Geri Dön

Yenidoğan yoğun bakım ünitesinde santral kateter uygulamalarının retrospektif incelenmesi

Retrospective evaluation of central catheter applications in the neonatal intensive care unit

PDF İndir

  1. Tez No: 778095
  2. Yazar: ELİF GÖKÇE ÜNAL
  3. Danışmanlar: PROF. DR. İBRAHİM MURAT HIRFANOĞLU
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Çocuk Sağlığı ve Hastalıkları, Child Health and Diseases
  6. Anahtar Kelimeler: makine öğrenmesi, yenidoğan, kateter ilişkili kan dolaşımı enfeksiyonu (KİKDE), Bebek-yenidoğmuş, Bebek-yenidoğmuş hastalıkları, Kateterizasyon, Kateterler, Retrospektif çalışmalar, Yoğun bakım, Yoğun bakım üniteleri-neonatal, machine learning, newborn, catheter-associated bloodstream infection (CLABSI), Infant-newborn, Infant-newborn diseases, Catheterization, Catheters, Retrospective studies, Intensive care, Intensive care units-neonatal
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Santral kateterler özellikle ağır hasta ve prematüre yenidoğanların takibinde YYBÜ'lerde sıklıkla kullanılan bir yöntemdir. Parenteral beslenme, yüksek konsantrasyonda intravenöz sıvı, uzun süreli antibiyotik tedavisi, kan basıncı izlemi gibi çeşitli endikasyonlarla kullanımı mevcuttur. Bu çalışmanın amacı; hastanemiz YYBÜ'de uygulanan kateterlerin özelliklerinin incelenmesi, KİKDE gelişimi ve HYS'nin hastanın YYBÜ'ye yattığı ilk 24 saat içerisinde elde edilen veriler ışığında makine öğrenmesi modelleri kullanılarak tahmin edilmesidir. Ocak 2019 – Aralık 2021 tarihleri arasında Gazi Üniversitesi Tıp Fakültesi Hastanesi Yenidoğan Yoğun Bakım Ünitesi'nde kateterizasyon uygulanmış 306 yenidoğan ve 582 kateter retrospektif olarak incelendi. Hastaların demografik bilgileri, hastalara verilen tedaviler ve uygulanan kateterlere ait özellikleri kaydedildi. PYSK takılı kalma süresi, KİKDE gelişimi ve HYS için risk faktörleri analiz edildi. YYBÜ'ye yatışlarının ilk 24 saatinde elde edilen bulgular ile makine öğrenmesi algoritmaları kullanılarak KİKDE gelişimi ve HYS tahmin eden modeller oluşturuldu. Hastaların 170'i (%55,6) erkek, 136'sı (%44,4) kız; 46'sı (%15) NSVY, 260'ı (%85) C/S ile doğmuş olup ortalama gestasyonel yaş 34,4 hafta (251/7-422/7), ortalama doğum ağırlığı 2241,1 gr (530-4660) idi. Doğum ağırlığına göre KİKDE hızı; ≤1000 gr hastalarda 6,4/1000 kateter günü, 1001-1500 gr arası hastalarda 9,8/1000 kateter günü, 1501-2500 gr arası hastalarda 6,9/1000 kateter günü, >2500 gr hastalarda 4,3/1000 kateter günü idi. PYSK takılı kalma süresini etkileyen faktörler; komplikasyon gelişimi ve HYS (p<0,001), antibiyoterapi ihtiyacı (p=0,003) idi. KİKDE gelişimini etkileyen faktörler; kan ve kateter ucu kültüründe üreme olması (p<0,001) idi. HYS'yi etkileyen faktörler gestasyonel hafta, doğum ağırlığı ve verilen ventilasyon destek tedavisi (p<0,001); antibiyoterapi ve kateter ucu kültüründe üreme olması (p=0,002); PYSK takılması (p=0,009) idi. Çalışmada KİKDE gelişimi en iyi 0,763 AUC değeri ile Gradyan Artırma algoritması tarafından modellendi. HYS en iyi 0,815 R2 değeri ile en iyi Ekstrem Gradyan Artırma algoritması tarafından modellendi. Yapay zekanın sağlık alanında kullanımı giderek yaygınlaşmaktadır ve yenidoğan alanında çok az çalışma bulunmaktadır. KİKDE gelişimi ve HYS'nin doğru tahmin edilmesi; hasta bakım sürecinin doğru planlanmasına, önlenebilir morbidite ve mortalitelerin engellenmesine katkı sağlamasının yanında hasta akışının etkin şekilde yönetilip hastane maliyetlerinin azaltılmasına da yardımcı olabilir.

