Machine learning in longitudinal data analysis: A real-world application in gram-negative bacteremia
Boylamsal veri analizinde makine öğrenimi: Gram-negatif bakteriyemide gerçek dünya uygulaması
- Tez No: 945135
- Danışmanlar: PROF. DR. SERPİL KILIÇ DEPREN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 147
Özet
Sepsis hastaları, yoğun bakım ünitelerindeki hasta nüfusun çoğunluğunu oluşturmaktadır. Kan dolaşımında Gram-negatif bakterilerin varlığı, sepsisin ana nedenlerinden biridir. Kan kültürleri bakteri varlığını değerlendirmek için altın standarttır. Bununla birlikte, tipik olarak 2 ila 5 gün içinde sonuç verirler. Öte yandan, uygun tedavinin erken başlatılması sağkalım için esastır. Klinisyenlerin karar vermesine yardımcı olmak için çeşitli tahmin modelleri mevcut olsa da, bunların hiçbiri girdi olarak tekrarlanan ölçüm verilerini kullanmamaktadır. Ayrıca, modellerin çoğu farklı ülkelerde ve sağlık sistemlerinde geliştirilmiş olup genellenebilirliklerini sınırlıdır. Bu çalışmada, rutin laboratuvar değerleri ve yaşamsal bulgularla yoğun bakım ünitesinde gram-negatif bakteriyemiyi tahmin etmek için yorumlanabilir ve yüksek tahmin oranına sahip bir model geliştirilmeye çalışılmıştır. Analiz için Geleneksel ve Hibrit Makine Öğrenimi Modelleri kullanılmış, yüksek boyutlu ve yaygın eksiklik gösteren verilerin yarattığı zorluklar ele alınmıştır. 568 hastadan, hasta başına 3 günlük ölçümden elde edilen veriler çalışmaya dahil edilmiştir. Karma Etkili Rastgele Ormanlar ve Çok Örnekli Öğrenme Destek Vektör Makineleri gibi hibrit yöntemler, geleneksel makine öğrenimi algoritmalarından daha iyi performans göstererek en yüksek doğruluğu ve eğri altındaki alanı (sırasıyla 0,83 ve 0,85) sağlamıştır. Değişken önem grafikleri, kısmi bağımlılık grafikleri ve modeller için parçalanma profilleri aracılığıyla kolay yorumlanabilirlik yöntemleri de gösterilmiştir. Sonuçlar hemoglobin, albümin, önceden antibiyotik kullanımı ve santral venöz kateter varlığının pozitif kan kültürü sonucunun en etkili belirleyicileri olduğunu göstermektedir. Genel olarak bu araştırma, hasta yönetimini optimize etmek ve klinik sonuçları iyileştirmek için yoğun bakım ortamlarında yeni yöntemlerin pratik biçimde uygulanmasını sunmaktadır.
Özet (Çeviri)
Patients with sepsis constitute the majority of the population among the intensive care units. Presence of Gram-negative bacteria in the bloodstream, is one of the main causes of sepsis. Blood cultures are the gold standard to evaluate the presence of bacteria. However, they typically require 2 to 5 days. On the other hand, early initiation of appropriate therapy is essential for survival. Although several prediction models exist to aid clinicians in decision making, none of them uses repeated measures data for input. Moreover, majority of the models were developed in distinct countries and healthcare systems, limiting their generalizability. In this study, it was sought to develop an interpretable and accurate model to predict gram-negative bacteremia in the intensive care unit with routine laboratory values and vital signs. Conventional and Hybrid Machine Learning Models were employed for analysis, addressing challenges posed by high-dimensional data with extensive missingness. 568 patients were included to the study with 3 measurements per patient. Hybrid methods, such as, Mixed-Effects Random Forests and Multiple Instance Learning with Distributions - Support Vector Machines yielded highest accuracy and area under the receiver operating characteristic curve (0.83 and 0.85, respectively), outperforming conventional machine learning algorithms. Enhanced interpretability through variable importance plots, partial dependence plots and break down profiles for models are also demonstrated. Results indicate that hemoglobin, albumin, prior antibiotic use and presence of a central venous catheter are the most influential predictors of a positive blood culture result. Overall, this research offers practical insights and application of novel methods in intensive care settings to optimize patient management and improve clinical outcomes
Benzer Tezler
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların el yazılarının görüntü işleme teknikleri ile analizi
Analysis of handwriting of children with attention deficit hyperactivity disorder using image processing techniques
ÖZLEM YILDIZ BUDAK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH ADAK
- Contributions to machine learning in biomedical informatics
Biyomedikal enformatikte makine öğrenmesine katkılar
İNCİ MELİHA BAYTAŞ
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMichigan State UniversityBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. ANIL KUMAR JAIN
- Adapting a robust model into hybrid implementations of machine learning algorithms and statistical methods for longitudinal data
Sağlam bir modelin makina öğrenmesi algoritmalarının ve istatistiksel metotların hibrit uygulamalarına boylamsal veriler için uyarlanması
İBRAHİM HAKKI ERDURAN
Yüksek Lisans
İngilizce
2021
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FULYA GÖKALP YAVUZ
PROF. DR. MERAL EBEGİL
- Longitudinal data analysis with statistical and machine learning methods in neuroscience
Sinirbilimde istatistiksel ve makine öğrenmesi yöntemleriyle boylamsal veri analizi
SERENAY ÇAKAR
Yüksek Lisans
İngilizce
2022
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FULYA GÖKALP YAVUZ
- Irregular longitudinal data analysis with statistical and machine learning methods in asteroid dataset
Asteroid veri kümesinde istatistiksel ve makine öğrenme yöntemleriyle düzensiz boylamsal veri analizi
İREM TANRIVERDİ
Yüksek Lisans
İngilizce
2023
Astronomi ve Uzay BilimleriOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ÖZLEM İLK DAĞ