Böbrek nakli yapılan hastalarda veri madenciliği yöntemleri ile akut rejeksiyon durumunun incelenmesi

Abstract

Amaç: Böbrek nakli, son dönem böbrek yetmezliği olan hastalar için, canlı ya da kadavradan alınan böbreğin cerrahi yöntemler ile hastaya takılmasıdır. Böbrek Transplantasyon başarısızlığı hastalar için olumsuz sonuçlarla ilişkili olduğundan, risk faktörlerini araştırmak, tanımlamak ve kontrol etmek son derece önemlidir. Veri madenciliği, veri tabanlarındaki örtük, bilinmeyen ve anlamlı sonuçların çıkarılmasını sağlayan bir disiplindir. Bu tez çalışmasında, böbrek nakli yapılan hastaların demografik, klinik ve genetik faktörlerin betimleyici istatistiksel yöntemler ile analizi ve veri madenciliği ile böbrek nakli hastalarında akut rejeksiyonun incelenmesi amaçlanmıştır.Yöntem: Bu çalışmada, Akdeniz Üniversitesi Hastanesinde 01/06/2016 ve 01/06/2017 tarihleri arasında böbrek nakli yapılmış yetişkin 155 hasta ve donöre ait veriler retrospektif olarak değerlendirilmiştir. Veri setinde her hasta ve donör için klinik, laboratuvar, genetik ve demografik veriler bulunmaktadır. Özellikler arasındaki ilişkiyi incelemek için, SPSS, SimMine, Weka paket yazılımları kullanılmıştır. Veriler üzerinde betimleyici istatistiksel yöntemler lojistik regresyon ve veri madenciliği metodlarından genetik algoritmalar uygulanmıştır.Bulgular: Böbrek nakli hastalarına ve donörlere ait demografik veriler betimleyici istatistiksel yöntemler ile analiz edilmiştir. Klinik özellikler bakımından anlamlı ilişkiler tespit edilmiştir. Genetik Algoritmalar metodu ile akut rejeksiyon tahminlenmesi için kural oluşturulmuştur. Ayrıca demografik, klinik, genetik faktörler üzerinde yapılan Ki-Kare analizlerinde istatistiksel anlamlı ilişkiler tespit edilmiştir.Sonuç: Akdeniz Üniversitesi Hastanesinde böbrek nakli yapılan hastaların demografik faktörleri ortaya konmuştur. Ayrıca çalışmada böbrek nakli yapılan hastlarda gelişebilecek ciddi komplikasyonlardan akut rejeksiyonun önceden tahminlenmesi için kural oluşturulmuştur. Böbrek nakillerindeki ciddi kompikasyonların tespiti şu an için klinik değerlendirmeler ile yapılsa da mevcut veya yeni veri madenciliği yöntemlerinin süreç içerisinde daha önemli bir hale gelmesi kaçınılmazdır.

Objective: Renal transplantation is a surgical implantation of a kidney from live donors or a cadaver for patients with end-stage renal disease. Kidney transplant failure is associated with adverse outcomes for patients, so it is important to investigate, identify and control risk factors. Data mining is a discipline that extract implicit, unknown and meaningful conclusions from databases. In this study, a descriptive statistical analysis of demographic, clinical and genetic factors of renal transplant patients is presented, and data mining results to understand acute rejection in renal transplant patients were aimed. Method: In this study, the data from 155 patients and donors who underwent renal transplantation between 01/06/2016 and 01/06/2017 in Akdeniz University Hospital were evaluated retrospectively. The data set contains clinical, laboratory, genetic and demographic data for each patient and donor. SPSS, SimMine and Weka software packages were used to examine the relationship between features. Descriptive statistical methods, logistic regression and genetic algorithms from data mining methods were applied on the data. Results: Demographic data of renal transplant patients and donors were analyzed by descriptive statistical methods. Significant relationships were found in terms of clinical features. Genetic Algorithms method has been used to predict acute rejection. In addition, statistically significant relationships were determined in the Chi-Square analyzes performed on demographic, clinical and genetic factors. Conclusion: Demographic factors of renal transplant patients were presented in Akdeniz University Hospital. In addition, a rule was established for the prediction of acute rejection from serious complications that may develop in patients undergoing renal transplantation. Although the detection of serious complications in renal transplants is currently done with clinical evaluations, it is inevitable that existing or new data mining methods will become more important in this process.