Yoğun bakım hastalarında ağrının yüz hareketini ölçen ağrı tanılama sistemi ile değerlendirilmesi
Evaluation of pain in intensive care patients with a pain diagnostic system that measuring facial movement
- Tez No: 955707
- Danışmanlar: PROF. DR. SEVİLAY ERDEN, DOÇ. DR. FATİH KILIÇ
- Tez Türü: Doktora
- Konular: Hemşirelik, Nursing
- Anahtar Kelimeler: Akut ağrı, Acute pain
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Hemşirelik Ana Bilim Dalı
- Bilim Dalı: Cerrahi Hastalıkları Hemşireliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yoğun bakımda bilinci açık, sözel iletişim kurulamayan hastaların ağrı değerlendirmelerinde kullanılan standart ölçekler sınırlıdır. Bu hastalarda otomatik, standart, sürekli, önyargısız ve ölçeklenebilir ağrı ölçekleri geliştirilmelidir. Çalışma, bilinci açık sözel iletişim kuramayan yoğun bakım hastalarında ağrının yüz hareketini ölçen ağrı tanılama sistemi ile değerlendirilmesi amacıyla yapılmıştır. Araştırmanın örneklemini, Çukurova Üniversitesi Tıp Fakültesi Balcalı Hastanesi Genel Cerrahi Yoğun Bakım, Nöroloji Yoğun Bakım, Dahiliye Yoğun Bakım Üniteleri ile Adana Şehir Eğitim ve Araştırma Hastanesi Genel Cerrahi Yoğun Bakım ve Beyin Cerrahi Yoğun Bakım ünitelerinde Nisan 2023-Ekim 2024 tarihleri arasında takip edilen ve dahil edilme kriterlerine uyan hastalar oluşturmuştur. Araştırmanın örneklem büyüklüğü %95 güç tip 1 hata 0.05 referans, korelasyon katsayısı 0.50 çift kuyruk hipotezinde ulaşılması gereken 46 kişi olarak hesaplanmıştır. Verilerin toplanmasında Hasta Tanıtıcı Bilgi Formu, Sayısal Ağrı Ölçeği (SAÖ), Wong Baker Yüzler Ağrı Ölçeği (WBYÖ), Hasta Takip Formu, Yüz Eylem Kodlama Sistemi (YEKS), Video Kamera, Kamera Tripodu kullanılmıştır. Ağrı değerlendirmesi hasta tarafından SAÖ, hemşireler tarafından WBYÖ ve bilgisayar tarafından YEKS ile yapılmıştır. Veriler 2 gün boyunca sabah ve akşam günde 2 kez ağrılı girişimlerden hemen önce, girişim sırasında ve girişimden 20 dk sonra toplanmıştır. Dört hemşire tarafından hastaların video kayıtlarından elde eldilen fotoğraflardan ağrı değerlendirilmiştir. Verilerin İstatistiksel analizleri SPSS (IBM SPSS Statistics 27) adlı paket program kullanılarak yapılmıştır. Hastanın Yüz Eylem Kodlama Sistemi analizinde, makine öğrenmesi algoritmalarından; EfficientNet_B0, ResNet50 ve ConvNeXt-tiny derin öğrenme modelleri kullanılmıştır. Hasta ile makine ölçümlerinin karşılaştırılmasında, modeller arasında; Sınıf 4'te ConvNeXt-tiny eğitimde setinde %99, test verisinde %57.9, Sınıf 6'da ResNet50 eğitim verisi setinde %98, test verisinde %52,9 başarı elde etmiştir. Hasta ile dört hemşire tarafından değerlendirilen, ağrı düzeyleri ortalamaları arasında pozitif yönde ve istatistiksel olarak anlamlı ilişki tespit edilmiştir (p<0,05). Hastaların kendi ağrı bildirimi ile makine ölçümlerinin, hemşirelerin tahminine oranla, daha uyumlu olduğu ve bu uyumun da anlamlı olduğu belirlenmiştir (p<0,001). Çalışmamız yoğun bakımda kendini sözel olarak ifade edemeyen bilinci açık hastaların ağrı değerlendirilmesini iyileştirmek amacıyla yapılmış olup, makine öğrenmesinin doğruluk payından faydalanılarak, geliştirilecek objektif ağrı değerlendirme ölçekleri, subjektifliği azaltarak, ağrı değerlendirilmesinde hemşirelerin gözlemsel farklılıklarını da azaltabilir. Bu bağlamda, elde edilen bulgular, makine öğrenmesi tabanlı ağrı değerlendirme sistemlerinin hastanın kendi ağrı bildirimiyle hemşire değerlendirmesine kıyasla, daha uyumlu olduğunu, daha objektif ve tutarlı sonuçlar üretebildiğini göstermektedir.
