EVRİM ÖZMEN, BÜŞRA EMİR
Osmangazi Tıp Dergisi - 2024;46(6):878-888
Makine öğrenmesi, büyük veri setlerinden anlamlı bilgiler çıkarma ve hastalık teşhisi için güçlü tahmin modelleri oluşturma konusunda büyük bir potansiyele sahiptir. Bu çalışmanın amacı, makine öğrenmesi algoritmalarının sepsis teşhisindeki rolüne ilişkin kapsamlı bir incelemesini gerçekleştirmektir. Araştırma bibliyometrik analiz yöntemi ile gerçekleştirilmiştir. Araştırma kapsamında Web of Science (WoS) Core Collection veri tabanında gelişmiş arama sorgusu oluşturularak 2000-2024 yılları arasında yayınlanan WoS dizini Science Citation Index Expanded (SCI-Exp), yayın türü makale, yayın dili ingilizce, açık erişimli yayınlar dahil edildi. WoS veri tabanında 05.07.2024 tarihinde ilgili anahtar kelimelerle oluşturulan gelişmiş arama sorgusu kullanılarak 277 yayına ulaşıldı. Sepsis ve makine öğrenmesini içermeyen, ingilizce olmayan 87 yayın dışlanarak 190 yayının analizi yapılmıştır. Bibliyometrik analiz sonucunda elde edilen kelime haritasında ilk beş anahtar kelime sırasıyla sepsis, makine öğrenmesi, yoğun bakım üniteleri, mortalite ve yapay zekâ yer almaktadır. En çok yayına sahip olan ülke Çin, en çok atıf alan ülke Amerika iken, dergiler arasında en çok makaleye sahip olan “Frontiers in Medicine”, en çok atıf alan yayının olduğu dergi “Critical Care Medicine” oldu. 2000-2024 yılları arasında yayınlanan makalelerin analizine göre, sepsis teşhisinde yapay zekâ ve makine öğrenmesi kullanımı, özellikle yoğun bakım ünitelerinde önemli bir potansiyele sahiptir. Bu teknolojilerin erken teşhis, hastalık sınıflandırması ve prognoz tahmininde etkili bir şekilde kullanılabileceğini ortaya koymaktadır. Araştırma iş birliği ağlarının yoğunlaşması ve belirlenen anahtar kelimeler etrafında yoğunlaşan yayınların artması, bu alandaki araştırma eğilimlerinin gelecekte daha da büyüyeceğini işaret etmektedir.
