Geri Dön

Acil servise başvuru sonrası sepsis tanısı konulan hastaların mortalite tahmininde yapay sinir ağlarının (YSA) kullanılabilirliği

Usability of artificial neural networks (ANN) in mortality prediction of patients diagnosed with sepsis after admission to the emergency department

  1. Tez No: 876466
  2. Yazar: BURHAN PEHLİVAN
  3. Danışmanlar: PROF. DR. HÜSEYİN CAHİT HALHALLI
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Acil Tıp, Emergency Medicine
  6. Anahtar Kelimeler: Sepsis, mortalite, makine öğrenimi, yapay sinir ağları, Sepsis, mortality, machine learning, artificial neural network
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bakanlığı
  10. Enstitü: Kocaeli Şehir Hastanesi
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Amaç: Sepsis, çeşitli mikroorganizmaların neden olduğu yaygın inflamasyon ve organ sorunlarıyla karakterize, enfeksiyona karşı düzensiz bir konak yanıtının hızla gelişmesi sonucu organ işlev bozukluğuna neden olabilen ciddi bir durumu ifade eder. Sepsis tanısının konulabilmesi kadar mortalitesinin tahmin edilebilmesi de önem arz etmektedir. Bu çalışmanın amacı, acil servise başvuru sonrası sepsis tanısı konulan hastaların mortalite tahmininde yapay sinir ağlarının kullanılabilirliğini saptamaktır. Gereç ve Yöntem: Çalışma, prospektif, kesitsel kohort çalışması şeklinde tasarlandı. Retrospektif olarak çalışmaya dahil edilen hastalar, yapay sinir ağları öğreniminin eğitim aşaması için kullanıldı. Sonrasında prospektif olarak çalışmaya dahil edilen hastalar ile makine öğreniminin test edilmesi gerçekleştirildi. Yapay sinir ağları modelinin performansı, makine öğrenimi modelleri ve NEWS skoru ile karşılaştırıldı. Bulgular: Yapay sinir ağları modeli, makine öğrenimi modellerine göre daha üstün performans gösterdi. Yapay sinir ağları modelinin doğruluğu 0,632 olarak saptandı ve bunu 0,618 ile Random Forest modeli izledi. Kullanılan parametreler arasında sonucu en çok etkileyen parametreler solunum sayısı, laktat değeri ve bikarbonat değeri olarak belirlendi. Geleneksel mortalite tahmin araçlarından olan NEWS skoru, yapay sinir ağları modelinden daha iyi performans gösterdi. Sonuç: Çalışmamızda oluşturduğumuz yapay sinir ağları modeli, sepsis hastalarının mortalite tahmininde kullanılması için yeterince iyi performans gösterememiştir. Daha büyük hasta popülasyonunun dahil edildiği makine öğrenimi modelleriyle mortalite tahmininin doğruluğu artabilir ve bu modeller geleneksel mortalite tahmin araçlarından daha iyi performans sergileyebilir.

Özet (Çeviri)

Objective: Sepsis, characterized by widespread inflammation and organ dysfunction caused by various microorganisms, refers to a serious condition resulting from a dysregulated host response to infection that rapidly develops, leading to organ failure. Predicting the mortality of sepsis is as important as diagnosing it. The aim of this study is to determine the usability of artificial neural networks in predicting the mortality of patients diagnosed with sepsis after presenting to the emergency department. Material and Methods: The study was designed as a prospective, cross-sectional cohort study. Patients included retrospectively were used for the training phase of artificial neural networks learning. Subsequently, the model was tested with patients included prospectively. The performance of the artificial neural networks model was compared with machine learning models and the NEWS score. Results: The artificial neural networks model demonstrated superior performance compared to machine learning models. The accuracy of the artificial neural networks model was determined to be 0.632, followed by the Random Forest model at 0.618. Among the parameters used, the most influential on the outcome were respiratory rate, lactate level, and bicarbonate level. The NEWS score, a traditional mortality prediction tool, performed better than the artificial neural networks model. Conclusion: The artificial neural networks model developed in our study did not perform sufficiently well to be used for mortality prediction in sepsis patients. The accuracy of mortality prediction may improve with machine learning models involving a larger patient population, and these models may outperform traditional mortality prediction tools.

Benzer Tezler

  1. Basit ve komplike akut apandisit ayrımında sistemik inflamasyon belirteçlerinin rolü: 3 yıllık retrospektif inceleme

    The role of systemic inflammatory markers in distunguishing simple and complex acute appenditis: 3 year retrospektif examination

    SEÇİL YEŞİLALİOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. ÖZGÜR SÖĞÜT

  2. Acil serviste sepsis tanısı alan hastalarda ultrason ile ölçülen vena kava inferior çapının prognozu ve mortaliteyi göstermedeki değerliliği

    The diagnostic value of inferior vena cava diameter in patients with sepsis in the emergency department, predicting prognosis and mortality

    SELİN AYÇA KAŞIKCI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. HALİL DOĞAN

  3. S.B.Ü Keçiören Eğitim ve Araştırma Hastanesi Çocuk Acil Polikliniğine başvuran yenidoğanların retrospektif analizi

    Retrospective analysis of newborn applying to S.B.Ü Keçiören Education and Research Hospital Child Emergency Polyclinic

    ÖZGE KESİM SAYGILI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. DİLEK SARICI

  4. Acil servise karın ağrısı ile başvuran hastaların değerlendirilmesinde klinik öntanının abdominal bilgisayarlı tomografi ile korelasyonu

    Correlation of clinical preparation with abdominal computerized tomography in evaluation of patients applying emergency patients with abdominal pain

    BERKANT ÖZTÜRK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    İlk ve Acil YardımGazi Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. AYFER KELEŞ