Geri Dön

Üst GİS kanamada transfüzyon ve mortalite tahmininde makine öğreniminin geleneksel skorlamalarla karşılaştırılması

Comparison of machine learning with traditional scoring systems in predicting transfusion and mortality in upper gastrointestinal bleeding

PDF İndir

  1. Tez No: 1021012
  2. Yazar: EREN ŞAHİN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MELİHA FINDIK
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Acil Tıp, Gastroenteroloji, Emergency Medicine, Gastroenterology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Balıkesir Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Giriş ve Amaç: Üst gastrointestinal sistem (GİS) kanamasında kullanılan endoskopi öncesi risk skorları, sınırlı sayıda değişkene ve sabit ağırlıklara dayandığından ayırt edicilikleri kısıtlıdır. Bu çalışmada, makine öğrenimi (ML) modellerinin klinik açıdan anlamlı bir kompozit sonlanımın öngörülmesinde ve yüksek duyarlılık gerektiren güvenli taburculuk kararının desteklenmesinde geleneksel endoskopi öncesi skorlara üstünlük sağlayıp sağlamadığının belirlenmesi amaçlanmıştır. Gereç ve Yöntem: Tek merkezli, retrospektif bu prognostik model geliştirme çalışmasında, üçüncü basamak bir acil servise üst GİS kanaması ile başvuran (2021–2025) 756 erişkin hasta analiz edildi. Kompozit sonlanım; 30 günlük mortalite, endoskopik hemostatik müdahale veya eritrosit transfüzyonu olarak tanımlandı. Endoskopi öncesi 66 öngörücü değişken kullanılarak altı algoritma (düzenlileştirilmiş lojistik regresyon, SVM, random forest, XGBoost, LightGBM, CatBoost) ve bir hemoglobin–hematokrit taban modeli eğitildi. Performans, sızıntısız iç içe çapraz doğrulama (10 katlı × 5 tekrarlı), Optuna tabanlı hiperparametre optimizasyonu ve sentetik örnekleme yerine sınıf ağırlıklandırması ile değerlendirildi. Modeller Glasgow-Blatchford (GBS), endoskopi öncesi Rockall ve AIMS65 skorlarıyla AUROC, DeLong testi, NRI, IDI ve yüksek duyarlılık eşiklerinde eşleştirilmiş özgüllük (McNemar) üzerinden karşılaştırıldı; yorumlanabilirlik için SHAP kullanıldı. Bulgular: Kompozit sonlanım 544 hastada (%72,0) gelişti. En yüksek ayırt edicilik CatBoost modelinde elde edildi (AUROC 0,90; %95 GA 0,874–0,921) ve GBS(0,807), Rockall (0,686) ile AIMS65 (0,680) skorlarını geride bıraktı(CatBoost–GBS: ΔAUROC +0,092, p=3,4×10⁻¹²; NRI 0,622; IDI 0,160). Sn≥0,99 çalışma noktasında CatBoost, GBS'ye kıyasla daha yüksek özgüllük gösterdi (0,231 ve 0,165; McNemar p=0,020) ve daha fazla hastayı düşük riskli olarak sınıfladı(%7,1 ve %5,3). Ayırt edicilik başlıca transfüzyon bileşeni tarafından yönlendirilmiş (AUROC 0,897); mortalite için orta düzeyde (0,674), endoskopik hemostaz için ise sınırlı (0,483) kalmıştır. En etkili öngörücüler hemoglobin, hematokrit, üre/hemoglobin oranı ve albümin olarak saptandı.

