Pıhtı dalga formu analizi kullanarak makine öğrenmesi temelli mortalite tahminleme modeli geliştirilmesi
Development of a machine learning based mortality prediction model using clot waveform analysis
- Tez No: 828921
- Danışmanlar: PROF. DR. AYFER ÇOLAK
- Tez Türü: Tıpta Uzmanlık
- Konular: Biyokimya, Biochemistry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İzmir Tepecik Eğt. ve Arş. Hast.
- Ana Bilim Dalı: Tıbbi Biyokimya Ana Bilim Dalı
- Bilim Dalı: Tıbbi Biyokimya Bilim Dalı
- Sayfa Sayısı: 101
Özet
Amaç: Çalışmamızda dissemine intravasküler koagülasyon, sepsis gibi klinik durumlarda kullanımı araştırılan pıhtı dalga formu analizi (PDFA) ve rutinde kullanılan parametreleri ilişkilendiren makine öğrenmesi algoritmalarını kullanarak kompleks patofizyolojik mekanizmaları çözümleyebilen, laboratuvar verilerine dayalı, objektif bir mortalite tahminleme modeli geliştirmeyi amaçladık. Gereç ve Yöntem: Retrospektif, tek merkezli çalışmamızda yatışı 72 saati aşmış 400 yoğun bakım ünitesi (YBÜ) hastasının verileri kullanıldı. Yaş, cinsiyet, YBÜ'ye yatışın 24-72. saatindeki laboratuvar parametreleri ile her birinin iki zaman arasındaki yüzde değişim değeri girdi değişkenleri; 7-28.gün sonlanım noktalarına göre sağkalım durumu çıktı değişkeni olarak kullanıldı. Test/eğitim seti oranı 0.25 belirlendi. Eğitim ve validasyon sürecinde k=10 katlamalı çapraz doğrulama yöntemiyle belirlenen en başarılı iki model, optimize edilip yeniden eğitilerek test verisiyle performansları değerlendirildi. Model açıklanabilirliği için parametre önem dereceleri hesaplandı. Bulgular: Final performans değerlendirmesinde 7.gün sonlanımında sırasıyla RF ve LGBM için; 0.87/0.88 doğruluk, 0.89/0.88 AUC, 0.76/0.79 F1 skor; 28.gün sonlanımında 0.83/0.83 doğruluk, 0.88/0.90 AUC, 0.83/0.83 F1 skor değerleri elde edilmiştir. Her iki sonlanım için modellerin önem derecelendirmesinde PDFA parametreleri ilk 5 sıra içerisinde yer almıştır. Sonuç: Literatürdeki konvansiyonel ve makine öğrenmesi temelli mortalite öngörü çalışmaları incelendiğinde, çalışmamız PDFA parametrelerinin kullanıldığı ilk çalışmadır. RF ve LGBM modellerimiz başarıyla mortalite tahmininde bulunurken, PDFA bu modeller içerisinde önemli roller üstlenmiştir. Çalışmamızın makine öğrenmesinin biyokimya alanındaki potansiyelini ortaya çıkardığı, PDFA'nın da prognoz öngörüsü konusunda basit, ucuz, hızlı olmasıyla gelecekte klinik kullanıma gireceği kanaatindeyiz.
Özet (Çeviri)
Aim: In our study, we aimed to develop an objective mortality prediction model based on laboratory data that can analyze complex pathophysiological mechanisms by using clot waveform analysis (CWA), which has been investigated for use in clinical conditions such as disseminated intravascular coagulation and sepsis, and machine learning algorithms that associate routinely used parameters. Materials and Methods: In our retrospective, single-center study, we used data from 400 intensive care unit (ICU) patients whose hospitalization exceeded 72 hours. Age, gender, laboratory parameters at 24th-72nd hour of ICU admission and the percentage change between the time points of each parameter were used as input variables; survival status according to 7th-28th day endpoint was used as output variable. The test/training set ratio was 0.25. During the training and validation process, the two most successful models determined by the k=10 fold cross-validation method were optimized and retrained, and their performances were evaluated with the test data. Parameter significance levels were calculated for model explainability. Results: In the final performance evaluation, 0.87/0.88 accuracy, 0.89/0.88 AUC, 0.76/0.79 F1 score values were obtained for RF and LGBM at the 7th day outcome, and 0.83/0.83 accuracy, 0.88/0.90 AUC, 0.83/0.83 F1 score values were obtained at the 28th day outcome. For both outcomes, CWA parameters were ranked in the top 5 in the importance ranking of the models. Conclusion: When conventional and machine learning-based mortality prediction studies in the literature are analyzed, our study is the first study using CWA parameters. While our RF and LGBM models successfully predicted mortality, CWA played an important role in these models. We believe that our study reveals the potential of machine learning in the field of clinical chemistry, and that CWA will be included in clinical use in the future with its simple, cheap and fast prognosis prediction.
Benzer Tezler
- Kronik böbrek hastalığında kan örneklerinde DKK-3 protein düzeyleri ile nabız dalga hızı, santral kan basıncı ve diğer kardiyovasküler risk faktörleri arasındaki ilişki
The relationship between DKK-3 protein levels and pulse wave rate, central blood pressure and other cardiovascular risk factors in blood samples in chronic kidney disease
ESMA AYBÜKE BİLEN
Tıpta Uzmanlık
Türkçe
2024
NefrolojiNecmettin Erbakan Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. KÜLTİGİN TÜRKMEN
- Periferik sinir defektlerinin onarımında kullanılan iletkenlerin fasikül rejenerasyonuna etkisi
The effect of conduits used in peripheral nerve reconstruction on fascicular regeneration
AHMET SÖNMEZ
Tıpta Uzmanlık
Türkçe
2002
Plastik ve Rekonstrüktif CerrahiMarmara ÜniversitesiPlastik ve Rekonstrüktif Cerrahi Ana Bilim Dalı
DOÇ.DR. MEHMET BAYRAMİÇLİ
- Bextiyar Elî'nin Hinara Dawî ya Dinyayê romanında büyülü gerçekçilik
Di romana Bextiyar Elî ya Hinara Dawî ya Dinyayê da realîzma efsûnî / Magical realism Bextiyar Eli's in the novel Hinara Dawî ya Dinyayê (World's last pomegranate)
AYŞEGÜL ÇELEBİ
Yüksek Lisans
Türkçe
2020
Doğu Dilleri ve EdebiyatıDicle ÜniversitesiKürt Dili ve Kültürü Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FARUK KAZAN
- Belgrad Ormanı ve çevresinde yetişen mantar türleri üzerine araştırmalar
Başlık çevirisi yok
YILMAZ BALCI
- Pıhtı birikimi ve efor koşullarının abdominal aort anevrizması üzerinde oluşturduğu hemodinamik etkilerin sayısal yöntemlerle incelenmesi
Numerical investigation of the hemodynamic effects of thrombus accumulation and effort conditions on abdominal aortic aneurysm
AYKUT CAN ARSLAN
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ENES SALMAN