Covid-19 tedavisi sonrası taburcu olmuş hastaların prospektif izlemi, kardiyovasküler morbidite ve mortalite ile ilgili risk faktörlerinin veri madenciliği ve makine öğrenmesi yoluyla öngörülmesi çalışması:

Covid-19 salgını dünyada ve ülkemizde farklı hızlarda yayılmaya devam etmektedir. SARS-CoV-2 yeni bir virus olduğundan virus ve hastalık sürecine ait bilinmeyen birçok nokta bulunmaktadır. Bu durum hem korunma hem de tedavi konusunda belirsizliklere sebep olmaktadır. Hastalığın ilk görüldüğü aylardan itibaren mortaliteye yönelik bazı risk grupları tanımlanmıştır.

Ancak hastalığın görüldüğü coğrafyalar genişledikçe ve ülkelerin sayısı arttıkça farklı klinik tablolar, farklı seyirler bildirilmekte, farklı risk faktörleri öne çıkabilmektedir. Tanı testlerinin örnek alış tekniğine ve yerine bağlı olarak doğruluk derecesinin de değişkenlik gösterdiği belirtilmiştir.

Hastane seyrindeki belirsizlik kadar iyileşen hastalarda orta ve uzun dönemdeki seyir hakkında henüz bilgimiz bulunmamaktadır. SARS salgınlarında artmış kardiyovasküler risk belirtilmiştir.

Pandemi dönemlerinde klinikte toplanan verilerden hızlıca bilimsel bilgi üretmek ve bu bilgilerden klinik yararı olabilecek sonuçları hızlıca çıkarabilmek çok önemlidir.

Son birkaç yılda veri madenciliği ve makine öğrenmesi teknikleriyle tıp alanında bazı risklerin daha iyi veya daha önceden öngörülebilmesi mümkün olabilmektedir. Marmara Üniversitesi olarak bu alanda çalışmalarımız ve yayınlarımız mevcuttur.

Bu araştırmada S.B. Marmara Üniversitesi Pendik Eğitim Araştırma Hastanesi’ ne Covid-19 şüphesi veya kesin tanısıyla yatarak tedavi olmuş hastaların taburculuk sonrası prospektif olarak izlenmesi ve kardiyovasküler morbidite ve mortalitesi açısından ilgili risk faktörlerinin veri madenciliği ve makine öğrenmesi yoluyla öngörülmesi amaçlanmaktadır. Ayrıca ilk başvurudaki PCR testlerinin tanı değerlerinin değişkenlik göstermesi sebebiyle de tanısı kesinleşmiş hastaların klinik ve laboratuvar verilerinin yapay zeka yardımıyla karar destek sistemi dahilinde tanısal algoritmalar oluşturulması planlanmıştır.

• ÇALIŞMANIN GEREKÇESİ / AMACI:

Bu araştırmada; Covid-19 şüphesi veya kesin tanısıyla yatarak tedavi olmuş hastaların demografik, temel klinik ve laboratuvar verilerinin incelenmesi ve taburculuk sonrası kardiyovasküler morbidite ve mortalite açısından takipleri ve ilgili risk faktörlerinin veri madenciliği ve makine öğrenmesi yoluyla öngörülmesi amaçlanmaktadır.

• Veri Madenciliği / Makine Öğrenme İşlemleri:

Sonlanım noktaları ile olası risk belirteçleri arasındaki ilişkiyi göstermek üzere aşağıdaki veri madenciliği ve makine öğrenme işlemleri yapılacak ve belirtilen yazılımlar kullanılacaktır: Sonlanım noktaları ile olası risk belirteçleri arasındaki ilişkiyi göstermek üzere aşağıdaki veri madenciliği ve makine öğrenme işlemleri yapılacak ve belirtilen yazılımlar kullanılacaktır: Yapay zeka teknikleri ve makine öğrenimine dayalı bir estimation model tasarlanacaktır. Bu tasarım sırasında veri setine daha kolay hakimiyet sağlayabilmek için csv formatında oluşturulan veri seti üzerinde temel istatistiki değerlendirmeler analizine başlanacak ve veriseti üzerinde ön işleme işlemleri gerçekleştirilecektir. “Attributeler” arasındaki korelasyonlar ortaya konacaktır. Regresyon analizleri gerçekleştirilecektir. Tahminleme modelinin oluşturulması ve görselleştirilmesi için R programlama dili tercih edilebilir. Burada Bayesçi Kestirim, Karar Ağaçları, SVM (Support Vector Machine), ANN (Artificial Neural Network), RF (Random Forest) gibi algoritmalarının kullanımı ön görülmektedir. Başarının ve sağlamlığın arttırılması amacıyla model birleştirme teknikleri de denenebilir.

Sorumlu Araştırıcı : 

M.Ü. Hipertansiyon ve Ateroskleroz Eğitim Araştırma ve Uygulama Merkezi Müdürü

Prof.Dr. Ali Serdar Fak, Kardiyoloji ve İç Hastalıkları Uzmanı

Use of lipid-lowering drugs in restricted health access settings: Results fromthe Trends in Drug Utilization During COVID-19 Pandemic in Turkey(PANDUTI-TR) study .pdf (884 KB)