Sepsise bağlı trombositopeni geliştirme riskini erken tahmin etmek için makine öğrenmesi algoritmalarının değerlendirilmesi
Evaluation of machine learning algorithms for early prediction of the risk of sepsis-associated thrombocytopenia
- Tez No: 977048
- Danışmanlar: DR. ÖĞR. ÜYESİ BÜŞRA EMİR
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Sepsis İlişkili Trombositopeni, Makine Öğrenmesi, Yapay Zekâ, Sınıflandırma Algoritmaları, Tahmin, Performans Ölçütleri, Bayes yöntemi, Naive Bayes sınıflandırıcısı, Performans ölçümleri, Sepsis, Sınıflama yöntemleri, Teşhis, Trombositopeni, Yapay sinir ağları, Yapay zeka, Sepsis-Associated Thrombocytopenia, Machine Learning, Artificial Intelligence, Classification Algorithms, Prediction, Performance Metrics, Bayesian method, Naive Bayes classifier, Performance measurements, Sepsis, Classification methods, Estimation, Diagnosis, Thrombocytopenia, Artificial neural networks, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Sepsis, yoğun enfeksiyon sonucunda yüksek mortalite oranına sahip ciddi bir klinik durum olup, trombositopeni bu hastalarda yaygın bir komplikasyondur. Sepsis İlişkili Trombositopeni teşhisinde Rasgele Orman, Yapay Sinir Ağları, Aşırı Gradyan Artırma, Naive Bayes algoritmalarının performanslarını değerlendirerek en uygun modelin belirlenmesi hedeflenmektedir. Yöntem: İki merkezli retrospektif kesitsel çalışmada sepsis hastalarının veri seti kullanılmıştır. Veri seti 80:20 oranında eğitim ve test veri setlerine ayrılarak modeller eğitim veri seti üzerinde eğitilmiş ve test veri seti üzerinde 10 kat çapraz doğrulama ile değerlendirilmiştir ve aşırı öğrenmeyi önlemek için erken durdurma yöntemi kullanılmıştır. Modeller; duyarlılık, özgüllük, yanlış pozitif/negatif oranı, pozitif/negatif tahmin değeri, doğruluk, kesinlik, F1 skoru, AUROC ve karmaşıklık matrisi ölçütleriyle değerlendirilmiştir. İlk 10 önemli değişken her model sınıflandırıcısı ve SHAP ile sıralanmıştır. Bulgular: 1147 sepsis hastasının 772'sinde (%53,4) trombositopeni gelişmiştir. Çapraz doğrulama sonuçlarına göre, %91,10 doğruluk %92,31 F1 skoru ile en iyi model Aşırı Gradyan Artırma olmuştur. Bu modeli sırasıyla %90,32 doğruluk %91,51 F1 skoru ile Yapay Sinir Ağları ve %83,75 doğruluk %85,32 F1 skoru ile Rasgele Orman izlemiştir. Naive Bayes %67,67 doğruluk %60,97 F1 skoru ile son sırada yer almıştır. Sonuçlar: Bu çalışma, Sepsis İlişkili Trombositopeni teşhisinde makine öğrenmesi algoritmalarının yüksek doğruluk oranları ile kullanılabilir potansiyele sahip olduğunu göstermiş olup gelecekteki çalışmalar için rehber niteliğinde olacaktır.
Özet (Çeviri)
Aim: Sepsis is a serious clinical condition with high mortality rates because of intense infection, and thrombocytopenia is a common complication in these patients. It is aimed at determining the most appropriate model by evaluating the performances of Random Forest, Artificial Neural Networks, eXtreme Gradient Boosting, Naive Bayes algorithms in the diagnosis of Sepsis-Associated Thrombocytopenia. Methods: A two-center retrospective cross-sectional study was conducted using a sepsis patient dataset. The dataset was divided into training and test datasets at a ratio of 80:20, and models were trained on the training dataset and evaluated with 10-fold cross-validation on the test dataset, and early stopping was used to prevent over-learning. Models were evaluated using sensitivity, specificity, false positive/negative rate, positive/negative predictive value, accuracy, precision, F1 score, AUROC, and complexity matrix. The top 10 significant variables were ranked by each model classifier and SHAP. Results: Thrombocytopenia developed in 772 (53.4%) of 1147 sepsis patients. According to cross-validation results, the best model was Extreme Gradient Boosting with 91.10% accuracy 92.31% F1 score. This model was followed by Artificial Neural Networks with 90.32% accuracy 91.51% F1 score and Random Forest with 83.75% accuracy 85.32% F1 score, respectively. Naive Bayes came in last place with 67.67% accuracy and 60.97% F1 score. Conclusion: This study has shown that machine learning algorithms have the potential to be used with high accuracy rates in the diagnosis of Sepsis-Associated Thrombocytopenia and will serve as a guide for future studies.
Benzer Tezler
- Pediatrik hastalarda uygulanan ekstrakorporal membran oksijenizasyonu (ECMO) sonuçlarının hasta profillerine göre değerlendirilmesi
Evaluation of pediatric extracorporeal membrane oxygenation according to the patients risk profile
İBRAHİM YAMAN
Yüksek Lisans
Türkçe
2019
Sağlık Kurumları YönetimiNişantaşı ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
PROF. DR. SERAP İNCAZ
- Deneysel intraabdominal sepsisin geç döneminde düşük ve yüksek doz ganoderma lucidumun iyileştirici etkileri
Effectiveness of low and high dose ganoderma lucidum improvements in the late period of experimental intraabdominal sepsis
UĞUR ERCAN
Tıpta Uzmanlık
Türkçe
2017
Genel CerrahiBozok ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. BAHADIR KÜLAH
- Neonatal sepsis nedeniyle takip edilen hastalarda kardiyolojik bulgular ve vazoaktif ilaç ihtiyacının değerlendirilmesi
Evaluation of cardiologic findings and the need of vasoactive drug in patients followed for neonatal sepsis
HİLAL ŞAHİN SİNDİ
Tıpta Uzmanlık
Türkçe
2023
Çocuk Sağlığı ve HastalıklarıKahramanmaraş Sütçü İmam ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. SADIK YURTTUTAN
- Çocuklarda heparine bağlı trombositopeni( HİT-II ) sıklığının prospektif olarak araştırılması
Heparin-induced thrombocytopnia ( HİT-II ) density as a prospective investigation of children
GABIL MURSALOV
Tıpta Uzmanlık
Türkçe
2012
Çocuk Sağlığı ve HastalıklarıEge ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. KAAN KAVAKLI
- Wiskott aldrich sendromu ve X e bağlı geçişli trombositopeni tanılarıyla izlenen 23 vakanın demografik özellikleri, klinik, laboratuvar bulguları ve klinik seyirleri
The demographic, clinical and laboratory features and clinical courses of 23 cases followed by diagnosis wiskott aldrich syndrome and X linked thrombocytopenia
HACER NESLİHAN BİLDİK
Tıpta Uzmanlık
Türkçe
2014
Çocuk Sağlığı ve HastalıklarıHacettepe ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. İLHAN TEZCAN