Preeklampsinin sağlık maliyetlerinin incelenmesi ve yapay zekâ tabanlı bir erken tanı klinik karar destek sistemi ile hastalık yönetim modeli oluşturulması
Examining the health costs of preeclampsia and creating a disease management model with an artificial intelligence based early diagnosis clinical decision support system
- Tez No: 765591
- Danışmanlar: DR. ÖĞR. ÜYESİ BETÜL AKALIN
- Tez Türü: Doktora
- Konular: Sağlık Yönetimi, Healthcare Management
- Anahtar Kelimeler: Maliyet analizi, Preeklampsi, Sağlık yönetimi eğitimi, Yapay zeka, Cost analysis, Pre-eclampsia, Healthcare management training, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Hamidiye Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Sağlık Yönetimi Ana Bilim Dalı
- Bilim Dalı: Sağlık Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı preeklampsinin (PE) sağlık sistemine getirdiği mali yükünü ve tanı süreçlerini belirlemek, hastalığın erken tanısı için yapay zekâ yöntemleriyle, bir Klinik Karar Destek Sistemi (KKDS) önererek hastalığın tanı yönetimini standardize edici bir hastalık yönetim modeli oluşturmaktır. Gereç ve Yöntem: Çalışmada karma yöntem araştırma desenlerinden“Keşfedici Sıralı Desen”kullanıldı. Bu yöntemle çalışma üç aşamada gerçekleştirildi. İlk aşamada fenomenolojik nitel araştırma yapıldı. Uzmanları ile görüşmelerden elde edilen ifadelerin MAXQDA 22 programıyla içerik analizi yapıldı. İkinci aşamada PE'nin; hasta, hastane ve geri ödeme kurumu perspektiflerinden maliyet analizi yapıldı. Üçüncü aşamada, birinci ve ikinci aşamadan elde edilen veriler ile PE hastaları ve sağlıklı gebelerden oluşan bir veri seti oluşturuldu. Bu aşamada AdaBoost, Rastgele Orman, SVM, LightGBM, K-NN ve CatBoost algoritmaları kullanıldı. Bulgular: Kadın doğum uzmanları ile yapılan görüşmelerden PE hastalığına ait 12 ana tema oluşturulmuştur. Bu temalardan hastalığın maliyet analizinde ve veri seti oluşturulurken yararlanılmıştır. Hastanenin poliklinik PE hastası için katlandığı personel maliyeti 447,84 ₺, genel hizmet maliyeti 459,33 ₺ ve klinik PE hastası için personel maliyeti 201,60 ₺ olarak tahmin edilmiştir. AdaBoost algoritması ile %95 doğruluk ve 0,953 F1 skoru başarısı elde edilmiştir. Veri setinde PCA yöntemi uygulanarak 3 parametreye indirgenmiş ve aynı algoritmalar tekrar test edilmiştir. Çalışma neticesinde özgün bir veri seti oluşturulmuştur. Sonuç: Hastalığın sağlık kurumuna ve hastaya getirdiği maliyetler analiz edilmiştir. Çalışma sonucunda en başarılı makine öğrenmesi algoritması seçilerek PE'nin sağlık kuruluşlarında yönetilmesi için KKDS'li çözüm modelleri önerilmiştir. İşleyiş; aile hekimliği, ayaktan tedavi hizmeti, acil servis ve yatarak tedavi hizmeti alan gebeleri kapsamaktadır.
Özet (Çeviri)
Aim: The aim of this study is to determine the financial burden of preeclampsia (PE) on the health system and its diagnostic processes, to establish a disease management model that standardizes the diagnosis management of the disease by suggesting a Clinical Decision Support System (CDSS) with artificial intelligence methods for early diagnosis of the disease. Materials and Methods: In the study,“Exploratory Sequential Design”, one of the mixed method research designs, was used. With this method, the study was carried out in three stages. In the first stage, phenomenological qualitative research was carried out. The content analysis of the statements obtained from the interviews with the obstetricians was done with the MAXQDA 22 program. In the second stage; a cost analysis was performed from the perspectives of patients, hospitals and reimbursement institutions. In the third stage, a data set consisting of PE patients and healthy pregnant women was created with the data obtained from the first and second stages. At this stage, AdaBoost, Random Forest, SVM, LightGBM, K-NN and CatBoost algorithms were used. Results: 12 main themes of preeclampsia were formed from the interviews with the obstetricians. These themes were used in the cost analysis of the disease and while creating the dataset. The personnel cost incurred by the hospital for the outpatient PE patient was estimated as 447.84 ₺, the general service cost was 459.33 ₺ and the personnel cost for the clinical PE patient was estimated as 201.60 ₺. With the AdaBoost algorithm, 95% accuracy and 0.953 F1 score were achieved. The dataset was reduced to 3 parameters by applying the PCA method and the same algorithms were tested again. As a result of the study, an original dataset was created. Conclusion: The costs of the disease to the health institution and the patient were analyzed. As a result of the study, the most successful machine learning algorithm was selected and solution models with CDSS were proposed for the management of PE in health institutions. Process flow covers family doctors, outpatient services, emergency services and pregnant women receiving inpatient treatment.
Benzer Tezler
- Normal ve patolojik gebelerde glikozillenmiş hemoglobin (HbA1C) değerleri ve bebek ağırlığı ile olan ilişkisi
Başlık çevirisi yok
G.FİLİZ BAKDUR
Tıpta Uzmanlık
Türkçe
1988
Kadın Hastalıkları ve Doğumİstanbul ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. SELÇUK EREZ
- Gebeliğe bağlı hipertansiyonda antitrombin III ve fibronektinin belirleyiciliği
Başlık çevirisi yok
RIZA MADAZLI
Tıpta Uzmanlık
Türkçe
1991
Kadın Hastalıkları ve Doğumİstanbul ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
- Tokseminin tanı ve takibinde serum alfa-fetoprotein, immunglobulin-G, -A, -M ve kompleman-3 ölçümlerinin klinik önemi
The Clinical value of serum alpha-fetoprotein, immunglobuline -G, -A, -M, and compleman-3 measurement in the diagnosis and follow- up of toxemia of pregnancy
BAHATTİN ADAM