİH İNANDI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. BURCU GENÇ YAVUZ

  3. Tez No

    1004120

    Acil servise başvuran travma hastalarını travma skorları ve rutinde alınan kan tahlilleri ile değerlendirilmesinin retrospektif araştırılması

    Retrospective study of the evaluation of trauma patients admitted to the emergency department using trauma scores and routine blood tests

    İSMAİL HAKKI AFŞAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Acil TıpAfyonkarahisar Sağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜLYA SEVİL

  4. Tez No

    668424

    Serebral venöz sinüs trombozu geçiren çocuk hastaların retrospektif değerlendirilmesi

    Retrospective analysis of pediatric patient with cerebral venous thrombosis

    FADİME KELEŞ ÇELEBİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Çocuk Sağlığı ve HastalıklarıÇukurova Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. HATİCE İLGEN ŞAŞMAZ

  5. Tez No

    1014338

    Düşük enerjili travma sonrası acil servise kalça ve/veya proksimal femur fraktürü ile başvuran 65 yaş üstü hastaların analizi

    Analysis of patients aged 65 years and older presenting to the emergency department with hip and/or proximal femur fractures following low-energy trauma

    HATİCE TIRAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. SELEN ACEHAN

Geri Dön