Machine learning models for identifying cause effect relationship in medical treatment data
Tıbbi tedavi verilerinden sebep sonuç ilişkilerinin makina öğrenim yöntemleri ile belirlenmesi
- Tez No: 679547
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZLEM AKTAŞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 119
Özet
Sağlık sektörü, çeşitli kaynaklardan toplanan bir veri hazinesiyle donatılmıştır. Bu büyük miktardaki veri harikalar yaratmak için kullanılabilir. Bu çalışmada, tıbbi tedavi verilerini kullanarak yoğun bakım ünitesi hastalarında günlük tıbbi değişiklikleri gözlemlemek ve yakalamak için temel bileşen analizini ana yöntem olarak kabul edilmiştir. Sonuçlar, bir müdahaleden sonra hangi laboratuar testlerinin değişkenlik gösterdiğini ve ilişkili epifenomenleri ile ilgili hekimleri bilgilendirmek için kullanılabilecektir. Ayrıca, hangi tedavi veya tanının daha sonra uygulanacağı, hangi reçetelerin verilmesi veya kaçınılması gerektiği gibi kararlar verebilmek için bir ipucu olarak kullanılabilecektir. Deneysel analiz sonuçları, temel bileşen analizinin belirli bir tedavi veya müdahaleden sonra hastanın günlük değişiklikler yakalayabildiğini göstermektedir. Model geçerliliği ve kararlılığı permütasyon ve önyükleme testi kullanılarak değerlendirilmiştir. Her iki durumda da, model hem tek kuyruklu hem de iki kuyruklu istatistiksel anlamlılık testleri için kabul edilebilir bir önem seviyesi sergilemektedir. Ayrıca nedensel etki analizi, Bayesci yapısal zaman serisi modelleri kullanılarak yapılmıştır. Sonuçlar, yaklaşımın tıbbi müdahalelerden bir neden-sonuç ilişkisi kurmak için büyük miktarlarda hasta verilerini yorumlamak için umut verici sonuçlar sağladığını ve bir erken uyarı sistemi olarak kullanılabileceğini göstermiştir. Bu çalışma, temel bileşen analizinin hastanın değişen koşulları hakkında klinisyenlere bir uyarı sağlama ve izleme kabiliyetlerini göstererek, hastalara zamanında müdahale fırsatları sağlama yeteneğini yansıtmaktadır. Diğer makine öğrenimi modelleriyle birleştirilirse, bu yaklaşım klinik karar vermeyi destekleyebilecek, daha iyi hasta sağlığı sonuçları için hastaya özel etkili bakımı sağlayabilir.
Özet (Çeviri)
The healthcare industry is equipped with a treasure trove of data gathered from various sources. This massive amount of data can be used to work wonders. In this study, we used a carefully selected subset of data from the Medical Information Mart for Intensive Care database. We adopted principal component analysis as the main method, to observe and capture the daily medical changes in intensive care unit patients from their medical treatment data. The results can be used to inform the attending physicians, which laboratory tests are exhibiting variances after an intervention along with their associated epiphenomenon. This will be used to make decisions such as, which treatment or diagnosis to apply further or which prescriptions to give/avoid. Experimental analysis results indicate that principal component analysis was able to capture daily patient changes after a certain treatment or intervention. Model validity and stability are evaluated using permutation and bootstrap tests. In both cases, the model exhibited an acceptable significance level. Moreover, causal impact analysis is conducted using Bayesian structural time-series models. Results showed that the approach provides promising results for interpreting large quantities of patient data for establishing a cause-effect relationship from medical interventions and be used as an early warning system. The study reflected the capability of principal component analysis to monitor and provide an alert to the clinicians about the patient's conditions, thereby providing opportunities for timely interventions. If combined with other AI models, the approach can be able to support medical decision making and enable effective patient-tailored care for better patient health outcomes.
Benzer Tezler
- İnsan gen yolaklarında ikâme modelleme ve makine öğrenmesi kullanarak varyant analizi
Variant analysis in human gene networks using surrogate modelling and machine learning
FURKAN AYDIN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Kentsel mikro iklimin iyileştirilmesine yönelik kent dokularında ısı adası etki değerlendirme ve azaltım stratejileri geliştirme modeli: İstanbul örneği
The model of urban heat island impact assessment and mitigation strategies in urban fabric to improve urban microclimate: The case of İstanbul
DENİZ ERDEM OKUMUŞ
Doktora
Türkçe
2022
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATİH TERZİ
- Toplam kalite yönetimi, kalite güvencesi sistemleri ve Türkiye'deki uygulamaları
Total quality management, quality assurance systems and their applications in Turkey
AHMET BEŞKESE
Yüksek Lisans
Türkçe
1995
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ATAÇ SOYSAL
- Enhancing human resource decision making with image-based OSMI data analysis: leveraging PIX2PIX for accurate workplace mental health insights
İş yeri mental sağlık incelemeleri için PIX2PIX kullanarak, görüntü tabanlı OSMI veri analiziyle insan kaynakları karar süreçlerini geliştirme
FARIBA FARID
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN BAYYURT
- Emlak vergisi için CBS ve makine öğrenmesi teknikleri kullanılarak toplu taşınmaz değerleme modeli tasarımı
Designing a mass real estate valuation model using GIS and machine learning techniques for property taxation
HALUK GÜL
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MAHMUT OĞUZ SELBESOĞLU