Modell för djupinlärning som upptäcker tryckskada

Idag, med den ökande användningen av teknik, ser man att större data behövs för att lösa komplexa problem. För att möta detta behov har Convolutional Neural Networks vuxit fram, som används inom många områden som objektigenkänning, taligenkänning och naturligt språkbehandling, och som automatiskt kan lära sig av symbolerna för data som hör till bilder, videor, ljud och texter, istället för att lära sig med kodade regler, till skillnad från traditionella maskininlärningsmetoder, baserade på artificiella neurala nätverk. Convolutional Neural Networks är en av Deep Learning-metoderna, som är en undergren av maskininlärningsmetoder och har förmågan att lära av exempel. Convolutional Neural Networks är metoder som också kan lära av råa bild- eller textdata och vars prediktionsnoggrannhet ökar beroende på storleken på datan. Det har bevisats i litteraturen att artificiell intelligens och djupinlärningsmodeller är effektiva vid riskanalys av tryckskador. Ingen studie har dock hittats om klassificering av tryckskador. Raju, Su, Patrician et al. (2015), gav en mer exakt och snabbare förutsägelse av Bradens riskskalapoäng med den djupinlärningsmodell som de utvecklade som ett resultat av en fyraårig uppföljning på ett militärsjukhus. Alderden, Pepper, Wilson et al. (2018) utvecklade en modell för djupinlärning som avslöjar riskanalysen av tryckskador hos intensivvårdspatienter, och gav en mer exakt och meningsfull tryckskaderiskanalys med känsligare mätningar för intensivvårdspatienter som anses vara högrisk enligt riskbedömningsverktyg. Demircan, Yücedağ, Toz et al. (2016) utvecklade en matematisk modell som analyserar riskfaktorerna i bildandet av tryckskador, och säkerställer att tryckskador upptäcktes i ett tidigt skede. Användningen av dessa innovativa applikationer, som ingår och används i världslitteraturen, är begränsad i vårt land. I en miljö där teknologin snabbt utvecklas och konsumeras, att inte förbli likgiltig för innovativa initiativ och att integrera teknik i omvårdnadsmetoder kommer att öka synligheten för vårt yrke genom att utbilda innovativa sjuksköterskor. Mot bakgrund av denna information genomfördes studien för att utveckla en modell för djupinlärning för att upptäcka och klassificera tryckskador och för att fastställa modellens effekt på sjuksköterskors kunskaps- och nöjdhetsnivåer.

Syfte En randomiserad kontrollerad experimentell studie genomfördes för att utveckla en djupinlärningsmodell för att upptäcka och klassificera tryckskador och för att fastställa modellens effekt på sjuksköterskors kunskaps- och tillfredsställelsenivåer.

Forskningens hypoteser; H1: Modell för djupinlärning ger detektering av trycksår.

H2: Modell för djupinlärning ger klassificering av trycksår.

H3: Mobilapplikation utvecklad med modell för djupinlärning spelar en aktiv roll i behandling och vård av trycksårs.

Variabler av studien; Oberoende variabler i studien; djupinlärningsmodell, braden riskbedömning Beroende variabler i studien; trycksårs kunskapsnivå, nöjdhetsnivå med utbildning Metodforskning är en randomiserad kontrollerad experimentell studie. Universum och Sample of the Research bestod av 80 sjuksköterskor som arbetade på intensivvårds-, internmedicinska och kirurgiska kliniker på ett grunduniversitetssjukhus mellan mars 2021 och juni 2022.

För att fastställa antalet sjuksköterskor som utgör forskningsurvalet togs en liknande studie som exempel i relevant litteratur och kraftanalysen G* Power 3.1 användes. I denna studie, för att nå en effektnivå på 95 % vid en effektstorlek på 0,5 och 5 % felnivå, beräknades urvalsstorleken till 56, med 28 deltagare i varje grupp. Med tanke på testets höga effekt och förlusterna i studien nåddes totalt 60 personer, 30 i varje grupp. Sjuksköterskorna i provgruppen tilldelades slumpmässigt kontrollgruppen (n=30) och experimentgruppen (n=30) av forskaren med hjälp av en enkel siffertabell. Randomiseringstabellen skapades genom att använda webbplatsen http://stattrek.com/statistics/random-number-generator.aspx för randomisering . Som ett resultat av detta bestod urvalet av studien av totalt 60 sjuksköterskor, 30 deltagare i varje sjuksköterskegrupp, som informerades om syftet med studien och som fick delta i studien och som uppfyllde urvalskriterierna i studien. studera. Urvalskriterierna var; sjuksköterskan var över 18 år, arbetade som intensivvårds- eller kliniksköterska och accepterade att delta i studien muntligt och skriftligt.

