Göğüs ağrısı şikayetiyle acile gelen kişilerde kalp krizi risk faktörlerinin değerlendirilmesi

Abstract

Dünya'da ve Türkiye'de ölüm nedenlerinin başında hala kalp krizi gelmektedir. Her yıl tüm dünyada 17,1 milyon kişi kalp hastalıkları ve inme nedeniyle yaşamını kaybetmektedir. Akut kalp krizinden ölümlerin çoğu, medikal tedaviye başlanmadan gelişse de hastane içi mortalite 50'li yıllarda %30-35 oranında iken günümüzde akut kalp krizinin hastane mortalitesi %5-7 civarına indiği görülmektedir. Bunun başlıca nedeni biyokimyasal belirteç kontrollerinin gelişen teknoloji ile artması ve tanı sistemlerinin gelişmesidir. Ancak bu belirteçlerin referans aralığının kontrolü de önemlidir. Çünkü günümüze kadar pek çok hastalığın referans değerlerinin yıllara ya da farklı faktörlere göre değiştiği bilinmektedir.Bu tez çalışmasında bu amaçla, Bezmialem Vakıf Üniversitesi Tıp Fakültesi Hastanesi Acil Servis birimine göğüs ağrısı şikayetiyle başvuran hastalarda kalp krizi risk faktörleri istatistiksel olarak değerlendirilmiştir. Mayıs 2016 – Ekim 2016 tarihleri arasında 6607 hasta verisinin analizi kan tahlilleri, şikayet ve muayene bulguları olarak 3 aşamada düzenlenmiştir. Düzenlenen bu veriler SPSS 24.0 paket programıyla ki-kare bağımsızlık testi ve karar ağacı modellemesi ile istatistiksel olarak değerlendirilmiştir. Hastaların ön muayenede belirttiği şikayetler ile kalp krizi ve cinsiyete göre ki-kare bağımsızlık testi uygulanmıştır. Buna göre; kalp krizi ile göğüs ağrısı, çarpıntı, terleme ve nefes darlığı şikayetlerinin bağımlı olduğu belirlenirken; cinsiyete göre de karın ağrısı, çarpıntı, sırt ağrısı, baş dönmesi, halsizlik, nefes darlığı, bulantı ve kusma şikayetlerinin bağımlı olduğu görülmüştür.Karar ağacı modellemesinde ise, modele bağımlı değişken sadece kalp krizi olarak seçilirken bağımsız değişkenler olarak yaş, cinsiyet, kan tahlili sonuçları, hasta şikayet ve muayene bulguları eklenerek 4 farklı modelde incelenmiştir ve bu incelemelerin sonucunda yaş, çarpıntı, terleme, cinsiyet, göğüs ağrısı, diyastolik arter basıncı ve Troponin I'nın önemli olduğu saptanmıştır. Anahtar Sözcükler: Kalp krizi, Ki-kare bağımsızlık testi, Karar ağacı modellemesi

Heart attack is one of the leading causes of death in the World and Turkey. Every year, 17.1 million people lose their lives due to heart diseases and stroke in worldwide. While the mortality rate in hospitals due to heart attack was 30-35% in the 1950s, it has been reduced to 5-7% nowadays. The main reason of the reduction is the increase in biochemical marker controls with the improved technology and development of diagnostic systems. However, it is also important to control the reference range of these markers. Because, it is known that the reference values of many illnesses vary by different factors with the years.In this thesis study, risk factors for heart attack were evaluated statistically that are applied to patients with the complaint of chest pain in the Bezmialem University Hospital Emergency Service. Between May 2016-October 2016, the data of 6607 patient were conducted in 3 phases which are blood tests, complaints and findings These data were evaluated statistically by using the SPSS 24.0 program with Pearson Chi-Square and Decision Trees.Patient complaints were analyzed statistically with Pearson Chi-Square according to heart attack and gender. According to these, heart attack is related to chest pain, palpitation, sweating, and shortness of breath. On the other hand, when the result examined with gender, it is related to abdominal pain, palpitation, and back pain, dizziness, and fatigue, shortness of breath, nausea and vomiting.On the other hand in decision tree modeling, the heart attack was selected as a dependent variable. Age, gender, blood test results, patient complaints and examination findings are the other independent variables which are examined in 4 different models. The results showed that age, palpitations, sweating, gender, chest pain, diastolic arterial pressure and Troponin I were significant in heart attack.Key Words: Heart attack, Pearson Chi-Square, Decision Tree Modeling