Prediction of Sepsis in Intensive Care Unit patients using machine learning
Yoğun Bakım hastalarında Sepsisin makine öğrenmesiyle tahmini
- Tez No: 855186
- Danışmanlar: PROF. DR. SABRİ ERDEM
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Makine öğrenmesi, Sepsis, erken tahmin, algoritma, Machine Learning, Sepsis, Early Prediction, Algorithm
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sepsis, dünya çapında yoğun bakım ünitelerinde (YBÜ) önde gelen bir ölüm nedenidir ve özellikle hastalığın erken evrelerinde tanınması tıbbi bir zorluk olmaya devam etmektedir. Halk sağlığı sorununa göre, sepsis hastalarının yıllık hastane tedavi maliyetleri artmaktadır. Son literatür, erken ve uygun antibiyotik tedavisinin sepsis sonuçlarını öngören ana faktör olduğunu ve bu tedavinin sepsis erken teşhis edilebilmesi mümkün olduğunu göstermektedir. Bu nedenle, sepsis için antibiyotik tedavisi olmaksızın, ölüm riski her ek saatle birlikte artmaktadır. Doğru erken tanı ve tedavi, olumsuz hasta sonuçları riskini azaltabilir, ancak geleneksel kural tabanlı tarama yöntemlerinin etkinliği sınırlıdır. Yapay zekaya (AI) dayalı bir tanı sisteminin birçok tıbbi alanda etkili olduğu gösterildiğinden; makine öğreniminin, büyük hasta veri kümelerini analiz etmek için bir dizi yaklaşım sağladığı ve potansiyel olarak olmayan özellikler arasında kalıplar ve eğilimler bulduğu açıktır. Bu çalışmanın amacı, Dokuz Eylül Hastanesi yoğun bakım hasta veri kümesini kullanarak sepsis tahmini için bir makine öğrenimi algoritması (MLA) geliştirmek ve doğrulamaktır. Makine öğrenimi, büyük hasta veri kümelerini analiz etmek için bir dizi yaklaşım sunar ve potansiyel olarak özellikler arasında olmayabilecek kalıpları ve eğilimleri bulur. Bu çalışma, klinisyenlere açık hasta sonuçlarını sınıflandırma performanslarını test etmek için rastgele orman, gradyan destekli sınıflandırıcı, k-komşu sınıflandırıcı ve sinir ağının deneysel bir analizini tamamlamıştır.
Özet (Çeviri)
Sepsis is one of the leading causes of death in intensive care units (ICUs) around the world and detecting sepsis and treating the disease can be particularly challenging for doctors, especially in its early stages. The annual expenditures for hospital treatment for sepsis patients are increasing due to public health issues. According to current literature, early and appropriate antibiotic medication is a major predictor of sepsis outcome, and early detection of sepsis may enable this treatment. As a result, without antibiotic therapy for sepsis, the risk of death increases with each consecutive hour. Finding out if a person has sepsis early and giving them the right treatment quickly can help ensure they have a better chance of getting better. However, relying on traditional rule-based screening methods to identify problems is not always reliable. Since AI-based diagnostic systems are proving useful in many medical fields, machine learning can be used to possibly analyze large patient datasets to uncover previously unknown patterns and trends among features by offering a variety of techniques. Using the Dokuz Eylul Hospital critical care patient dataset, this work aims to develop and verify a machine learning algorithm (MLA) that can predict severe sepsis. Machine learning offers a variety of ways to analyze huge patient datasets, potentially uncovering previously unknown patterns and trends across features. This study used experimental analyses of a random forest, gradient-boosted classifier, k-neighbor's classifier, and neural network to identify patient outcomes.
Benzer Tezler
- Yoğun bakım hastalarında grady bakteriyemi/sepsis tahmin modellerinin prospektif validasyonu: Klinik performans ve erken uyarı sistemi olarak kullanılabilirliği
Prospective validation of grady bacteremia/sepsis prediction models in intensive care unit patients: Clinical performance and feasibility as an early warning system
AHMET DOĞUKAN BAYRAK
Tıpta Uzmanlık
Türkçe
2025
Enfeksiyon Hastalıkları ve Klinik MikrobiyolojiSağlık Bilimleri ÜniversitesiEnfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı
DOÇ. DR. OKAN DERİN
- Pıhtı dalga formu analizi kullanarak makine öğrenmesi temelli mortalite tahminleme modeli geliştirilmesi
Development of a machine learning based mortality prediction model using clot waveform analysis
VELİ İYİLİKCİ
Tıpta Uzmanlık
Türkçe
2023
BiyokimyaSağlık Bilimleri ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. AYFER ÇOLAK
- Yoğun bakım ünitesinde sepsise bağlı akut böbrek hasarının erken tahmini için makine öğrenmesi yaklaşımları
Machine learning approaches for early prediction of sepsis-associated acute kidney injury in the intensive care unit
DUYGU TOPALOĞLU
Doktora
Türkçe
2026
Endüstri ve Endüstri MühendisliğiPamukkale ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. OLCAY POLAT
- Sepsis tanılı yoğun bakım hastalarında çeşitli prognostik göstergelerin mortalite ile ilişkisi
The relationship of various prognostic indicators with mortality in intensive care unit patients with sepsis
TUĞÇE DAMARSOY
Tıpta Uzmanlık
Türkçe
2024
Enfeksiyon Hastalıkları ve Klinik MikrobiyolojiBolu Abant İzzet Baysal ÜniversitesiEnfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı
DOÇ. DR. HASAN TAHSİN GÖZDAŞ
- Yoğun bakımda takip edilen sepsis hastalarında inflamatuar parametrelerin seyrinin mortalite ile ilişkisinin değerlendirilmesi: Prospektif gözlemsel çalışma
Evaluation of the association between the trends of inflammatory parameters and mortality in sepsis patients managed in the intensive care unit: A prospective observational study
ESRANUR DİKİCİ
Tıpta Uzmanlık
Türkçe
2025
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. NİZAMEDDİN KOCA