Geri Dön

Ankara eğitim ve araştırma hastanesine başvuran ≥18 yaş kişilerde tiroit stimülan hormon (TSH), serbest tiroksin (sT4) ve serbest triiodotironin (sT3) için yapay zeka uygulamaları kullanılarak indirekt referans aralıklarının hesaplanması

Calculation of indirect reference intervals using artificial intelligence applications for thyroid stimulating hormone (TSH), free thyroxine (fT4), and free triodotyronine (fT3) in individuals aged ≥18 years in ankara training and research hospital

PDF İndir

  1. Tez No: 860686
  2. Yazar: SEMİH FAZLI KAYAHAN
  3. Danışmanlar: PROF. DR. MEHMET ŞENEŞ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Biyokimya, Biochemistry
  6. Anahtar Kelimeler: Referans aralık, indirekt yaklaşım, yapay zeka, makine öğrenimi, gruplama, bulanıklaştırma, tiroit fonksiyon testleri, Reference interval, indirect approach, artificial intelligence, machine learning, grouping, fuzzification, thyroid function tests
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Ankara Eğitim ve Araştırma Hastanesi
  11. Ana Bilim Dalı: Tıbbi Biyokimya Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 150

Özet

Amaç: Çalışmamızda tiroit fonksiyon testleri (TFT) için referans aralıkların indirek yaklaşımla hesaplanması sırasında yapay zeka algoritmaları ile birden fazla gruplama kriterinin beraber kullanılması, gruplama kriterlerinin önem derecelerinin karşılaştırılması, kaç grup oluşturulması gerektiğine karar verilmesi, grupların oluşturulması ve gruplar arası keskin geçişlerin bulanıklaştırılması işlemlerinin objektif, sistematik, doğru ve etkin bir şekilde gerçekleştirilmesi amaçlanmıştır. Gereç ve Yöntem: Çalışmamızın tasarlanmasında Uluslararası Klinik Kimya ve Laboratuvar Tıbbı Federasyonu (IFCC) Referans Aralıkları ve Karar Limitleri Komitesi tarafından önerilen, indirekt referans aralık çalışmasında olması gereken asgari gereksinimler esas alındı. Hastanemiz Kurum Hekimliği ve Aile Hekimliği polikliniklerine 1 Ocak 2019- 31 Aralık 2021 tarihleri arasında başvuran TFT çalışılan ≥18 yaş 48397 bireyin laboratuvar bilgi yönetim sistemindeki (LBYS) kayıtlı verileri alındı. Elde edilen verilere dahil etme ve dışlama kriterleri uygulandıktan sonra 9455 birey referans örnek grubu olarak belirlendi. Kaç grup oluşturulması gerektiği Elbow yöntemi ile belirlenip K-means algoritması ile gruplar oluşturuldu. Ardından Extra Trees Classifier algoritması ile gruplama kriterlerinin önem dereceleri belirlendi. Referans aralıklar nonparametrik persentil metod ile hesaplandı. Bulanıklaştırma işleminde ise Fuzzy C Means algoritması kullanıldı. Bulgular: İstatistiksel analize geçmeden önce K-means algoritması ile yapılan gruplama çalışmasında en uygun kriterlerin yaş, cinsiyet, tiroit stimülan hormaon (TSH) ve serbest tiroksin (sT4) sonuçları olduğuna karar verildi. Elde edilen grupların yaş aralıkları: Grup I: 18-26 yaş, Grup II: 27-34 yaş, Grup III: 35-42 yaş, Grup IV: 43- 52 yaş, Grup V: 53-65 yaş, Grup VI: 66-94 yaş idi. TSH için aktif kullanılan referans aralıklara göre (18-19 yaş: 0.51-4.3 mIU/L, 20-49 yaş: 0.4-4.20 mIU/L, 50-59 yaş: 0.52-4.03 mIU/L, 60-69 yaş: 0.49-4.33 mIU/L, 70-79 yaş: 0.45-5.90 mIU/L, 80 yaş ve üzeri: 0.33-7.5 mIU/L) genel olarak daha yüksek referans alt ve üst sınırlar elde edildi (Grup I: 0.82-5.11 mIU/L, Grup II: 0.82-4.54 mIU/L, Grup III: 0.69-4.55 mIU/L, Grup IV: 0.69-4.87 mIU/L, Grup V: 0.68-4.78 mIU/L, Grup VI: 0.60-5.93 mIU/L). Serbest T4 testi için aktif olarak tek referans aralık (0.93-1.7 ng/dL) kullanılırken, birbirinden farklı 6 referans aralık elde edildi (Grup I: 0.98-1.60 ng/dL, Grup II: 0.96-1.57 ng/dL, Grup III: 0.93-1.52 ng/dL, Grup IV: 0.91-1.53 ng/dL, Grup V: 0.92-1.56 ng/dL, Grup VI: 0.91-1.58ng/dL). Yirmi iki yaşındaki bir bireyin Fuzzy C means algoritmasına göre elde edilen 6 gruba ait üyelik dereceleri sırasıyla %68, %16, %7, %4, %3 ve %2 idi. Bu bireyin referans aralıkları ise TSH için 0.80-4.98 mIU/L iken, sT4 için 0.97- 1.59 ng/dL idi. Sonuç: Çalışmamız, gruplama işlemlerinde başlangıçta rastgele gruplara ayırıp daha sonra gruplamaya gerek olup olmadığının değerlendirildiği çalışmalara göre daha objektif ve standart bir prosedür sunmaktadır. Ayrıca kriterlerimizin önem derecelerini karşılaştırabilmemiz ve bunu yine yapay zeka ile yapıyor olmamız, doğru ve güvenilir gruplama kriterlerinin seçimi konusunda yol göstericidir. Gruplar arası keskin geçişlerin bulanıklaştırılmasının makine öğrenimi algoritmaları ile sistematik olarak yapılabilmesi, referans aralıkların daha kişiselleştirilmiş ve daha gerçekçi hesaplanabilmesine olanak sağlayacaktır.

