Fizyolojik parametreler kullanılarak (SpO2, nabız, kan basıncı, PI, PVI) sigara bağımlılık seviyesinin makine öğrenme algoritmalarıyla sınıflandırılması
Classification of smoking addiction level with machine learning algorithms using physiological parameters (SpO2, pulse, blood pressure, PI, PVI)
- Tez No: 908943
- Danışmanlar: DOÇ. DR. MUHAMMET SERDAR BAŞÇIL
- Tez Türü: Yüksek Lisans
- Konular: Halk Sağlığı, Mühendislik Bilimleri, Public Health, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya genelinde en sık görülen bağımlılık türü olan sigara bağımlılığı önemli bir toplum sağlığı sorunudur. Sigara bağımlılığının ülkemizde en yüksek bağımlılık oranlarına sahip olduğu bilinmesi ile birlikte sigara bağımlılığının erken teşhis ve müdahale edilmesi amacıyla önem arz etmektedir. Bu çalışmada Karar Ağacı, KNN, PNN, SVM ve Naive Bayes algoritmaları kullanılarak sigara bağımlısı ve sigara bağımlısı olmayan bireylerin SpO2, Sıvı yanıtlılığı (Pvi), Dolaşım hızı (Pi), Nabız, Solunum sayısı (RRP), sistolik ve diastolik kan basınçlarındaki değişimlerine bakılarak sigara bağımlılığı ile ilgili sınıflandırılma yapılmaya çalışılmış, sınıflandırma sonucunda elde edilen sonuçlar fagerstrom nikotin testi ile kıyaslanmıştır. Bu doğrultuda Masimo marka Rad-G model pulsoksimetre cihazı ve Hartmann marka Veroval model tansiyon aleti yardımı ile 18-58 yaş aralığındaki erkek ve kadın eşit sayıda olmak üzere toplam 123 katılımcıdan alınan veriler kullanılmıştır. Makine öğrenme algoritmalarının veriler üzerindeki sınıflandırma doğrulukları ile k-fold tekniği ve PCA yöntemi kullanılarak Karar Ağacı, KNN, PNN, SVM ve Naive Bayes algoritmaları ile kıyaslanmıştır. Sonuç olarak sınıflandırma doğrulukları sırasıyla k-fold tekniğinde Karar Ağacı %87.2, KNN %98.0, SVM %98.0, PNN %45.32. ve Naive Bayes algoritması içinde %49.6 olarak elde edilirken PCA (%99) kullanılarak Karar Ağacı %74.0, KNN %96.5, SVM %97.2, PNN %53.52, Naive Bayes içinde %53.2 doğrulukları elde edilmiştir. Çalışma sonucunda makine öğrenme algoritmasıyla yapılan sigara bağımlılık seviyesi sınıflandırılmasında yüksek oranda doğruluk oranı elde edilmesiyle Fagerstrom nikotin testine alternatif olarak kullanılabileceğini göstermiştir. En yüksek sınıflandırma doğruluğunun k-fold tekniğine ait KNN algoritmasıyla elde edildiği gözlemlenmiştir. Çalışmanın fizyolojik parametreler olan SpO2, nabız, solunum sayısı, sıvı yanıtlılığı, dolaşım hızı, sistolik ve diastolik kan basınçları üzerinde gerçekleştirilmiş olması ve sigara bağımlılık seviyesini belirten fagerstrom nikotin testi sonuçları ile makine öğrenme algoritmasının veriler üzerindeki bağımlılık seviyesi sınıflandırmasının kıyaslanmasında öncü bir çalışma olması nedeniyle sigara bağımlılık seviyesinin sınıflandırılmasında belirleyici bir bakış açısı kazandıracağı, fagerstrom nikotin testine oranla daha doğru bir alternatif olarak kullanılabileceğini ve buna bağlı olarak tıpta teşhis ve tedavilerde hız kazandıracağı öngörülmektedir.
