Sağlık sektörü birinci basamak özelinde kardiyovasküler risk tahminlemesi için yapay öğrenme teknikleri kullanılarak klinik karar destek sistemi tasarlanması / Designing a clinical decision support system using machine learning techniques for cardiovascular risk assessment specific to primary healthcare

Abstract

Toplum sağlığı söz konusu olduğunda, Kardiyovasküler hastalıklar, yüksek prevelansları nedeniyle, son yıllarda önemini iyice arttırmıştır. Dünya Sağlık Örgütü ve Sağlık Bakanlığı bireye özgü Kardiyovasküler risk değerlendirilmesini önemsemektedir, çünkü değiştirilebilir risk faktörlerini bünyesinde barındıran Kardiyovasküler hastalıklar, erken dönem teşhisi sayesinde riski azaltma imkanını tanımaktadır. Sağlık Bakanlığı, Aile Sağlık Merkezlerine gelen kırk yaş üstü tüm bireylerin, başvuru sebebinden bağımsız olarak, bir kez mutlaka bir kardiyovasküler risk değerlendirmesine sokulmasını aile hekimlerine öğütlemektedir. İş yükü yoğun olan Aile Hekimleri için bu sürecin Klinik Karar Destek Sistemleri yardımıyla daha sistematik hale getirilmesi hem toplum sağlığı hem de bireye özgü erken teşhisin sağlanması açısından çok önemli bir konudur. Bu çalışmada, birinci basamak özelinde sahip olunan veriler üzerinden kardiyovasküler risk tahminlemesi için yapay öğrenme teknikleri kullanılarak Klinik Karar Destek Sistemi kurgulanmış olup doktor ve hemşirelerin kullanımına sunulmak üzere bir ürün haline getirilmiştir. When it comes to public health, cardiovascular diseases have increased their importance in recent years due to their high prevalence. The World Health Organization and the Ministry of Health attach importance to the assessment of cardiovascular risk specific to the individuals, because cardiovascular diseases, which contain modifiable risk factors, provide the opportunity to reduce the risk thanks to early diagnosis. The Ministry of Health advises family physicians that all patients over the age of forty who visit family physicians center should undergo a cardiovascular risk assessment once, regardless of the reason of their application. For family physicians with a heavy workload, making this process more systematic with the help of the clinical decision support systems is very important both for the sake of public health and individual-specific early diagnosis. In this study, a clinical decision support system was designed using machine learning techniques for cardiovascular risk assessment on the data obtained in primary healthcare and turned into a product for the use of doctors and nurses.