Özet (Çeviri)

Central catheters are a method frequently used in NICUs, especially for monitoring severely ill and premature newborns. It is used for various indications such as parenteral nutrition, high concentration of intravenous fluid, long-term antibiotic therapy and blood pressure monitoring. The aim of this study was to examine the characteristics of the catheters applied in the NICU of our hospital, to predict the development of central line-associated bloodstream infection (CLABSI) and the length of stay (LOS) using machine learning models in the light of the data obtained within the first 24 hours of the patient's hospitalization in the NICU. 306 newborns and 582 catheters, who underwent catheterization between January 2019 and December 2021 in the Neonatal Intensive Care Unit of Gazi University Medical Faculty Hospital, were analyzed retrospectively. The demographics of the patients, the treatments given and the characteristics of the catheters applied were recorded. The risk factors for peripherally inserted central catheter (PICC line) dwell time, CLABSI development and LOS were analyzed. With the findings obtained in the first 24 hours of admission to the NICU, models predicting CLABSI development and LOS were created using machine learning algorithms. Among the patients, 170 (55.6%) were male, 136 (44.4%) were female; 46 (15%) were born with non-spontaneous vaginal delivery, 260 (85%) were born with cesarean section; mean gestational age was 34.4 weeks (251/7-422/7); mean birth weight was 2241.1 g (530-4660). The CLABSI rates by birth weight were 6.4/1000 catheter days for patients ≤1000 g, 9.8/1000 catheter days for patients between 1001-1500 g, 6.9/1000 catheter days for patients between 1501-2500 g and 4.3/1000 catheter days for patients >2500 g. Risk factors for PICC line dwell time were the development of complications and the LOS (p<0.001), and the need for antibiotherapy (p=0.003). Risk factors for CLABSI were positive blood culture test and catheter tip culture test (p<0.001). Risk factors for LOS were gestational age, birth weight and ventilation support treatment (p<0.001), antibiotic therapy and positive catheter tip culture test (p=0.002), and insertion of PICC line (p=0.009). The best-performing model for the development of CLABSI was the Gradient Boosting algorithm with an AUC of 0.763. The best-performing model for LOS was the Extreme Gradient Boosting algorithm with an R2 of 0.815. Despite the increasingly common use of artificial intelligence in the healthcare field, there are few studies in the neonatal field. The development of CLABSI and accurate estimation of LOS can contribute to correctly planning the patient care process, averting preventable morbidity and mortality, and reducing hospital costs by effectively managing the patient flow.

Benzer Tezler

  1. Tez No

    487071

    Keçiören Eğitim ve Araştırma Hastanesi Yenidoğan Yoğun Bakım Ünitesinin sepsis profili ve antibiyotik duyarlılığı

    Sepsis profile and antibiotic sensitivity of Keçi̇ören Training and Research Hospital Neonatal Intensive Care Unit

    EVŞEN ÇETİN DAMAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    UZMAN FATİH MEHMET KIŞLAL

  2. Tez No

    686673

    Yenidoğan yoğun bakım ünitesinde izlenen yenidoğanların karbapenem dirençli gram negatif mikroorganizmalar ile kolonize olmasındaki risk faktörlerinin incelenmesi

    Investigation of risk factors in colonization of newborns followed in the neonatal intensive care unit with carbapenem resistant gram negative microorganism

    İLKSEN YALÇINOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Çocuk Sağlığı ve HastalıklarıMarmara Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ASLI MEMİŞOĞLU

  3. Tez No

    156535

    Gazi Üniversitesi Tıp Fakültesi yenidoğan yoğun bakım ünitesinde santral kateterizasyon uygulamaları

    Central cateterization practices in neonatal intensive care unit, Gazi University of Medicine Faculty

    MUSTAFA YÜCEL KIZILTAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2004

    Çocuk Sağlığı ve HastalıklarıGazi Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF.DR. YILDIZ ATALAY

  4. Tez No

    741037

    Preterm bebeklerde nekrotizan enterokolit risk faktörlerinin değerlendirilmesi

    Evaluation of the risk factors of necrotizing enterocolitis in preterm babies

    IŞIL EZEL TAŞKIN KARAÇAY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. SELVİ GÜLAŞI

  5. Tez No

    504

    Hazır giyim üreten bir işletmede organizasyon ve yönetim sorunları

    Başlık çevirisi yok

    GÜLCAN GÖNENÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    İşletmeGazi Üniversitesi

    Giyim Endüstrisi ve Giyim Sanatları Ana Bilim Dalı

    PROF. DR. RASİH DEMİRCİ

Geri Dön