Predicting icu requirements of COVID-19 patients using artificial neural network
Yapay sinir ağı kullanarak COVID-19 hastalarının yoğun bakım ünitesi gerekliliklerinin tahmini
- Tez No: 771303
- Danışmanlar: DR. ÖĞR. ÜYESİ TUNCAY GÜRBÜZ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Analitik analiz, COVID 19, Sağlık hizmetleri, Yapay sinir ağları, Yapay zeka, Analytical analysis, COVID 19, Health services, Artificial neural networks, Artificial intelligence
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
COVID -19'un neden olduğu ilk pnömoni vakasının Wuhan'da bulunmasından bu yana tüm dünyayı etkisi altına alan bu salgının etkisi ve sonuçları halen devam ediyor. Sağlık, bu salgından en çok etkilenen sektörlerden biridir. COVID-19 pandemisinin en zor zamanlarında, yoğun bakım ünitesi (YBÜ) genellikle bir tıbbi tesisin darboğazıydı. Aşırı çalışan sağlık hizmeti görevlileri, yoğun bakım ünitesine kabul oranları arttıkça hastalarının yaşamları hakkında kritik kararlarla karşı karşıya kaldı. Yoğun bakım ünitesine kabul, zamanla tıbbi bir karardan kaynak tahsisi sorununa dönüştü. Sağlıkta yaşanan en büyük zorluklardan biri de hastalığın yayılması nedeniyle hastane başvurularının artmasıydı. Karar desteğine duyulan ihtiyaç, sağlık hizmetlerinin tüm seviyelerinde ortaya çıkmaktaydı. Hastanın testinin pozitif çıkmasından bile daha erken bir zamanda ne tür bireysel ihtiyaçların ortaya çıkacağını tahmin etme yeteneği, yetkililerin kaynakları etkili bir şekilde planlaması için faydalı olacaktı. Bu çalışmada, Meksika Hükümeti'nin yayınladığı açık veri kaynaklarından yararlanılmış ve oradaki hastanelere başvuran hastaların COVID-19 sebebiyle yoğun bakıma ihtiyacının olup olmayacağı kuralcı analitik çerçevesinde incelenmiş ve yapay sinir ağları kullanılarak bir sınıflandırma modeli geliştirilmiştir. Aynı zamanda literatürdeki COVID-19 risk faktörleri araştırılmıştır. Model, toplam 120026 COVID-19 vakanın veri seti kullanılarak eğitilmiş, doğrulanmış ve test edilmiştir. Test aşamasında performansı ölçmek için, karışıklık matrisleri, eğitim ve doğrulama kaybı eğrileri ve doğruluk, kesinlik, geri çağırma ve F1 puanı gibi diğer performans ölçütleri kullanılmıştır. Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE), performansı artırmak için dengesiz veri kümelerine uygulanır ve bu tezde SMOTE kullanılarak veri seti dengelenmiştir. Sonuç olarak bir kişinin yoğun bakım ünitesine ihtiyacının olup olmadığı %79 doğruluk oranıyla tahmin edilmiştir.
Özet (Çeviri)
Since the first pneumonia case caused by the new 2019 coronavirus (COVID -19) was found in Wuhan, the impact and consequences of this pandemic, which has affected the whole world, are still ongoing. The healthcare sector is one of the most affected sectors by this pandemic. During the most difficult times of the COVID 19 pandemic, the intensive care unit (ICU) was usually the bottleneck of a medical facility. ICU admission has evolved from a medical decision to a resource allocation issue. One of the great difficulties experienced by health care was the increase in hospital admissions due to the spread of the disease. The need for decision support arises at all levels of health care. The ability to predict what type of individual needs will occur with a positive test, or even earlier, is beneficial for authorities to plan resources effectively. In this study, a decision support framework is proposed for predicting the demand of COVID-19 patients in ICU within the framework of prescriptive analysis and developing a classification model using artificial neural networks. The model has been trained, validated, and tested using a total dataset of 120026 COVID 19 cases. During the test phase, performance is observed using confusion matrices, training and validation loss curves, and other performance metrics such as accuracy, precision, recall, and F1 score. The Synthetic Minority Oversampling Technique (SMOTE) is applied to unbalanced datasets to improve performance. It was predicted with 79% accuracy whether a person requires the Intensive Care Unit.
Benzer Tezler
- Akut hiperkapnik solunum yetmezliği ile başvuran KOAH tanılı hastaların hastane içi ve 90 günlük mortalite değerlendirilmesinde NIVO (Non-Invasive Ventilation Outcomes) skoru ile DECAF ve BAP-65 skorlarının karşılaştırılması
Comparison of NIVO(Non-Invasive Ventilation Outcomes) score with DECAF and BAP-65 scores in the evaluation of in hospital and 90 day mortality in patients diagnosed with COPD who presented with acute hypercapnic respiratory failure
ÖZGE YERSEL KARAOĞLAN
Tıpta Uzmanlık
Türkçe
2025
Göğüs HastalıklarıDicle ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. ABDURRAHMAN ŞENYİĞİT
- COVID-19'lu kritik hastaların belirlenmesinde Quick COVID-19 Severity Index ile COVID-GRAM Critical Illness Risk Skoru etkinliklerinin karşılaştırılması
Comparison of the efficacies of quick COVID-19 severity index and COVID-GRAM Critical Illness Risk Score in identification of critically ill patients with COVID-19
BÜŞRA DEMİR
Tıpta Uzmanlık
Türkçe
2023
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. MEHMET OĞUZHAN AY
- COVİD-19 enfeksiyonu nedeniyle yoğun bakım ünitelerinde veservislerde yatan hastalarda serum soluble ürokinaz plazminojen aktivatör reseptörü (suPAR) ve neopterin düzeylerinin hastaların klinik laboratuvar bulguları ve prognozuyla ilişkisinin belirlenmesi
Determination of the relationship between serum soluble urokinase plasminogen activator receptor (suPAR) and neopterin levels and the clinical laboratory findings and prognosis of patients hospitalized in intensive care units and wards due to COVID-19 infection
ÜLKÜ ÖZTOPRAK SİYAH
Tıpta Uzmanlık
Türkçe
2025
Enfeksiyon Hastalıkları ve Klinik MikrobiyolojiSağlık Bilimleri ÜniversitesiEnfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı
PROF. DR. SALİH CESUR
- Acil servise başvuran 65 yaş üstü COVİD-19 hastalarının laboratuvar ve radyolojik bulgularının hastalığın şiddeti ve mortaliteyi öngörmedeki rolü
The role of laboratory and radiological findings of COVİD-19 patients over 65 years of age who apply to the emergency department in predicting the severity and mortality of the disease
KEMAL SAÇAK
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSüleyman Demirel ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. HAMİT HAKAN ARMAĞAN
- Yoğun bakımdaki COVİD-19 hastalarında koenzim Q10 plazma düzeyinin klinik etkilerinin incelenmesi
Investigation of clinical effects of plasma coenzyme Q10 levels in COVİD-19 patients in intensive care
MERVE GÖKNUR SOYSAL KAYA
Tıpta Uzmanlık
Türkçe
2022
Anestezi ve ReanimasyonHacettepe ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. SEDA BANU AKINCI
DOÇ. DR. BANU KILIÇASLAN