Özet (Çeviri)

Aim: Our study aimed to use artificial intelligence algorithms to calculate the reference intervals (RIs) for thyroid function tests (TFTs) using an indirect approach by using multiple grouping criteria together, comparing the importance of grouping criteria, deciding how many groups should be formed, forming groups and blurring sharp transitions between groups in an objective, systematic, accurate and efficient manner. Materials and Methods: The design of our study was based on the minimum requirements for an indirect RI study as recommended by the IFCC Reference Intervals and Decision Limits Committee. The LIS-registered data of 48397 individuals aged ≥18 years who were admitted to our hospital's Occupational Medicine and Family Medicine outpatient clinics between January 1, 2019, and December 31, 2021, and who underwent TFTs studies were obtained. After applying the inclusion and exclusion criteria to the obtained data, 9455 individuals were determined as the reference sample group. The Elbow method determined how many groups should be formed, and groups were formed with the K-means algorithm. Then, the importance levels of the grouping criteria were determined with the Extra Trees Classifier algorithm. RIs were calculated with the nonparametric percentile method. The Fuzzy C Means algorithm was used in the fuzzification process. Results: Before statistical analysis, it was decided that age, gender, TSH and sT4 results were the most appropriate criteria for grouping by the K-means algorithm. Age ranges of the groups obtained: Group I: 18-26 years, Group II: 27-34 years, Group III: 35-42 years, Group IV: 43-52 years, Group V: 53-65 years, Group VI: 66-94 years. Generally higher reference lower and upper limits were obtained for TSH (Group I: 0.82-5.11 mIU/L, Group II: 0.82-4.54 mIU/L, Group III: 0.69-4.55 mIU/L, Group IV: 0.69-4.87 mIU/L, Group V: 0.68-4.78 mIU/L, Group VI: 0.60- 5.93 mIU/L) to compared to the actively used RIs (18-19 years: 0.51-4.3 mIU/L, 20- 49 years: 0.4- 4.20 mIU/L, 50-59 years: 0.52-4.03 mIU/L, 60-69 years: 0.49-4.33 mIU/L, 70-79 years: 0.45-5.90 mIU/L, ≥80 years: 0.33-7.5 mIU/L). While a single RI (0.93-1.7 ng/dL) was actively used for free T4 testing, six different RIs were obtained (Group I: 0.98-1.60 ng/dL, Group II: 0.96-1.57 ng/dL, Group III: 0.93-1.52 ng/dL, Group IV: 0.91-1.53 ng/dL, Group V: 0.92-1.56 ng/dL, Group VI: 0.91-1.58 ng/dL). The membership degrees of the six groups obtained according to the Fuzzy C means algorithm for a 22-year-old individual were 68%, 16%, 7%, 4%, 3% and 2%, respectively. The RIs of this individual were 0.80-4.98 mIU/L for TSH and 0.97-1.59 ng/dL for sT4. Conclusion: Our study provides a more objective and standardized procedure for grouping than studies that initially randomize into groups and then evaluate whether grouping is necessary. Moreover, the fact that we can compare the importance of our criteria and do this with artificial intelligence is a guide in choosing accurate and reliable grouping criteria. The systematic fuzzification of sharp transitions between groups with machine learning algorithms will allow for more personalized and more realistic calculations of RIs.

