Aditif Bayes Ağları Yöntemi ile Obstrüktif Uyku Apnesi Şiddetinin Tahminlenmesi

Abstract

Amaç: Günümüzde makine öğrenmesi temelli tahmin modelleri, birçok farklı alanda yaygın bir şekilde kullanılmaktadır. Bu çalışmanın amacı obstrüktif uyku apnesi (OUA) şiddetinin tahminlenmesinde hastaların klinik özelliklerini içeren bir aditif bayes ağ modeli geliştirilmesidir. Gereç ve Yöntemler: Bu çalışmaya Ocak 2014-Ağustos 2015 tarihleri arasında Akdeniz Üniversitesi Kulak-Burun-Boğaz Hastalıkları Anabilim Dalı'nda OUA ön tanısı ile polisomnografi yapılmış 338 hasta dahil edilmiştir. OUA şiddeti ile ilişkili tüm klinik değişkenler ve bu değişkenlerin birbirleriyle olan ilişkileri aditif bayes ağ modeli ile modellenmiştir. Bulgular: Nihai Bayes modelindeki en önemli öngördürücü değişkenler, yumuşak damak ve uvula boyutu (Odds oranı (OR):10.94 [1.87-64.11]) ile mallampati skoru (OR: 4.5 [1.46-43.22]) idi. Nihai modelin 10 kat çapraz geçerlilik test sonucu, OUA şiddetinin 0.632 duyarlılık ve 0.529 seçicilik ile tahminlenebileceğini gösterdi. Ayrıca, geliştirilen modelin ağır OUA hastalarını sınıflandırmada 0.777 duyarlılık ve 0.646 seçiciliğe sahip olduğu saptandı. Sonuç: Makine öğrenmesi temelli tahmin modelleri, klinik değişkenler arasındaki kompleks ilişkileri analiz ederek OUA tanısı ve şiddetinin tahmin edilmesini kolaylaştırabilir.