Acil servise göğüs ağrısı şikayeti ile başvuran hastaların esı triajı ve EDACS değerlendirmelerinin yapay zeka ile karşılaştırılması
Comparison of esi triage and EDACS assessments with artificial intelligence in patients presenting to the emergency department with chest pain
- Tez No: 918383
- Danışmanlar: PROF. DR. SEDAT KOÇAK
- Tez Türü: Tıpta Uzmanlık
- Konular: Acil Tıp, Emergency Medicine
- Anahtar Kelimeler: Acil servis-hastane, Göğüs ağrısı, Triyaj, Emergency service-hospital, Chest pain, Triage
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş: Acil servise göğüs ağrısı ile başvuran hastalarla yapılan bu çalışmada acil servislerde yaygın olarak kullanılan bir triaj sistemi olan Emergency Severity Indeks (ESI) triaj kategorisinin ve Emergency Department Assessment of Chest Pain Score (EDACS) kardiyak risk grubunun yapay zeka algoritmalarıyla karşılaştırıp literatüre katkı sağlamak amaçlanmıştır. Gereç Yöntem: Bu çalışma, 01 Ağustos 2024 ile 01 Ocak 2025 tarihleri arasında Necmettin Erbakan Üniversitesi Erişkin Acil Servisi'nde, göğüs ağrısı olan 18 yaş üstü hastalar üzerinde tek merkezli, prospektif ve kesitsel bir tasarımla toplam 396 hasta üzerinde gerçekleştirilmiştir. Gebelik durumu, travmaya bağlı göğüs ağrısı, kendi isteğiyle taburcu olan ve çalışma için onam vermeyen hastalar çalışmaya dahil edilmemiştir. Çalışma kapsamında, ayaktan ve ambulans ile acil servise başvuran hastaların vital bulguları, demografik özellikleri, ESİ triaj kategorileri, EDACS göğüs ağrısı risk kategorisi ve acil servis sonlanımları hasta takip formuna kaydedilmiştir. Ayaktan başvuran hastaların triajını triaj görevlileri, ambulansla gelen hastaların triajını ise hekimler gerçekleştirmiştir. Toplanan veriler, standart bir metin formatında düzenlenerek ChatGPT-4o'ya birbirinden bağımsız olarak sunulmuş ve sistematik bir şekilde hasta takip formuna kaydedilmiştir. Bulgular: Çalışma grubunun yaş ortalaması 51,9±17,6 yıl olup katılımcıların %56,6'sı erkektir. Hastaların %78,3'ü ayaktan başvurmuştur. Triaj görevlisi, ayaktan başvurup taburcu edilen hastaların %57,8'ini ESİ Kategori-2 olarak değerlendirirken bu oran yapay zekada %29,1, EDACS verisi verilen yapay zekada ise %18,4'tür (p<0,001). Hekim ve yapay zeka, ambulansla acil servise başvurup taburcu edilen hastalarda benzer oranlarda ESİ Kategori-2 olarak değerlendirme yaparken; EDACS verisi verilen yapay zeka, hastaların %15'ini ESİ Kategori-2 olarak değerlendirmiştir (p<0,001). Kritik hastaların ayırt edilmesinde yapay zeka, hekim ile benzer bir performans sergilemiş olup aralarında anlamlı bir fark saptanmamıştır (p=0,772). Yapay zekaya, kardiyak risk gruplaması yapması için EDACS ile aynı veriler verildiğinde hastaları daha yüksek risk grubunda değerlendirme eğiliminde olduğu gözlemlenmiştir (p<0,001). Sonuç: Yapay zeka tabanlı sistemlerin, hastaları veri tabanlı analiz yeteneği ve sistematik değerlendirme özellikleri sayesinde triaj görevlileri ve hekimlere kıyasla hastaların klinik sonlanımıyla daha örtüşen bir hasta triajı yaptığı gözlenmiştir. Bu bilgiler ışığında yapay zeka tabanlı sistemlerin ve EDACS'ın acil servis triajında kullanılabilirliği, hasta sonuçlarını iyileştirme ve kaynakları verimli kullanma potansiyeli açısından önem taşımaktadır.
