Geri Dön

İdrar yolu enfeksiyonu geçiren çocuklarda başvuru şikayetlerinin yapay zeka verisi olma yeterliliğinin değerlendirilmesi

Evaluation of the sufficiency of presenting complaints to be artificial intelligence data in children with urinary tract infection

PDF İndir

  1. Tez No: 737548
  2. Yazar: ZEHRA BURCU YILMAZ
  3. Danışmanlar: PROF. DR. NİDA DİNÇEL
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Çocuk Sağlığı ve Hastalıkları, Child Health and Diseases
  6. Anahtar Kelimeler: Makine öğrenmesi, Yapay zekâ, İdrar Yolu Enfeksiyonu, Pediatri, Çocuk, Teşhis, Teşhis teknikleri ve prosedürleri, Teşhis teknikleri-ürolojik, Yapay zeka, Çocuk hastalıkları, Çocuklar, Üriner sistem, Üriner sistem enfeksiyonları, Machine-learning, Artificial intelligence, Urinary Tract Infection, Pediatrics, Children, Machine learning, Diagnosis, Diagnostic techniques and procedures, Diagnostic techniques-urological, Child diseases, Urinary tract, Urinary tract infections
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: İzmir Dr. Behçet Uz Çocuk Hastalıkları ve Cerrahisi Eğitim ve Araştırma Hastanesi
  11. Ana Bilim Dalı: Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç: İdrar yolu enfeksiyonu (İYE), çocukluk çağında solunum yolu enfeksiyonlarından sonra en sık görülen ve önemli bir klinik problemdir. Yeterli tedavi edilmediğinde kronik böbrek hastalığına, erken yaşta hipertansiyon ve proteinüriye hatta son dönem böbrek yetmezliğine neden olur. İdrar yolu enfeksiyonunun erken tanısı ve tedavisi, renal hasar ve bu hasarın meydana getirdiği sonuçları engellemek için oldukça önemlidir. Yapay zekâ; kavrama, neden elleme ve uygulamayı mümkün kılan hesaplamalar bütünüdür. Yapay zekâ hayatımızın her alanında olduğu gibi, tıp alanında da kullanılmaya başlanmış olup, karar verme ve değerlendirme alanlarında insan aklından daha güvenilirdir. Bu çalışmamızla, idrar kültürü gönderilen hastalar için anamnez verilerinin ve klinik verilerin toplanması, pozitif kültür ile ilişkilendirilen verilerin tespit edilmesi ve bu veriler ile makine öğrenmesi modelleri oluşturmayı ve ardından bu modellerin idrar yolu enfeksiyonu tanısında doğruluğunu test etmeyi amaçladık. Yöntem: Sağlık Bilimleri Üniversitesi (S.B.