Deep Learning-modell som oppdager trykkskade

I dag, med økende bruk av teknologi, ser man at større data er nødvendig for å løse komplekse problemer. For å møte dette behovet har det dukket opp Convolutional Neural Networks, som brukes på mange områder som objektgjenkjenning, talegjenkjenning og naturlig språkbehandling, og som automatisk kan lære av symbolene på data som tilhører bilder, videoer, lyd og tekster, i stedet for å lære med kodede regler, i motsetning til tradisjonelle maskinlæringsmetoder, basert på kunstige nevrale nettverk. Convolutional Neural Networks er en av Deep Learning-metodene, som er en undergren av maskinlæringsmetoder og har evnen til å lære av eksempler. Konvolusjonelle nevrale nettverk er metoder som også kan lære av rå bilde- eller tekstdata og hvis prediksjonsnøyaktighet øker i henhold til størrelsen på dataene. Det er bevist i litteraturen at kunstig intelligens og dyplæringsmodeller er effektive i risikoanalyse av trykkskader. Det er imidlertid ikke funnet noen undersøkelse om klassifisering av trykkskader. Raju, Su, Patrician et al. (2015), ga mer nøyaktig og raskere prediksjon av Braden-risikoskalaen med dyplæringsmodellen de utviklet som et resultat av en fire-års oppfølging på et militærsykehus. Alderden, Pepper, Wilson et al. (2018) utviklet en dyplæringsmodell som avslører risikoanalysen av trykkskader hos intensivpasienter, og ga mer nøyaktig og meningsfull trykkskaderisikoanalyse med mer sensitive målinger for intensivpasienter som anses som høyrisiko i henhold til risikovurderingsverktøy. Demircan, Yücedağ, Toz et al. (2016) utviklet en matematisk modell som analyserer risikofaktorene i dannelsesprosessen av trykkskader, og sørget for at trykkskader ble oppdaget på et tidlig stadium. Bruken av disse innovative applikasjonene, som er inkludert og brukt i verdenslitteraturen, er begrenset i vårt land. I et miljø hvor teknologi utvikler seg og forbrukes raskt, vil det å ikke forbli likegyldig til innovative initiativer og integrere teknologi i sykepleierpraksis øke synligheten til profesjonen vår ved å utdanne innovative sykepleiere. I lys av denne informasjonen ble studien utført for å utvikle en dyplæringsmodell i deteksjon og klassifisering av trykkskader og for å bestemme modellens effekt på kunnskaps- og tilfredshetsnivået til sykepleiere.

Mål En randomisert kontrollert eksperimentell studie ble utført for å utvikle en dyplæringsmodell for påvisning og klassifisering av trykkskader og for å bestemme modellens effekt på kunnskaps- og tilfredshetsnivået til sykepleiere.

Hypoteser om forskningen; H1: Modell for dyp læring gir påvisning av trykksår.

H2: Modell for dyp læring gir klassifisering av trykksår.

H3: Mobilapplikasjon utviklet med dyplæringsmodell spiller en aktiv rolle i behandling og pleie av trykksår.

Variabler av studien; Uavhengige variabler av studien; dyp læringsmodell, braden risikovurdering Avhengige variabler i studien; trykksår kunnskapsnivå, tilfredshetsnivå med utdanning Metodeforskning er en randomisert kontrollert eksperimentell studie. Universe and Sample of the Research besto av 80 sykepleiere som jobbet i intensiv-, indremedisin- og kirurgiklinikkene på et grunnleggende universitetssykehus mellom mars 2021 og juni 2022.

For å bestemme antall sykepleiere som utgjør forskningsutvalget, ble en lignende studie tatt som eksempel i relevant litteratur og kraftanalysen G* Power 3.1-programvaren ble brukt. I denne studien, for å nå et effektnivå på 95 % ved 0,5 effektstørrelse og 5 % feilnivå, ble utvalgsstørrelsen beregnet til 56, med 28 deltakere i hver gruppe. Tatt i betraktning testens høye effekt og tapene i studien, ble totalt 60 personer nådd, 30 i hver gruppe. Sykepleierne i utvalgsgruppen ble tilfeldig tildelt kontroll- (n=30) og forsøksgruppene (n=30) av forskeren ved hjelp av en enkel talltabell. Randomiseringstabellen ble laget ved å bruke nettstedet http://stattrek.com/statistics/random-number-generator.aspx for randomisering . Som et resultat av dette besto utvalget av studien av totalt 60 sykepleiere, 30 deltakere i hver sykepleiergruppe, som ble informert om formålet med studien og som fikk delta i studien og som oppfylte utvalgskriteriene til studien. studere. Utvalgskriteriene var ; sykepleieren var over 18 år, jobbet som intensiv- eller klinikksykepleier, og takket ja til å delta i studien muntlig og skriftlig.

