Antibiyotik direnç tahminine yönelik klinik karar destek sistemi geliştirilmesi

Amaç: Bu tez projesinde, idrar yolu enfeksiyonu hastalarında antibiyotik direncini tahmin eden bir klinik karar destek sistemi prototipi geliştirilmesi amaçlanmıştır. Yöntem: Çalışmada, idrar yolu enfeksiyonu patojenlerinin sefalosporin, TZP, karbapenem, TMP-SMX ve florokinolona karşı direncini tahmin etmek amacıyla karar ağaçları, KNN, lojistik regresyon, XGBoost ve rastgele orman yöntemleri kullanılmıştır. SHAP analizi ile modellerin iç işleyişi analiz edilerek antibiyotik direnci tahmininde etkili değişkenler belirlenmiş ve bir klinik karar destek sistemi prototipi oluşturulmuştur. Bulgular: Rastgele orman yöntemi, eğitim setinde sefalosporin, TZP, karbapenem, TMP-SMX ve florokinolon direnç tahmininde sırasıyla 0,777, 0,864, 0,877, 0,881 ve 0,884 AUC değerleri; test setinde ise sırasıyla 0,638, 0,630, 0,665, 0,670 ve 0,721 AUC değerleri ile diğer yöntemlere kıyasla daha iyi performans göstermiştir. SHAP analizi, önceki ziyaret sayısı, ilk kültür zamanı, kronik alt solunum yolu hastalıkları, enfeksiyon öncesi ilaç kullanımı ve kullanım süresinin tüm antibiyotikler için direnç tahmininde önemli değişkenler olduğunu göstermiştir. Sonuç: Bu çalışma, idrar yolu enfeksiyonu hastalarında antibiyotik direncini tahmin eden makine öğrenmesi tabanlı bir klinik karar destek sistemi prototipi geliştirilmesine temel oluşturmuştur. Gelecekte yapılacak iyileştirmelerle sistemin klinik karar süreçlerini destekleme ve antibiyotik direnciyle mücadelede etkili bir araç olma potansiyeli bulunmaktadır.