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
- Tez No: 968109
- Danışmanlar: DOÇ. DR. HAVVA SERT
- Tez Türü: Doktora
- Konular: Hemşirelik, Nursing
- 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
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Hemşirelik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Akdeniz Üniversitesi Hastanesi Aile Hekimliği Polikliniğine başvuran hastaların trigliserid/glukoz indeks değerlerine kronik hastalıkların etkisi
The impact of chronic diseases on the triglyceride/glucose index values of patients attending the family Medicine Polyclinic at Akdeniz University Hospital
HANSA GÖÇER
- Toplumda multimorbidite kümeleri, belirleyicileri ve multimorbiditenin sağlık hizmeti kullanımına, yaşam kalitesi ve hasta aktivasyonuna etkisi
Multimorbidity clusters in the population, their determinants, and the impact of multimorbidity on healthcare utilization, quality of life, and patient activation
ALİ KÖSE
- 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
- Kardiyometabolik hastalıkları olan ve olmayan bireylerin beslenme durumunun diyet inflamatuar indeksi (DII), sağlıklı yeme indeksi (HEI) ve diyet kalite indeksi (DQİ) üzerine etkisinin değerlendirilmesi
Evaluation of the effect of nutritional status on dietary inflammatory index (DII), healthy eating index (HEI) and diet quality index (DQI) in individuals with and without cardiometabolic diseases
SEYHUN BAŞER
- Kardiyometabolik risk göstergeleri olan aterojenik plazma indeksi ve trigliserid glukoz indeksinin atrial fibrilasyon tanısı olan ile olmayan hastalarda kıyaslanması ve klinik sonlanımlarla ilişkisi
Comparison of cardiometabolic risk indicators: atherogenic index of plasma and triglyceride glucose index in patients with and without atrial fibrillation and their relationship with clinical outcomes
YUSIF ABBASOV
