Acil servise göğüs ağrısı şikayeti ile başvuran hastaların esı triajı ve EDACS değerlendirmelerinin yapay zeka ile karşılaştırılması

Basit Öğe Kaydı
dc.contributor.advisorKoçak, Sedat
dc.contributor.authorÇınar, Mehmet Okan
dc.date.accessioned2025-03-10T12:39:16Z
dc.date.available2025-03-10T12:39:16Z
dc.date.issued2024
dc.date.submitted2024
dc.departmentNEÜ, Meram Tıp Fakültesi, Dahili Tıp Bilimleri Bölümü, Acil Tıp Anabilim Dalı
dc.description.abstractG􀵴r􀵴ş Ac􀵴l serv􀵴se göğüs ağrısı 􀵴le başvuran hastalarla yapılan bu çalışmada ac􀵴l serv􀵴slerde yaygın olarak kullanılan b􀵴r tr􀵴aj s􀵴stem􀵴 olan Emergency Sever􀵴ty Indeks (ESI) tr􀵴aj kategor􀵴s􀵴n􀵴n ve Emergency Department Assessment of Chest Pa􀵴n Score (EDACS) kard􀵴yak r􀵴sk grubunun yapay zeka algor􀵴tmalarıyla karşılaştırıp l􀵴teratüre katkı sağlamak amaçlanmıştır. Gereç Yöntem Bu çalışma, 01 Ağustos 2024 􀵴le 01 Ocak 2025 tar􀵴hler􀵴 arasında Necmett􀵴n Erbakan Ün􀵴vers􀵴tes􀵴 Er􀵴şk􀵴n Ac􀵴l Serv􀵴s􀵴’nde, göğüs ağrısı olan 18 yaş üstü hastalar üzer􀵴nde tek merkezl􀵴, prospekt􀵴f ve kes􀵴tsel b􀵴r tasarımla toplam 396 hasta üzer􀵴nde gerçekleşt􀵴r􀵴lm􀵴şt􀵴r. Gebel􀵴k durumu, travmaya bağlı göğüs ağrısı, kend􀵴 􀵴steğ􀵴yle taburcu olan ve çalışma 􀵴ç􀵴n onam vermeyen hastalar çalışmaya dah􀵴l ed􀵴lmem􀵴şt􀵴r. Çalışma kapsamında, ayaktan ve ambulans 􀵴le ac􀵴l serv􀵴se başvuran hastaların v􀵴tal bulguları, demograf􀵴k özell􀵴kler􀵴, ESİ tr􀵴aj kategor􀵴ler􀵴, EDACS göğüs ağrısı r􀵴sk kategor􀵴s􀵴 ve ac􀵴l serv􀵴s sonlanımları hasta tak􀵴p formuna kayded􀵴lm􀵴şt􀵴r. Ayaktan başvuran hastaların tr􀵴ajını tr􀵴aj görevl􀵴ler􀵴, ambulansla gelen hastaların tr􀵴ajını 􀵴se hek􀵴mler gerçekleşt􀵴rm􀵴şt􀵴r. Toplanan ver􀵴ler, standart b􀵴r met􀵴n formatında düzenlenerek ChatGPT-4o’ya b􀵴rb􀵴r􀵴nden bağımsız olarak sunulmuş ve s􀵴stemat􀵴k b􀵴r şek􀵴lde hasta tak􀵴p formuna kayded􀵴lm􀵴şt􀵴r. Bulgular Çalışma grubunun yaş ortalaması 51,9±17,6 yıl olup katılımcıların %56,6’sı erkekt􀵴r. Hastaların %78,3’ü ayaktan başvurmuştur. Tr􀵴aj görevl􀵴s􀵴, ayaktan başvurup taburcu ed􀵴len hastaların %57,8'􀵴n􀵴 ESİ Kategor􀵴-2 olarak değerlend􀵴r􀵴rken bu oran yapay zekada %29,1, EDACS ver􀵴s􀵴 ver􀵴len yapay zekada 􀵴se %18,4'tür (p<0,001). Hek􀵴m ve yapay zeka, ambulansla ac􀵴l serv􀵴se başvurup taburcu ed􀵴len hastalarda benzer oranlarda ESİ Kategor􀵴- 2 olarak değerlend􀵴rme yaparken; EDACS ver􀵴s􀵴 ver􀵴len yapay zeka, hastaların %15'􀵴n􀵴 ESİ Kategor􀵴-2 olarak değerlend􀵴rm􀵴şt􀵴r (p<0,001). Kr􀵴t􀵴k hastaların ayırt ed􀵴lmes􀵴nde yapay zeka, hek􀵴m 􀵴le benzer b􀵴r performans serg􀵴lem􀵴ş olup aralarında anlamlı b􀵴r fark saptanmamıştır (p=0,772). Yapay zekaya, kard􀵴yak r􀵴sk gruplaması yapması 􀵴ç􀵴n EDACS 􀵴le aynı ver􀵴ler ver􀵴ld􀵴ğ􀵴nde hastaları daha yüksek r􀵴sk grubunda değerlend􀵴rme eğ􀵴l􀵴m􀵴nde olduğu gözlemlenm􀵴şt􀵴r (p<0,001). Sonuç Yapay zeka tabanlı s􀵴stemler􀵴n, hastaları ver􀵴 tabanlı anal􀵴z yeteneğ􀵴 ve s􀵴stemat􀵴k değerlend􀵴rme özell􀵴kler􀵴 sayes􀵴nde tr􀵴aj görevl􀵴ler􀵴 ve hek􀵴mlere kıyasla hastaların kl􀵴n􀵴k sonlanımıyla daha örtüşen b􀵴r hasta tr􀵴ajı yaptığı gözlenm􀵴şt􀵴r. Bu b􀵴lg􀵴ler ışığında yapay zeka tabanlı s􀵴stemler􀵴n ve EDACS’ın ac􀵴l serv􀵴s tr􀵴ajında kullanılab􀵴l􀵴rl􀵴ğ􀵴, hasta sonuçlarını 􀵴y􀵴leşt􀵴rme ve kaynakları ver􀵴ml􀵴 kullanma potans􀵴yel􀵴 açısından önem taşımaktadır.
dc.description.abstractIntroduct􀵴on Th􀵴s study a􀵴med to contr􀵴bute to the l􀵴terature by compar􀵴ng the Emergency Sever􀵴ty Index (ESI) tr􀵴age categor􀵴es, a commonly used tr􀵴age system 􀵴n emergency departments, and the Emergency Department Assessment of Chest Pa􀵴n Score (EDACS) card􀵴ac r􀵴sk groups w􀵴th art􀵴f􀵴c􀵴al 􀵴ntell􀵴gence algor􀵴thms 􀵴n pat􀵴ents present􀵴ng to the emergency department w􀵴th chest pa􀵴n. Mater􀵴al and methods Th􀵴s study was conducted between August 1, 2024, and January 1, 2025, at Necmett􀵴n Erbakan Un􀵴vers􀵴ty Adult Emergency Department as a s􀵴ngle-center, prospect􀵴ve, and cross-sect􀵴onal study 􀵴nvolv􀵴ng a total of 396 pat􀵴ents aged 18 years and older w􀵴th chest pa􀵴n. Pat􀵴ents who were pregnant, had chest pa􀵴n due to trauma, were d􀵴scharged upon the􀵴r own request, or d􀵴d not prov􀵴de consent for the study were excluded. The study recorded the v􀵴tal s􀵴gns, demograph􀵴c character􀵴st􀵴cs, ESI tr􀵴age categor􀵴es, EDACS chest pa􀵴n r􀵴sk categor􀵴es, and emergency department outcomes of pat􀵴ents who presented to the emergency department e􀵴ther on foot or v􀵴a ambulance. Tr􀵴age for pat􀵴ents present􀵴ng on foot was conducted by tr􀵴age staff, wh􀵴le tr􀵴age for pat􀵴ents arr􀵴v􀵴ng by ambulance was performed by phys􀵴c􀵴ans. The collected data were organ􀵴zed 􀵴nto a standard􀵴zed text format, 􀵴ndependently entered 􀵴nto ChatGPT-4o, and systemat􀵴cally recorded 􀵴n the pat􀵴ent follow-up form. Results The mean age of the study group was 51.9±17.6 years, w􀵴th 56.6% of the part􀵴c􀵴pants be􀵴ng male. A total of 78.3% of the pat􀵴ents presented