Geri Dön

Kolorektal cerrahi sonra gelişen cerrahi alan enfeksiyonları için prediktif değerlerin incelenmesinde yapay zeka kullanımı

The use of artificial intelligence to analyze predictive values for surgical site infections after colorectal surgery

PDF İndir

  1. Tez No: 906655
  2. Yazar: ZÜLFİYE SÜMEYYE KALE
  3. Danışmanlar: DOÇ. DR. PINAR YAZICI
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Genel Cerrahi, General Surgery
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: İstanbul Şişli Hamidiye Etfal Eğitim ve Araştırma Hastanesi
  11. Ana Bilim Dalı: Genel Cerrahi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 79

Özet

Amaç: Kolorektal cerrahi (KRC), dünya çapında en yaygın cerrahi operasyonlardan biridir. Bununla birlikte, cerrahi alan enfeksiyonları (CAE) önemli bir komplikasyon olmaya devam etmekte olup, hastanede kalış sürelerinin uzamasına, sağlık maliyetlerinin artmasına ve hasta rahatsızlığına yol açmaktadır. Biz bu çalışmada, KRC sonrası CAE ile ilişkili faktörleri tahmin etmek için geleneksel lojistik regresyona ek olarak değişken makine öğrenimi modellerinin etkinliğini değerlendirmeyi amaçladık. Gereç- Yöntem: Kliniğimizde Ocak 2013 ve Ocak 2024 yılları arasında KRC uygulanan 738 hastadan demografik bilgiler, vücut kitle indeksi, laboratuvar sonuçları, operatif-postoperatif veriler ve CAE ile ilgili diğer değişkenleri içeren klinik veriler toplandı. Bu veriler SPSS kullanılarak analiz edildi ve karar ağacı, rastgele orman, XGBoost, Gradient Boost gibi Boost versiyonları ve LightGBM dahil olmak üzere farklı makine öğrenimi modelleri eğitim ve test seti kullanılarak değerlendirildi. Bulgular: XGBoost modeli CAE'yi tahmin etmede en yüksek doğruluk oranını ve pozitif prediktif değeri sergilemiştir (sırasıyla 0.910 ve 0.888). Duyarlılık ve F1 skoru ise en yüksek karar ağacı modelinde bulunmuştur (sırasıyla 0.774 ve 0.857). Geleneksel lojistik regresyon analizi (AUC: 0.760, %95 CI 0.727-0.790) ile karşılaştırıldığında dahi doğruluk oranı daha yüksek saptandı. Acil cerrahi (OR: 2.19, %95 CI 1.51-3.18), preoperatif ve postoperatif albümin

Özet (Çeviri)

Background and aim: Colorectal surgery (CRS) is one of the most common surgical operations worldwide. However, surgical site infections (SSI) remain a significant complication, leading to prolonged hospital stay, increased healthcare costs, and patient discomfort. Therefore, this study aimed to utilize variable machine learning models, in addition to traditional logistic regression, to predict factors associated with SSI following CRS. Methods: Between January 2003 and January 2024, clinical data including demographic information body mass index, laboratory results, operative-postoperative data and other relevant variables for SSI were collected from 738 patients who underwent CRS. In addition to logistic regression analysis using SPSS, by running the trained model on the test set, we evaluated the accuracy, precision, recall, F1 score of different machine learning models including decision tree, random forest, LightGBM, Gradient Boost, XGBoost, AdaBoost, CatBoots. Results: The XGBoost model was found to have the highest accuracy and precision in predicting SSI (0.910 and 0.888, respectively) followed by CatBoost and other Boost techniques. But sensitivity was lower in Boost models while decision tree was found with highest F1 score and sensitivity (0.857 and 0.774). Accuracy rate was higher when compared to the traditional Logistic Regression Analysis (AUC :0.760 %95 CI 0.727-0.790). Emergency surgery (OR: 2.19, 95% CI 1.51–3.18), preoperative and postoperative albumin

Benzer Tezler

  1. Tez No

    86906

    İleostomi ve kolostomi kapatılması komplikasyonları

    The Complications of ileostomy and colostomy closure

    TARIK KUZHAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1999

    Genel CerrahiDokuz Eylül Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    PROF. DR. MEHMET FÜZÜN

  2. Tez No

    896129

    Kolorektal kanser tanısı alan hastaların demografik özellikleri ve nüks/metastaz durumunu etkileyen faktörler

    Demographic characteristics of patients diagnosed with colorectal cancer and factors affecting recurrence/metastasis status

    SEDEF ŞEYMA ÖZGÜR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    OnkolojiMarmara Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. İBRAHİM VEDAT BAYOĞLU

    DOÇ. DR. MURAT SARI

  3. Tez No

    842456

    Neoadjuvan tedavi alan rektum kanserlerinde koruyucu ileostomi açılan hastalarla ghost ileostomi açılan hastaların karşılaştırılması

    Comparision of patients who underwent neoadjuvant treatment for rectal cancer who had protective ileostomy versus ghost ileostomy

    SILA GÜÇLÜ METE

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Genel CerrahiSağlık Bilimleri Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    PROF. DR. HAKAN GÜVEN

  4. Tez No

    260450

    Periton karsinomatozisi olan hastalarda gelişen barsak tıkanıklığının klinik değerlendirmesi

    Clinical assessment of intestinal obstruction in patients with peritoneal carcinomatosis

    AYŞE ESRA ÇELEBİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2010

    Genel CerrahiHacettepe Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    DOÇ. DR. M. BÜLENT TIRNAKSIZ

  5. Tez No

    702194

    Kolorektal kanserlere bağlı gelişen akut sol kolon obstrüksiyonlarının retrospektif analizi

    Retrospective analysis of acute left colon obstructions due to colorectal cancers

    RAMAZAN TOPCU

    Tıpta Uzmanlık

    Almanca

    Almanca

    2011

    Genel CerrahiSağlık Bilimleri Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    DOÇ. DR. HÜSEYİN BERKEM

Geri Dön