Makine öğrenmesi ile acil triyaj ve hastane yatış tahmini
Emergency triage and hospitalization prediction using machine learning
- Tez No: 588253
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER ÖZGÜR TANRIÖVER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Makine öğrenmesi algoritmaları kullanılarak sağlık sisteminde tahmin çalışması
Prediction study using machine learning algorithms in health system
GÜLSÜM SALTAN YAŞLI
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEHER ARSLANKAYA
- 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
2023
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. ŞERVAN GÖKHAN
- 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
2023
Acil TıpAkdeniz ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. UĞUR BİLGE
- 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
2024
Acil TıpBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE UĞUR
PROF. DR. AYŞE BAŞAR
- Makine öğrenmesi yöntemleri ile sahte felaket tweetlerinin tahmini
Predicting fake disaster tweets with machine learning methods
FATMA KURŞUN
Yüksek Lisans
Türkçe
2022
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FATMA NOYAN TEKELİ