Geri Dön

Acil servise göğüs ağrısı şikayeti ile başvuran hastalarda 30 günlük kardiyak ilişkili olayları tanımlanmasında klinik karar destek sistemi (clinical decision support system) geliştirilmesi

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 499100
  2. Yazar: NESLİ BELEN
  3. Danışmanlar: UZMAN SERHAT AKAY
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Kardiyoloji, Cardiology
  6. Anahtar Kelimeler: Acil tıp, göğüs ağrısı, makine öğrenmesi, Emergency medicine, chest pain, machine learning
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: İzmir Bozyaka Eğt. ve Arş. Hast.
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 115

Özet

Giriş: Göğüs ağrısı acil servise en sık başvuru nedenleri arasında yer alır.Son yıllarda bilgi teknolojilerindeki gelişmelerle birlikte, sağlık hizmetlerinde verilere erişimi hızlandıran, veri paylaşımını ve süreçlerini yöneten sistemlerin kullanımı yaygınlaşmaktadır. Çalışmanın amacı, göğüs ağrısı ile acil servise başvuranhastaların akut koroner sendromla ilişkisini değerlendirmek için klinik karar destek sistemleri ile ''tahmin edici istatistiksel yöntem'' geliştirmektir. Gereç ve Yöntem: 10.08.2017 – 02.12.2017 tarihleri arasında İzmir Bozyaka Eğitim ve Araştırma Hastanesi Acil Tıp Kliniğine travma nedenli olmayan öncelikli şikayetigöğüs ağrısı olan dahil edilme kriterlerine uyan hastalar çalışmaya dahil edilmiştir. Bu tarihler arasından 1616 hasta göğüs ağrısı şikayeti ile başvurmuş ve bunlardan 500 tanesi çalışmaya dahil edilmiştir. Hastalardan toplanan verilerle WEKA® programı ilemodel seçimi yapılarak BayesNet, RandomForest ve SMO algoritmaları oluşturulup, bu yöntemler karşılaştırılmıştır. Primer sonlanım noktası olarak major kardiyak olay gelişmesi (30 gün içinde kardiyak ilişkili ölüm, koroner anjiyografide anlamlı lezyon ve/veya koroner girişim (balon ve/veya stent), miyokardial enfarktüs geçirmesi) olarak tanımlanmıştır. Bulgular: BayesNet, RandomForest, SMO algoritma sonuçları ROC Area (ROC Alanı) ağırlıklı ortalama değerlerinin sonuçlarına bakıldığında sırasıyla %89,8, %89,2,%81,2 olup ROC alanı değerlendirilmesine göre ''iyi'' düzeyde anlamlı sonuçlar elde edilmiştir. Elde edilen değerlere göre en iyi sonuçlar BayesNET ile yapılan modelleme ile oluşturulmuş olup doğruluk oranı %84 , duyarlılığı %79,1 , özgüllüğü %86,4 , negatif prediktif değeri%86,4 , pozitif prediktif değeri %74,7 olarak bulunmuştur ve literatürdeki değerlerle uyumludenebilecek düzeydedir. Sonuç: Çalışmamızda oluşturulan modeller arasında doğruluk oranı en yüksek sonuçlar BayesNET ile elde edilmiştir. Literatürdeki çalışmalarla kıyaslandığında sonuçların çok farklı olmadığı, doğruluk oranı çok yüksek çıkan sonuçların giriş verilerinin ileri tetkik içermesinden kaynaklı olduğunu düşünüyoruz.Çalışmamızın primer amacı tanı koymak değildir. Düşük risklihasta grubunu erken sürede dışlayarak, acil servislerdeki yoğunluğun azaltılabileceğini düşünmekteyiz. Bu çalışmalar arttırılarak daha çok veri ve olguyla daha sağlıklı sonuçlar elde edilebilir.

