Psikiyatri polikliniğine başvuran şizofreni tanılı hastaların ilaç tedavisine uyumunun yapay zekâ yöntemleriyle incelenmesi
Investigation of medi̇cation adherence in schizophrenia patients applying to the psychiatry outpatient clinic using artificial intelligence methods
- Tez No: 906231
- Danışmanlar: PROF. DR. NAZMİYE KAYA
- Tez Türü: Tıpta Uzmanlık
- Konular: Psikiyatri, Psychiatry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Amaç: Şizofreni, düşünce, algı ve duygularda ciddi bozulmalara yol açan, kronik ve genellikle yaşam boyu süren , hasta ve yakınlarının hayatları üzerinde belirgin olumsuz ve kısıtlayıcı etkilere sahip ciddi ruhsal bir bozukluktur. Bu hastalarda tedavi uyumsuzluğu kötü prognozun en önemli göstergelerinden biridir. Son dönemde sağlık alanı da olmak üzere pek çok alanda yapay zekâ yöntemleri kullanılarak yeni yaklaşımlar denenmektedir. Bu çalışmada amacımız kronik şizofreni hastalarında tedavi uyumunun yapay zekâ yöntemleri kullanılarak değerlendirilmesidir. Gereç ve Yöntem: N.E.Ü. Tıp Fakültesi Ruh Sağlığı ve Hastalıkları Anabilim Dalı ile Beyhekim Eğitim ve Araştırma Hastanesi Ruh Sağlığı ve Hastalıkları Anabilim Dalı polikliniklerine başvuran, DSM-5 tanı kriterlerine göre kronik şizofreni ve şizoaffektif bozukluk tanısı almış, araştırmaya katılmak için bilgilendirilmiş onamı alınan ve çalışmaya dahil edilme kriterlerini karşılayan 18-65 yaş aralığında 146 hasta çalışmaya dahil edilmiştir.Katılımcılara Sosyodemografik Veri Formu, Tıbbi Tedaviye Uyum Oranı Ölçeği, Calgary Depresyon Ölçeği, Pozitif ve Negatif Sendrom Ölçeği ve UKU Yan Etki Değerlendirme Ölçeği uygulanmıştır. Aynı zamanda kaıtlımcıların ses kayıtları, tedavi uyumunu belirlemek için hazırlanan 16 soruyu cevapladıkları sırada alınmıştır. Alınan ses kayıtları, yüksek doğruluk oranına sahip açık kaynaklı bir konuşma metinleştirme yapay zekâ modeli ile metne dönüştürülmüştür. Elde edilen metinler eğitim ve test verisi olarak ikiye ayrılmış ve geliştirilen model test verisi ile analiz edilmiştir. Bu analizler sonucunda, şizofreni hastalarının tedavi uyumunun yapay zekâ ile tespit edilip edilemeyeceği incelenmiştir. Bulgular: Yapay zekâ modeli, tedavi uyumunu %85 doğruluk, %87 duyarlılık ve %81 özgüllük ile tespit etmiştir. Modelin kesinlik değeri %90, F1 skoru ise %88 olarak hesaplanmıştır. Bu bulgular, yapay zekâ modelinin tedavi uyumunu yüksek doğruluk ve güvenilirlikle tahmin edebileceğini göstermektedir. Sonuç: Bu çalışma, yapay zekâ yöntemlerinin şizofreni ve şizoaffektif bozukluk tanılı hastalarda tedavi uyumunu yüksek doğruluk ve güvenilirlikle tespit edebileceğini göstermiştir. Çalışmanın bulguları, yapay zekâ modellerinin klinik uygulamalarda tedavi uyumunun değerlendirilmesinde etkili bir araç olarak kullanılabileceğini ortaya koymuştur. Tedavi uyumunun belirlenmesi, hastaların tedavi süreçlerinin iyileştirilmesi ve bireysel tedavi planlarının optimize edilmesi açısından önemli bir adımdır. Gelecekteki araştırmalar, daha geniş hasta grupları ve farklı klinik ortamlarla bu bulguların doğrulanmasını sağlayabilir.
