Bel ağrısı şikayetlerinin sınıflandırılmasında açıklanabilir makine öğrenmesi tabanlı klinik karar destek sistemi
An explainable machine learning–based clinical decision support system for the classification of low back pain complaints
- Tez No: 999169
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET CABİR AKKOYUNLU
- Tez Türü: Doktora
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, bel ağrısı şikayeti ile sağlık kuruluşlarına başvuran hastalarda cerrahi tedavi gereksiniminin öngörülmesine yönelik, hasta tarafından bildirilen veriler ve temel klinik muayene bulgularına dayalı makine öğrenmesi destekli bir Klinik Karar Destek Sistemi geliştirilmiştir. Bel ağrısının heterojen klinik yapısı ve olguların büyük bir bölümünde özgül bir patofizyolojik nedenin saptanamaması, tanı ve triyaj süreçlerinde belirsizliklere yol açmaktadır. Dolayısı ile bu durum, gereksiz ileri tetkiklere, maliyet artışına ve sağlık kaynaklarının verimsiz kullanımına neden olabilmektedir. Bu bağlamda çalışma, ileri görüntüleme yöntemlerine başvurulmadan, birinci basamak sağlık hizmetlerinde kolaylıkla elde edilebilen hasta beyanına dayalı verilerle cerrahi gereksinimin tahmin edilmesini amaçlamaktadır. Araştırma, Karaman Eğitim ve Araştırma Hastanesi Beyin ve Sinir Cerrahisi Polikliniğine başvuran 313 hastadan prospektif olarak toplanan verilerle yürütülmüştür. Veri seti demografik bilgiler, ağrının süresi ve şiddeti, fonksiyonel kısıtlılıklar ile temel nörolojik muayene bulgularını içermektedir. Analiz sürecinde veri ön işleme adımları uygulanmış, eksik veri yönetimi gerçekleştirilmiş, sınıf dengesizliği giderilmiş ve ayırt edici özellikler belirlenmiştir. Model geliştirme aşamasında on farklı makine öğrenmesi algoritmaları kullanılmıştır. Bu modeller 5-katlı çapraz doğrulama yöntemiyle değerlendirilmiş ve hiperparametre optimizasyonu yapılmıştır. Performans değerlendirmesi doğruluk, F1 skoru ve ROC-AUC metrikleri üzerinden gerçekleştirilmiştir. Elde edilen bulgular doğrultusunda en yüksek performansı sergileyen model belirlenmiş ve modelin karar mekanizması SHAP tabanlı açıklanabilir yapay öğrenme yaklaşımı ile analiz edilerek klinik yorumlanabilirlik sağlanmıştır. Geliştirilen model, klinik kullanım senaryoları dikkate alınarak tasarlanan web tabanlı bir Klinik Karar Destek Sistemi prototipine entegre edilmiştir. Çalışma sonuçları, hasta tarafından bildirilen verilerin bel ağrısında cerrahi gereksinimin öngörülmesinde erişilebilir bir karar destek aracı olarak kullanılabileceğini göstermektedir.
Özet (Çeviri)
In this study, a machine learning–based Clinical Decision Support System was developed to predict the need for surgical treatment in patients presenting to healthcare institutions with low back pain complaints, using patient-reported data and basic clinical examination findings. The heterogeneous clinical nature of low back pain and the absence of a clearly identifiable pathophysiological cause in a substantial proportion of cases contribute to uncertainty in diagnostic and triage processes. Consequently, this situation may lead to unnecessary advanced diagnostic procedures, increased healthcare costs, and inefficient use of healthcare resources. Within this context, the study aims to estimate surgical necessity without relying on advanced imaging modalities, by utilizing patient-reported data that can be readily obtained in primary care settings. The study was conducted using prospectively collected data from 313 patients who presented to the Neurosurgery Outpatient Clinic of Karaman Training and Research Hospital. The dataset includes demographic information, pain duration and intensity, functional limitations, and basic neurological examination findings. During the analysis process, data preprocessing steps were applied, including missing data handling, class imbalance mitigation, and identification of discriminative features. In the model development phase, ten different machine learning algorithms were employed. These models were evaluated using five-fold cross-validation, and hyperparameter optimization was performed. Model performance was assessed using accuracy, F1 score, and ROC–AUC metrics. Based on the results obtained, the model demonstrating the highest performance was identified, and its decision-making process was analyzed using the SHAP-based explainable machine learning approach to ensure clinical interpretability. The developed model was integrated into a web-based Clinical Decision Support System prototype designed with clinical use scenarios in mind. The findings indicate that patient-reported data may serve as an accessible and effective decision support tool for predicting surgical necessity in low back pain management.
Benzer Tezler
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
Ege ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Samsun ve çevresinde tarla sarmaşığı (conuolvulus arvensis L.)'na karşı biyolojik savaşa esas olacak fauna tespiti
Investigations on the insect fauna of the field binweed (Conuolvulus arvensis L.) related to its biological control in Samsun Province
YASEMİN UFUK GERMAN
- İki katlı pamuk ipliklerinden dokunan kumaşlarda örgüye bağlı olarak maksimum atkı sıklığının değişimi üzerinde bir araştırma
Başlık çevirisi yok
MELTEM ASLI NARTER