Anestezi ve reanimasyon yoğun bakım ünitesinde yatan hastalarda deliryumun tanılanması ve uyku kalitesinin değerlendirilmesi

GİRİŞ VE AMAÇ: Deliryum yoğun bakım hastalarında duygu durum ve davranış değişikliklerine neden olan, ilerleyen aşamalarda hastaların uyku düzenlerini de etkileyen, iyi bir hemşirelik bakımıyla hızlı müdahale edilerek gerekli önlemler alındığında önlenebilen karmaşık bir süreçtir. Bu araştırma: Anestezi ve reanimasyon yoğun bakım ünitesinde yatan hastalarda deliryumun tanılanması ve deliryumun uyku kalitesi üzerindeki etkisinin incelenmesi amacıyla yapılmıştır. GEREÇ VE YÖNTEM: Tanımlayıcı ve kesitsel nitelikte planlanan araştırma Sakarya Eğitim ve Araştırma Hastanesinin Anestezi ve Reanimasyon Yoğun Bakım ünitesinde yatan 107 hastanın katılımı ile gerçekleştirilmiştir. Veri toplama aracı olarak; Hasta Bilgi Formu, Hemşirelik Deliryum Tarama Ölçeği, Richards- Campbell Uyku Ölçeği, Richmond Ajitasyon-Sedasyon Skalası ve Glasgow Koma Skalası kullanılmıştır. Araştırmada elde edilen veriler IBM SPSS Statistics 26 programı, R programlama dilinin 4.1.3 sürümü ve G*Power 3.1 kullanılarak değerlendirilmiştir. BULGULAR:GİRİŞ VE AMAÇ: Deliryum yoğun bakım hastalarında duygu durum ve davranış değişikliklerine neden olan, ilerleyen aşamalarda hastaların uyku düzenlerini de etkileyen, iyi bir hemşirelik bakımıyla hızlı müdahale edilerek gerekli önlemler alındığında önlenebilen karmaşık bir süreçtir. Bu araştırma: Anestezi ve reanimasyon yoğun bakım ünitesinde yatan hastalarda deliryumun tanılanması ve deliryumun uyku kalitesi üzerindeki etkisinin incelenmesi amacıyla yapılmıştır. GEREÇ VE YÖNTEM: Tanımlayıcı ve kesitsel nitelikte planlanan araştırma Sakarya Eğitim ve Araştırma Hastanesinin Anestezi ve Reanimasyon Yoğun Bakım ünitesinde yatan 107 hastanın katılımı ile gerçekleştirilmiştir. Veri toplama aracı olarak; Hasta Bilgi Formu, Hemşirelik Deliryum Tarama Ölçeği, Richards- Campbell Uyku Ölçeği, Richmond Ajitasyon-Sedasyon Skalası ve Glasgow Koma Skalası kullanılmıştır. Araştırmada elde edilen veriler IBM SPSS Statistics 26 programı, R programlama dilinin 4.1.3 sürümü ve G*Power 3.1 kullanılarak değerlendirilmiştir. BULGULAR: Araştırmaya katılan hastaların %49,9'u kadın, %55,1'i erkek, %43'ü 56-75 yaş aralığında, %48,6'sı ilkokul mezunu, %89,7'sinin egzersiz yapmadığı saptanmıştır. Hastaların Glasgow Koma Skalası puan ortalamalarının 14,07±0,80 ve Richmond Ajitasyon-Sedasyon Skalası puan ortalamasını -0,38±1,06 olması hastaların komada olmadığını ve deliryum için değerlendirilebilir olduğunu göstermektedir. Çalışma grubunun % 36,4'ünde deliryum görüldüğü ve deliryum görülen hastaların Hemşirelik Deliryum Tarama Ölçeği ortalama puanının 3,10±1,27 olduğu; Richards- Campbell Uyku Ölçeği puan ortalamalarının 39,30±18,62 olduğu ve uyku kalitelerinin deliryumu olmayan hastalara göre daha düşük olduğunu saptanmıştır (p<0.05). Deliryum tanısı alan bireylerin Richards- Campbell Uyku Ölçeği puan ortalaması ile sosyo-demografik özellikler arasında istatistiksel olarak anlamlı farklılık saptanmamıştır (p>0.05). SHAP (SHapley Additive ExPlanations) değerleri ile modelin tahmininde her değişkenin katkısını veya önemini göstermektedir. Deliryum durumu değişkenini tahmin etmek için modelde olması