Geçirilmiş sezaryende abdominal ultrason ve kontraksiyon paterni özellikleri kullanılarak makine öğrenmesi ile uterin dehisensin öngörülmesi
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, ANKARA ŞEHİR SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, CERRAHİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: MERVENUR KEMENT
Danışman: Melike DOĞANAY
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Sezaryen sıklığının global artışıyla beraber sezaryen doğumun popülasyon üzerindeki uzun ve kısa dönem etkileri göz önüne serilmektedir. Sezaryen doğumun tekrarlayan gebeliklerde en hayati komplikasyonlarından birisi uterin rüptürdür. Çalışmamızda; gebelerin ultrasonografik muayeneleri, klinik ve demografik özellikleri kullanılarak makine öğrenmesi algoritmaları ile uterin rüptürü veya dehisensi öngörmek amaçlanmaktadır. Ultrasonografik ölçümlerle alt uterin segment tam kat ve alt uterin segment myometrium ölçülmesinin dehisensi ve rüptürü öngörmedeki öneminin değerlendirilmesi hedeflenmektedir. Böylece olası uterin rüptürün önüne geçmek, uterin rüptüre bağlı olası maternal ve fetal komplikasyonları engellemek hedeflenmektedir. Gereç ve Yöntem: Ankara Şehir Hastanesi, Kadın Hastalıkları ve Doğum Bölümü Doğum Salonu Kliniği'ne Şubat 2021 ve Temmuz 2021 tarihleri arasında başvurmuş olan daha önce sezaryen geçirmiş tekil gebeler çalışmamıza dahil edilmiştir. Daha önce sezaryen olan miadında (>37 hafta tekil gebelik) 318 hasta üzerinde çalışma yapılmıştır. Gebelerin demografik özellikleri; yaş ve vücut kitle endeksi, sigara-alkol kullanımı, klinik özellikleri; daha önce kaç kez gebelik geçirdiği, abort sayısı, gecirilmiş sezaryenden sonra abort öyküsü, şu anki gebelikle bir önceki sezaryen arasında geçen süre, gebelik haftası, daha önceki sezaryen sayısı, fetusun prezentasyonu, fetal ağırlık, tokografi verileri, alt uterin segment tam kat ve alt uterin segment myometriumun transabdominal ultrason ile ölçümü, operasyon sırasındaki alt uterin segment bulguları toplanarak makine öğrenmesi teknikleri ile analiz edilmiştir. Makine Öğrenmesi analizleri için R kütüphanesinden naivebayes, glm, plyr, mlp, e1071, SVMs ve randomForest paketleri kullanılmıştır. Sınıflandırma yöntemleri olarak Lojistik Regresyon, Çok Katmanlı Algılayıcı, Destek Vektör Makinesi, Random Forest ve Naive Bayes kullanılmıştır. Veri seti, 10 katlı Çapraz Doğrulama testi seçeneği kullanılarak değerlendirilmiştir. Makine Öğrenmesi performans kriterleri olarak Doğru Sınıflama Oranı, F-Ölçütü, Matthews korelasyon katsayısı, Precision-Recall Eğrisi (PRC Alanı) ve ROC Alanı kullanılmıştır. Bulgular: Çalışmamızda yapılan tüm makine öğrenmesi analizlerinde benzer olarak Naive Bayes yöntemi en iyi performansı göstermiştir. Bu yönteme göre yapılan analizlerin sonuçları karşılaştırıldığında ise en iyi performans, baz değişkenler olan parite, gravide, tokografide kontraksiyon, açıklık, dilatasyon-küretaj ve sezaryen öncesi ölçülen alt segment myometrium ultrasonu değişkeninin eklendiği modelde bulunmuştur. Bu modeli ise sırasıyla baz değişkenlere alt segment tam kat ultrasonunun eklendiği model ve baz değişkenlerden oluşan model izlemektedir. Baz değişkenlere ait model hastaları %90,5 oranında doğru sınıflarken alt segment myometrium ultrasonunun eklendiği model ise hastaları %95,6 doğru sınıflayarak performansı %5,1 artırmaktadır. Baz değişkenlere ait model hastaları %90,5 oranında doğru sınıflarken alt segment tam kat ultrasonunun eklendiği model ise hastaları %95,3 doğru sınıflayarak performansı %4,8 artırmaktadır. Sonuç: Çeşitli makine öğrenmesi analizleri sonucunda en yüksek performans gösteren Naive Bayes algoritmasi ile doğru sınıflama oranı 0,953, F-ölçütü değeri 0,952 ve Matthews korelasyon katsayısı değeri 0,641 olarak elde edilmiştir. Bu sonuç, hastaların klinik özellikleri ve alt uterin segment ultrasonografisi yapılarak 100 hastadan yaklaşık 95 tanesine dehisens veya rüptür tanısının isabetli bir şekilde konulabileceği olarak yorumlanabilir. Anahtar Kelimeler: Alt uterin segment ultrason, kontraksiyon, makine öğrenmesi, uterin dehisens, uterin rüptür