Kritik değere sahip biyokimyasal testlerin sonuç onay algoritmalarının geliştirilmesi: Öğrenen algoritmalar
Developing result approval algorithms for biochemical tests with critical values: Learning algorithms
- Tez No: 386549
- Danışmanlar: PROF. DR. PINAR AKAN
- Tez Türü: Tıpta Uzmanlık
- Konular: Biyokimya, Biochemistry
- Anahtar Kelimeler: Algoritmalar, Biyokimya, Biyokimyasal olaylar, Laboratuvar personeli, Laboratuvarlar, Laboratuvarlar-hastane, Testler, Algorithms, Biochemistry, Biochemical phenomena, Laboratory personnel, Laboratories, Laboratories-hospital, Tests
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Tıbbi Biyokimya Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tıbbi laboratuvarlarda hataları en aza indirmek ve standardizasyonu sağlamak tanımlanmış süreçler ile mümkündür. Özellikle kritik değere sahip testlerin raporlanmasında zamanı etkin kullanmak için değerlendirme ve karar algoritmalarına ihtiyaç vardır. Günümüzde bu tip algoritmaların geliştirilmesi ve laboratuvar bilgi sistemlerine entegrasyonu üzerine kısıtlı sayıda çalışma mevcuttur. Bu çalışmalarda çoklu kuralların çapraz sorgusunun yapılamadığı,“basit kural temelli”yaklaşımların kullanıldığı görülmektedir. Bu çalışma ile kritik değere sahip biyokimyasal test sonuçlarının zamanında ve etkin değerlendirilebilmesi için çoklu etkenleri eş zamanlı değerlendirebilen, sürekli gelişime açık deneysel bir değerlendirme ve karar algoritma modeli oluşturulması amaçlandı. Deneysel model WEKA® yazılımı kullanılarak yapay sinir ağları makine öğrenmesi yöntemi ile oluşturuldu. Dokuz Eylül Üniversitesi Merkez Laboratuvarı Bilgi Sisteminden 01.01.2013 – 01.03.2014 tarihleri arasında glukoz, kalsiyum, magnezyum, potasyum, sodyum, ürik asit testlerini içeren toplam 252,847 numuneye ait demografik ve analitik veriler toplandı. Sanal bir bilgisayar ortamına aktarılan veriler uzmanlar tarafından değerlendirildi. Literatür bilgisi ve uzman görüşlerinden elde edilen değerlendirme ölçütlerinin deney modelimiz tarafından öğrenilebilmesi için“eğitim setleri”oluşturuldu. Sistemin öğrenmesi sağlandıktan sonra, farklı koşullar için oluşturulan“test setleriyle”modelin geçerliliği istatistiksel yöntemlerle değerlendirildi. Üç kez eğitim uygulanarak elde edilen“öğrenmiş algoritma”ile uzmanın reddettiği hiçbir sonuç onaylanmadı. Uzman tarafından onaylanan örnekler için yanlış ret oranı %0.5 olarak hesaplandı. Geliştirdiğimiz modelinin tanısal duyarlılığı %91, tanısal özgüllüğü %100 bulundu. Modelin uzman sonuçları ile uyumunu gösteren kappa skoru 0,950 olarak belirlendi. Çalışmamızda, literatür taramamıza göre, ilk kez“yapay sinir ağları”yaklaşımı kullanılarak biyokimyasal parametre sonuçlarının raporlanabilmesi için uzmana yardımcı olabilecek, gelişime açık deneysel bir sonuç değerlendirme ve karar algoritma modeli oluşturuldu. Oluşturduğumuz öğrenen algoritma modelinin laboratuvar bilgi sistemlerine entegrasyonu ile hasta güvenliğinden ödün vermeden uzman iş yükünün azaltılması mümkün olacaktır.
Özet (Çeviri)
In the field of laboratory medicine, minimizing the errors and establishing standardization is possible by pre-defined processes. Assessment and decision algorithms are needed to use time efficiently especially for reporting those laboratory tests which have critical values. Very few studies are present in literature on the development of such algorithms and their integration to laboratory information systems. In these studies,“simple rule based”approach which does not allow cross-checking is used. The aim of this study was to build an experimental and decision algorithm model open to improvement which would efficiently and timely evaluate biochemical test results with critical values by evaluating multiple factors concurrently. The experimental model was built by WEKA® software based on the method of artificial neural network. Demographical and analytical data were received from Dokuz Eylül University Central Laboratory for a total of 252,847 samples with glucose, calcium, magnesium, potassium, sodium, uric acid requests between the dates 01.01.2013 and 01.03.2014. Data switched to virtual computer system were evaluated by the laboratory specialist.“Training sets”were developed for our experimental model to teach the evaluation criteria derived from literature information and specialists' views. After training the system, with the“test sets”developed for different conditions, validity of the model was assessed by statistical methods. By the learned algorithm, which was developed by training three times, no result was verified which was refused by the laboratory specialist. The rate of false rejection of those tests which needed to be accepted by the laboratory specialist was 0.5%. The sensitivity of this model was 91% and specificity was 100%. The estimated kappa score examining the agreement between the results of our model and the specialists' was 0,950. According to our literature search, this is the first study based on artificial neural network approach to build an experimental assessment and decision algorithm model open to improvement which will aid the specialist in verifying the results of the biochemical parameters. By integrating our trained algorithm model to laboratory information system, it could be possible to reduce work-load without compromising patient safety.
Benzer Tezler
- Semi-crystalline hydrogels with shape-memory and self- healing functions
Şekil-hafızalı ve kendi-kendini onarabilen semi-kristalin hidrojeller
ÇİĞDEM BİLİCİ
- Ftir histo-spectroscopic evaluation and chemometric discrimination of colon cancer
Kolon kanserinin ftır hısto-spectroscopıc değerlendirmesi ve kemometrik ayrıştırımı
SUSAN NAJAH MAHDI AL-KINANI
Yüksek Lisans
İngilizce
2020
Biyokimyaİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RAMAZAN KIZIL
- Self-healing nanocomposite dna hydrogels with high mechanical strength
Yüksek mekanik dayanıma sahip kendini onarabilen nanokompozit dna hidrojelleri
AHMET TALHA ÜZÜMCÜ
Doktora
İngilizce
2018
Polimer Bilim ve Teknolojisiİstanbul Teknik ÜniversitesiPolimer Bilim ve Teknolojisi Ana Bilim Dalı
PROF. DR. ORHAN GÜNEY
PROF. DR. OĞUZ OKAY
- Ratlarda oluşturulan kritik boyutlu kemik defektlerine sığır kaynaklı deproteinize kemik grefti ile birlikte uygulanan sistemik resveratrolün yeni kemik oluşumu üzerine olan etkilerinin deneysel olarak incelenmesi
Experimental study of the effects of administering bovine origin bone graft with systemic resveratrol on experimentally induced critical size bone defects in rats regarding new bone formation
TUĞÇE ÇEVİK
Diş Hekimliği Uzmanlık
Türkçe
2016
Diş HekimliğiCumhuriyet ÜniversitesiAğız, Diş ve Çene Cerrahisi Ana Bilim Dalı
YRD. DOÇ. DR. TURGAY PEYAMİ HOCAOĞLU
- Analysis of biochemical pathway with graph based algorithms
Biyokimyasal yolaklarda çizge teorisi algoritmalarıyla analiz
EMİNE RAVZA GÜR
Yüksek Lisans
İngilizce
2018
BiyomühendislikYıldız Teknik ÜniversitesiBiyomühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPER YILMAZ