Geri Dön

Makine öğrenmesi ile acil triyaj ve hastane yatış tahmini

Emergency triage and hospitalization prediction using machine learning

  1. Tez No: 588253
  2. Yazar: ABDOUL AZIZ RAZIKOU DILWANI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER ÖZGÜR TANRIÖVER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Acil hasta triyajı hastane acil servis bölümlerinde ve acil durum müdahalesi gereken alanlarda, yüksek riskli hastaları tanımlamak için gittikçe daha fazla kullanılan bir teknik olmuştur. Bu çalışma, hastaların hastaneye yatış gerekliliği ve aciliyet düzeylerini öngörmek için makine öğrenimi (ML) algoritmalarının performansını, iki farklı triyaj sistemi için sınırlı hasta verilerini kullanarak karşılaştırmayı amaçlamaktadır: Bu sistemler Manchester Triyajı Sistemi (MTS) ve Acil Durum Şiddeti Endeksi (ESI). Bu çalışmada, dört çocuk hastanesinde kaydedilen 60.735 hastanın MTS veri setini kullandık. ESI verileri, elektronik sağlık kayıtlarından elde edilen 352.999 erişkin hastayı içermektedir. Bu çalışma iki bölüm halinde alt bölümlere ayrılmıştır : Birinci bölümde, hastaneye yatışı tahmin ettik ve ikinci bölümde triyaj seviyelerini belirledik. Triyaj için, ilk iki seviye (seviye 1 ve 2) ve beş seviye öngördük. Tahmin için hasta yaşı, hayati belirtiler, hastanede kalma durumu, başlıca şikayetleri ve triyaj seviyeleri bilgileri kullanılmıştır. Modeller makine öğrenimi algoritmaları ve teknikleri kullanılarak eğitilmiştir : Lojistik Regresyon (LR), Rastgele Orman (RF), Gradyan Yükseltme (XGBoost), K-Komşular çapraz doğrulama (KNN), otomatik kodlayıcı ve Derin Sinir Ağı (DNN). Her bir modeli eğri altındaki alanı, doğruluk, f-skoru, hassasiyet ve hatırlama açısından karşılaştırdık. Makine öğrenme modellerinin kısıtlı hasta tanı ve şikâyet bilgileri kullanarak hastaneye yatış, triyaj seviye 1 ve 2 tahminin yüksek doğrulukla ve üç kategorili (çok acil, acil ve diğerleri) triyaj sınıfı tahminin kabul edilebilir şekilde öngörebildiği gösterildi.

Özet (Çeviri)

Emergency triage is a technique increasingly being used to identify patients with high risk, in on site emergency situtations and hospital's emergency departments. This study aims to compare the performance of machine learning (ML) algorithms to predict“Hospitalization”and“Triage Levels”by using a set of limited patient information using two different triage system's datasets : Manchester Triage System (MTS) and Emergency Severity Index (ESI). We used a MTS dataset of 60,735 patients recorded in four children hospital. ESI data included 352,999 adult patients recorded from electronic health records. This study is subdivided in two stages : in the first stage we predicted hospitalization and the second stage we predicted triage levels. For Triage levels, we predicted the first two levels which were emergent and very urgent and the rest as another class. Patient Age, Vital Signs, Hospitalization status, Chief Complaints, and triage levels information are used for the prediction. The predictions are done through using machine learning models such as: Logistic Regression(LR), Random Forest (RF), Gradient Boosting (XGBoost), K-Neighbors(KNN), autoencoder and Deep Neural Network (DNN). We evaluated each model by measuring the area under the curve, the accuracy, recall, precision and f-score of classification. Using a set of patient features which can possibly be collected through portable medical sensors, required hospitalization, triage level 1 and level 2 may be predicted with very high accuracy and the other levels can be predicted with acceptable accuracy.

Benzer Tezler

  1. Makine öğrenmesi algoritmaları kullanılarak sağlık sisteminde tahmin çalışması

    Prediction study using machine learning algorithms in health system

    GÜLSÜM SALTAN YAŞLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEHER ARSLANKAYA

  2. Makine öğrenmesi kullanılarak üst gastrointestinal kanaması olan hastalarda yoğun bakıma yatış ve hastane içi mortalite riski arasındaki ilişkinin araştırılması

    Using machine learning, investigation of therelationship between icu installation and in-hospitalmortality risk in patients with upper gastrointestinalbleeding

    NACİYE BÜŞRA ERDOĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. ŞERVAN GÖKHAN

  3. Triyaj verisi kullanarak öntanı tahmini yapan yapay zeka tabanlı karar destek sistemi

    Artificial intelligence based decision support system predicting prediagnosis using triage data

    GÖKSU BOZDERELİ BERİKOL

    Doktora

    Türkçe

    Türkçe

    2023

    Acil TıpAkdeniz Üniversitesi

    Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı

    DOÇ. DR. UĞUR BİLGE

  4. Using traditional and deep machine learning methods on predicting triage level in an emergency room

    Geleneksel makine öğrenmesi ve derin öğrenme yöntemleriyle acil servis triyaj tahminlemesi

    MEHMET YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Acil TıpBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE UĞUR

    PROF. DR. AYŞE BAŞAR

  5. Makine öğrenmesi yöntemleri ile sahte felaket tweetlerinin tahmini

    Predicting fake disaster tweets with machine learning methods

    FATMA KURŞUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. FATMA NOYAN TEKELİ