Geri Dön

Kardiyometabolik multimorbiditesi olan yaşlı hastalarda bakım gereksinimlerini sınıflandırma ve hemşirelik tanılarını belirlemeye yönelik bir karar destek sisteminin geliştirilmesi

Developing a decision support system for classifying care needs and determining nursing diagnoses in older patients with cardiometabolic multimorbidity

PDF İndir

  1. Tez No: 968109
  2. Yazar: MERVE GÜLBAHAR EREN
  3. Danışmanlar: DOÇ. DR. HAVVA SERT
  4. Tez Türü: Doktora
  5. Konular: Hemşirelik, Nursing
  6. Anahtar Kelimeler: Hemşirelik bakımı, kardiyometabolik multimorbidite, yaşlı hastalar, klinik karar destek sistemi, makine öğrenmesi, yapay zekâ, Nursing care, cardiometabolic multimorbidity, older adults, clinical decision support system, machine learning, artificial intelligence
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Hemşirelik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 161

Özet

GİRİŞ VE AMAÇ: Üç aşamada gerçekleştirilen araştırmanın ilk aşamasında klinik karar destek sisteminin (KKDS) geliştirilmesine yönelik hemşire görüşlerinin belirlenmesi, ikinci aşamada Kardiyometabolik Multimorbiditeli Hastalarda Semptom Şiddeti Ölçeği (KM-SŞÖ) geliştirilmesi ve son aşamada ise hastaların bakım gereksinimlerini sınıflandırma ve hemşirelik tanılarını belirlemeye yönelik makine öğrenimi tabanlı KKDS geliştirilmesi amaçlanmıştır. GEREÇ VE YÖNTEM: Nitel aşamada kardiyometabolik multimorbiditeli yaşlı hastalara bakım veren 20 hemşire ile görüşmeler yapılmıştır. Veriler, MaxQDA yazılımı kullanılarak tematik analiz yöntemi ile değerlendirilmiştir. İkinci aşamada, en az iki kardiyometabolik hastalığı bulunan 65 yaş ve üzeri 388 hasta, son aşama ise 700 hasta ile yürütülmüştür. Farklı öznitelikleri içeren veri seti üzerinde kırılganlık derecesine göre bakım gereksinimi tahminine yönelik Random Forest, XGBoost ve SVM makine öğrenimi algoritmaları; 10 hemşirelik tanısına yönelik karar ağacı modelleri geliştirilerek değerlendirilmiştir. BULGULAR: Bakım sürecindeki yaşananlar, bakım gereksinimlerini sınıflandırılma ve hemşirelik tanılarını önceliklendirilme, KKDS geliştirilmesine yönelik görüşler olmak üzere üç ana tema ortaya çıkmıştır. Geliştirilen ölçeğin Cronbach alfa katsayısının 0,978 olduğu bulunmuştur. En çok katkı sağlayan 19 öznitelik için ikili sınıflandırmada XGBoost modeli (%86) ve üçlü sınıflandırma SVM modeli (%76) en yüksek performansı göstermiştir. Öznitelikler doğrultusunda ele alınan tüm hemşirelik tanılarının %97 ile %100 arasında yüksek doğrulukla gerçekleştirdiği görülmüştür. SONUÇ: Karmaşık bakım gereksinimi olan yaşlı bireylerde bakım planlaması yapılırken, çok boyutlu özniteliklere dayalı makine öğrenimi tabanlı KKDS'lerden yararlanılması, hemşirelerin klinik karar alma süreçlerini kolaylaştırabilir.

