Geri Dön

COVID-19 hastalarında yoğun bakım sevkinin öngörülmesi için derin öğrenme algoritmalarının kullanılması

Using deep learning algorithms to predict intensive care referral in COVID-19 patients

PDF İndir

  1. Tez No: 665120
  2. Yazar: FURKAN ZAMAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN CAHİT HALHALLI
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: İlk ve Acil Yardım, Emergency and First Aid
  6. Anahtar Kelimeler: Derin Öğrenme, COVİD-19, Yoğun Bakım, Deep Learning, COVID-19, Intensive Care
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Kocaeli Derince Eğt. ve Arş. Hast.
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 50

Özet

GİRİŞ VE AMAÇ: COVID-19 salgını tüm dünyada etkisini göstermiş, çok sayıda kişi bu virüsle enfekte olmuştur. Hastane acil servisleri COVID-19 hastalarının sıklıkla başvurduğu merkezlerdir. Bu ortamda, hastalardan yoğun bakım sevki gerekenleri öngörmek, doğru ve etkin kaynak kullanımı için önemlidir. Derin öğrenme algoritmaları elde edilen verinin sınıflandırılması ve sonuçlarının tahmin edilebilmesi için hızlı ve önemli bir analiz metodudur. Bu çalışmada, acil servise başvuran COVID-19 hastalarının bulgularını derin öğrenme metodu ile analiz ederek hastaların hastaneye yatış ve yoğun bakım sevk ihtiyaçlarını öngörmeye çalıştık. GEREÇ VE YÖNTEM: Çalışma acil servise 01.03.2020-30.06.2020 tarihleri arasında başvurmuş hastalar üzerinden yapıldı. COVID-19 şüphesi ile acil servise başvuran, 18 yaş üzerinde, gebe olmayan, erkek ve kadın hastalar çalışmaya alındı. Toplanan 592 hastanın acil serviste elde edilen klinik verileri, laboratuvar sonuçları ve kaydedilen bilgisayarlı toraks tomografileri python ortamına sayısal veri halinde aktarıldı. Python yazılım dili kullanılarak oluşturulan yapay sinir ağları ile veri incelenerek hastaların yoğun bakıma sevk riskleri, PCR testi sonucu tahmini ve hastaneye yatış riskinin hesaplanması sağlandı. BULGULAR: Tomografi ve klinik verinin birlikte kullanıldığı yapay sinir ağı analizinde, yoğun bakım sevki gerektiren hastaların tespiti için yapılan tahminlerde doğruluk oranı %97(230:236), sensitivitesi %54(6:11), spesifitesi %99(224:225), F1 skoru 0.66 olarak bulundu. SONUÇ: Derin öğrenme yöntemleri ile hastaların klinik kararlarının bilgisayarlar tarafından alınabilecek olması, gelecekte sağlık harcamalarını ve sağlık çalışanlarına düşen iş yükünü azaltabileceğini vaat etmektedir.

Özet (Çeviri)

INTRODUCTION AND PURPOSE: The COVID-19 outbreak has taken effect all over the world, and many people have been infected with this virus. Emergency rooms have become frequently used centers for COVID-19 patients. In such environment, it is important to determine which patients need referral to the intensive care unit for accurate and effective resource use. Deep learning algorithms are an important rapid analysis method for classifying the data obtained and predicting its results. In this study, we analyzed the findings of COVID-19 patients who came to the emergency room with the deep learning method and tried to predict the hospitalization and intensive care unit referral needs of the patients. MATERIAL AND METHOD: The study was carried out on patients who consulted to emergency rooms between 01.03.2020-30.06.2020. Male and female patients over the age of 18 who were admitted to the emergency department with suspected COVID-19 were included in the study. Clinical data, laboratory results and recorded computed thoracic tomography of 592 patients collected in the emergency room were transferred to the Python network in numeric data. With artificial neural networks created using Python software language, data was examined to calculate the risks of referral of patients to intensive care units, estimation of PCR test results and hospitalization risk. RESULTS: In the artificial neural network analysis using tomography and clinical data, the accuracy rate estimates made for the detection of patients requiring intensive care referral was 97% (230:236), sensitivity was 54% (6:11), specifity was 99% (224:225), F1 score was 0.66%. CONCLUSION: The fact that clinical decisions of patients can be made by computers through deep learning methods promises to reduce health expenditures and workload for healthcare workers in the future.

Benzer Tezler

  1. Tez No

    735668

    COVID-19 hastalarında yoğun bakım ünitesi deneyimleri

    Intensive care unit experiences of COVID-19 patients

    NAZLI GÖKNUR ÇİNAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    HemşirelikDokuz Eylül Üniversitesi

    Hemşirelik Ana Bilim Dalı

    PROF. DR. ÖZLEM KÜÇÜKGÜÇLÜ

  2. Tez No

    780214

    Acil servisten yoğun bakım ünitesine yatan COVİD-19 hastalarında PIRO ve CURB-65 skalasının morbidite ve mortalite üzerine belirleyici etkisinin araştırılması

    Investigation of the determinant effect of the PIRO and CURB-65 scale on morbidity and mortality in COVID 19 patients installed from the emergency department to intensive care unit

    TUBA GÜLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Acil TıpTokat Gaziosmanpaşa Üniversitesi

    Acil Tıp Hemşireliği Ana Bilim Dalı

    DOÇ. DR. MEHMET ESEN

  3. Tez No

    761245

    COVID-19 hastalığında mortaliteyi etkileyen faktörler

    Factors that affect mortality in COVID-19 disease

    BURCU ÖZER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Anestezi ve ReanimasyonAkdeniz Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    PROF. DR. MURAT YILMAZ

  4. Tez No

    798912

    COVİD-19 tanılı hastalarda tanı anındaki nötrofil-lenfosit oranı (NLR), trombosit-lenfosit oranı (PLR) ve monosit-lenfosit oranları (MLR), eozinopeni sıklığı ve bunların seyrine etki eden faktörlerin retrospektif analizi

    Retrospective analysis of neutrophil-lymphocyte ratio (NLR), platelet-lymphocyte ratio (PLR) and monocyte-lymphocyte ratios (MLR), eosinopenia frequency and factors affecting their course in patients diagnosed with COVİD-19

    ELİF YÜCESU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    İç HastalıklarıGazi Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. ABDULLAH MÜNCİ YAĞCI

  5. Tez No

    666713

    COVİD-19 tanısı alarak hastanede yatan diyabetik ve diyabetik olmayan hastaların klinik özelliklerinin karşılaştırılması ve diyabetin COVİD-19 prognozuna etkisinin araştırılması

    Comparing the clinical characteristics of diabetic and non-diabetic patients in hospital by diagnosing COVİD-19 and investigation of the effect of diabetes on COVİD-19 prognosis

    KÜBRA KOCATEPE

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Endokrinoloji ve Metabolizma HastalıklarıSağlık Bilimleri Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ŞERİFE MEHLİKA KUŞKONMAZ

Geri Dön