Yoğun bakım hastalarında ağrının yüz hareketini ölçen ağrı tanılama sistemi ile değerlendirilmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Çukurova Üniversitesi, Sağlık Bilimleri Enstitüsü, HEMŞİRELİK ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: FATMAGÜL ÜSTÜNEL
Danışman: FATİH KILIÇ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Yoğun bakımda bilinci açık, sözel iletişim kurulamayan hastaların ağrı değerlendirmelerinde kullanılan standart ölçekler sınırlıdır. Bu hastalarda otomatik, standart, sürekli, önyargısız ve ölçeklenebilir ağrı ölçekleri geliştirilmelidir. Çalışma, bilinci açık sözel iletişim kuramayan yoğun bakım hastalarında ağrının yüz hareketini ölçen ağrı tanılama sistemi ile değerlendirilmesi amacıyla yapılmıştır. Araştırmanın örneklemini, Çukurova Üniversitesi Tıp Fakültesi Balcalı Hastanesi Genel Cerrahi Yoğun Bakım, Nöroloji Yoğun Bakım, Dahiliye Yoğun Bakım Üniteleri ile Adana Şehir Eğitim ve Araştırma Hastanesi Genel Cerrahi Yoğun Bakım ve Beyin Cerrahi Yoğun Bakım ünitelerinde Nisan 2023-Ekim 2024 tarihleri arasında takip edilen ve dahil edilme kriterlerine uyan hastalar oluşturmuştur. Araştırmanın örneklem büyüklüğü %95 güç tip 1 hata 0.05 referans, korelasyon katsayısı 0.50 çift kuyruk hipotezinde ulaşılması gereken 46 kişi olarak hesaplanmıştır. Verilerin toplanmasında Hasta Tanıtıcı Bilgi Formu, Sayısal Ağrı Ölçeği (SAÖ), Wong Baker Yüzler Ağrı Ölçeği (WBYÖ), Hasta Takip Formu, Yüz Eylem Kodlama Sistemi (YEKS), Video Kamera, Kamera Tripodu kullanılmıştır. Ağrı değerlendirmesi hasta tarafından SAÖ, hemşireler tarafından WBYÖ ve bilgisayar tarafından YEKS ile yapılmıştır. Veriler 2 gün boyunca sabah ve akşam günde 2 kez ağrılı girişimlerden hemen önce, girişim sırasında ve girişimden 20 dk sonra toplanmıştır. Dört hemşire tarafından hastaların video kayıtlarından elde eldilen fotoğraflardan ağrı değerlendirilmiştir. Verilerin İstatistiksel analizleri SPSS (IBM SPSS Statistics 27) adlı paket program kullanılarak yapılmıştır. Hastanın Yüz Eylem Kodlama Sistemi analizinde, makine öğrenmesi algoritmalarından; EfficientNet_B0, ResNet50 ve ConvNeXt-tiny derin öğrenme modelleri kullanılmıştır. Hasta ile makine ölçümlerinin karşılaştırılmasında, modeller arasında; Sınıf 4'te ConvNeXt-tiny eğitimde setinde %99, test verisinde %57.9, Sınıf 6'da ResNet50 eğitim verisi setinde %98, test verisinde %52,9 başarı elde etmiştir. Hasta ile dört hemşire tarafından değerlendirilen, ağrı düzeyleri ortalamaları arasında pozitif yönde ve istatistiksel olarak anlamlı ilişki tespit edilmiştir (p<0,05). Hastaların kendi ağrı bildirimi ile makine ölçümlerinin, hemşirelerin tahminine oranla, daha uyumlu olduğu ve bu uyumun da anlamlı olduğu belirlenmiştir (p<0,001). Çalışmamız yoğun bakımda kendini sözel olarak ifade edemeyen bilinci açık hastaların ağrı değerlendirilmesini iyileştirmek amacıyla yapılmış olup, makine öğrenmesinin doğruluk payından faydalanılarak, geliştirilecek objektif ağrı değerlendirme ölçekleri, subjektifliği azaltarak, ağrı değerlendirilmesinde hemşirelerin gözlemsel farklılıklarını da azaltabilir. Bu bağlamda, elde edilen bulgular, makine öğrenmesi tabanlı ağrı değerlendirme sistemlerinin hastanın kendi ağrı bildirimiyle hemşire değerlendirmesine kıyasla, daha uyumlu olduğunu, daha objektif ve tutarlı sonuçlar üretebildiğini göstermektedir.