Geri Dön

Prediction of Sepsis in Intensive Care Unit patients using machine learning

Yoğun Bakım hastalarında Sepsisin makine öğrenmesiyle tahmini

  1. Tez No: 855186
  2. Yazar: BITA AZARI
  3. Danışmanlar: PROF. DR. SABRİ ERDEM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Yönetim Bilişim Sistemleri, Management Information Systems
  6. Anahtar Kelimeler: Makine öğrenmesi, Sepsis, erken tahmin, algoritma, Machine Learning, Sepsis, Early Prediction, Algorithm
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme (İngilizce) Ana Bilim Dalı
  12. Bilim Dalı: İşletme Bilişim Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 84

Özet

Sepsis, dünya çapında yoğun bakım ünitelerinde (YBÜ) önde gelen bir ölüm nedenidir ve özellikle hastalığın erken evrelerinde tanınması tıbbi bir zorluk olmaya devam etmektedir. Halk sağlığı sorununa göre, sepsis hastalarının yıllık hastane tedavi maliyetleri artmaktadır. Son literatür, erken ve uygun antibiyotik tedavisinin sepsis sonuçlarını öngören ana faktör olduğunu ve bu tedavinin sepsis erken teşhis edilebilmesi mümkün olduğunu göstermektedir. Bu nedenle, sepsis için antibiyotik tedavisi olmaksızın, ölüm riski her ek saatle birlikte artmaktadır. Doğru erken tanı ve tedavi, olumsuz hasta sonuçları riskini azaltabilir, ancak geleneksel kural tabanlı tarama yöntemlerinin etkinliği sınırlıdır. Yapay zekaya (AI) dayalı bir tanı sisteminin birçok tıbbi alanda etkili olduğu gösterildiğinden; makine öğreniminin, büyük hasta veri kümelerini analiz etmek için bir dizi yaklaşım sağladığı ve potansiyel olarak olmayan özellikler arasında kalıplar ve eğilimler bulduğu açıktır. Bu çalışmanın amacı, Dokuz Eylül Hastanesi yoğun bakım hasta veri kümesini kullanarak sepsis tahmini için bir makine öğrenimi algoritması (MLA) geliştirmek ve doğrulamaktır. Makine öğrenimi, büyük hasta veri kümelerini analiz etmek için bir dizi yaklaşım sunar ve potansiyel olarak özellikler arasında olmayabilecek kalıpları ve eğilimleri bulur. Bu çalışma, klinisyenlere açık hasta sonuçlarını sınıflandırma performanslarını test etmek için rastgele orman, gradyan destekli sınıflandırıcı, k-komşu sınıflandırıcı ve sinir ağının deneysel bir analizini tamamlamıştır.

Özet (Çeviri)

Sepsis is one of the leading causes of death in intensive care units (ICUs) around the world and detecting sepsis and treating the disease can be particularly challenging for doctors, especially in its early stages. The annual expenditures for hospital treatment for sepsis patients are increasing due to public health issues. According to current literature, early and appropriate antibiotic medication is a major predictor of sepsis outcome, and early detection of sepsis may enable this treatment. As a result, without antibiotic therapy for sepsis, the risk of death increases with each consecutive hour. Finding out if a person has sepsis early and giving them the right treatment quickly can help ensure they have a better chance of getting better. However, relying on traditional rule-based screening methods to identify problems is not always reliable. Since AI-based diagnostic systems are proving useful in many medical fields, machine learning can be used to possibly analyze large patient datasets to uncover previously unknown patterns and trends among features by offering a variety of techniques. Using the Dokuz Eylul Hospital critical care patient dataset, this work aims to develop and verify a machine learning algorithm (MLA) that can predict severe sepsis. Machine learning offers a variety of ways to analyze huge patient datasets, potentially uncovering previously unknown patterns and trends across features. This study used experimental analyses of a random forest, gradient-boosted classifier, k-neighbor's classifier, and neural network to identify patient outcomes.

Benzer Tezler

  1. 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

    VELİ İYİLİKCİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    BiyokimyaSağlık Bilimleri Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    PROF. DR. AYFER ÇOLAK

  2. Sepsis tanılı yoğun bakım hastalarında çeşitli prognostik göstergelerin mortalite ile ilişkisi

    The relationship of various prognostic indicators with mortality in intensive care unit patients with sepsis

    TUĞÇE DAMARSOY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Enfeksiyon Hastalıkları ve Klinik MikrobiyolojiBolu Abant İzzet Baysal Üniversitesi

    Enfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı

    DOÇ. DR. HASAN TAHSİN GÖZDAŞ

  3. Karaciğer nakli sonrası gelişen sepsiste mortalitenin öngörülebilmesi

    Prediction of sepsis mortality after liver transplantation

    ERTUĞRUL KARABULUT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Genel Cerrahiİnönü Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    DOÇ. DR. EMRAH OTAN

  4. Sepsis tanısı ile erişkin yoğun bakım ünitesine kabul edilen hastalarda ilk 24 saatte bakılan CRP/albümin oranının ve laktat değerinin mortalite ile ilişkisi

    The relationship between CRP/albumin ratio and lactate values assessed in the first 24 hours with mortality in patients admitted to the adult intensive care unit with a diagnosis of sepsis.

    İZZETTİN ÇAĞDAŞ TACAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Anestezi ve ReanimasyonSağlık Bilimleri Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    DR. GÜLŞEN BOSNA

  5. Yoğun bakımda APACHE II, APACHE IV VE SAPS III skorlama sistemlerinin standardize mortalite oranı hesaplanmasında etkinliği

    Effectiveness of APACHE II, APACHE IV and SAPS III scoring systems for the calculation of standardized mortality ratio in intensive care unit

    SELDA YAŞAROĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    Anestezi ve ReanimasyonSağlık Bilimleri Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    UZMAN ZAFER ÇUKUROVA