ASLAN ERDOGAN, OMER GENC, DUYGU INAN, ABDULLAH YİLDİRİM, ERSİN IBİSOGLU, YELİZ GULER, DUYGU GENC, AHMET GULER, ALİ KARAGOZ, IBRAHİM HALİL KURT, CEVAT KİRMA
Şişli Etfal Hastanesi Tıp Bülteni - 2024;58(2):216-225
Amaç: Öngörücü risk skorları, ciddi aort stenozu (AS) olan hastalarda hastane seçiminde ve müdahale sonrası komplikasyon olasılığını değerlendirmede önemli bir etkiye sahiptir. Bu çalışma, Global Registry of Acute Coronary Events (GRACE) skoru dahil olmak üzere öngörücü parametreleri analiz ederek, makine öğrenimi (ML) tekniklerinin 30 günlük major advers kardiyak olayları (MACE) tahmin etme konusundaki kullanılabilirliğini keşfetmeyi amaçlamaktadır. Metod: Bu retrospektif, çok merkezli, gözlemsel çalışma, Nisan 2020 ile Ocak 2023 tarihleri arasında transkateter aort kapak implantasyonu (TAVI) uygulanan ciddi AS tanısı almış 453 ardışık hastayı içermektedir. Birincil sonuç, prosedür sonrası 1 aylık takip döneminde meydana gelen MACE’yi içeren bir bileşim olarak tanımlandı. Geleneksel binomiyal lojistik regresyon ve ML modelleri tahmin amaçlı kullanıldı ve karşılaştırıldı. BULGULAR: Çalışma popülasyonunun ortalama yaşı 76.1’dir ve %40.8’i erkektir. Birincil sonuç, vakaların %7.5’inde gözlendi. Birincil sonuç bileşenlerinden, tüm nedenlere bağlı ölüm, prosedür sonrası miyokard enfarktüsü (MI), serebrovasküler olaylar (CVE) oranları sırasıyla %4.2, %2.4 ve %1.9 olarak rapor edildi. GRACE skoru ile birlikte kullanılan ML tabanlı Extreme Gradient Boosting (XGBoost) modeli, birincil sonucu tahmin etmede, GRACE skoru olmadan ML modeli ve geleneksel regresyon modeline kıyasla üstün ayırt edici performans gösterdi [Eğri Altındaki Alan (AUC)= 0.98 (0.91-0.99), AUC= 0.87 (0.80-0.98), AUC= 0.84 (0.79-0.96)]. SONUÇ: ML teknikleri, özellikle GRACE skoru gibi kanıtlanmış klinik parametrelerle birlikte kullanıldığında, klinik uygulamalardaki sonuçları öngörmede önemli bir potansiyele sahiptir. (SETB-2024-01-028)