Datainsamlingsverktyg Forskningsdata, "Structured Nurse Introduction Form", "Modified Pieper Pressure Sore Knowledge Test", "Braden Risk Assessment Scale" och "Nursing Satisfaction Scale" användes.

Introduktionsformulär för strukturerad sjuksköterska:

litteraturinformation om ämnet och innehåller information om sjuksköterskors introduktionsegenskaper.

Modifierat Pieper trycksår ​​kunskapstest:

Som ett resultat av forskningen utvecklades den modifierade skalan av Pieper och Mott 1995, modifierad av Lawrence, och dess giltighet och tillförlitlighet bestämdes av Asiye Gül och hennes kollegor 2017. Pieper Pressure Wound Knowledge Test användes. Detta test består av 49 objekt. Skalan är indelad i tre deldimensioner. Den allmänna kunskapspoängen kan vara upp till 49 poäng, kunskapspoängen för förebyggande kan vara upp till 33 poäng, iscensättningskunskapspoängen kan vara upp till 9 poäng och såridentifikationspoängen kan vara upp till 7 poäng. Modifierat tillstånd begärdes från Prof. Dr. Asiye Gül för Pieper Pressure Sore Knowledge Test. En tillförlitlighetsanalys utfördes för att bestämma tillförlitlighetsnivån för skalan som användes i studien och Chronbach alfa-koefficienten för experimentgruppen erhölls till 0,838 och kontrollgruppens som 0,812.

Bradens riskbedömningsskala:

Braden och Bergström dirigerades av Oğuz 1997 i Turkiet. En totalpoäng från 6 till 23 erhålls från skalan. Enligt totalpoängen anses 12 poäng och lägre som högrisk, 13-14 poäng anses vara riskfyllda och 15-16 poäng anses vara lågrisk.

Sjuksköterskans nöjdhetsundersökning:

Frågor av Likert-typ utarbetade av forskare i linje med litteraturen för att bestämma tillfredsställelsenivåerna hos sjuksköterskor med tryckskadeträning. Den lägsta poängen är 0 och den högsta är 25. Tillförlitlighetsanalys utfördes för att fastställa tillförlitlighetsnivån för frågeformuläret som användes i studien och Chronbach alfakoefficienten erhölls till 0,95.

Den djupa inlärningsmodellen som vi utvecklade för detektion och klassificering av tryckskador "Deep Learning-modellen för upptäckt och klassificering av tryckskador (BYT-CNN-modellen)" som vi utvecklade tränades först på 175 exempel på patientbilder och visade en framgångsfrekvens för klassificeringsförutsägelser på cirka 97 %. Eftersom BYT-CNN-modellen ansågs fungera bättre med fler patientbilder; den fortsatte att utvecklas med hjälp av 500 patient- och 500 icke-patientbilddata för att lösa klassificeringsproblemen med både uppskattning av om sjukdomen är närvarande eller inte och sjukdomsstadiet (Figur 1). Denna modell kommer att tillhandahålla riskanalys av tryckskador och deras klassificering enligt "NPUAP Pressure Injury Classification System" i de fall de utvecklar . En mobilapplikation som inkluderar omvårdnadsinsatser som rekommenderas av NPUAP enligt det stadium som bestäms av djupinlärningsmodellen utvecklades och även behandling och vård av tryckskadan genomfördes (Figur 2).

För att upptäcka och klassificera tryckskador med hjälp av BYT-CNN-modellen; en bild av tryckskadan eller riskområdet tas och kopplas till huvuddatorn där djupinlärning finns via Bluetooth eller Wi-Fi. Sedan om patienten har en tryckskada och i så fall vilket stadium det är, rapporteras till sjuksköterskans telefon inom "3 sekunder".