Özet (Çeviri)
Standard scales used in pain assessment of patients who are conscious and cannot communicate verbally in intensive care are limited. Automatic, standardized, continuous, unbiased and scalable pain scales should be developed for these patients. The study was conducted to evaluate pain in intensive care patients who are conscious and unable to communicate verbally, using a pain diagnosis system that measures facial movements. The sample of the study consisted of patients who were followed up in Çukurova University Faculty of Medicine Balcalı Hospital General Surgery Intensive Care Unit, Neurology Intensive Care Unit, Internal Medicine Intensive Care Unit and Adana City Training and Research Hospital General Surgery Intensive Care Unit and Brain Surgery Intensive Care Unit between April 2023 and October 2024 and who met the inclusion criteria. The sample size of the study was calculated as 46 people to be reached in the two-tailed hypothesis with 95% power, type 1 error, 0.05 reference, and 0.50 correlation coefficient. Patient Identification Form, Numerical Pain Scale (NPS), Wong Baker Faces Pain Scale (WFPS), Patient Follow-up Form, Facial Action Coding System (FACS), Video Camera, Camera Tripod were used to collect data. Pain assessment was made by the patient with FACS, by the nurses with FACS, and by the computer with WFPS. Data were collected twice a day, in the morning and evening, for 2 days, immediately before, during, and 20 minutes after painful interventions. Pain was assessed by four nurses using photographs taken from video recordings of the patients. Statistical analyses of the data were performed using the SPSS (IBM SPSS Statistics 27) package program. In the analysis of the patient's Facial Action Coding System, machine learning algorithms; EfficientNet_B0, ResNet50 and ConvNeXt-tiny deep learning models were used. In the comparison of patient and machine measurements, among the models; in Class 4, ConvNeXt-tiny achieved 99% success on the training set and 57.9% on the test data, and in Class 6, ResNet50 achieved 98% success on the training data set and 52.9% on the test data. A positive and statistically significant relationship was found between the mean pain levels assessed by the patient and four nurses (p<0.05). It was determined that the patients' own pain report and the machine measurements were more consistent than the nurses' estimates, and this consistency was significant (p<0.001). Our study was conducted to improve the pain assessment of conscious patients who cannot express themselves verbally in intensive care. Objective pain assessment scales to be developed by utilizing the accuracy of machine learning can reduce subjectivity and decrease nurses' observational differences in pain assessment. In this context, the findings show that machine learning-based pain assessment systems are more compatible with the patient's own pain report and nurse assessment, and can produce more objective and consistent results.
Benzer Tezler
- Yoğun bakımda non verbal ağrı skalası ile davranış ağrı skalasının karşılaştırılması
Comparison of non verbal pain scale and behavioral pain scale in icu
IRMAK FATOŞ AYDIN
Tıpta Uzmanlık
Türkçe
2014
Anestezi ve Reanimasyonİstanbul ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. GÜL KÖKNEL TALU
- Endotrakeal tüp ve ağız bakımı uygulanan entübe yoğun bakım hastalarında ağrı davranışlarının belirlenmesi
Determination of pain behaviours in endotracheal tube and oral care practice in intubated intensive care patients
ALKAY KARA
- Yoğun bakım ünitelerinde sedasyon-ajitasyon ve ağrı değerlendirmesinde kullanılan iki ölçüm aracının Türkçe'ye uyarlanması: Geçerlilik ve güvenilirlik çalışması
Adaptation of two measurement tools used to assess sedation-agitation and pain among patients in intensive care units into Turkish: A reliability and validity study
FATMA SILAY
Yüksek Lisans
Türkçe
2016
HemşirelikEge Üniversitesiİç Hastalıkları Hemşireliği Ana Bilim Dalı
PROF. DR. ASİYE AKYOL
- Günübirlik inguinal herni cerrahisinde bupivakain ve bupivakain+fentanil kombinasyonları uygulanan tek taraflı spinal anestezide hemodinamik değişiklikler ve derlenme
Hemodynamic changes and recovery in unilateral spinal anesthesia using bupivacaine and bupivacaine + fentanyl combinations in outpatient inguinal hernia surgery
İLHAN OCAK
Tıpta Uzmanlık
Türkçe
2005
Anestezi ve ReanimasyonSağlık BakanlığıAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
UZMAN FERHUNDE DİLEK SUBAŞI
- The role of oxidative stress factors in the pathophysiology of Ocular Rosacea, analysis of tears and other materials
Oküler Rosacea patofizyolojisinde oksidatif stres faktörlerinin rolü, gözyaşı ve diğer materyallerin analizi
NİLÜFER YEŞİLIRMAK
Doktora
İngilizce
2023
BiyokimyaGazi ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. NESLİHAN BUKAN
PROF. DR. JEAN-LOUIS BOURGES