Özet (Çeviri)

Background and Aim: Pre-endoscopic risk scores for upper gastrointestinal bleeding (UGIB) rely on few variables and fixed weights, limiting their discrimination. We aimed to determine whether machine learning (ML) models outperform conventional pre-endoscopic scores in predicting a clinically meaningful composite outcome and in supporting high-sensitivity safe-discharge decisions. Methods: In this single-center, retrospective prognostic modeling study, 756 adults presenting with UGIB to a tertiary emergency department (2021–2025) were analyzed. The primary composite outcome was 30-day mortality, endoscopic hemostatic intervention, or red blood cell transfusion. Sixty-six pre-endoscopic predictors were used to train six algorithms (regularized logistic regression, SVM, random forest, XGBoost, LightGBM, CatBoost) and a hemoglobin–hematocrit baseline model. Performance was estimated with leak-free nested cross-validation (10-fold × 5-repeat), Optuna-based hyperparameter optimization, and class weighting without synthetic resampling. Models were compared with the Glasgow-Blatchford (GBS), pre-endoscopic Rockall, and AIMS65 scores using AUROC, DeLong testing, NRI, IDI, and paired specificity (McNemar) at high-sensitivity thresholds; SHAP was used for interpretability. Results: The composite outcome occurred in 544 patients (72.0%). CatBoost achieved the highest discrimination (AUROC 0.90, 95% CI 0.874–0.921), exceeding GBS (0.807), Rockall (0.686), and AIMS65 (0.680) (CatBoost vs GBS: ΔAUROC +0,092, p=3.4×10⁻¹²; NRI 0.622; IDI 0.160). At a sensitivity ≥0.99 operating point, CatBoost yielded higher specificity than GBS (0.231 vs 0.165; McNemar p=0.020) and classified more patients as low-risk (7.1% vs 5.3%). Discrimination was driven mainly by the transfusion component (AUROC 0.897), with modest performance for mortality (0.674) and limited performance for endoscopic hemostasis (0.483). Hemoglobin, hematocrit, urea/hemoglobin ratio, and albumin were the most influential predictors. Conclusion: ML models, particularly CatBoost, provide higher discrimination than conventional pre-endoscopic scores for the composite outcome, largely through more effective use of anemia indicators. External, multicenter, and prospective validation is required before clinical adoption.

Benzer Tezler

  1. Tez No

    355

    Güneş enerjisi ile çalışan R21-DMF li soğurmalı soğutma çevrimin analizi ve bazı tersinmezliklerin çevrimin performansı üzerindeki etkilerinin incelenmesi

    Analysis of R21-DMF solar powered absorpption refrigeration system and effect of someirreversbilities on the Performance of the cycle

    SEYİT ARİF TÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Makine MühendisliğiGazi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERCAN ATAER

  2. Tez No

    364

    Mimarlıkta rasyonel ve irrasyonel biçimlendirmenin ekonomik göstergelere bağlı olarak değişimi ve bu değişimin 11. yüzyıldan 19. yüzyıla kadar Türk ve Avrupa uygarlıklarında örneklenmesi

    The Change of rational and irrational styles in architecture duetotho economicaldata and the illustration of this change on the Turkish and European Civilizations between 11th and 19th centuries

    AYŞE ZEYNEP ONUR

    Doktora

    Türkçe

    Türkçe

    1986

    MimarlıkGazi Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. UMUR ERKMAN

  3. Tez No

    266

    Ege bölgesi keçi liflerinin bazı önemli fiziksel, kimyasal özellikleri ve değerlendirme imkanları

    Başlık çevirisi yok

    NİLÜFER ERDEM

    Doktora

    Türkçe

    Türkçe

    1985

    Tekstil ve Tekstil MühendisliğiEge Üniversitesi

    Tekstil Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLSEREN YAZICIOĞLU

  4. Tez No

    71

    Özel düzenlenmiş plyometrik antrenmanların genç basketbolcuların anaerobik güç performansına etkisi

    Effects of regular specific plyometric training on anaerobic power of young basketball players

    YÜKSEL SAVUCU

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    SporFırat Üniversitesi

    Beden Eğitimi ve Spor Ana Bilim Dalı

    DOÇ.DR. MEHMET KUTLU

  5. Tez No

    277

    Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması

    Başlık çevirisi yok

    MÜRŞİDE KESEROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    İşletmeEge Üniversitesi

    Tekstil Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA NAZMİ ERCAN

Geri Dön