Geri Dön

Hastalar için radyolojide yapay zekâ tutum ölçeği Türkçe formunun geçerlik ve güvenirlik çalışması

Reliability and validitystudy of Turkish version of artificial intelligence in radiology attitude scale for patients

PDF İndir

  1. Tez No: 994348
  2. Yazar: AYŞE MARAŞLI
  3. Danışmanlar: DOÇ. DR. ARZU BULUT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Sağlık Yönetimi, Healthcare Management
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Bandırma Onyedi Eylül Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Sağlık Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Sağlık hizmetlerinde yapay zekâ uygulamalarının yaygınlaşması, özellikle radyoloji gibi görüntüleme temelli alanlarda, hastaların yapay zekâya yönelik tutumlarının güvenilir biçimde değerlendirilmesini gerekli kılmaktadır. Bu çalışmanın amacı, Hastalar için Radyolojide Yapay Zekâ Tutumları Ölçeği'nin (RYZTÖ) Türk kültürüne uyarlanması ile geçerlik ve güvenirliğinin test edilmesidir. Kesitsel ve metodolojik türde gerçekleştirilen bu araştırmada veriler yüz yüze toplanmış ve yaş ortalaması 34,50±11,21 olan, %63,6'sı kadın toplam 659 katılımcı analize dâhil edilmiştir. Madde analizi sonrasında düşük ayırt ediciliğe sahip maddeler ölçekten çıkarılmıştır. Araştırma iki aşamalı olarak yürütülmüş; Açımlayıcı Faktör Analizi (AFA, n=330) ve Doğrulayıcı Faktör Analizi (DFA, n=329) uygulanmıştır. Paralel analiz sonuçları, ölçeğin dört faktörlü yapısını desteklemiştir. AFA'da faktör yükleri 0,32 ile 0,78 arasında bulunmuştur. AFA ile elde edilen yapı, DWLS kestirim yöntemiyle yürütülen DFA'da iyi uyum göstermiştir (χ²(224)=640,16; CFI=0,985; TLI=0,983; RMSEA=0,075; SRMR=0,072). DFA'da standartlaştırılmış faktör yükleri 0,41 ile 0,91 arasında değişmiştir. RYZTÖ'nün alt faktörleri; güvensizlik ve hesap verebilirlik, prosedür bilgisi, kişisel etkileşim ile yapay zekâya yönelik kaygı ve etik endişe olarak adlandırılmıştır. Yakınsak ve ıraksak geçerlik analizlerinde özellikle Prosedür Bilgisi boyutu güçlü değerler sunmuştur (AVE=0,66; CR=0,95). HTMT değerleri 0,559 ile 0,786 arasında bulunmuş ve bu durum ayırıcı geçerliği desteklemiştir. İç tutarlılık katsayıları, alt boyutlarda α=0,58–0,89 arasında; toplam ölçek için ise α=0,87 ve ω=0,88 olarak hesaplanmıştır. Test–tekrar test (n=35) sonuçları, yüksek düzeyde kararlılık göstermiştir (alt boyutlar ICC=0,93–0,96; toplam ICC=0,97). Ölçüm değişmezliği analizleri, yaş, cinsiyet ve eğitim gruplarında metrik, skaler ve katı düzeylerde değişmezliği desteklemiştir. Ölçüt bağıntılı geçerlik analizlerinde, RYZTÖ'nün yapay zekâ okuryazarlığı ve genel tutum ölçümleriyle kuramsal olarak beklenen yönde anlamlı ilişkiler gösterdiği saptanmıştır. Sonuç olarak, RYZTÖ; Türk hastalarda radyolojiye yönelik tutumların ölçümünde kullanılabilecek geçerli ve güvenilir bir ölçme aracıdır. Bu bağlamda ölçek, hastaların radyolojik hizmetlere yönelik tutumlarını anlamak, değerlendirmek ve bu alandaki uygulamaları geliştirmek amacıyla yapılacak bilimsel araştırmalarda etkili bir veri toplama aracı olarak kullanılabilir.