Benzer Tezler

  1. Tez No

    775013

    Non-alkolik yağlı karaciğer hastalığının tiroid fonksiyonları ile ilişkisi

    The relationship of non-alcoholic fatty liver disease and thyroid functions

    ÖMER KESKİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Aile HekimliğiSağlık Bilimleri Üniversitesi

    Aile Hekimliği Ana Bilim Dalı

    PROF. DR. CENK AYPAK

  2. Tez No

    678059

    Aile hekimliği polikliniğine başvuran hastaların covıd-19 ve influenza aşıları hakkındaki bilgi, tutum ve davranışlarının değerlendirilmesi

    Assesment of the knowledge, attitude and behaviors of patients applying to the family medicine polyclinic about covid-19 and influenza vaccines

    HANİFE UÇAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Aile HekimliğiSağlık Bilimleri Üniversitesi

    Aile Hekimliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL ARSLAN

  3. Tez No

    503236

    Kolorektal kanser tanısı alan premenopozal kadınlarda adjuvan kemoterapiye bağlı amenore sıklığı ve ilişkili faktörlerin belirlenmesi

    The frequency and predictors of amenorrhea in premenopausal women with colorectal cancer who received adjuvant chemotherapy

    TEVHİDE ŞAHİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    OnkolojiHacettepe Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ÖMER DİZDAR

  4. Tez No

    831777

    Bir üniversite hastanesinde genel dahiliye polikliniklerine başvuranların su tüketim tercihleri ve su içme davranışlarının değerlendirilmesi

    Evaluation of water consumption preferences and water drinking behaviors of applicants to a university hospital general internal medicine polyclinics

    HİKMET EMİN YORULMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Halk SağlığıAnkara Üniversitesi

    Halk Sağlığı Ana Bilim Dalı

    PROF. DR. MİNE ESİN OCAKTAN

  5. Tez No

    912775

    Eğitim Aile Sağlığı Merkezine başvuran 18-65 yaş arası kişilerde aile hekimliği hizmetlerinden memnuniyet durumunun ve etkileyen faktörlerin belirlenmesi

    Determination of satisfaction with family medicine services and affecting factors among people aged 18-65 who apply to a traininig Family health center

    SENA KAVLA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Aile HekimliğiSağlık Bilimleri Üniversitesi

    Aile Hekimliği Bilim Dalı

    PROF. DR. MUSTAFA ÇELİK

Geri Dön