Ü) İzmir Dr. Behçet Uz Çocuk Hastalıkları ve Cerrahisi Eğitim ve Araştırma Hastanesi Çocuk Acil Servisine başvuran 5-18 yaş grubuidrar yolu enfeksiyonu düşünülerek idrar kültürü gönderilen 100 hasta, ileriye dönük olarak, Ocak 2022-Mart 2022 tarihleri arasında, çalışmaya dâhil edildi. Hastaların öykü ve klinik bulguları kaydedildi, kültür sonuçları takip edildi. Elde edilen verilerin istatistiksel değerlendirilmesinde SPSS 24.0 Microsoft for Windows programı kullanıldı. Yapay zekâ uygulamaları için, MATLAB R2020b sürümü üzerinden yapay zekâ aracı olan Classification Learning tool kullanıldı. Bu çalışmada veri seçme işlemi rastgele olarak belirlenen geleneksel yöntem ve 3 & 5 kat çapraz katlama (3-Fold & 5-Fold Cross Validation) yöntemleri kullanılarak yapıldı. Bulgular: Çalışmaya katılan hastaların ortanca yaşı 10,0 yıldı (Çeyrekler Arası Aralık: 13,75-6,25) ve %94'ü kız, %6'sı erkekti. Gönderilen idrar kültürlerinden %35'inde üreme saptanmazken, %24'ünde üreme saptandı, %41'i kontaminasyon olarak sonuçlandı. İdrar kültürlerinde üreyen mikroorganizmalar; %66 oranında Escherichia coli, %12 oranında Klebsiella pneumoniae, %4 oranında Candida albicans, %4 oranında Morganella morganii, %4 oranında Citrobacter freundii, %4 oranında Enterococcus faecalis olarak saptandı. Hastaların TİT bulgularından yalnızca piyüri varlığı, idrar kültür pozitifliği ile ilişkili bulundu(p<0,05). Makine öğrenmesi sistemleri kullanılarak, İYE tanısı için 2 farklıveri seti ile modeller oluşturuldu: Fine Gaussian Destek Vektör Makinesi, Fine K-En Yakın Komşu Algoritması, Weighted K-En Yakın Komşu Algoritması, Subspace K-En Yakın Komşu Algoritması, RUSBoostedTrees ve Essemble algoritmaları, her iki ayrı veri grubunda da aynı olacak şekilde % 98 tahmin doğruluk oranına ulaştı. Sonuç: İstatistik analizde, İYE ile ilgili olabilecek değişkenlerde anlamlılık, sadece piyüri varlığında tespit edildi. Diğer değişkenlerde istatistiksel anlamlı ilişki bulunamadı. Oysaki aynı değişkenler makine öğrenme sisteminde kullanıldığında tahmin oranı %98 bulundu. Bu veri ışığında, çalışmamızın sonucunda hastalığın tanı ve tedavisinde, komplikasyonların belirlenmesinde, engellenmesinde ve prognoz öngörmede, yapay zekâ uygulamaları ve makine öğrenmesi yöntemlerinin, büyük potansiyel içerdiği çıkarımına ulaşıldı. Bu yöntemler sayesinde, hastalıkların sağkalım oranları iyileştirilebilir, hastalara ve hastalıklara daha nesnel, kapsayıcı ve bütüncül bir yaklaşım sergilenebilir ve tedavilerde daha bireysel ve koruyucu sağlık hizmeti sunulabilir. Pediatrik Nefroloji alanında ve idrar yolu enfeksiyonu tanısında öncülük edeceğini umduğumuz bu çalışma, ileri çalışmalarla %100 doğruluk oranına ulaşacak algoritmaların modellenmesinde temel oluşturacaktır.

