Kardiyometabolik multimorbiditesi olan yaşlı hastalarda bakım gereksinimlerini sınıflandırma ve hemşirelik tanılarını belirlemeye yönelik bir karar destek sisteminin geliştirilmesi

GİRİŞ VE AMAÇ: Üç aşamada gerçekleştirilen araştırmanın ilk aşamasında klinik karar destek sisteminin (KKDS) geliştirilmesine yönelik hemşire görüşlerinin belirlenmesi, ikinci aşamada Kardiyometabolik Multimorbiditeli Hastalarda Semptom Şiddeti Ölçeği (KM-SŞÖ) geliştirilmesi ve son aşamada ise hastaların bakım gereksinimlerini sınıflandırma ve hemşirelik tanılarını belirlemeye yönelik makine öğrenimi tabanlı KKDS geliştirilmesi amaçlanmıştır. GEREÇ VE YÖNTEM: Nitel aşamada kardiyometabolik multimorbiditeli yaşlı hastalara bakım veren 20 hemşire ile görüşmeler yapılmıştır. Veriler, MaxQDA yazılımı kullanılarak tematik analiz yöntemi ile değerlendirilmiştir. İkinci aşamada, en az iki kardiyometabolik hastalığı bulunan 65 yaş ve üzeri 388 hasta, son aşama ise 700 hasta ile yürütülmüştür. Farklı öznitelikleri içeren veri seti üzerinde kırılganlık derecesine göre bakım gereksinimi tahminine yönelik Random Forest, XGBoost ve SVM makine öğrenimi algoritmaları; 10 hemşirelik tanısına yönelik karar ağacı modelleri geliştirilerek değerlendirilmiştir. BULGULAR: Bakım sürecindeki yaşananlar, bakım gereksinimlerini sınıflandırılma ve hemşirelik tanılarını önceliklendirilme, KKDS geliştirilmesine yönelik görüşler olmak üzere üç ana tema ortaya çıkmıştır. Geliştirilen ölçeğin Cronbach alfa katsayısının 0,978 olduğu bulunmuştur. En çok katkı sağlayan 19 öznitelik için ikili sınıflandırmada XGBoost modeli (%86) ve üçlü sınıflandırma SVM modeli (%76) en yüksek performansı göstermiştir. Öznitelikler doğrultusunda ele alınan tüm hemşirelik tanılarının %97 ile %100 arasında yüksek doğrulukla gerçekleştirdiği görülmüştür. SONUÇ: Karmaşık bakım gereksinimi olan yaşlı bireylerde bakım planlaması yapılırken, çok boyutlu özniteliklere dayalı makine öğrenimi tabanlı KKDS'lerden yararlanılması, hemşirelerin klinik karar alma süreçlerini kolaylaştırabilir. Anahtar Kelimeler: Hemşirelik bakımı, kardiyometabolik multimorbidite, yaşlı hastalar, klinik karar destek sistemi, makine öğrenmesi, yapay zekâ