Datainnsamlingsverktøy Forskningsdata, "Structured Nurse Introduction Form", "Modified Pieper Pressure Sore Knowledge Test", "Braden Risk Assessment Scale" og "Nursing Satisfaction Scale" ble brukt.

Introduksjonsskjema for strukturert sykepleier:

litteraturinformasjon om emnet og inkluderer informasjon om sykepleieres introduksjonsegenskaper.

Modifisert Pieper trykksår kunnskapstest:

Som et resultat av forskningen ble den modifiserte skalaen utviklet av Pieper og Mott i 1995, modifisert av Lawrence, og dens gyldighet og pålitelighet ble bestemt av Asiye Gül og hennes kolleger i 2017. Pieper Pressure Wound Knowledge Test ble brukt. Denne testen består av 49 elementer. Skalaen er delt inn i tre underdimensjoner. Den generelle kunnskapspoengsummen kan være opptil 49 poeng, forebyggingskunnskapskåren kan være opptil 33 poeng, poengsummen for iscenesettelseskunnskap kan være opptil 9 poeng, og såridentifikasjonspoengen kan være opptil 7 poeng. Modifisert tillatelse ble bedt om fra Prof. Dr. Asiye Gül for Pieper Pressure Sore Knowledge Test. En pålitelighetsanalyse ble utført for å bestemme pålitelighetsnivået til skalaen som ble brukt i studien, og Chronbach alfa-koeffisienten til den eksperimentelle gruppen ble oppnådd som 0,838 og den for kontrollgruppen som 0,812.

Braden risikovurderingsskala:

Braden og Bergstrom ble dirigert av Oğuz i 1997 i Tyrkia. En total poengsum fra 6 til 23 oppnås fra skalaen. I følge den totale poengsummen regnes 12 poeng og under som høyrisiko, 13-14 poeng anses som risikabelt, og 15-16 poeng anses som lavrisiko.

Sykepleiertilfredshetsundersøkelse:

Likert-lignende spørsmål utarbeidet av forskere i tråd med litteraturen for å bestemme tilfredshetsnivået til sykepleiere med trykkskadetrening. Den laveste poengsummen er 0 og den høyeste er 25. Reliabilitetsanalyse ble utført for å bestemme pålitelighetsnivået til spørreskjemaet som ble brukt i studien og Chronbach alfa-koeffisienten ble oppnådd som 0,95.

Den dype læringsmodellen vi utviklet for deteksjon og klassifisering av trykkskader "Dyplæringsmodellen for påvisning og klassifisering av trykkskader (BYT-CNN-modellen)" som vi utviklet ble først trent på 175 pasientbilder og viste en suksessrate for klassifiseringsprediksjon. på omtrent 97 %. Siden BYT-CNN-modellen ble antatt å gi bedre resultater med flere pasientbilder; det ble fortsatt utviklet ved å bruke 500 pasient- og 500 ikke-pasientbildedata for å løse klassifiseringsproblemene med både å estimere om sykdommen er tilstede eller ikke og sykdomsstadiet (figur 1). Denne modellen vil gi risikoanalyse av trykkskader og deres klassifisering i henhold til "NPUAP Pressure Injury Classification System" i tilfeller der de utvikler . En mobilapplikasjon som inkluderer sykepleieintervensjoner anbefalt av NPUAP i henhold til stadiet bestemt av dyplæringsmodellen ble utviklet og behandling og pleie av trykkskaden ble også utført (Figur 2).

For å oppdage og klassifisere trykkskader ved hjelp av BYT-CNN-modellen; et bilde av trykkskaden eller området i fareområdet tas og kobles til hoveddatamaskinen der dyplæring er plassert via Bluetooth eller Wi-Fi. Deretter meldes om pasienten har en trykkskade og i så fall hvilket stadium det er, til sykepleierens telefon innen "3 sekunder".

Mobilapplikasjonen, utarbeidet i tråd med NPUAP 2016 trykkskadebehandling og pleieanbefalinger, informerer sykepleieren om hvilken pleie som skal gis for hvilket stadium.

