Bipolar parsiyel protez uygulanmış kalça kırıklı hastalarda makine öğrenme yöntemleri ile perioperatif prognoz ve maliyet analizi

Abstract

Amaç: Bipolar parsiyel protez uygulanmış kalça kırıklı hastalarda hastaya ait perioperatif prognostik faktörlerin ve maliyet analizinin makine öğrenmesi teknikleri kullanarak belirlemek.Gereç ve Yöntemler: 2010-2018 yılları arası kliniğimizde kalça kırığı sebebiyle bipolar parsiyel protez uygulanmış 150 hasta çalışmamıza dahil edilmiştir. Hastaların yaş, cinsiyet, travma derecesi, travma esnasındaki ek kırık durumu, başvuru anındaki kan tahlilleri(böbrek, karaciğer ve tiroit fonksiyonu için), kronik hastalık varlığı (kronik obstrüksif akciğer hastalığı, diabet, hipertansiyon, kronik böbrek yetmezliği ve kronik kalp yetmezliği), kırık sınıflaması, kemik kalitesi, uygulanan protez tipi, protez yerleşimi, trokanterik major tespiti, bacak uzunluk farkı, başvuru tarihinden operasyon tarihine kadar geçen süre, ameliyat süresi, kan transfüzyonu, postoperatif revizyon durumu ve takip esnasındaki ölümler kaydedilmiştir. Hastanın ölümüne, revizyon durumuna, taburculuk süresine ve son olarak da toplam maliyete etki eden faktörler belirlenerek seçilmiştir. Daha sonra bu veriler değerlendirilerek makine öğrenmesi yöntemleri olan naive bayes (NB), destek vektör makineleri(DVM), karar ağacı(KA) ve yapay sinir ağları (YSA) ile tahminler gerçekleştirilmiştir.Bulgular: Performans karşılaştırmaları için doğruluk, F-ölçüm, ROC ve hata oranları (MAE) değerlendirilmiştir. Ölüm tahmini için en iyi model KA olmuştur. Revizyon tahmini için en iyi model DVM olmuştur. Hem hastanede kalım süresini hem de maliyeti en az hata ile en iyi tahmin eden model DVM olmuştur. Sonuç: Ölüm için kreatinin (revizyon için de önemli bir parametre) ve kronik hastalık varlığı modellerin genelde en fazla ağırlık verdiği parametreler olmuştur. Kalça kırığı sebebiyle parsiyel protez uygulanacak hastalarda bu 2 parametre yakın takip edilmeli ve gerekli konsültasyonların vakit kaybedilmeden yaptırılması gerekmektedir. Ayrıca protez uygulanırken intraoperatif olarak dikkat edilmesi gereken parametreler bacak uzunluk farkı, protez tipi(sementli) ve trokanterik tespit olarak belirlenmiştir. Bu nedenle parsiyel protez uygulanırken bu parametreler özellikle dikkate alınmalıdır. Bacak uzunluk farkı için gerekirse protez deneme aparatı ile intraoperatif röntgen çekilmelidir. Hastanede kalım süresine ve maliyete etki eden en önemli parametre ise başvuru tarihi ile ameliyat olduğu tarih arasındaki süre(ortalama 4.02 gün) olarak belirlenmiştir. Sonuç olarak bu hastalar ameliyata mümkün olan en kısa sürede ameliyata hazır hale getirilmeli ve en uygun zamanda opere edilmelidirler.

Aim: To determine the perioperative prognostic factors and cost analysis of hip fracture patients using bipolar hemiartroplasty by using machine learning techniques.Materials and Methods: Between 2010 and 2018, 150 patients who underwent bipolar hemiartroplasty for hip fractures were included in our study. Age, gender, degree of trauma, additional fracture at the time of the trauma, blood tests (for renal, liver and thyroid function), presence of chronic disease (chronic obstructive pulmonary disease, diabetes, hypertension, chronic renal failure and chronic heart failure), fracture classification, bone quality, type of prosthesis, prosthesis placement, trochanteric major fixation, leg length difference, time from admission to operation date, operative time, blood transfusion, postoperative revision status and deaths during follow-up were recorded. Factors affecting the patient's death, revision status, duration of discharge and finally the total cost were determined and selected. Afterwards, these data were evaluated and predictions were made with machine learning methods,including naive bayes (NB), support vector machines (SVM), decision tree (DT) and artificial neural networks (ANN).Results: Accuracy, F-measure, ROC and mean absolute error (MAE) were evaluated for performance comparisons. The best model for estimating death was DT. The best model for revision estimation was SVM. SVM was the best predictor of both hospitalization time and cost with minimal errors.Conclusion: Creatinine (also an important parameter for revision) and the presence of chronic disease for death were the most commonly used parameters in the models. These two parameters should be closely monitored in patients who will undergo hemiartroplasty due to hip fracture and necessary consultations should be made immediately. In addition, parameters to be considered intraoperatively during prosthesis application were determined as leg length difference, prosthesis type (cemented) and trochanteric fixation. If necessary, intraoperative X-ray should be performed with prosthesis test apparatus. Therefore, these parameters should be taken into consideration when applying hemiartroplasty. The most important parameter affecting the length of hospital stay and cost was determined as the period between the date of admission and the date of surgery(average 4.02 days) . As a result, these patients should be prepared for surgery as soon as possible and should be operated as soon as possible.