Özet (Çeviri)

Introduction: Chest pain is one of the most common reasons for referral to emergency services. In recent years, information technologies have improved, and the use of systems that speed up taxation in health services, manage data sharing and processes is becoming widespread. The aim of the study is to develop a predictive statistical method to evaluate the association of chest pain with acute coronary syndrome in patients who are hospitalized. Materials and Methods: Between 10.08.2017 - 02.12.2017, patients who complied with the inclusion criteria of chest pain in İzmir Bozyaka Training and Research Hospital Emergency Medical Clinic were included as a primary cause of trauma. 1616 patients complained of chest pain and 500 of them were included in the study. BayesNet, RandomForest and SMO algorithms can be prepared by using the WEKA® program.Primary outcome is defined as major cardiac adverse event (cardiac related death, significant lesion in coronary angiography or coronary intervention (balloon or stenting), myocardial infarction in 30 days). Results : When the results of Bayes Net, RandomForest and SMO algorithms weighted average values of ROC Area were taken into account, 89.8%, 89.2% and 81.2%, respectively, were found to be“good”according to ROC domain evaluation. The best results were obtained by modeling with BayesNET. The accuracy rate was 84%, sensitivity was 79.1%, specificity was 86.4%, neptif predictive value was 86.4% and positive predictive value was 74.7% it can be tried in accordance with the values in the literature. Conclusion: The highest accuracy rate among the models created in our study was obtained with BayesNET. We think that the results are very different from the ones in the literature and the results are not very different and the accuracy is very high. We think that the input data are derived from the advanced examination. The primary purpose of our study is not to diagnose. We think that the intensity in the emergency departments can be reduced by excluding the low-risk group of patients early. By increasing these studies more data and more accurate results can be obtained.

Benzer Tezler

  1. Tez No

    691414

    Acil servise göğüs ağrısı ile başvuran hastalarda 30 günlük major istenmeyen kardiyak olayların değerlendirilmesinde HEART, TIMI, GRACE ve COMPASS - MI skorlarının karşılaştırılması

    Comparison of HEART, TIMI, GRACE and COMPASS-MI scores in the evaluation of 30-DAYS major undesirable cardiac events in patients attending to the emergency department with chest pain

    CEMİLE BOZDEMİR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    İlk ve Acil YardımSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. MEHMET NURİ BOZDEMİR

  2. Tez No

    750370

    Acil servise göğüs ağrısı ile başvuran hastalarda 30 günlük majör advers kardiyak olayların tahmini için HEART, TIMI ve EDACS skorlarının karşılaştırılması

    Comparison of HEART, TIMI and EDACS scores forestimating 30-day major adverse cardiac events inpatients presenting to the emergency department withchest pain

    MEHMET SEYFETTİN SARIBAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Acil TıpOrdu Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ATAKAN SAVRUN

  3. Tez No

    818406

    Acil servise göğüs ağrısı şikayeti ile başvuran hastalarda sveat skorunun 30 günlük ciddi olumsuz kardiyovasküler olaylar açısından incelenmesi

    Examination of the sveat score in patients presenting to the emergency room with chest pain in terms of serious adverse cardiovascular events within 30 days

    MURAT GÖL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Acil TıpMarmara Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. SİNAN KARACABEY

    DR. NURSELİ BAYRAM

  4. Tez No

    785936

    Acil servise göğüs ağrısı şikayeti ile başvuran hastalarda emergency department assessment of chest pain score (EDACS) skorunun 30 günlük ciddi olumsuz kardiyovasküler olaylar açısından incelenmesi

    External validation of emergency department assessment of chest pain score (EDACS) for 30 days of serious negative cardiovascular events in patients presenting to the emergency department with chest pain

    AYKUT ÖZKAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Acil TıpMarmara Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. ÖZGE ECMEL ONUR

  5. Tez No

    613544

    Acil servise göğüs ağrısı şikayetiyle başvuran hastalarda heart PATHWAY/EDACS skorlarının bir aylık mortalite ve major kardiyak olay riskini öngörme yönünden karşılaştırılması

    Comparison of the heart PATHWAY/EDACS scores for predi̇cti̇ng the ri̇sk of 30-day mortali̇ty and major advanced cardi̇ac event (mace) in patients admitted to the emergency with a chest pain

    MEHMET EMAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    KardiyolojiSağlık Bilimleri Üniversitesi

    İlk ve Acil Tıp Ana Bilim Dalı

    UZMAN SERHAT AKAY

Geri Dön