Anksiyete ve depresyon hastalarında intihar düşüncesinin makine öğrenmesi ile değerlendirilmesi
Evaluation of suicide thought in anxiety and depression patients with machine learning
- Tez No: 733609
- Danışmanlar: DOÇ. DR. SEVGİ ÖZMEN, DOÇ. DR. ESRA DEMİRCİ
- Tez Türü: Tıpta Uzmanlık
- Konular: Psikiyatri, Psychiatry
- Anahtar Kelimeler: Makine öğrenmesi, intihar, çocuk ve ergen, depresyon, anksiyete, Machine learning, suicide, child and adolescent, depression, anxiety
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Çocuk Psikiyatrisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Amaç: Bu çalışmanın amacı anksiyete ve depresyon tanısı almış çocuk ve ergenlerde intihar girişimine neden olabilecek faktörlerin makine öğrenmesi algoritmaları ile değerlendirilmesi ve intihar girişimini tahmini için model oluşturmaktır. Gereç ve Yöntem: Erciyes Üniversitesi Tıp Fakültesi Hastanesi Çocuk ve Ergen Ruh Sağlığı ve Hastalıkları Polikliniği'ne 01/11/2020 -01/11/2021 tarihleri arasında başvuran, 12-18 yaş arası DSM-5 tanı kriterlerine göre Major Depresif Bozukluk ve/veya Anksiyete Bozukluğu tanısını ilk kez almış ya da bu tanı ile takip edilen, toplam 130 ergen dahil edildi. Katılımcılar genel psikiyatrik değerlendirmeye alınmış ve tanıların saptanması için okul çağı çocukları için duygulanım bozuklukları ve şizofreni görüşme çizelgesi-şimdi ve yaşam boyu versiyonu–Türkçe uyarlaması (ÇDŞG-ŞY-T) uygulanmıştır. Ergenlere doldurulmak üzere Beck Umutsuzluk Ölçeği, Çocuklar İçin Depresyon Ölçeği, Ebeveyn ve Arkadaşlara Bağlanma Ölçeği Kısa Formu Çocuklarda Anksiyete Bozukluklarını Tarama Ölçeği, İlişki Ölçekleri Anketi Ergen Formu, İntihar Olasılığı Ölçeği verilmiştir. Sosyodemografik veriler ve ölçekler giriş verisi, intihar girişimi öyküsü çıkış verisi olarak kullanılarak makine öğrenmesi modeli oluşturulmuştur. Bulgular: Lojistik regresyon analizi, k en yakın komşu, destek vektör makinesi ve rastgele orman ağacı algoritmaları kullanılarak intihar girişimini tahmin eden modeller oluşturuldu .%82 oranı ile rastgele orman algoritmasının en yüksek doğruluk oranına sahip olduğu raporlandı. Anksiyete ölçeği, kendine zarar verme davranışı, intihar olasılığı ölçeği, depresyon ölçeği, beck umutsuzluk ölçeği ve kayıtsız bağlanma tipinin intihar girişimini tahmin etmede en önemli risk faktörleri olduğu gözlemlendi. Sonuç: Bu çalışmada, ergenlerde intihar girişimlerini tahmin etmek için rastgele orman ağacı algoritması kullanılarak makine öğrenmesi modelinin etkinliğine dikkat çekilmiştir. Bu modelin, intihar riskini değerlendirmek ve süreçleri yönetmek amacı ile klinisyenler tarafından kullanılabileceği düşünülmektedir.
Özet (Çeviri)
Aim: The aim of this study is to evaluate the factors that may cause suicide attempts in children and adolescents diagnosed with anxiety and depression with machine learning algorithms and to create a model for predicting suicide attempt. Method: Admitted to Erciyes University Faculty of Medicine Child and Adolescent Psychiatry Outpatient Clinic, diagnosed with Major Depressive Disorder and/or Anxiety Disorder between, according to DSM V diagnostic criteria; 130 adolescent patients aged 12-18 years were included in the study. Participants were included in the general psychiatric evaluation and the interview schedule for affective disorders and schizophrenia for school-age children-now and lifetime version-Turkish version (CDSG-SY-T) was applied to determine the diagnoses. Adolescents were given Beck Hopelessness Scale, Depression Scale for Children, Short Form of Attachment to Parents and Friends Scale, Screening for Anxiety Disorders in Children, Relationship Scales Questionnaire Adolescent Form, Suicide Probability Scale to be filled in. A machine learning model was created by using sociodemographic data and scales as input data and suicide attempt history output data. Results: Using logistic regression analysis, k nearest neighbor, support vector machine, and random forest tree algorithms, models to predict suicide attempt were constructed. It was reported that the random forest algorithm had the highest accuracy rate with %82. Anxiety scale, self-harming behavior, suicide probability scale, depression scale, beck hopelessness scale and dismissive attachment type were observed to be the most important risk factors in predicting suicide attempt. Conclusion: In this study, attention was drawn to the effectiveness of the machine learning model by using the random forest tree algorithm to predict suicide attempts in adolescents. It is thought that this model can be used by clinicians to evaluate suicide risk and manage processes.
Benzer Tezler
- Kronik subjektif tinnituslu hastalarda tinnitus şiddetinin cinsellik, intihar düşüncesi ve yaşam doyumu ile ilişkisi
The relationship between tinnitus severity and sexuality, suicidal ideation and life satisfaction in patients with chronic subjective tinnitus
KORAY SOYTÜRK
Tıpta Uzmanlık
Türkçe
2024
PsikiyatriSağlık BakanlığıRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. MELTEM PUŞUROĞLU
- Major depresif bozuklukta intihar yordayıcıları
Predi̇cti̇ve factors of sui̇ci̇de attempt i̇n major depressi̇ve di̇sorder
ŞENAY YILDIZ BOZDOĞAN
Tıpta Uzmanlık
Türkçe
2014
PsikiyatriGaziosmanpaşa ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
YRD. DOÇ. DR. AZİZ MEHMET GÖKBAKAN
- Major depresyon tanılı hastalarda intihar düşüncesinin üst bilişsel inançlar ve bilişsel dikkat kilitlenmesi sendromu ile ilişkisi
The relationship between suicidal ideation, metacognitive beliefs, and cognitive attentional syndrome in patients diagnosed with major depression
ÜMİT YILMAZ
Tıpta Uzmanlık
Türkçe
2023
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DR. SALİH CİHAT PALTUN
- Bipolar bozukluk tanılı depresif dönemdeki hastalarda komorbid dissosiyatif bozukluk sıklığı ve unipolar depresyon tanılı hastalarla karşılaştırılması, dissosiyasyonun intihar düşüncesi ve anksiyete üzerine etkilerinin incelenmesi
Frequency of comorbid dissociative disorders in patients with bipolar disorder during depressive episodes compared to those with unipolar depression, and investigating the effects of dissociation on suicidal ideation and anxiety
GİZEM ÖZTÜRK
Tıpta Uzmanlık
Türkçe
2024
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. KAYIHAN OĞUZ KARAMUSTAFALIOĞLU
- Güncel intihar düşünceleri bulunan majör depresyon ve obsesif kompulsif bozukluklu bireylerin klinik, kişilik ve sosyodemografik yönlerden karşılaştırılması
A comparison of major depressive and obsessive- compulsive subjects with current suicidal ideations in terms of socio-demographic, clinic, and personality factors.
CAN GEDİKBAŞ
Tıpta Uzmanlık
Türkçe
2009
PsikiyatriAdnan Menderes ÜniversitesiPsikiyatri Ana Bilim Dalı
PROF. DR. LEVENT SEVİNÇOK