Metoden som ble fulgt ved innsamling av data

Før de begynte å samle inn data, utviklet forskerne en "Deep Learning Model for Detection and Classification of Pressure Injuries (BYT-CNN-modell). Alle sykepleiere som deltok i studien fikk en 4-timers teoretisk leksjon om «Trykkskader» i et klasseromsmiljø samtidig. En uke etter at alle sykepleierne fikk teoretisk opplæring, ble de delt inn i eksperimentelle (Deep Learning Model) og kontrollgrupper (Tradisjonell Metode). Begge gruppene ble gitt et "Structured Nurse Introduction Form" og en "Pre-Test (modifisert "Pieper Pressure Sore Knowledge Test)" ble brukt.

Søknad i kontrollgruppe: Etter den teoretiske timen bestemte og klassifiserte sykepleierne i kontrollgruppen trykkskadene hos sine pasienter ved å bruke "Braden Risk Assessment Scale", som har blitt akseptert som gyldig og pålitelig. Sykepleierne i kontrollgruppen, som fastsatte trykkskadene ved hjelp av skalaen, fikk opplæring i fastsettelse og klassifisering av trykkskader ved hjelp av skriftlig materiale, hvis innhold er utarbeidet av forskerne. Etter opplæringen ble «Tilfredshet med opplæringsmetodeundersøkelsen» påført sykepleierne. En uke etter opplæringen ble sykepleierne gitt "Post-Test ( Modified "Pieper Pressure Sore Knowledge Test)" ble brukt. Etter ferdigstillelse av søknaden ble frivillige sykepleiere fra kontrollgruppen utsatt for trykkskadedeteksjon og klassifisering med dyplæringsmodellen og trent med mobilapplikasjonen.

Søknad i Forsøksgruppen: Etter det teoretiske kurset oppdaget og klassifiserte sykepleierne i forsøksgruppen trykkskader hos sine pasienter med «Dyplæringsmodellen». I forsøksgruppen ble en mobilapplikasjon utviklet av forskerne installert på telefonene til sykepleierne som oppdaget trykkskader ved hjelp av dyplæringsmodellen og opplæring ble brukt. Dermed ble sykepleierne gitt pasientens pleie og behandling i henhold til den utviklede mobilapplikasjonen i henhold til trykkskadestadiet oppdaget av dyplæringsmodellen. Etter opplæringen ble «Trivselsundersøkelsen med opplæringsmetoden» lagt på sykepleierne. 1 uke etter opplæringen ble sykepleierne gitt "Post-Test ( Modifisert "Pieper Pressure Sore Knowledge Test)" ble brukt Etiske og juridiske aspekter ved forskning For å gjennomføre forskningen ble det foretatt nødvendige intervjuer og korrespondanse og institusjonelle tillatelser og godkjenning fra etikkkomiteen ble innhentet. Tillatelse fra etisk komité ble innhentet fra Istinye University Human Research Ethics Committee med vedtaksnummer 2104 datert 27.01.2021. Institusjonell tillatelse; For å gjennomføre forskningen ble det innhentet en søknadstillatelse fra Istanbul Beykent University Hospital Chief Physician's Office 08.02.2022 med dokumentnummer 14. Informerte samtykkeskjemaer ble innhentet fra personene som deltok i forskningen. Tre av de fem forskerne som fullførte implementeringsfasen av forskningsarbeidet i Institutt for datateknikk. De to andre forskerne jobber ved Institutt for sykepleie (to forskere er fakultetsmedlemmer i datateknikk, en forsker er fakultetsmedlem i Fundamentals of Nursing, en forsker er programvareingeniør, og en forsker er intensivsykepleier).

Analyse av data Dataene innhentet i studien ble innhentet ved bruk av SPSS (Statistical Package for Social Sciences) for Windows 25.0-programmet ble brukt til analyse. Beskrivende statistiske metoder ble brukt for dataevaluering som antall, prosent, gjennomsnitt, standardavvik. Forskjeller mellom proporsjoner av kategoriske variabler i uavhengige grupper ble analysert med Chi-Square og Fisher. Det ble analysert med eksakte tester. T-test ble brukt til å sammenligne kvantitative kontinuerlige data mellom to uavhengige grupper. T-test for avhengige grupper ble brukt for å sammenligne målinger innenfor gruppe.