COVID-19 hastalarında ilk başvurudaki verilerle hastalık şiddetinin makine öğrenmesi yöntemleri ile öngörülmesi

Abstract

Covid-19 11 Mart 2020’de Dünya Sağlık Örgütü tarafından pandemi olarak ilan edilen, SARS CoV-2 virüsünün neden olduğu bir bulaşıcı hastalıktır. İlk ortaya çıktığı tarihten itibaren hızlı bir şekilde yayılarak sağlık sektörü başta olmak üzere tüm alanlarda insan hayatını zorlayacak bir sürecin başlamasına neden olmuştur. Marmara Üniversitesi Hipertansiyon ve Ateroskleroz Eğitim, Uygulama ve Araştırma Merkezi koordinasyonunda, Etik Kurul onayı, 09.2020.487 sayılı protokol ve 27.04.2020 tarihli Sağlık Bakanlığı izni ile Covid-19 hastalarında ilk başvurudaki verilerle hastalık şiddetinin makine öğrenmesi yöntemleri ile öngörülmesi adlı proje kapsamında gerçekleştirilen bu tez kapsamında da sağlık kaynaklarının kullanımı için uygun bir strateji ve etkili bir triyaj, risk sınıflandırma yöntemi oluşturulmasında yardımcı olması hedeflenmektedir. 27 Nisan-1 Haziran 2020 tarihleri arasında İstanbul Marmara Üniversitesi Araştırma Hastanesi'ne başvuran 180 hastanın 28 günlük takip süreçlerini içeren demografik veriler, ilk laboratuvar sonuçlarından oluşan bir veriseti ile hedef değer olarak belirlenen WHO değeri arasındaki ilişki makine öğrenmesi yöntemleri kullanılarak incelenmiştir. Gün aralıklarına ve ortalamaya göre eksik veri doldurma teknikleri kullanılarak veriler tamamlanmıştır. Özellik Seçme aşamasında Rastgele Özellik Seçme algoritması kullanılarak özellik seçimi yapılmıştır. Veriseti üzerinde oksijen ihtiyacı ve yoğun bakım ihtiyacı olmak üzere belirlenen iki farklı sonlanım durumu ile ilk laboratuvar sonuçları arasındaki ilişki K-En yakın komşu, Torbalama, Rastgele Orman ve Karar Ağacı makine öğrenmesi yöntemleri kullanılarak analiz edilmiştir. Hastanın ilk yatış aşamasındaki oksijen ihtiyacı 16 özellik ile %91,67, yatış sırasındaki oksijen ihtiyacı 18 özellik ile %91,96 ve yatış sırasındaki yoğun bakım ihtiyacı 12 özellik ile %92,17 doğruluk değerlerine ulaşılarak tahmin edilmiştir.

Covid-19 is an infectious disease caused by the SARS-CoV-2 virus, which was declared a pandemic by the World Health Organization on March 11, 2020. Since its first appearance, it has spread rapidly and caused the start of a process that will force human life in all fields, especially in the health sector. This thesis study is carried out under the coordination of Marmara University Hypertension and Atherosclerosis Education, Application and Research Center, with the approval of the Ethics Committee, the protocol numbered 09.2020,487, and the permission of the Ministry of Health dated 27.04.2020. This thesis, which was carried out within the scope of the project titled Prediction of disease severity with machine learning methods in Covid-19 patients with the data at the first hospitalization, aims to help create an appropriate strategy for the use of health resources and an effective triage and risk classification method. The relationship between a dataset consisting of initial laboratory results, and demographic data, including 28-day follow-up periods of 180 patients who applied to Istanbul Marmara University Research Hospital between April 27 and June 1, 2020 and WHO target value was examined using machine learning methods. Data were completed by using missing data-filling techniques according to day intervals and averages. In the Feature Selection stage, feature selection was made using the Random Feature Selection algorithm. The relationship between two different endpoints, namely oxygen need and intensive care need, and the first laboratory results on the dataset was analyzed using K-Nearest Neighbor, Bagging, Random Forest and Decision Tree machine learning methods. The oxygen requirement of the patient during the first hospitalization phase was estimated with 16 features with 91.67% accuracy, the oxygen requirement during hospitalization with 18 features and 91.96%, and the intensive care need during hospitalization with 12 features with an accuracy of 92.17%