Emrah IŞIKTEKİN, Ali SEZGİN
Muğla Sıtkı Koçman Üniversitesi Tıp Dergisi - 2026;13(2):178-184
Yaşlı bireylerde lokal anestezi altında yapılan kutanöz lezyon eksizyonları sık uygulanmakta olup, eşlik eden komorbiditeler ve birlikte kullanılan ilaçlar nedeniyle postoperatif komplikasyon riski artmış olabilir. Bu çalışmanın amacı, 65 yaş ve üzeri hastalarda postoperatif komplikasyonların öngördürücelerini belirlemek ve lojistik regresyon ile makine öğrenmesi modellerinin öngörü performanslarını karşılaştırmaktır. Bu retrospektif çalışmaya, lokal anestezi altında kutanöz lezyon eksizyonu yapılan 314 hasta dahil edildi. Demografik, klinik ve perioperatif değişkenler toplanarak çok değişkenli lojistik regresyon analizi ile değerlendirildi. %80/%20 eğitim-test bölünmesi kullanılarak karar ağacı, random forest ve gradient boosting modelleri geliştirildi. Eksik veriler imputasyon yöntemleriyle tamamlandı ve sınıf dengesizliği yeniden örnekleme teknikleri ile düzeltildi. Model performansı ayırt edicilik, kalibrasyon ve karar eğrisi analizi kullanılarak değerlendirildi. Postoperatif komplikasyonlar 119 hastada (%37.9) gözlendi. Komplikasyon gelişen hastalar daha ileri yaşta, daha düşük vücut kitle indeksine (VKİ) sahipti ve diyabet, koroner arter hastalığı ile antitrombotik tedavi öyküsü daha sıktı. Lojistik regresyon analizinde düşük VKİ, diyabet ve koroner arter hastalığı bağımsız öngördürücüler olarak saptandı; ancak modelin ayırt edici gücü sınırlıydı. Makine öğrenmesi modelleri arasında random forest en iyi performansı göstererek daha üstün ayırt edicilik ve kalibrasyon sağladı. VKİ, perioperatif kan basıncı, yaş ve işlem süresi en etkili öngördürücüler olarak belirlendi. Lokal anestezi altında kutanöz cerrahi uygulanan yaşlı hastalarda postoperatif komplikasyonlar sık görülmektedir. Düşük VKİ, kardiyometabolik komorbiditeler, perioperatif hemodinamik faktörler ve işlem süresi komplikasyon riskinin temel belirleyicileridir. Özellikle random forest modelleri olmak üzere makine öğrenmesi yaklaşımları, bu hasta grubunda perioperatif risk sınıflandırmasını iyileştirebilir.
