Kardiyopulmoner bypass cerrahisi sonrası nörokognitif durumların matematiksel yöntemlerle analizi

Bu çalışmada, koroner arter bypass greft (KABG) operasyonları sırasında kaydedilen hemodinamik verilerin postoperatif nörokognitif bozukluk üzerindeki etkileri kapsamlı bir şekilde araştırılmıştır. Kardiyopulmoner bypass (KPB), açık kalp cerrahisinde, kalbin ve akciğerlerin işlevlerini geçici olarak üstlenen kalp – akciğer makinesi kullanılan bir tekniktir. Bu operasyonlar sırasında optimal hemodinamik koşulların sağlanması, cerrahi başarı ve hasta sağlığı açısından kritik bir öneme sahiptir. Ancak bu tür büyük cerrahi müdahaleler sonrasında görülebilen nörokognitif bozukluklar, hastaların yaşam kalitesini önemli ölçüde etkileyebilmekte ve uzun süreli takip gerektirebilmektedir. Çalışmanın temel amacı, KABG operasyonları sırasında kaydedilen detaylı hemodinamik verilerin postoperatif nörokognitif bozukluklar üzerindeki etkilerini analiz etmektir. Bu kapsamda, 28 hastadan elde edilen toplam 730,870 adet hemodinamik veri hem istatistiksel yöntemlerle hem de yapay sinir ağları ve makine öğrenmesi algoritmaları ile değerlendirilmiştir. Ameliyat sırasında kaydedilen hemodinamik veriler, anestezi cihazından alınmıştır. Çalışmada, ortalama arter basıncı (MAP), periferik oksijen satürasyonu (SpO₂), invaziv kan basıncı değerleri (sistolik ve diyastolik) ve kalp atım hızı (PLS) gibi hemodinamik parametrelerin yalnızca bireysel etkileri değil, matematiksel yöntemlerle türetilen kombinasyonlarının da nörokognitif bozuklukların öngörüsüne katkısı incelenmiştir. Ek olarak hastaların demografik bilgileri (yaş, vücut yüzey alanı (BSA)), pompa akışı, bypass süresi ve kros klemp süresi gibi parametreler değerlendirmeye dahil edilmiştir. Nörokognitif değerlendirme, Montreal Bilişsel Değerlendirme Testi (MoCA) kullanılarak yapılmıştır. Test, ameliyat öncesinde anesteziyoloji ve reanimasyon uzmanları tarafından, ameliyat sonrasında ise (postoperatif 1. ayda) kalp ve damar cerrahisi uzmanları tarafından uygulanmıştır. MoCA puanındaki 2 veya daha fazla düşüş, nörokognitif bozukluk olarak kabul edilmiş ve hastaların %36'sında (n=10) postoperatif nörokognitif bozukluk gözlenmiştir. Veri analizi aşamasında, lojistik regresyon, çok katmanlı algılayıcı (MLP) ve Rassal Orman gibi istatistiksel, yapay sinir ağları ve makine öğrenmesi algoritmaları kullanılarak nörokognitif bozuklukları tahmin etmeye yönelik modeller geliştirilmiştir. Literatürdeki benzer çalışmalardan farklı olarak yalnızca istatistiksel analizler değil, aynı zamanda yapay sinir ağları ve gelişmiş makine öğrenmesi algoritmaları ile hemodinamik verilerin farklı kombinasyonlarının etkileri detaylı olarak incelenmiştir. Özellikle eşik değerlerine (75, 65, 55 mmHg) göre hesaplanan mutlak maksimum düşüş (AMD), eşik değeri altında geçirilen süre (Time_Under) ve eşik değeri altında kalan alan (Area) parametreleri değerlendirilmiştir. Elde edilen sonuçlar, KPB sırasında izlenen hemodinamik verilerin nörokognitif sonuçlar üzerindeki kritik rolünü ortaya koymaktadır. Rassal orman algoritması kullanılarak elde edilen modellerde %90'a varan doğruluk oranları elde edilmiş, özellikle PLS, SpO₂, sistolik ve diyastolik basınç değerlerinin kombinasyonu ile nörokognitif bozuklukları yüksek başarı ile tahmin eden modeller geliştirilmiştir. Çalışmanın en önemli bulgularından biri, şiddetli bradikardinin (<60 bpm) yüksek nörokognitif riskle ilişkili olmasıdır. Bu bulgu, kardiyak output'un serebral perfüzyon için kritik önemini vurgulamaktadır. Sonuç olarak, bu araştırma KPB sırasında elde edilen hemodinamik verilerin nörokognitif bozukluklar üzerindeki etkilerini kapsamlı bir şekilde analiz eden özgün bir çalışmadır. Bulgular, cerrahi başarıyı artırmak ve postoperatif komplikasyonları azaltmak için hemodinamik parametrelerin optimal aralıklarda tutulmasının önemini vurgulamakta ve nörokognitif bozuklukların erken öngörüsü ve önlenmesine yönelik yeni yaklaşımlar için önemli temeller sunmaktadır.