Ayırıcı tanının güç olduğu bir durumda makine öğrenme yöntemleri ile demans ve hafif kognitif bozukluk ayırt ediciliğinin değerlendirilmesi
Evaluation of dementia and mild cognitive disorders with machine learning methods in a situation where the differential diagnosis is difficult
- Tez No: 827740
- Danışmanlar: PROF. DR. PEMBE KESKİNOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Nöroloji, Psikiyatri, Bilim ve Teknoloji, Neurology, Psychiatry, Science and Technology
- Anahtar Kelimeler: Alzheimer hastalığı, Biliş bozuklukları, Bilişsel işlevler, Demans, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Teşhis, Teşhis-ayırıcı, Alzheimer disease, Cognition disorders, Cognitive functions, Dementia, Machine learning, Machine learning methods, Diagnosis, Diagnosis-differential
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Medikal İnformatik Ana Bilim Dalı
- Bilim Dalı: Tıbbi Bilişim Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Demans hafızayı, düşünmeyi, davranışı ve yaşam kalitesini etkileyen karmaşık bir sağlık durumudur. Demanstan önce genellikle, günlük yaşam aktivitelerinin korunmuş olmasına rağmen zayıf bilişsel test puanları ile bilişsel endişeler olarak tanımlanan hafif bilişsel bozukluk (MCI) gelir. Veriyi bilgiye dönüştürme araçlarından makine öğrenme algoritmaları, klasik istatiksel yöntemlere alternatif olmaya başlamıştır. Demans risk puanlarının yakın zamanda yayınlanan sistematik bir incelemesi, yayınlanan modellerin yaklaşık %40 ının bir makine öğrenimi algoritması benimsediğini göstermiştir. Demans için klinik risk tahmini geliştirmeye yönelik en uygun metodolojinin seçimine rehberlik etmesi için makine öğrenimi ile geleneksel istatistiksel yöntemlerin tarafsız karşılaştırmalarına ihtiyaç vardır. Bu çalışmada Demans ve hafif kognitif bozukluk ayırıcı tanısında karar ağacı, lojistik regresyon ve k-en yakın komşu makine öğrenme yöntemleri uygulandı. Veri tabanındaki, kimliksizleştirilmiş 65 yaş üstü 39 HKB ve 38 AH hastasının demografik bilgileri, hastalık özgeçmişleri, nöropsikiyatrik değerlendirmeler; Yesavage geriatrik depresyon skalası (YGDS), Barthel indeksi (BI), mini-mental durum testi (MMSE) ve DEKODa apraksi testinin sonuçları Orange programlarında analiz edildi. Analiz sonuçları Demansı olan 65 yaş ve üzeri yaşlıların %79,4'ü HKB'li yaşlıların %54,5'u kadındır, kadın cinsiyette demans oranı istatistik anlamlı olarak daha yüksektir (p=0.004). Demanslı yaşlıların %66.7'si, HKB'li yaşlıların %25.5'inin medeni durumu duldur ve bu fark istatistikolarak anlamlıdır. (p=0.031). Eğitim durumları değerlendirildiğinde demanslı Yaşlıların %82,5'unun hiç eğitimi yok iken, HKB'li hastaların(%58.2'sinin eğitimi yoktur ve bu saptanan fark istatistik olarak anlamlıdır (p=0.004) Makine öğrenme algoritmalarının AUC değerleri bu değişkenlerle, 0.938-0.846 arasında değiştiği gözlemlenmiştir. Bu değerler daha önceki daha fazla sayıda değişkenin yer aldığı modellerin AUC değerlerinden daha yüksektir. Hastalık ile ilgili bilgiler çıkarıldığında modellerde tahmin için bilgi kaybı olmadığı görülmektedir.
Özet (Çeviri)
Dementia is a complex health condition that affects memory, thinking, behavior and quality of life. Dementia is usually preceded by mild cognitive impairment (MCI), defined as poor cognitive test scores and cognitive concerns despite preserved activities of daily life. Machine learning algorithms, one of the tools to transform data into information, have started to be an alternative to classical statistical methods. A recently published systematic review of dementia risk scores showed that about 40% of published models adopt a machine learning algorithm. Unbiased comparisons of machine learning with traditional statistical methods are needed to guide the selection of the most appropriate methodology for developing clinical risk estimation for dementia. In this study, decision tree, logistic regression and k-nearest neighbor machine learning methods were applied in the differential diagnosis of dementia and mild cognitive impairment. Demographic information, disease history, neuropsychiatric evaluations of 39 MCI and 38 AD patients over the age of 65 who were deidentified in the database; The results of Yesavage geriatric depression scale (YGDS), Barthel index (BI), mini-mental state test (MMSE) and DEKODa apraxia test were analyzed in Weka and Orange programs. Analysis results 79.4% of the elderly 65 years and older with dementia and 54.5% of the elderly with MCI are women, the rate of dementia in females is statistically significantly higher (p=0.004). The marital status of 66.7% of the elderly with dementia and 25.5% of the elderly with MCI are widowed, and this difference is statistically significant (p=0.031). When the educational status is evaluated, 82.5% of the elderly with dementia have no education, while the patients with MCI (58.2% have no education and this difference is statistically significant (p=0.004) It has been observed that the AUC values of machine learning algorithms vary between 0.938 and 0.846 with these variables. These values are higher than the previous AUC values of models with more variables. When the information about the disease is removed, it is seen that there is no loss of information for the prediction in the models.
Benzer Tezler
- Güneş enerjisi ile çalışan R21-DMF li soğurmalı soğutma çevrimin analizi ve bazı tersinmezliklerin çevrimin performansı üzerindeki etkilerinin incelenmesi
Analysis of R21-DMF solar powered absorpption refrigeration system and effect of someirreversbilities on the Performance of the cycle
SEYİT ARİF TÜR
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN ATAER
- Kurumlar Vergisi Kanunu açısından sermaye şirketlerinde tasfiye, birleşme, nev'i değiştirme
Başlık çevirisi yok
BİLLUR YALTI
- Rana ridibunda (anura-ranidae) kompleksi üzerinde morfolojik, serolojik ve ekolojik araştırmalar
Başlık çevirisi yok
HÜSEYİN ARIKAN
- Pseudamanas syringae ve pathavarlarının tanılanmalarında biyokimyasal ve morfolojik özelliklerin belirlenmesi üzerinde araştırmalar
Başlık çevirisi yok
A.ALEV GÖKDEMİR
Yüksek Lisans
Türkçe
1987
ZiraatEge ÜniversitesiBitki Koruma Ana Bilim Dalı
YRD. DOÇ. DR. HİKMET SAYGILI