Özet (Çeviri)

Aim: Urinary tract infection (UTI) is the most common and important clinical problem after respiratory tract infections in childhood. When not treated adequately, it causes chronic kidney disease, hypertension and proteinuria at an early age, and even end-stage renal failure.Therefore, diagnosis and early treatment of urinary tract infection is very important to prevent renal damage and its consequences.Artificial intelligence is a set of computations that enable understanding, reasoning, and application. Artificial intelligence has begun to be used in the field of medicine as well as in all areas of our lives, and it is more reliable than the human mind in decision making and evaluation.With this study, we aimed to collect anamnesis and clinical data for patients who were obtained sample for urine culture, to identify data associated with positive culture, to create machine learning models with these data, and then to test the accuracy of these models in the diagnosis of urinary tract infection. Materials&Methods: 100 patients aged 5-18 years, who were admitted to the Pediatric Emergency Service of University of Health Sciences, Izmir Dr. Behcet Uz Pediatric Diseases and Surgery Training and Research Hospital, and whose samples for urine culture was obtaineddue to suspicion of urinary tract infection, were prospectively included in the study between January 2022 and March 2022.The history and clinical findings of the patients were recorded, and the culture results were followed. For statistical evaluation of the obtained data, SPSS 24.0 Microsoft for Windows program was used. For artificial intelligence applications, Classification Learning tool, an artificial intelligence tool, was used over the MATLAB R2020b version. In this study, data selection was performed using the traditional method and 3-fold & 5-fold cross validation methods, which were determined randomly. Results:The median age of the patients participating in the study was 10.0 (IQR: 13.75-6.25) and 94% were female and 6% were male.While no growth was detected in 35% of the urine cultures obtained, growth was found in 24%, and 41% resulted as contamination.Microorganisms grown in urine cultures were; Escherichia coli (66%), Klebsiella pneumonia (12%), Candida albicans (4%), Morganella morganii (4%), Citrobacter freundii (4%), Enterococcus faecalis(4%). In our hypothesis, fever, dysuria, urgency, cloudy color in urine, history of recurrent UTI and frequent urination were not found to be high-value markers for UTI in children aged 5-18 years who were toiled trained. Among the urinanalysis findings of the patients, only the presence of pyuria was found to be associated with urine culture positivity (p<0.05).Using machine learning systems, models were created with 2 different data sets for the diagnosis of UTI, and the results were found as follows:Fine Gaussian SWM, Fine KNN, Weighted KNN, Subspace KNN, RUSBoostedTrees and Essemble algorithms achieved 98% prediction accuracy, which was the same in both separate data groups. Conclusion: In statistical analysis, significance in variables that may be related to UTI was detected only in the presence of pyuria. No statistically significant relationship was found in other variables. However, when the same variables were used in the machine learning system, the prediction rate was found to be 98%.In the light of this data, as a result of our study, it was concluded that artificial intelligence applications and machine learning methods have great potential in the diagnosis and treatment of the disease, in the identification and prevention of complications and in predicting prognosis.With the help of these methods, the survival rates of diseases can be improved, more objective, inclusive and holistic approach to patients and diseases can be obtained, and more individual and preventive health service can be provided in treatments.This study, which we hope will lead the way in the field of Pediatric Nephrology and urinary tract infection diagnosis, will form the basis for modeling algorithms that will reach 100% accuracy with further studies.

Benzer Tezler

  1. Tez No

    532224

    Çocukluk çağında ilk idrar yolu enfeksiyonunda idrar bulguları ve idrar kültür sonuçlarının değerlendirilmesi

    Evaluation of urine test findings and urine culture results in first urinary tract infection of childhood

    NURSEL ATAY ÜNAL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ARİFE USLU GÖKCEOĞLU

  2. Tez No

    807118

    Ateşli idrar yolu enfeksiyonu geçiren çocuklarda ultrason ve tc-99m dmsa sintigrafisinin vezikoüreteral reflüyü öngörmedeki yeriöngörmedeki yeri

    Prediction of vesicoureteral reflux inchildren with febrile urinary tract infection by ultrasound and tc-99mdmsa scintigraphy

    HALİME NAYIR BÜYÜKŞAHİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    Çocuk Sağlığı ve HastalıklarıSağlık Bakanlığı

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. NİLGÜN ÇAKAR

  3. Tez No

    314423

    İdrar yolu enfeksiyonu geçiren çocukların işeme bozukluğu semptom skorlaması ile değerlendirilmesi

    Determination of voiding dysfunction in patients with urinary tract infection using dysfunctional voiding and incontinence scoring system

    GÜLSÜM TÜRKCAN AYDIN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    Çocuk Sağlığı ve HastalıklarıAnkara Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ZEYNEP BİRSİN ÖZÇAKAR

  4. Tez No

    653555

    İdrar yolu enfeksiyonu olan çocuklarda genişlemiş spektrumlu beta-laktamaz üreten enterobacteriaceae sıklığı ve dışkı taşıyıcılığının rolü

    The frequency of enterobacteriaceae producing beta-lactamas with expanded spectrum and the role of fecal colonization in children with urinary tract infection

    MERVE GÜVENÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Çocuk Sağlığı ve HastalıklarıSelçuk Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MELİKE EMİROĞLU

  5. Tez No

    451216

    Çocuklarda idrar yolu enfeksiyonu ile idiyopatik hiperkalsiüri ilişkisi

    The association between urinary tract infection and idiopathic hypercalciuria in children

    HİKMET TEKİN NACAROĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2010

    Çocuk Sağlığı ve HastalıklarıSağlık Bakanlığı

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. GÜLAY DEMİRCİN

Geri Dön