Evaluation of Inflammatory Markers in Childhood-onset Psychiatric Disorders by Using Artificial Intelligence Architectures
| dc.contributor.author | Ucuz, İlknur | |
| dc.contributor.author | Özel Özcan, Özlem | |
| dc.contributor.author | Mete, Burak | |
| dc.contributor.author | Arı, Ali | |
| dc.contributor.author | Kayhan Tetik, Burcu | |
| dc.contributor.author | Yıldırım, Kübra | |
| dc.date.accessioned | 2021-03-04T18:47:05Z | |
| dc.date.available | 2021-03-04T18:47:05Z | |
| dc.date.issued | 2020 | |
| dc.department | İnönü Üniversitesi | en_US |
| dc.description | DOI: https://doi.org/10.5455/apd.56153 | en_US |
| dc.description.abstract | Abstract: Objective: One of the mechanisms proposed in the etiology of psychiatric disorders is the immunological and inflammatory processes. The aim of this study was to evaluate the neutrophil/lymphocyte ratio (NLR), platelet/ lymphocyte ratio (PLR), monocyte/lymphocyte ratio (MLR) and mean platelet volume (MPV) levels as an inflammatory marker in childhood-onset psychiatric disorders and to evaluate the inflammation parameters in the etiology. Methods: The hemogram data of 165 patients with early onset schizophrenia, bipolar disorder, depressive disorder and anorexia nervosa and 70 healthy children and adolescents were evaluated. In this study, artificial neural networks (ANN) are used for artificial intelligence-based computer aided system (CAS) design which can be able to help pediatric psychiatry specialists to diagnose easily and quickly. The data belonging to the patients were subjected to the normalization process in the designed system. Then, normalized data was entered to ANN and five outlets including four diseases and one test group were determined. The ANN model used has features of multilayer sensor network design. A three-tier cross validation method was used to test the success of the designed system. The three-tier cross-validation method is further divided into three parts. In each stage the first part was used for the test and the second and third parts was used for training. Results: The accuracy value of the model were calculated as 99%. Conclusion: These results show that the designed model gives robust and reliable results and can help the physicians in prediagnosis and differential diagnosis in clinical practice. (Anatolian Journal of Psychiatry 2020; 21(3): 301-309) | en_US |
| dc.description.abstract | Öz: Amaç: Psikiyatrik hastalıklarda etiyopatogenezde öne sürülen mekanizmalardan biri immünolojik ve inflamatuvar süreçlerdir. Son yıllarda ucuz ve kolay bakılabilir bir yöntem olan hemogram verilerinin inflamatuvar belirteç olarak kullanılmasına olan ilgi giderek artmaktadır. Bu çalışmada çocukluk çağı başlangıçlı psikiyatrik bozukluklarda inflamatuvar belirteç olarak gündeme gelen nötrofil/lenfosit oranı, platelet/lenfosit oranı, monosit/lenfosit oranı ve ortalama trombosit hacmi düzeylerinin karşılaştırılması ile etiyolojide inflamasyon parametrelerinin değerlendirilmesi amaçlanmıştır. Yöntem: Çalışmada çocuk psikiyatrisi yataklı servisinde tedavi gören erken başlangıçlı şizofreni, bipolar bozukluk, depresif bozukluk ve anoreksiya nervozalı 165 hasta ve 70 sağlıklı çocuk ve ergenin hemogram verileri kullanıldı. Bu çalışmada çocuk psikiyatrisi uzmanlarının hastalara tanı koymada zaman ve hız bakımından yardımcı olabilecek yapay sinir ağı (YSA) tabanlı bilgisayar destekli tanı sistemi (BDTS) tasarlandı. Tasarlanan sistemde ilk olarak hastaların verileri normalizasyon işlemine tabi tutuldu. Daha sonra normalize olan veriler YSA’nın girişine verilerek dört bozukluk ve bir test grubuna ilişkin beş çıkış belirlendi. Kullanılan YSA modeli Çok Katmanlı Algılayıcı Ağ Mimarisinin (ÇKAA) özelliklerine sahiptir. Tasarlanan sistemin başarısının sınanması için üç katmanlı çapraz doğrulama yöntemi kullanıldı. Bu yöntemin veri kümesi de üç parçaya ayrıldı. Her aşamada bir parça test için, ikinci ve üçüncü parçalar ise eğitim için kullanıldı. Sonuçlar: Tasarlanan sistemin kullanılan veri setindeki bozuklukları sınıflandırmadaki doğruluk oranı %99 olarak hesaplandı. Tartışma: Bu sonuçlar bu modellemenin hızlı ve güvenilir bir yöntem olarak çocuk psikiyatrisinde yukarıda tanımlanan hasta grupları için ön tanı ve ayırıcı tanıda kullanılabileceğini göstermektedir. (Anadolu Psikiyatri Derg 2020; 21(3): 301-309) | en_US |
| dc.identifier.citation | UCUZ İ,ÖZCAN Ö. Ö,METE B,ARI A,TETİK B. K,YILDIRIM K (2020). Evaluation of Inflammatory Markers in Childhood-onset Psychiatric Disorders by Using Artificial Intelligence Architectures. Anadolu Psikiyatri Dergisi, 21(3), 301 - 309. Doi: 10.5455/apd.56153 | en_US |
| dc.identifier.doi | 10.5455/apd.56153 | en_US |
| dc.identifier.endpage | 309 | en_US |
| dc.identifier.issn | 1302-6631 | |
| dc.identifier.issue | 3 | en_US |
| dc.identifier.scopus | 2-s2.0-85178283403 | en_US |
| dc.identifier.scopusquality | Q4 | en_US |
| dc.identifier.startpage | 301 | en_US |
| dc.identifier.trdizinid | 361260 | en_US |
| dc.identifier.uri | https://doi.org/10.5455/apd.56153 | |
| dc.identifier.uri | https://hdl.handle.net/11616/19499 | |
| dc.identifier.uri | https://search.trdizin.gov.tr/yayin/detay/361260 | |
| dc.identifier.volume | 21 | en_US |
| dc.identifier.wos | WOS:000524024400010 | en_US |
| dc.identifier.wosquality | Q4 | en_US |
| dc.indekslendigikaynak | TR-Dizin | en_US |
| dc.indekslendigikaynak | Web of Science | en_US |
| dc.indekslendigikaynak | Scopus | en_US |
| dc.language.iso | tr | en_US |
| dc.relation.ispartof | Anadolu Psikiyatri Dergisi | en_US |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.title | Evaluation of Inflammatory Markers in Childhood-onset Psychiatric Disorders by Using Artificial Intelligence Architectures | en_US |
| dc.title.alternative | Çocukluk Çağı Başlangıçlı Psikiyatrik Hastalıklarda Yapay Zeka Mimarileri ile İnflamatuvar Değerlendirme | en_US |
| dc.type | Article | en_US |