Özet (Çeviri)
Objective: Schizophrenia is a severe mental disorder that leads to significant disruptions in thoughts, perceptions, and emotions. It is chronic and often lifelong, having notably negative and restrictive impacts on the lives of patients and their relatives. Treatment non-adherence is one of the most critical indicators of poor prognosis in these patients. Recently, new approaches using artificial intelligence methods have been explored in various fields, including healthcare. This study aims to evaluate treatment adherence in chronic schizophrenia patients using artificial intelligence methods. Methods: This study included 146 patients aged 18-65 years who were diagnosed with chronic schizophrenia and schizoaffective disorder according to DSM-5 criteria. These patients were admitted to the outpatient clinics of the Department of Psychiatry at N.E.U. Meram Faculty of Medicine and Beyhekim Training and Research Hospital, and provided informed consent to participate. Participants were assessed using the Sociodemographic Data Form, Medication Adherence Rating Scale, Calgary Depression Scale, Positive and Negative Syndrome Scale (PANSS), and UKU Side Effect Rating Scale. Additionally, voice recordings of the participants were obtained while they answered 16 questions designed to determine treatment adherence. The recordings were transcribed into text using a high-accuracy open-source speech-to-text artificial intelligence model. The resulting texts were divided into training and test datasets, and the developed model was analyzed using the test data. This analysis examined the reliability of detecting treatment adherence in schizophrenia patients using artificial intelligence. Results: The artificial intelligence model detected treatment adherence with an accuracy of 85%, a sensitivity of 87%, and a specificity of 81%. The precision of the model was calculated as 90%, and the F1 score was 88%. These findings indicate that the artificial intelligence model can predict treatment adherence with high accuracy and reliability. Conclusion: This study demonstrates that artificial intelligence methods can detect treatment adherence with high accuracy and reliability in patients with schizophrenia and schizoaffective disorder. The findings suggest that artificial intelligence models can be effectively utilized in clinical applications to evaluate treatment adherence. Identifying treatment adherence is crucial for improving patients' treatment processes and optimizing individualized treatment plans. Future research should aim to validate these findings with larger patient groups and in diverse clinical settings.
Benzer Tezler
- Majör depresyon hastalarında tedaviye yanıtın demografik ve klinik belirteçleri
Demografic and clinic markers of treatment response in patients with major depression
ÖZNUR ÖZCAN
Tıpta Uzmanlık
Türkçe
2013
PsikiyatriHacettepe ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. BERNA DİCLENUR ULUĞ
- Dikkat eksikliği hiperaktivite bozukluğu olan çocuklarda görülen sosyal cevaplılıktaki bozulmaya metilfenidat ve atomoksetin tedavisinin etkisi
The Effect of Methylphenidate and Atomoxetine Treatment on Impaired Social Responsiveness in Children with Attention Deficit Hyperactivity Disorder
MELEK KAYA
Tıpta Uzmanlık
Türkçe
2022
PsikiyatriSağlık Bilimleri ÜniversitesiÇocuk Psikiyatrisi Ana Bilim Dalı
DOÇ. DR. GÜLSERŞENSES DİNÇ
- Şizofreni hastalarında tütün kullanımı ve sağlıklı yaşam davranışının psikopatoloji şiddeti, yürütücü işlevler ve umutsuzluk ile ilişkisi
The relationship between tobacco use and healthy living behavior with psychopathology severity, executive functions and hopelessness in schizophrenia patients
AYSEN İZEL SEYHAN
Yüksek Lisans
Türkçe
2024
PsikiyatriKaradeniz Teknik ÜniversitesiPsikiyatri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYKUT KARAHAN
- Remisyon dönemindeki psikotik bozukluk tanılı hastalarda yalnızca antipsikotik kullananlarla antipsikotik ve duygudurum düzenleyici kullananların metabolik sendrom ve yaşam kalitesi açısından kıyaslanması
Comparison of metabolic syndrome and quality of life in patients who used only antipsychotic drug and antipsychotic combined with mood stabilization drug with psychotic disorder in remisson
NACİYE KARABULUT
Tıpta Uzmanlık
Türkçe
2018
PsikiyatriAtatürk ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. MİNE ŞAHİNGÖZ
- Kendine zarar verme davranışı tanısı alan ergenlerde uygulanan aralıklı teta burst stimülasyon tedavisinin terapötik etkinliğinin araştırılması
Investigation of therapeutic effectiveness of intermittent theta burst stimulation treatment applied to adolescents diagnosis of self-harming behavior
CANAN ÇELEBİ AZADIJOUYAN
Tıpta Uzmanlık
Türkçe
2024
PsikiyatriGaziantep ÜniversitesiÇocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. MEHMET KARADAĞ