Den mobila applikationen, framställd i linje med NPUAP 2016 tryckskadebehandling och vårdrekommendationer, informerar sjuksköterskan om vilken vård som ska tillhandahållas för vilket stadium.

Metoden som följs vid insamling av data

Innan de började samla in data utvecklade forskarna en "Deep Learning Model for Detection and Classification of Pressure Injuries (BYT-CNN-modellen). Alla sjuksköterskor som deltog i studien fick en 4-timmars teoretisk lektion om "Tryckskador" i klassrumsmiljö samtidigt. En vecka efter att alla sjuksköterskor fått teoretisk utbildning delades de in i experimentella (Deep Learning Model) och kontrollgrupper (Traditional Method). Båda grupperna fick ett "Structured Nurse Introduction Form" och ett "Pre-Test (modifierat "Pieper Pressure Sore Knowledge Test)" tillämpades.

Tillämpning i kontrollgruppen: Efter den teoretiska lektionen fastställde och klassificerade sjuksköterskorna i kontrollgruppen tryckskadorna hos sina patienter med hjälp av "Braden Risk Assessment Scale", som har accepterats som giltig och tillförlitlig. Sjuksköterskorna i kontrollgruppen, som fastställde tryckskadorna med hjälp av skalan, fick utbildning i bestämning och klassificering av tryckskador med hjälp av skriftligt material, vars innehåll utarbetats av forskarna. Efter utbildningen tillämpades "Nöjd med utbildningsmetodundersökningen" på sjuksköterskorna. En vecka efter utbildningen fick sjuksköterskorna "Post-Test ( Modified "Pieper Pressure Sore Knowledge Test)" tillämpades. Efter slutförandet av ansökan utsattes frivilliga sjuksköterskor från kontrollgruppen för tryckskadadetektering och klassificering med djupinlärningsmodellen och utbildades med mobilapplikationen.

Tillämpning i Experimentgruppen: Efter den teoretiska kursen upptäckte och klassificerade sjuksköterskorna i försöksgruppen tryckskador hos sina patienter med "Deep Learning Model". I experimentgruppen installerades en mobilapplikation utvecklad av forskarna på telefonerna till sjuksköterskorna som upptäckte tryckskador med hjälp av modellen för djupinlärning och träning tillämpades. Sålunda fick sjuksköterskorna patientens vård och behandling enligt den utvecklade mobilapplikationen enligt tryckskadastadiet som upptäckts av djupinlärningsmodellen. Efter utbildningen tillämpades "Nöjdhetsundersökningen med träningsmetoden" på sjuksköterskorna. 1 vecka efter utbildningen fick sjuksköterskorna "Post-Test ( Modifierat "Pieper Pressure Sore Knowledge Test)" tillämpades Etiska och juridiska aspekter av forskning För att genomföra forskningen gjordes nödvändiga intervjuer och korrespondens och institutionella tillstånd och etikkommitténs godkännande erhölls. Etikkommitténs tillstånd erhölls från Istinye University Human Research Ethics Committee med beslutsnummer 2104 daterat 27.01.2021. Institutionellt tillstånd; För att genomföra forskningen erhölls ett ansökningstillstånd från Istanbul Beykent University Hospital Chief Physician's Office den 08.02.2022 med dokumentnummer 14. Informerat samtycke erhölls från de personer som deltog i forskningen. Tre av de fem forskare som genomfört genomförandefasen av forskningsarbetet vid Institutionen för datateknik. De andra två forskarna arbetar vid institutionen för omvårdnad (två forskare är fakultetsledamöter inom datateknik, en forskare är fakultetsmedlem i Fundamentals of Nursing, en forskare är mjukvaruingenjör och en forskare är intensivvårdssjuksköterska).

Analys av data Data som erhölls i studien erhölls med SPSS (Statistical Package for Social Sciences) för Windows 25.0-programmet användes för analys. Beskrivande statistiska metoder användes för datautvärdering som antal, procent, medelvärde, standardavvikelse. Skillnader mellan proportioner av kategoriska variabler i oberoende grupper analyserades med Chi-Square och Fisher. Det analyserades med exakta tester. T-test användes för att jämföra kvantitativa kontinuerliga data mellan två oberoende grupper. Beroende gruppers t-test användes för att jämföra mätningar inom grupp.