Geri Dön

Bilgisayarlı dinamik postürografi ve fonksiyonel denge testleri ile makine öğrenmesinde yaşlı bireylerin düşme riskinin tahmin edilmesi

Predicting the fall risk of elderly individuals in machine learning with computerized dynamic posturography and functional balance tests

PDF İndir

  1. Tez No: 900409
  2. Yazar: EMRE SÖYLEMEZ
  3. Danışmanlar: PROF. DR. SUNA TOKGÖZ YILMAZ
  4. Tez Türü: Doktora
  5. Konular: Kulak Burun ve Boğaz, Otorhinolaryngology (Ear-Nose-Throat)
  6. Anahtar Kelimeler: Elektronik sağlık, Standart postür, Teşhis-kulak-burun-boğaz, İç kulak, E-health, Standard posture, Diagnosis-otorhinolaryngologic, Ear-inner
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kulak Burun Boğaz Hastalıkları Ana Bilim Dalı
  12. Bilim Dalı: Odyoloji ve Konuşma Bozuklukları Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Düşmeler, yaşlı bireylerin karşılaştığı en önemli klinik sorunlardandır. Yaşlı bireylerde düşmelere bağlı yaralanmaların çoğu ölümle sonuçlanmaktadır. Bu nedenle yaşlı bireylerde düşme riskinin belirlenmesi düşmeyi önleme stratejileri geliştirmek için önemlidir. Bu çalışmanın amacı, bilgisayarlı dinamik postürografiden (BDP) ve fonksiyonel denge testlerinden elde edilen parametreleri makine öğrenmesinde kullanarak düşme riskini tahmin etmektir. Bu çalışmaya 120 yaşlı birey (>65 yaş) dahil edildi. Bu bireyler düşme durumuna göre iki gruba ayrıldı. Son bir yıl içerisinde düşme hikayesi olmayan 65 yaşlı birey grup I'e ve son bir yıl içerisinde düşme hikayesi olan 55 yaşlı birey grup II'ye dahil edildi. Bu bireylerden anamnez alındı ve bireylere fonksiyonel uzanma testi (FUT), zamanlı kalk ve yürü testi (ZKYT), Romberg testi, zorlaştırılmış Romberg testi, foam Romberg test, gözler açık ve kapalı tek ayak üstünde durma testi (TADT), Tinetti denge ve yürüme testi (TDYT) ve duyu organizasyon testi (DOT) uygulandı. Bu bireylerin anamnezleri ve test sonuçları ile veri havuzu oluşturuldu. Oluşturulan veri havuzundaki verilerin 96'sı (%80) ile sekiz adet makine öğrenme algoritması (karar ağacı, rastgele orman, destek vektör makineleri (DVM), XGBoost, yapay sinir ağları, K- en yakın komşu, lojistik regresyon ve Naive Bayes) eğitildi. Geriye kalan 24 (%20) veri ise eğitilen modeller ile test edildi. Düşen yaşlı bireylerde diyabetus mellitus, hipertansiyon, dengesizlik semptomu, işitme kaybı ve artmış vücut kütle endeksi düşmeyen yaşlı bireylere göre daha fazla saptandı (p<0,05). Düşen yaşlı bireylerin FUT, ZKYT, TDYT, gözler açık ve kapalı TADT, zorlaştırılmış romberg ve foam romberg testi skorları düşmeyen yaşlı bireylere göre daha kötüydü (p<0,05). Düşen yaşlı bireylerin tüm DOT skorları, vestibüler, proprioseptif ve vizüel inputları düşmeyen yaşlı bireylere göre daha kötüydü (p<0,05). Bireylerin hastalıkları ve fiziksel özellikleriyle oluşturulan makine öğrenme modelleri arasında en yüksek doğruluk oranına %87,5 ile Naive Bayes ulaştı. Fonksiyonel denge testleriyle oluşturulan makine öğrenme modelleri arasında en yüksek doğruluk oranına %83,34 ile lojistik regresyon ulaştı. Bireylerin hastalıkları, fiziksel özellikleri ve fonksiyonel denge testleriyle oluşturulan makine öğrenme modelleri arasında en yüksek doğruluk oranına %100 ile DVM ulaştı. Dengeyi değerlendirmek için altın standart yöntem olarak kabul edilen DOT verileri kullanılarak oluşturulan makine öğrenme modelleri arasında en yüksek doğruluk oranına %91,66 ile XGBoost ulaştı. Yaşlı bireylerde düşmeler birçok faktöre bağlı olarak ortaya çıkmaktadır. Düşme riskini tahmin etmek için kullanılan denge testleri ne kadar güvenilir olursa olsun bireylerin hastalıkları ve fiziksel özellikleri de dikkate alınmalıdır. BDP gibi objektif testlerin bulunmadığı kliniklerde, bireylerin hastalıkları, fiziksel özellikleri ve fonksiyonel denge testleri makine öğrenmesinde kullanılarak düşme riski yüksek doğrulukla tahmin edilebilir.