gereken en önemli değişkenler saptanmıştır. SONUÇ: Anestezi ve reanimasyon yoğun bakım ünitesinde yatan ve deliryum tanılanan hastaların, deliryumu olmayan hastalara göre uyku kalitesi daha düşüktür. Bu birimlerde hemşireler için tasarlanan, deliryumu tanılama ve gözlem araçlarının kullanılması hastalar henüz deliryuma girmeden gereken önlemlerin alınmasını sağlayacaktır. Dolayısıyla hastaların uyku kaliteleri yükselecek, iyileşme süreçleri hızlanacak ve yaşam kaliteleri artacaktır. Günümüzde birçok farklı alanda kullanılan makine öğrenmesi, yapay zekânın alt çalışma alanlarından biridir. Bu araştırmada da kullanılan makine öğrenimi yaklaşımıyla tahmine yönelik analiz sonucunda, Deliryum durumu değişkenini tahmin etmek için modelde olması gereken en önemli değişkenlerin sırasıyla; Glasgow Koma Skalası, Richards Campbell Uyku Ölçeği ve Richmond Ajitasyon Sedasyon Skalası olduğu görülmekte ve makine öğrenmesi yaklaşımlarıyla tahmine yönelik yeni modellerle çalışmalar yapılması önerilmektedir. Anahtar Kelimeler: Deliryum, Hemşirelik, Makine Öğrenimi, Uyku Kalitesi, Yoğun Bakım Araştırmaya katılan hastaların %49,9'u kadın, %55,1'i erkek, %43'ü 56-75 yaş aralığında, %48,6'sı ilkokul mezunu, %89,7'sinin egzersiz yapmadığı saptanmıştır. Hastaların Glasgow Koma Skalası puan ortalamalarının 14,07±0,80 ve Richmond Ajitasyon-Sedasyon Skalası puan ortalamasını -0,38±1,06 olması hastaların komada olmadığını ve deliryum için değerlendirilebilir olduğunu göstermektedir. Çalışma grubunun % 36,4'ünde deliryum görüldüğü ve deliryum görülen hastaların Hemşirelik Deliryum Tarama Ölçeği ortalama puanının 3,10±1,27 olduğu; Richards- Campbell Uyku Ölçeği puan ortalamalarının 39,30±18,62 olduğu ve uyku kalitelerinin deliryumu olmayan hastalara göre daha düşük olduğunu saptanmıştır (p<0.05). Deliryum tanısı alan bireylerin Richards- Campbell Uyku Ölçeği puan ortalaması ile sosyo-demografik özellikler arasında istatistiksel olarak anlamlı farklılık saptanmamıştır (p>0.05). SHAP (SHapley Additive ExPlanations) değerleri ile modelin tahmininde her değişkenin katkısını veya önemini göstermektedir. Deliryum durumu değişkenini tahmin etmek için modelde olması gereken en önemli değişkenler saptanmıştır. SONUÇ: Anestezi ve reanimasyon yoğun bakım ünitesinde yatan ve deliryum tanılanan hastaların, deliryumu olmayan hastalara göre uyku kalitesi daha düşüktür. Bu birimlerde hemşireler için tasarlanan, deliryumu tanılama ve gözlem araçlarının kullanılması hastalar henüz deliryuma girmeden gereken önlemlerin alınmasını sağlayacaktır. Dolayısıyla hastaların uyku kaliteleri yükselecek, iyileşme süreçleri hızlanacak ve yaşam kaliteleri artacaktır. Günümüzde birçok farklı alanda kullanılan makine öğrenmesi, yapay zekânın alt çalışma alanlarından biridir. Bu araştırmada da kullanılan makine öğrenimi yaklaşımıyla tahmine yönelik analiz sonucunda, Deliryum durumu değişkenini tahmin etmek için modelde olması gereken en önemli değişkenlerin sırasıyla; Glasgow Koma Skalası, Richards Campbell Uyku Ölçeği ve Richmond Ajitasyon Sedasyon Skalası olduğu görülmekte ve makine öğrenmesi yaklaşımlarıyla tahmine yönelik yeni modellerle çalışmalar yapılması önerilmektedir. Anahtar Kelimeler: Deliryum, Hemşirelik, Makine Öğrenimi, Uyku Kalitesi, Yoğun Bakım