Hastane enfeksiyonlarının gizli örüntülerinin bulunması: Bir veri madenciligi yaklasımı

Finding hidden patterns of hospital infections on newborn: A data mining approach

Abstract

The increasing number of hospital infections with considerable morbidity, mortality and economic burden attracts the attention of not only the health-care environment, but also the whole society. This study presents an application of data mining methods for hospital infection detection in a newborn intensive care unit. The data set is provided by Department of Clinical Microbiology and Infectious Diseases, Eskisehir Osmangazi University, Faculty of Medicine. Decision tree and neural network classification models are built using accuracy estimation methods; holdout sampling and cross validation. In model comparison, accuracy and sensitivity measures are taken into consideration primarily. The study highlights that antibiotics and urinary catheter usage, peripheral catheter duration, enteral and total parenteral nutrition durations, and birth weight for gestational age are considerable risk factors. Among the models, neural network and CHAID decision tree perform better on hospital infections detection.

Özet

Her geçen gün görülme sıklıgı artan hastane enfeksiyonları, önemli derecede morbidite, mortalite ve ekonomik yüklere neden olmakta ve yalnızca saglık sektörünü degil, tüm toplumu ilgilendirmektedir. Bu çalısmada, yenidogan yogun bakım ünitesindeki hastane enfeksiyonlarının tespit edilmesi için veri madenciligi yöntemlerinin uygulaması sunulmaktadır. Veri seti Eskisehir Osmangazi Üniversitesi, Tıp Fakültesi, Klinik Mikrobiyoloji ve Enfeksiyon Hastalıkları Bölümü tarafından hazırlanmıstır. Karar agaçları ve yapay sinir agları sınıflandırma modelleri basit ve çapraz dogrulama yöntemleri ile kurulmustur. Model karsılastırmada dogruluk ve duyarlılık oranları öncelikli olarak dikkate alınmıstır. Bu çalısmada antibiyotik ve üriner kateter kullanımı, periferik kateter kullanım süresi, enteral ve total parenteral beslenme süreleri ve dogum agırlıgının gestasyonel yasa oranı önemli risk faktörleri olarak bulunmustur. Yapay sinir agları ve CHAID karar agaçları hastane enfeksiyonlarının tespitinde basarılı olmustur.