112 Acil Sağlık Hizmetleri aracılığıyla hastaneye getirilen hastaların triyaj skorlarının ve yapay zeka öğrenim skorunun karşılaştırılması
Comparison of triage scores and artificial intelligence learning scores of patients brought to hospital via 112 Emergency Health Services
- Tez No: 984883
- Danışmanlar: DOÇ. DR. UTKU MURAT KALAFAT
- Tez Türü: Tıpta Uzmanlık
- Konular: Acil Tıp, Emergency Medicine
- Anahtar Kelimeler: ESI, MTS, SBTS, Triyaj, Yapay Zekâ, Acil tıp, Yapay zeka, Artificial Intelligence, ESI, MTS, SBTS, Triage Systems, Emergency medicine, Triage, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Kanuni Sultan Süleyman Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın temel hedefi, 112 Acil Sağlık Hizmetleri aracılığıyla kırmızı alana getirilen erişkin hastaların sınıflamasında kullanılan Emergency Severity Index (ESI), Manchester Triyaj Sistemi (MTS) ve Sağlık Bakanlığı Triyaj Sistemi (SBTS) sınıflandırmalarının klinik sonuçlarla ilişkisini incelemek; bu sistemlerin klinik sonlanım üzerindeki öngörü gücünü karşılaştırmaktır. Ayrıca Random Forest, Gradient Boosting ve CatBoost gibi yapay zekâ (YZ) algoritmalarının hekim triyaj kararlarına göre performanslarının karşılaştırılması amaçlanmıştır. Gereç ve Yöntem: Araştırma 01 Temmuz–01 Kasım 2025 tarihleri arasında İstanbul SBÜ Kanuni Sultan Süleyman Eğitim ve Araştırma Hastanesi Acil Servisi'nde kesitsel, prospektif ve analitik olarak yürütülmüştür. Çalışmaya 18 yaş üstü toplam 899 hasta dâhil edilmiştir. Demografik veriler, vital bulgular, semptom profili, Glasgow Koma Skoru, ilk 24 saat içindeki klinik sonlanımları ve triyaj sınıflamaları kaydedilmiştir. Ki-kare testi, lojistik regresyon ve ROC eğrisi değerlendirmesi yapılmış; anlamlılık düzeyi p<0.001 olarak kabul edilmiştir. Bulgular: Üç triyaj sisteminin dereceleri ile klinik sonlanımlar arasında anlamlı ilişki tespit edilmiştir. ESI 1–2, MTS kırmızı–turuncu ve SBTS kırmızı kategorileri yoğun bakım ihtiyacı ve ölüm oranlarının en yüksek olduğu gruplar olarak saptanmıştır. YZ modelleri klinik sonlanımı %87–93 doğrulukla tahmin etmiş; özellikle CatBoost kritik hastayı ayırt etmede en güçlü algoritma olmuştur. Tartışma ve Sonuç: Bulgular, manuel triyaj sistemlerinin yüksek riskli hastaları ayırt etmekte etkili olduğunu; YZ modellerinin ise bu sınıflandırmaları yüksek doğrulukla destekleyebildiğini göstermektedir. YZ modellerinin acil servis uygulamalarına entegrasyonunun risk sınıflandırmasını standardize edebileceği, erken tanı ve doğru yönlendirmeyi güçlendirebileceği düşünülmektedir.
Özet (Çeviri)
Aim: The primary aim of this study is to examine the relationship between clinical outcomes and the triage classifications used for adult patients brought to the red zone via the 112 Emergency Medical Services—namely the Emergency Severity Index (ESI), the Manchester Triage System (MTS), and the Ministry of Health Triage System (SBTS). The study also aims to compare the predictive power of these systems on clinical outcomes, as well as to evaluate and compare the performance of artificial intelligence (AI) algorithms such as Random Forest, Gradient Boosting, and CatBoost against physician-based triage decisions Materials and Methods: This cross-sectional, prospective, and analytical study was conducted between 01 July and 01 November 2025 in the Emergency Department of Istanbul University of Health Sciences Kanuni Sultan Süleyman Training and Research Hospital. A total of 899 patients aged 18 years and older were included. Demographic characteristics, vital signs, symptom profiles, Glasgow Coma Scale scores, clinical outcomes within the first 24 hours, and triage classifications were recorded. Chi-square tests, logistic regression analyses, and ROC curve evaluations were performed, with statistical significance set at.at p<0.001. Results: A significant association was found between the triage levels of all three systems and clinical outcomes. ESI levels 1–2, MTS red–orange, and SBTS red categories were identified as the groups with the highest rates of intensive care requirement and mortality. AI models predicted clinical outcomes with an accuracy of 87–93%, with CatBoost emerging as the strongest algorithm for identifying critically ill patiens. Discussion and Conclusion: The findings demonstrate that manual triage systems are effective in identifying high-risk patients, while AI models can support these classifications with high accuracy. Integrating AI models into emergency department workflows may standardize risk stratification, enhance early detection, and improve patient routing and decision-making.
Benzer Tezler
- Üniversite acil servisine 112 ambulans ile başvuran hastaların uygunluk düzeyinin değerlendirilmesi
Evaluation of the suitability of patient acceptance in emergency medicine department in university hospital with 112 ambulances
MELİKE MENENDİ
Tıpta Uzmanlık
Türkçe
2022
Acil TıpNecmettin Erbakan ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. ABDULLAH SADIK GİRİŞGİN
- Çocuk acil servise cankurtaran hizmeti ile başvuran hastaların klinik ve demografik verilerin değerlendirilmesi ve uygunsuz cankurtaran servisi kullanımı
Evaluation of patients admitted to the pediatric emergency service with an ambulance
CEREN DOĞAN
Tıpta Uzmanlık
Türkçe
2024
Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. MURAT ELEVLİ
- Hastane dışı kardiyak arrest olgularında hastane öncesi endotrakeal entübasyonun sağ kalım ve nörolojik sonlanım üzerine etkisi: Prospektif gözlemsel bir çalışma
The effect of prehospital endotracheal intubation on survival and neurological outcomes in out-of-hospital cardiac arrest cases: A prospective observational study
BÜŞRA NUR KÖKSAL
Tıpta Uzmanlık
Türkçe
2026
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. ÖZGÜR SÖĞÜT
- Bolu ilinde 112 komuta kontrol merkezi aracılığıyla yapılan il içi ve il dışı hasta sevklerinin incelenmesi
The analyzing of patient transfers in and out of the city, Bolu, that is performed by 112 command and control center
BURÇİN BALABAN
Tıpta Uzmanlık
Türkçe
2013
İlk ve Acil YardımAbant İzzet Baysal ÜniversitesiAcil Tıp Ana Bilim Dalı
YRD. DOÇ. DR. TANZER KORKMAZ
- 2013-2022 yılları arasında 112 acil sağlık hizmetlerinde istasyon, personel, ambulans ve vaka sayıları dağılımının hizmet sunumu açısından değerlendirilmesi: Ankara örneği
Assessment of the distribution of stations, personnel, ambulances, and case numbers in 112 emergency health services in terms of service delivery between 2013-2022: Ankara example
ERKAN ESEN
Yüksek Lisans
Türkçe
2024
İlk ve Acil YardımÇankırı Karatekin ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DOÇ. DR. SİNAN BULUT