Developing machine learning based clinical decision support system to predict clinical outcomes in the emergency department
Acil serviste klinik olayları tahmin etmek için makine öğrenmesi tabanlı karar destek sistemi geliştirilmesi
- Tez No: 859268
- Danışmanlar: DOÇ. DR. ÖZGÜR GÜMÜŞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Acil servisler, kaza ve yaralanma gibi beklenmedik durumlarda hastaların tedavi edildiği hastane bünyesindeki özel birimlerdir. Bu birimdeki teşhis ve müdahaleler, hastayı olası ciddi sağlık sorunlarından ve ölümden koruduğu için büyük önem taşımaktadır. Bu da acil servislerde karar verme süreçlerinin iyileştirilmesi ihtiyacını doğurmaktadır. Makine öğrenimi modelleri, klinik sonuçları tahmin etmek ve acil servis ortamlarındaki mevcut durumu iyileştirmek için kullanılmaktadır. Ancak makine öğrenimi modelleri, etkili tahmin performansı için büyük miktarlarda doğru toplanmış hasta verisine ihtiyaç duyar. Mevcut karar alma mekanizmalarına entegre olmaları da zordur. Bu tezde, farklı veri birleştirme işlemleri gerçekleştirerek modellerin tahmin performansını artırmak için çeşitli makine öğrenimi modelleri ve çoklu görev yöntemleri kullanılmaktadır. Amaç, mortalite, yoğun bakım ünitesine kabul, üç günden fazla hastanede kalma ve Sepsis-3 kriterlerini karşılama gibi kritik klinik sonuçları doğru bir şekilde tahmin etmektir. Bu araştırma, geliştirilen modellerin farklı özelliklere sahip hasta popülasyonları ve çeşitli sağlık kuruluşlarından alınan veriler arasında bazı klinik sonuçlar için genellenebilirliğini göstererek makine öğrenimi tabanlı klinik karar verme sistemlerinin geliştirilmesine katkıda bulunmaktadır. Ayrıca acil servis hastalarında, özellikle de yoğun bakım ünitesi hastalarında sepsis tahminini mümkün kılarak bu alana katkı sağlamaktadır.
Özet (Çeviri)
Emergency services are special units within a hospital where patients are treated in unexpected situations such as accidents and injuries. Diagnosis and interventions in this unit are of great importance as they protect the patient from severe possible health problems and death. This leads to the need to improve decision-making in emergency departments. Machine learning models are used to predict clinical outcomes and improve the current situation in emergency department settings. However, machine learning models require large amounts of accurately collected patient data for effective prediction performance. It is also difficult for them to integrate into existing decision-making mechanisms. In this thesis, various machine learning models and multitasking methods are used to improve the prediction performance of the models by performing different data merging operations. The aim is to accurately predict critical clinical outcomes such as mortality, intensive care unit admission, hospitalization for more than three days, and meeting Sepsis-3 criteria. This research contributes to developing machine learning-based clinical decision-making systems by demonstrating the generalizability of the developed models for some clinical outcomes across patient populations with different characteristics and data from various healthcare organizations. It also contributes to this field by enabling sepsis prediction in emergency department patients, especially in intensive care unit patients.
Benzer Tezler
- Derin öğrenme yaklaşımı ile sigara bırakma tedavisinin belirlenmesi için karar destek sisteminin geliştirilmesi
Developing decision support system for determining of smoking cessation therapy with deep learning approach
MEHMET ERŞAN KALAYCI
Yüksek Lisans
Türkçe
2022
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. KEMAL TURHAN
- Makine öğrenimi ile acil servis triyaj tahmin modeli geliştirme: İstanbul'da bir sağlık grubu örneği
Developing an emergency service triage prediction model with machine learning: an example of a healthcare group in İstanbul
MUHAMMED EMRE GÜVEY
Doktora
Türkçe
2026
Yönetim Bilişim SistemleriSağlık Bilimleri ÜniversitesiSağlık Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MUHAMMED FEVZİ ESEN
- Yapay zeka ile meme kanseri teşhisi
Breast cancer diagnosis with artificial intelligence
İLKER ÇAKAR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Kardiyometabolik multimorbiditesi olan yaşlı hastalarda bakım gereksinimlerini sınıflandırma ve hemşirelik tanılarını belirlemeye yönelik bir karar destek sisteminin geliştirilmesi
Developing a decision support system for classifying care needs and determining nursing diagnoses in older patients with cardiometabolic multimorbidity
MERVE GÜLBAHAR EREN
- Kronik hepatit b hastalarında sağlık okuryazarlığı ölçeği geliştirilmesi ve düzeyinin istatistiksel ve makine öğrenmesi yöntemleriyle modellenmesi
Development of a health literacy scale in patients with chronic hepatitis b and modeling of health literacy levels using statistical and machine learning methods
BARIŞ ELALTUNTERİN
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİNE YAYLALI