to the emergency department as walk-􀵴ns. The tr􀵴age staff class􀵴f􀵴ed 57.8% of the walk-􀵴n pat􀵴ents who were d􀵴scharged as ESI Category-2, wh􀵴le th􀵴s rate was 29.1% for the AI system and 18.4% for the AI system w􀵴th EDACS data (p<0.001). For pat􀵴ents present􀵴ng v􀵴a ambulance and subsequently d􀵴scharged, phys􀵴c􀵴ans and the AI system showed s􀵴m􀵴lar rates 􀵴n class􀵴fy􀵴ng pat􀵴ents as ESI Category-2. However, the AI system w􀵴th EDACS data class􀵴f􀵴ed 15% of these pat􀵴ents as ESI Category-2 (p<0.001). In d􀵴st􀵴ngu􀵴sh􀵴ng cr􀵴t􀵴cal pat􀵴ents, the AI system demonstrated a performance comparable to that of phys􀵴c􀵴ans, w􀵴th no s􀵴gn􀵴f􀵴cant d􀵴fference between them (p=0.772). When prov􀵴ded w􀵴th the same EDACS data for card􀵴ac r􀵴sk strat􀵴f􀵴cat􀵴on, the AI system tended to class􀵴fy pat􀵴ents 􀵴n h􀵴gher r􀵴sk groups (p<0.001). Conclus􀵴on Art􀵴f􀵴c􀵴al 􀵴ntell􀵴gence-based systems were observed to perform pat􀵴ent tr􀵴age more al􀵴gned w􀵴th cl􀵴n􀵴cal outcomes compared to tr􀵴age staff and phys􀵴c􀵴ans, thanks to the􀵴r data-dr􀵴ven analys􀵴s capab􀵴l􀵴ty and systemat􀵴c evaluat􀵴on features. In l􀵴ght of th􀵴s 􀵴nformat􀵴on, the use of AI-based systems and EDACS 􀵴n emergency department tr􀵴age holds s􀵴gn􀵴f􀵴cant potent􀵴al for 􀵴mprov􀵴ng pat􀵴ent outcomes and opt􀵴m􀵴z􀵴ng resource ut􀵴l􀵴zat􀵴on.
dc.identifier.citationÇınar, M. O. (2025). Acil servise göğüs ağrısı şikayeti ile başvuran hastaların esı triajı ve EDACS değerlendirmelerinin yapay zeka ile karşılaştırılması. (Yayınlanmamış tıpta uzmanlık tezi) Necmettin Erbakan Üniversitesi, Tıp Fakültesi Dahili Tıp Bilimleri Bölümü Acil Tıp Anabilim Dalı, Konya.
dc.identifier.urihttps://hdl.handle.net/20.500.12452/19166
dc.identifier.yoktezid918383
dc.language.isotr
dc.publisherNecmettin Erbakan Üniversitesi, Tıp Fakültesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.titleAcil servise göğüs ağrısı şikayeti ile başvuran hastaların esı triajı ve EDACS değerlendirmelerinin yapay zeka ile karşılaştırılması
dc.title.alternativeComparison of esi triage and EDACS assessments with artificial intelligence in patients presenting to the emergency department with chest pain
dc.typeSpecialist Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
918383 Dr. Mehmet Okan ÇINAR.pdf
Boyut:
1.85 MB
Biçim:
Adobe Portable Document Format
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Dahili Tıp Bilimleri Bölümü Tez Koleksiyonu