Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu çalışmada, önceki yıllarda KKKA olan ve olmayan olguların klinik ve laboratuvar bulgularından oluşan bir panelden geliştirdiğimiz Hitit İndeksi’nin KKKA olgularını COVID-19 olgularından ayırt etmedeki tanısal gücünün belirlenmesi amaçlanmıştır.
📌 3 Maddede Bu Makale
Özet
Giriş: Yeni koronavirüs 2019 (COVID-19) pandemi döneminde acil servislere başvuran tüm vakaların öncelikle COVID-19 olarak değerlendirilmesi nedeniyle özellikle bölgemizde endemik olan Kırım-Kongo Kanamalı Ateşi (KKKA) başta olmak üzere diğer bulaşıcı hastalıklar gözden kaçabilir. Bu çalışmada, önceki yıllarda KKKA olan ve olmayan olguların klinik ve laboratuvar bulgularından oluşan bir panelden geliştirdiğimiz Hitit İndeksi’nin KKKA olgularını COVID-19 olgularından ayırt etmedeki tanısal gücünün belirlenmesi amaçlanmıştır. Materyal ve Metod: Çalışma grupları 2015-2020 yılları arasında acil servise başvuran COVID-19 vakaları (n= 116) ve aynı hastanenin İnfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Kliniğinde takip edilen KKKA hastalarından (n= 110) oluşturuldu. Bulgular: KKKA’lı hastalarda Hitit İndeksi istatistiksel olarak anlamlı derecede yüksek bulundu. Hitit İndeksi için duyarlılık ve özgüllük %88 ve %99 iken, negatif tahmin değeri (NPV) ve pozitif tahmin değeri (PPV) sırasıyla %90 ve %99 idi. Sonuç: Hitit İndeksi, KKKA’lı hastaları COVID-19’lu hastalardan ayırt etmek için kullanabileceğimiz bir yapay zeka örneğidir.
Abstract
Introduction: During the 2019 novel coronavirus (COVID-19) pandemic period, all cases admitted to the emergency services have been evaluated primarily for COVID-19, and therefore other infectious diseases, especially Crimean Congo Hemorrhagic Fever (CCHF), which are endemic in our region, can be overlooked. In this study, it was aimed to determine the diagnostic power of the Hitit Index, which we developed from a panel consisting of clinical and laboratory findings of the cases with and without CCHF in previous years, to distinguish CCHF cases from COVID-19 cases. Materials and Methods: The study groups consisted of the COVID-19 cases (n= 116) admitted to the emergency service and the CCHF patients (n= 110) who were followed up in the Infectious Diseases and Clinical Microbiology Clinic of the same hospital between 2015-2020. Results: Hitit Index was found to be statistically significantly higher in patients with CCHF. For Hitit Index, sensitivity and specificity were 88% and 99%, while negative predictive value (NPV) and positive predictive value (PPV) were 90% and 99%, respectively. Conclusion: The Hitit Index is an example of artificial intelligence that we can use to distinguish patients with CCHF from patients with COVID-19.