Antibiyotik direnç tahminine yönelik klinik karar destek sistemi geliştirilmesi
Development of a clinical decision support system for predicting antibiotic resistance
- Tez No: 980609
- Danışmanlar: PROF. DR. AHMET YARDIMCI
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu tez projesinde, idrar yolu enfeksiyonu hastalarında antibiyotik direncini tahmin eden bir klinik karar destek sistemi prototipi geliştirilmesi amaçlanmıştır. Yöntem: Çalışmada, idrar yolu enfeksiyonu patojenlerinin sefalosporin, TZP, karbapenem, TMP-SMX ve florokinolona karşı direncini tahmin etmek amacıyla karar ağaçları, KNN, lojistik regresyon, XGBoost ve rastgele orman yöntemleri kullanılmıştır. SHAP analizi ile modellerin iç işleyişi analiz edilerek antibiyotik direnci tahmininde etkili değişkenler belirlenmiş ve bir klinik karar destek sistemi prototipi oluşturulmuştur. Bulgular: Rastgele orman yöntemi, eğitim setinde sefalosporin, TZP, karbapenem, TMP-SMX ve florokinolon direnç tahmininde sırasıyla 0,777, 0,864, 0,877, 0,881 ve 0,884 AUC değerleri; test setinde ise sırasıyla 0,638, 0,630, 0,665, 0,670 ve 0,721 AUC değerleri ile diğer yöntemlere kıyasla daha iyi performans göstermiştir. SHAP analizi, önceki ziyaret sayısı, ilk kültür zamanı, kronik alt solunum yolu hastalıkları, enfeksiyon öncesi ilaç kullanımı ve kullanım süresinin tüm antibiyotikler için direnç tahmininde önemli değişkenler olduğunu göstermiştir. Sonuç: Bu çalışma, idrar yolu enfeksiyonu hastalarında antibiyotik direncini tahmin eden makine öğrenmesi tabanlı bir klinik karar destek sistemi prototipi geliştirilmesine temel oluşturmuştur. Gelecekte yapılacak iyileştirmelerle sistemin klinik karar süreçlerini destekleme ve antibiyotik direnciyle mücadelede etkili bir araç olma potansiyeli bulunmaktadır.
Özet (Çeviri)
Objective: This project aims to develop a clinical decision support system prototype to predict antibiotic resistance in patients with urinary tract infections. Method: In the present study, decision trees, KNN, logistic regression, XGBoost, and random forest methods were used to predict the resistance of urinary tract infection pathogens to cephalosporins, TZP, carbapenems, TMP-SMX, and fluoroquinolones. By analyzing the internal workings of the models using SHAP analysis, the significant variables in predicting antibiotic resistance were identified, and a clinical decision support system prototype was developed. Results: The random forest method demonstrated superior performance compared to other methods, with AUC values of 0.777, 0.864, 0.877, 0.881, and 0.884 for predicting resistance to cephalosporins, TZP, carbapenems, TMP-SMX, and fluoroquinolones, respectively, in the training set; and AUC values of 0.638, 0.630, 0.665, 0.670, and 0.721, respectively, in the test set. According to SHAP analysis, the number of previous admissions, the first culture time, chronic lower respiratory tract diseases, pre-infection drug use, and duration of use were important variables for predicting resistance to all antibiotics. Conclusion: This study provides a foundation for the development of a machine learning-based clinical decision support system prototype for predicting antibiotic resistance in patients with urinary tract infections. With future improvements, the system has the potential to support clinical decision-making processes and serve as an effective tool in combating antibiotic resistance.
Benzer Tezler
- Molecular identification and antimicrobial resistance profiles of Escherichia coli isolated in urine cultures from Shamiya State Hospital (Iraq)
Şamiye Devlet Hastanesi (Irak) idrar kültürlerinden izole edilen Escherichia coli'nin moleküler tanımlanması ve antimikrobiyal direnç profilleri
ALI HAMEED NEAMAH ALHUSSEINI
Yüksek Lisans
İngilizce
2024
MikrobiyolojiAfyon Kocatepe ÜniversitesiMoleküler Biyokimya ve Genetik Ana Bilim Dalı
PROF. DR. MEHMET OĞUZ ÖZTÜRK
- Evaluation of the risk of developing bacteremia and mortality in patients colonized with carbapenemase-producing enterobacteriaceae in rectal swabs using giannella and increment scores
Rektal sürüntülerinde karbapenemaz üreten enterobacteriaceae ile kolonize olan hastalarda bakteremi ve mortalite gelişme riskinin giannella ve increment skorları ile değerlendirilmesi
YUSUF OLUÇ
Tıpta Uzmanlık
Türkçe
2023
Enfeksiyon Hastalıkları ve Klinik MikrobiyolojiMarmara ÜniversitesiEnfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı
PROF. DR. ELİF TİGEN
- Predicting drug synergy using data mining
İlaçlar arası sinerjinin veri madenciliği yöntemleriyle tahmini
MILAD HASSANI
Yüksek Lisans
İngilizce
2016
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL KILIÇ
- Detection of antibiotic resistance in bacteria via machine learning approaches
Yapay öğrenme yaklaşımlarıyla bakterilerde antibiyotik direnç tespiti
HAMDİ ERKUT
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
DOÇ. DR. ELİF ÖZKIRIMLI ÖLMEZ
- New methodologies for understanding antibiotic resistance mechanisms in translational medicine in gram-positive bacteria
Gram pozitif bakterilerde translasyonel tıpta antibiyotik direnç mekanizmalarını anlamak için yeni metodolojiler
DENİZ ECE KAYA
Doktora
İngilizce
2023
BiyoistatistikAcıbadem Mehmet Ali Aydınlar ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. ÖZGÜR KURT