Acil servis triajında yapay zeka yöntemlerinin güvenilirliği
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Acil servislerde son yıllarda giderek artan hasta yoğunluğu yaşanmaktadır.Başvuran hastaların değerlendirilmesi ve tedavisinde gecikmeler olabilmekte ve bunabağlı malpraktisler yaşanabilmektedir. Bu çalışmada bir yapay zeka uygulaması olankarar ağacının triaj uygulamalarında kullanılabilirliğini test etmeyi amaçladık.Bu prospektif, kesitsel, klinik çalışma olarak 1-10 Temmuz 2011 tarihleriarasında yıllık 72800 hasta başvurusunun olduğu Akdeniz Üniversitesi Tıp FakültesiHastanesi Acil Servisi?nde yapıldı. Çalışmaya 18 yaş üzerinde 1999 yetişkin acilhastası dahil edildi. Altın standart olarak Avustralasya Triaj Skalası kullanıldı. Kararağacı ile oluşturulan triaj algoritmasının ATS ile uyumluluğu değerlendirildi.Çalışmaya katılan hastaların yaş ortalaması 41,1±17,2 ve %49,1?i (n=981) erkekti.ATS?ye göre belirlenen klinik tanımlayıcılardan en sık görülenler arasında 409(%20,5) hasta ile yüksek riskli olmayan minimal ağrılar, 362 (%18,1) hasta ile stabilolan minör semptomlar vardı. Triaj kategorilerini belirleyen ilk iki bağımsızgözlemci arasındaki çok iyi derecede uyum saptandı (kappa değeri: 0.997).Karar ağacı ile oluşturulan triaj algoritmasının doğruluk oranı %99,9 olarakbulundu. ATS ile uyumu ise mükemmeldi (Kappa değeri 0,999).Bu çalışmanın sonucuna göre, bir yapay zeka uygulaması olan karar ağacı, triajuygulamalarında yeni algoritmalar oluşturmada son derece yetkindir ve gelecekuygulamalar açısından umut vericidir. Emergency department crowding emerges as a big problem in recent years.There may be delays on the evaluation and treatment of admitted patients causingmalpractices. We aimed to test the utility of `Decision Trees?, an artificialintelligence application, in patient triage.This prospective, cross-sectional, clinical study was conducted in AkdenizUniversity Emergency Department with annual census of 72800 patients between 1and 10 July 2011. A total of 1999 patients over 18 years were included into thestudy. Australasian Triage Scale was used as the gold standard. The consistencybetween Australasian Triage Scale and algorithm constructed by decision trees wasalso analyzed. The mean age of the study patients were 41,1±17,2 and 49,1 % ofthem (n=981) were male. The most common clinical descriptors of the patients wereminimal pain with no high risk features 20,5% of them (n=409) and minor symptomsof low risk conditions 18,1% of them (n=362). There was an excellent concordancebetween two observers who determine the triage category (Kappa value 0.997).The accuracy rate of the triage scale created by decision tree was found 99,9%.There was an excellent concordance between ATS and decision trees (Kappa value0.999).The decision tree an artificial intelligence application, is extremely competentto create new triage algorithms and promising for future applications.
Collections