Akut pulmoner tromboemboli hastalarında geliştirilen yapay zeka modellemesinin pesı skoruyla karşılaştırılması
Comparison of artificial intelligence modeling with pesi score in acute pulmonary thromboembolism patients
- Tez No: 834296
- Danışmanlar: DOÇ. DR. TUFAN ÇINAR
- Tez Türü: Tıpta Uzmanlık
- Konular: Kardiyoloji, Cardiology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Sultan Abdülhamid Eğt. ve Arş. Hast.
- Ana Bilim Dalı: Kardiyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Pulmoner tromboemboli (PTE), venöz tromboembolizm hastalığının ana bileşenlerinden biridir ve kardiyovasküler hastalıklar arasında mortalite ve morbiditesi yüksek hastalıklar arasında yer almaktadır. 65 yaş üzeri hastalar arasında hastane içi mortalite %4, 6 aylık mortalite oranı ise %20 civarındadır. Genel popülasyonda ise 30 günlük mortalite oranı %5'tir Bu çalışmada, PTE hastalarında erken tanı koymak ve kısa dönem (ilk 30 gün) mortaliteyi öngörmek amacıyla makine öğrenmesiyle geliştirilmiş bir modelin performansı incelenmiş ve referans skorlama olan PESI skoruyla karşılaştırma amaçlanmıştır. Çalışmada, 207 PTE hastası ve 200 PTE tanısı dışlanmış kontrol hastası üzerinde yapılan analizlerle modelin doğruluğu değerlendirilmiştir. Model, PTE tanısını koymada %91, ilk 30 gün mortaliteyi tahmin etmede ise %93 duyarlılık göstermiştir. Ayrıca, PTE hastalarında kullanılan klasik risk skoru olan PESI ile karşılaştırıldığında, modelin üstün bir performans sergilediği tespit edilmiştir. PTE hastalarında yapılan pulmoner bilgisayarlık tomografik anjiografi ( PBTA )görüntülerinden alınan verilerin kullanılması sayesinde, modelin klinik parametrelerden daha kolay kullanılabileceği ve daha doğru sonuçlar elde edilebileceği görülmüştür. Model, PTE hastalarının tedavi süreçlerinde ve prognozlarında erken müdahale imkanı sağlayarak hastaların yaşam kalitesini artırabilir ve morbidite-mortalite oranlarını düşürebilir. Sonuç olarak, bu çalışmada geliştirilen makine öğrenmesi modeli, PTE hastalarının tanı ve tedavi süreçlerinde klinik parametrelerden daha etkili bir yöntem olarak öne çıkmaktadır. Gelecekte daha geniş veri setleriyle ve farklı popülasyonlarda yapılacak çalışmalarla modelin güvenilirliği daha da artırılabilir. Bu tür yapay zeka tabanlı modellerin klinik uygulamalarda kullanılması, PTE'nin erken tanısı ve tedavisi için önemli bir araç olabilir.
Özet (Çeviri)
Pulmonary thromboembolism (PTE) is one of the main components of venous thromboembolism disease and ranks among the high-mortality and high-morbidity conditions within cardiovascular diseases. Hospital mortality among patients aged 65 and above is around 4%, while the 6-month mortality rate is approximately 20%. In the general population, the 30-day mortality rate is 5%. This study examines the performance of a machine learning model developed to make early diagnoses and predict short-term (first 30 days) mortality in pulmonary thromboembolism (PTE) patients, comparing it with the reference scoring system, PESI score. The analysis was conducted on 207 PTE patients and 200 control patients with excluded PTE diagnoses to evaluate the accuracy of the model. The model showed a sensitivity of 91% in diagnosing PTE and 93% in predicting first 30-day mortality. Furthermore, when compared with the classical risk scoring system, PESI, the model exhibited superior performance. Using data obtained from PBTA images of PTE patients, it was observed that the model could be more easily utilized and provide more accurate results than clinical parameters. By enabling early intervention in the treatment and prognosis of PTE patients, the model could enhance their quality of life and reduce morbidity-mortality rates. In conclusion, the machine learning model developed in this study stands out as a more effective method than clinical parameters in the diagnosis and treatment of PTE patients. Its reliability can be further enhanced through future studies with larger datasets and in different populations. The use of such artificial intelligence-based models in clinical applications can be a crucial tool for the early diagnosis and treatment of PTE
Benzer Tezler
- Pulmoner endarterektomi operasyonu yapılan hastalarda uygulanan operatif tekniğin ve perioperatif yönetimin mortalite ve morbidite üzerine etkileri.
The effects of operative technique and perioperatıve management on mortality and morbidity in patients who had pulmonary endarterectomies.
AKIN ARSLAN
Tıpta Uzmanlık
Türkçe
2013
Göğüs Kalp ve Damar CerrahisiSağlık BakanlığıKalp ve Damar Cerrahisi Ana Bilim Dalı
PROF. DR. NİLGÜN BOZBUĞA
- Akut pulmoner tromboemboli hastalarında kronik tromboembolik pulmoner hipertansiyon gelişim sıklığı ve bu gelişimi ön görebilecek faktörler
Incidence and predictive factors of chronic thromboembolic pulmonary hypertension in acute pulmonary thromboembolism patients
ŞİLAN IŞIK
Tıpta Uzmanlık
Türkçe
2018
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiGöğüs Hastalıkları ve Tüberküloz Ana Bilim Dalı
PROF. DR. EMİNE BAHAR KURT
- Akut pulmoner tromboemboli hastalarında soluble ST-2 düzeyi ile kronik tromboembolik pulmoner hipertansiyon arasındaki ilişki
With soluble ST-2 level in patients with acute pulmonary thromboembolism Relationship between chronic thromboembolic pulmonary hypertension
MURAT KERKÜTLÜOĞLU
Tıpta Uzmanlık
Türkçe
2020
KardiyolojiKahramanmaraş Sütçü İmam ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. HAKAN GÜNEŞ
- Akut pulmoner tromboemboli hastalarında komorbiditenin kısa dönem sağlık sonuçları ve hastane maliyeti üzerine etkisi
Effects of comorbidity in acute pulmonary thromboembolism patients on short-term health issues and hospital costs
YASİN DUMAN
Tıpta Uzmanlık
Türkçe
2015
Göğüs HastalıklarıMersin ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DOÇ. DR. EYLEM SERCAN ÖZGÜR
- Akut pulmoner tromboemboli hastalarında serum endocan düzeyleri
Serum endocan levels in patients with acute pulmonary thromboembolism
MUTLU KULUÖZTÜRK
Tıpta Uzmanlık
Türkçe
2016
Göğüs HastalıklarıFırat ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
YRD. DOÇ. DR. ERDAL İN