Özet (Çeviri)

INTRODUCTION AND AIM: The aim of the first phase of this three-stage study was to determine nurses' opinions on the development of a clinical decision support system (CDSS), the second phase aimed to develop the“Symptom Severity Scale in Cardiometabolic Multimorbid Patients (SSS-CM),”and the final phase aimed to develop a machine learning-based CDSS to classify patients' care needs and determine nursing diagnoses. MATERIALS AND METHODS: In the first phase, semi-structured interviews were conducted with 20 nurses who cared for older adults with cardiometabolic multimorbidity. The data were analyzed through thematic analysis using an inductive approach via MaxQDA software. In the second phase, 388 patients aged 65 years and older with at least two cardiometabolic diseases were included. The final phase was conducted with 700 patients. Based on the dataset containing various features, Random Forest, XGBoost, and SVM machine learning algorithms were used to predict care needs based on frailty level. For each of the ten nursing diagnoses, separate decision tree models were trained and evaluated. RESULTS: Three main themes were identified: experiences during the care process, classification of care needs and prioritization of nursing diagnoses, and views on the development of a decision support system. The Cronbach's alpha coefficient of the developed scale was found to be 0.978, and it showed good model fit overall. For binary classification with the top 19 features, the XGBoost model performed best (86%), while for three-class classification, the SVM model showed the highest accuracy (76%). The ten nursing diagnoses evaluated using the decision tree method were classified with high accuracy, ranging from 97% to 100%. CONCLUSION: Utilizing machine learning-based CDSSs based on multidimensional features may facilitate nurses' clinical decision-making when planning care for older individuals with complex care needs.

Benzer Tezler

  1. Tez No

    957897

    Yüksek yağlı diyetle beslenen sıçanlarda diyete ilave edilen lutein ve zeaksantin lipid peroksidasyonu, gen ekspresyonu ve kardiyometabolik risk faktörleri üzerine etkisi

    Effects of supplemental dietary lutein and zeaxanthin on lipid peroxidations, gene expressions and cardiometabolic risk factors on high-fat-diet fed rats

    BUSE KIRATLI

    Doktora

    Türkçe

    Türkçe

    2025

    Beslenme ve DiyetetikHacettepe Üniversitesi

    Diyetetik Ana Bilim Dalı

    PROF. DR. FATMA GÜLHAN SAMUR

  2. Tez No

    518167

    Üniversite öğrencilerinde venöz metabolik biyobelirteçlerin besin tüketimleri ile ilişkilendirilmesi

    The association of venous metabolic biomarkers with food consumption in university students

    HAYRUNİSA İÇEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Beslenme ve DiyetetikMarmara Üniversitesi

    Beslenme ve Diyetetik Ana Bilim Dalı

    DOÇ. DR. FATMA ESRA GÜNEŞ

  3. Tez No

    846338

    Psychometric evaluation of a Kurdish version of medication adherence report scale and beliefs about medication questionnaire in patients with cardiometabolic conditions

    Kardiyometabolik durumlu hastalarda ilaç uyum raporu ölçeğinin ve ilaçlar hakkındaki inançlar anketinin Kürtçe versiyonunun psikometrik değerlendirmesi

    HUDA JABBAR JAWHAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Eczacılık ve FarmakolojiYeditepe Üniversitesi

    Klinik Eczacılık Ana Bilim Dalı

    DOÇ. DR. ABDIKARIM ABDI

    DR. ÖĞR. ÜYESİ KAWA AHMED OBEID

  4. Tez No

    720349

    Adölesanlarda diyet inflamasyon indeksinin kardiyometabolik risk faktörleri ile ilişkisi

    The relationship of dietary inflammatory index and cardiometabolic risk factors in adolescents

    ZEYNEP PARLAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Beslenme ve DiyetetikGazi Üniversitesi

    Beslenme ve Diyetetik Ana Bilim Dalı

    PROF. DR. GAMZE AKBULUT

  5. Tez No

    892599

    İtfaiyecilerde kardiyorespiratuar uygunluğun kardiyometabolik risk faktörleri ve testosteron seviyesine etkisinin incelenmesi

    Investigation of the effect of cardiorespiratory fitness on cardiometabolic risk factors and testosterone levels in firefighters

    NURAY DEMİRALP

    Doktora

    Türkçe

    Türkçe

    2024

    Halk SağlığıÇanakkale Onsekiz Mart Üniversitesi

    İş Sağlığı ve Güvenliği Ana Bilim Dalı

    PROF. DR. HÜRMÜZ KOÇ

Geri Dön