Özet (Çeviri)

The increasing use of artificial intelligence applications in healthcare, particularly in imaging-based fields such as radiology, necessitates the reliable assessment of patients' attitudes towards artificial intelligence. The aim of this study is to adapt the Radiology Artificial Intelligence Attitude Scale (RAIAS) to Turkish culture and to test its validity and reliability. In this cross-sectional and methodological study, data were collected face-to-face, and a total of 659 participants, with an average age of 34.50±11.21 and 63.6% female, were included in the analysis. Items with low discriminant validity were removed from the scale after item analysis. The research was conducted in two stages: Exploratory Factor Analysis (EFA, n=330) and Confirmatory Factor Analysis (CFA, n=329) were applied. Parallel analysis results supported the four-factor structure of the scale. Factor loadings in EFA ranged from 0.32 to 0.78. The structure obtained with EFA showed good fit in the CFA conducted using the DWLS estimation method (χ²(224)=640.16; CFI= 0.985; TLI= 0.983; RMSEA= 0.075; SRMR= 0.072). Standardised factor loadings in the CFA ranged from 0.41 to 0.91. The sub-factors of RAIAS were named insecurity and accountability, procedural knowledge, personal interaction, and anxiety and ethical concerns regarding artificial intelligence. In convergent and discriminant validity analyses, the Procedural Knowledge dimension in particular yielded strong values (AVE = 0.66; CR = 0.95). HTMT values ranged from 0.559 to 0.786, supporting discriminant validity. Internal consistency coefficients were calculated as α= 0.58–0.89 for the subscales and α=0.87 and ω=0.88 for the total scale. Test–retest (n=35) results showed high stability (subdimensions ICC= 0.93–0.96; total ICC= 0.97). Measurement invariance analyses supported invariance at metric, scalar, and rigid levels across age, gender, and education groups. Criterion-related validity analyses revealed that the RAIASshowed meaningful relationships with artificial intelligence literacy and general attitude measurements, as theoretically expected. In conclusion, the RAIAS is a valid and reliable measurement tool that can be used to measure attitudes towards radiology in Turkish patients. In this context, the scale can be used as an effective data collection tool in scientific research aimed at understanding and evaluating patients' attitudes towards radiological services and improving practices in this field.

Benzer Tezler

  1. Tez No

    682835

    Multiple skleroz olgularında korpus kallozum morfolojisinin endeksler ve yapay zeka ile değerlendirilmesi

    Başlık çevirisi yok

    SELAHATTİN DEMİRBAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Radyoloji ve Nükleer TıpAkdeniz Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. KAMİL KARAALİ

  2. Tez No

    927677

    Dinamik kontrastlı meme MR görüntülemede radyomiks analizleri ve yapay zeka kullanılmasıyla meme kanseri subtiplerinin belirlenmesi

    Determination of breast cancer subtypes using radiomics analyses and artificial intelligence in dynamic contrast-enhanced breast MRI

    ÇAĞIN HÜRYOL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL AKDOĞAN GEMİCİ

  3. Tez No

    876482

    Ön işleme tabanlı manyetik rezonans sekans karşılaştırmalı servikal lenf nodu segmentasyonu

    Preprocessing based magnetic resonance sequence comparative cervical lymph node segmentation

    ELİF AYTEN TARAKÇI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Kulak Burun ve BoğazSağlık Bakanlığı

    Kulak Burun Boğaz Ana Bilim Dalı

    PROF. DR. METİN ÇELİKER

  4. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  5. Tez No

    903495

    Klinik ve radyolojik olarak akut akciğer emboli tanısı konulanhastalarda derin öğrenme algoritmalarının tanı başarısı

    Clinically and radiologically diagnosed acute pulmonary embolismdiagnostic success of deep learning algorithms in patients

    RABİA AYDIN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Göğüs Hastalıklarıİstanbul Üniversitesi

    Göğüs Hastalıkları Ana Bilim Dalı

    PROF. DR. MUSTAFA ERELEL

Geri Dön