Özet (Çeviri)
Cigarette addiction, which is the most common addiction type worldwide, is an important public health problem. Knowing that cigarette addiction has the highest addiction rates in our country, it is important for early diagnosis and intervention of cigarette addiction. In this study, Decision Tree, KNN, PNN, SVM and Naive Bayes algorithms were used to classify cigarette addiction by looking at the changes in SpO2, Pleth variability index (Pvi), Perfusion index (Pi), Pulse, Respiratory rate (RRP), systolic and diastolic blood pressures of cigarette addicts and non-smokers, and the results obtained as a result of the classification were compared with the Fagerstrom nicotine test. In this direction, data obtained from a total of 123 participants, equal numbers of men and women between the ages of 18-58, were used with the help of Masimo brand Rad-G model pulse oximetry device and Hartmann brand Veroval model blood pressure monitor. The classification accuracies of machine learning algorithms on the data were compared with Decision Tree, KNN, PNN, SVM and Naive Bayes algorithms using k-fold technique and PCA (%99) method. As a result, the classification accuracies were obtained as %87.2 in Decision Tree, KNN %98.0, SVM %98.0, PNN %45.32 and %49.6 in Naive Bayes algorithm in k-fold technique, respectively, while %74.0 in Decision Tree, kNN %96.5, SVM %97.2, PNN %53.52, and %53.2 in Naive Bayes were obtained using PCA. As a result of the study, it was shown that the high rate of accuracy obtained in the classification of cigarette addiction level made with the machine learning algorithm can be used as an alternative to the Fagestrom nicotine test. It was observed that the highest classification accuracy was obtained with the KNN algorithm of the k-fold technique. Since the study was conducted on physiological parameters such as SpO2, pulse, respiratory rate, pleth variability index, perfusion index , systolic and diastolic blood pressures and is a pioneering study in comparing the addiction level classification of the machine learning algorithm with the phagestrom nicotine test results indicating the level of cigarette addiction, it is anticipated that it will provide a decisive perspective in the classification of the level of cigarette addiction, can be used as a more accurate alternative to the phagestrom nicotine test, and accordingly will accelerate diagnosis and treatments in medicine.
Benzer Tezler
- Katarakt cerrahisi öncesi uygulanan el masajının anksiyete, cerrahi korku, ağrı ve fizyolojik parametreler üzerine etkisi
The effect of hand massage applied before cataract surgery on anxiety, surgical fear, pain and physiological parameters
NACİYE DAŞTAN
Yüksek Lisans
Türkçe
2022
HemşirelikErciyes ÜniversitesiHemşirelik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAĞMUR SEZER EFE
PROF. DR. KUDDUSİ ERKILIÇ
- Otolog kök hücre nakli olan hastalarda beyaz gürültünün uyku kalitesine, stres ve yorgunluğa etkisi
The effect of white noise on sleep quality, stress, and fatigue in patients undergoing autologous stem cell transplantation
GÖZDENUR USTAOĞLU
Yüksek Lisans
Türkçe
2025
Hemşirelikİstanbul Medipol ÜniversitesiHemşirelik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA KÖROĞLU ÇAMDEVİREN
- Bebeklerde aşı enjeksiyonu sırasında buzzy® uygulamasının ağrı düzeyine etkisi
The effect of buzzy® on pain levels in infants during vaccine injection
ÖZGE ŞIKTAŞ
Yüksek Lisans
Türkçe
2019
Çocuk Sağlığı ve Hastalıklarıİstanbul Okan ÜniversitesiHemşirelik Ana Bilim Dalı
DOÇ. DR. GÜLZADE UYSAL
- Göbek kordonu klempleme zamanının yenidoğanlarda demir, bilirübin ve fizyolojik paremetreler üzerine etkisi; Randomize kontrollü bir çalışma
Effect of umbial cord clamping time on iron, bilirubin and physiological parameters in newborn; A randomized controlled study
GAMZE NUR ERÇIRAK
Yüksek Lisans
Türkçe
2023
EbelikTokat Gaziosmanpaşa ÜniversitesiEbelik Ana Bilim Dalı
PROF. DR. ÖZGÜR ALPARSLAN
- Egzersizin ve B grubu vitamin uygulamalarının diyabetik parkinsonlu sıçanlarda motorik ve fizyolojik parametrelere etkisi
The effect of exercise and group B vitamin applications on motoric and physiological parameters in rats with diabetic parkinson
MERVE KİRAZ
Yüksek Lisans
Türkçe
2023
FizyolojiErciyes ÜniversitesiFizyoloji Ana Bilim Dalı
PROF. DR. BEKİR ÇOKSEVİM
PROF. DR. ASUMAN GÖLGELİ