Özet (Çeviri)

Falls are one of the most important clinical problems faced by elderly individuals. Most injuries due to falls in elderly individuals result in death. Therefore, determining the risk of falling in elderly individuals is important for developing fall prevention strategies. This study aims to predict the risk of falling using parameters obtained from computerized dynamic posturography (CDP) and functional balance tests in machine learning. One hundred twenty elderly individuals (>65 years old) were included in this study.These individuals were divided into two groups according to their fall status. Sixty five elderly individuals with no history of falling in the last year were included in group I and 55 elderly individuals with a history of falling in the last year were included in group II. Detailed anamnesis was taken from these individuals and functional reach test (FRT), timed up and go test (TUG), Romberg test, sharpened Romberg test, foam Romberg test, eyes open and closed one leg standing test (OLST), Tinetti balance and walking test (TBWT) and sensory organization test (SOT) were applied to the individuals. A data pool was created with these individuals' anamneses and test results. Eight machine learning algorithms (decision tree, random forest, support vector machines (SVM), XGBoost, artificial neural networks, K-nearest neighbors, logistic regression and Naive Bayes) were trained with 96 (80%) of the data in the created data pool. The remaining 24 (20%) data were tested with the trained models. Diabetes mellitus, hypertension, imbalance symptoms, hearing loss and increased body mass index were detected more frequently in elderly individuals who fell than in elderly individuals who did not fall (p<0.05). FRT, TUG, TBWT, eyes open and closed OLST, sharpened Romberg and foam Romberg test scores of elderly individuals who fell were worse than those of elderly individuals who did not fall (p<0.05). All SOT scores, vestibular, proprioceptive and visual inputs of elderly individuals who fell were worse than those of elderly individuals who did not fall (p<0.05). Among the machine learning models created with individuals' diseases and physical characteristics, Naive Bayes had the highest accuracy rate of 87.5%. Among the machine learning models created with functional balance tests, logistic regression had the highest accuracy rate of 83.34%. Among the machine learning models created based on individuals' diseases, physical characteristics and functional balance tests, SVM had the highest accuracy rate of 100%. Among the machine learning models created using SOT data, considered the gold standard method for assessing balance, XGBoost had the highest accuracy rate of 91.66%. Falls in elderly individuals occur due to multiple factors. No matter how reliable the balance tests used to estimate the risk of falling are, individuals' diseases and physical characteristics should also be considered. In clinics that do not have objective tests such as CDP, individuals' diseases, physical characteristics and functional balance tests can be used in machine learning to predict the risk of falling with high accuracy.

Benzer Tezler

  1. Tez No

    686225

    Donma fenomeni olan ve olmayan Parkinson hastalarında vücut imajının denge ve yürüyüş üzerine etkisinin incelenmesi

    Investigation of the effect of body image on balance and gait in parkinsonian patients with and without freezing phenomena

    AYŞEGÜL USTA

    Doktora

    Türkçe

    Türkçe

    2021

    Fizyoterapi ve RehabilitasyonHacettepe Üniversitesi

    Nörolojik Fizyoterapi ve Rehabilitasyon Ana Bilim Dalı

    PROF. DR. KADRİYE ARMUTLU

  2. Tez No

    946400

    Likra giysinin skolyozlu spastik diplejik serebral palsili bireylerde denge ve solunum fonksiyonlarına etkisi

    The effect of lycra garment on balance and respiratory functions in spastic diplegic cerebral palsy individuals with scoliosis

    FATİH ÇELİK

    Doktora

    Türkçe

    Türkçe

    2025

    Fizyoterapi ve RehabilitasyonHacettepe Üniversitesi

    Fizyoterapi ve Rehabilitasyon Ana Bilim Dalı

    PROF. DR. İPEK GÜRBÜZ

    PROF. DR. GÖZDE YAĞCI

  3. Tez No

    70594

    Diz osteoartriti rehabilitasyonunda proprioseptif egzersizlerin denge üzerine etkinliği

    The Effects of proprioceptive exercises on balance in knee osteoarthritis reahabilitation

    NÜZHET DOĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1998

    Fiziksel Tıp ve RehabilitasyonMarmara Üniversitesi

    Fiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı

    PROF. DR. ÖNDER KAYHAN

  4. Tez No

    707394

    Bilateral koklear implant kullanıcılarında vestibüler sistemin sanal gerçeklik sistemi ile rehabilitasyonu

    Rehabilitation of the vestibular system with virtual reality system in bilateral cochlear implant users

    ENİSE AKDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Kulak Burun ve Boğazİstanbul Üniversitesi-Cerrahpaşa

    Odyoloji Ana Bilim Dalı

    PROF. DR. AHMET ATAŞ

  5. Tez No

    835645

    Multipl skleroz hastalarında denge ve vestibüler sistemin değerlendirilmesi

    Evaluation of balance and vestibular system in multiple sclerosis patients

    AYSU KISA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    NörolojiSağlık Bilimleri Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. UFUK EMRE TOPRAK

Geri Dön