Özet (Çeviri)
Introduction: This study aimed to contribute to the literature by comparing the Emergency Severity Index (ESI) triage categories, a commonly used triage system in emergency departments, and the Emergency Department Assessment of Chest Pain Score (EDACS) cardiac risk groups with artificial intelligence algorithms in patients presenting to the emergency department with chest pain. Material and methods: This study was conducted between August 1, 2024, and January 1, 2025, at Necmettin Erbakan University Adult Emergency Department as a single-center, prospective, and cross-sectional study involving a total of 396 patients aged 18 years and older with chest pain. Patients who were pregnant, had chest pain due to trauma, were discharged upon their own request, or did not provide consent for the study were excluded. The study recorded the vital signs, demographic characteristics, ESI triage categories, EDACS chest pain risk categories, and emergency department outcomes of patients who presented to the emergency department either on foot or via ambulance. Triage for patients presenting on foot was conducted by triage staff, while triage for patients arriving by ambulance was performed by physicians. The collected data were organized into a standardized text format, independently entered into ChatGPT-4o, and systematically recorded in the patient follow-up form. Results: The mean age of the study group was 51.9±17.6 years, with 56.6% of the participants being male. A total of 78.3% of the patients presented to the emergency department as walk-ins. The triage staff classified 57.8% of the walk-in patients who were discharged as ESI Category-2, while this rate was 29.1% for the AI system and 18.4% for the AI system with EDACS data (p<0.001). For patients presenting via ambulance and subsequently discharged, physicians and the AI system showed similar rates in classifying patients as ESI Category-2. However, the AI system with EDACS data classified 15% of these patients as ESI Category-2 (p<0.001). In distinguishing critical patients, the AI system demonstrated a performance comparable to that of physicians, with no significant difference between them (p=0.772). When provided with the same EDACS data for cardiac risk stratification, the AI system tended to classify patients in higher risk groups (p<0.001). Conclusion: Artificial intelligence-based systems were observed to perform patient triage more aligned with clinical outcomes compared to triage staff and physicians, thanks to their data-driven analysis capability and systematic evaluation features. In light of this information, the use of AI-based systems and EDACS in emergency department triage holds significant potential for improving patient outcomes and optimizing resource utilization.
Benzer Tezler
- Acil servise başvuran 65 yaş üzeri hastaların klinik prognozunun öngörülmesinde kanada triyaj skoru (CTAS) ve klinik kırılganlık skalası (CFS), acil durum önem indeksi (ESI) ve modifiye erken uyarı skoru (MEWS) skorlarının karşılaştırılması
Comparison of canadian triage score (CTAS) and clinical frailty scala (CFS), emergency severity index (ESI) and modified early warning score (MEWS) scores in predicting clinical prognosis of patients over 65 years of age applicing to the emergency service
ONUR TAV
- Triyaj verisi kullanarak öntanı tahmini yapan yapay zeka tabanlı karar destek sistemi
Artificial intelligence based decision support system predicting prediagnosis using triage data
GÖKSU BOZDERELİ BERİKOL
Doktora
Türkçe
2023
Acil TıpAkdeniz ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. UĞUR BİLGE
- Acil servise göğüs ağrısı ile başvuran hastalarda ağrının tipine göre T-MACS, HEART, TIMI, GRACE ve EDACAS skorlarının kardiyak olayları öngörmedeki etkinliklerinin araştırılması
Investigation of the effectiveness of T-MACS, HEART, TIMI, GRACE ve EDACAS score in predicting cardiac events according to the type of pain in patients admitting to the emergency department with chest pain
GÜLŞEN ŞAHAN
Tıpta Uzmanlık
Türkçe
2024
Acil TıpÇanakkale Onsekiz Mart ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN AKDUR
- Göğüs ağrılı hastada heart skoru ve ultrasonda karotis intima-media kalınlığının kötü klinik sonlanım ile ilişkisinin karşılaştırılması
The comparison of the heart score and carotid intima-media thickness on ultrasound in predicting poor clinical outcomes in patients with chest pain
KÜBRA NUR VAROL
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. ERDEN EROL ÜNLÜER
- Acil servise göğüs ağrısı ile başvuran erişkin hastalarda ulusal erken uyarı skoru'nun mortalite, morbidite ve güvenli taburculuk açısından değerinin araştırılması
Investigation of the value of the national early warning score in terms of mortality, morbidity and safe discharge in adult patients who apply to the emergency service with chest pain
ECE YILMAZ
Tıpta Uzmanlık
Türkçe
2020
İlk ve Acil YardımEge ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. GÜÇLÜ SELAHATTİN KIYAN