Geri Dön

Yoğun bakım ünitesinde sepsise bağlı akut böbrek hasarının erken tahmini için makine öğrenmesi yaklaşımları

Machine learning approaches for early prediction of sepsis-associated acute kidney injury in the intensive care unit

  1. Tez No: 1014983
  2. Yazar: DUYGU TOPALOĞLU
  3. Danışmanlar: PROF. DR. OLCAY POLAT
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Makine öğrenmesi, Topluluk öğrenme, Yoğun bakım, Machine learning, Ensemble learning, Intensive care
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Sepsise bağlı akut böbrek hasarı (SB-ABH), yoğun bakım ünitelerindeki sepsis hastalarında en sık görülen ve mortaliteyi ciddi düzeyde artıran önemli bir komplikasyondur. Erken belirleme, sıvı tedavisinin zamanında düzenlenmesine, nefrotoksik ilaç maruziyetinin sınırlanmasına ve gerektiğinde böbrek destek tedavisinin başlatılmasına olanak tanımaktadır. Ancak mevcut makine öğrenmesi modellerinin önemli bir kısmında tahmin tek bir zaman noktasıyla sınırlı kalmakta, doğrulama rastgele bölmeye dayanmakta ve karar eşikleri sistematik bir seçim sürecinin dışında kalmaktadır. Bu çalışmada, SB-ABH başlangıcının çoklu zaman noktasında erken tahmini için Van Houwelingen landmark üst modeli çerçevesi makine öğrenmesi yöntemleriyle uygulanmıştır. MIMIC-IV v3.1 veri tabanındaki sepsisli hastalarda, yoğun bakım kabulünden sonra dört zaman noktası tanımlanmıştır (kabul, 24, 48 ve 72 saat). Her zaman noktasında, o ana kadar hayatta kalmış ve ABH geçirmemiş hastalardan oluşan koşullu alt küme üzerinde tahmin yapılmıştır. Beş baz model (Lojistik Regresyon, Rastgele Orman, XGBoost, LightGBM, CatBoost) eğitilmiş ve negatif olmayan en küçük kareler (NNLS) topluluğuyla birleştirilmiştir. Modeller, takvim yılına göre üç parçalı zamansal bölmeyle doğrulanmıştır (eğitim 2008–2016, TEST-1 2017–2019, TEST-2 2020–2022). Her landmark için ayrı Platt kalibrasyonu ve Youden J eşik optimizasyonu uygulanmıştır. Topluluk modeli, TEST-1 kümesinde 0,7261 ve TEST-2 kümesinde 0,6988 AUROC değerine ulaşmıştır. Karar eğrisi analizi, modelin klinik olarak anlamlı eşik aralıklarında 'tümünü tedavi et' stratejisine karşı tutarlı üstünlük sağladığını göstermiştir. Her landmark için ayrı yapılan yorumlanabilirlik analizi ise klinik açıdan anlamlı değişken örüntüleri ortaya koymuştur. Çalışma, landmark üst modelinin SB-ABH tahmininde ilk uygulanışını sunmaktadır. Ayrıca zamansal doğrulama, hayatta kalma koşullandırması, landmark bazlı kalibrasyon ve eşik optimizasyonunu tek bir bütünleşik çerçevede birleştiren altı yöntemsel katkı ortaya koymaktadır.

Özet (Çeviri)

Sepsis-associated acute kidney injury (SA-AKI) is the most common complication and a major contributor to mortality among septic patients in intensive care units. Early identification enables timely fluid management, restriction of nephrotoxic drug exposure, and initiation of renal replacement therapy. However, in many current machine learning models, prediction is limited to a single time point, validation relies on random splitting, and decision thresholds remain outside a systematic selection process. This thesis integrates the Van Houwelingen landmark supermodel framework with machine learning to predict SA-AKI onset at multiple time points. Using septic patients from the MIMIC-IV v3.1 database, four landmark times were defined (admission, 24, 48, and 72 hours). At each landmark, predictions were generated on a conditional subset of patients who had survived and remained event-free. Five base models (Logistic Regression, Random Forest, XGBoost, LightGBM, CatBoost) were trained and combined through a non-negative least squares (NNLS) ensemble. Models were validated through year-based three-way temporal splitting (training 2008–2016, TEST-1 2017–2019, TEST-2 2020–2022). Separate Platt calibration and Youden J threshold optimization were applied for each landmark. The ensemble model achieved an AUROC of 0.7261 on the TEST-1 set and 0.6988 on the TEST-2 set. Decision curve analysis showed consistent superiority over the treat-all strategy across clinically meaningful threshold ranges. Landmark-specific interpretability analyses revealed clinically meaningful predictor patterns. This study presents the first application of the landmark supermodel in SA-AKI prediction. It further makes six methodological contributions, integrating temporal validation, survival conditioning, landmark-based calibration, and threshold optimization within a unified framework.

Benzer Tezler

  1. Tez No

    570712

    Yoğun bakım ünitesinde akut böbrek hastalığı tanısı olan olgularda hemodiyaliz tedavisinin mortaliteye etkisi

    The effect of hemodialysis treatment on mortality in patients with acute renal disease in intensive care unit

    ESRA DENİZ KAHVECİOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    NefrolojiZonguldak Bülent Ecevit Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    YRD. DOÇ. DR. YASİN ÖZTÜRK

  2. Tez No

    377992

    Çok düşük doğum ağırlıklı preterm bebeklerde eşlik eden komorbid durumların böbrek fonksiyonlarına etkisinin üriner nötrofil jelatinaz ilişkili lipokalinle değerlendirilmesi

    In very low birth weight preterm infants assessment of accompanying co morbidities effects on renal functions with urinary neutrophil gelatinase-associated lipocalin

    TANER ATILGAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Çocuk Sağlığı ve HastalıklarıPamukkale Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. HACER ERGİN

  3. Tez No

    634581

    Akut böbrek hasarı gelişen septik hastalarda BCL-2 gen çalışması

    BCL-2 gene study in septic patients with acute renal injury

    ECE BİLİR KÖKSAL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    İç HastalıklarıDüzce Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. TÜRKAY AKBAŞ

  4. Tez No

    242427

    Akut akciğer hasarı epidemiyolojisi ve klinik sonlanımı

    Epidemiology and clinical outcomes of acute lung injury

    EMRE GERÇEKER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2009

    Göğüs HastalıklarıDokuz Eylül Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    YRD. DOÇ. DR. HAKAN ALP BODUR

  5. Tez No

    800145

    Çocuk acil servise başvuran akut böbrek hasarı olgularının demografik, klinik ve prognostik özelliklerinin araştırılması

    Investigation of the demographic, clinical and prognostic characteristics of acute renal damage cases applying to the children's emergency department

    KAAN ÇELEBİER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Çocuk Sağlığı ve HastalıklarıAnkara Yıldırım Beyazıt Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. SARE GÜLFEM ÖZLÜ

Geri Dön