Parkinson hastalarında taburcu yönünün makine öğrenmesi ile tahmini; ülke çapında kohort çalışması

Parkinsonlular için hastaneden taburcu olmanın önemi

Parkinson hastalığıyla yaşayan aileler için bir hastane yatışı sıklıkla tedirgin eden bir soruyu gündeme getirir: yakınının eve dönebilecek mi, yoksa bakım kuruluşuna mı taşınması gerekecek ya da yaşamı tehdit eden komplikasyonlarla mı karşılaşacak? Bu çalışma, bu olasılıkları hastanede kalışın erken döneminde tahmin etmek için modern bilgisayar araçlarını kullanarak doktorlara, hastalara ve bakım verenlere bir sonraki adımı planlamak için daha fazla zaman sağlar.

Ülke çapında hastanelere bakmak

Araştırmacılar, ülke genelindeki yatışların yaklaşık dörtte birini yakalayan büyük bir Amerikan hastane veritabanının kayıtlarını analiz ettiler. İncelenen dönem, 2017 sonlarından 2023 ortalarına kadar olan dönemde hastaneye yatırılan 50 yaş ve üzeri 280.000’den fazla kişiyi kapsıyordu. Her kişi için bu dönemdeki ilk hastane yatışına odaklanıldı ve nihai sonuçlar üç basit kategoriye ayrıldı: eve dönme, bir bakım tesisine yerleşme veya hastanede ölüm. Hastaların yaklaşık yarısı eve döndü, neredeyse eşit sayıda bakım tesisine gönderildi ve yaklaşık on dört kişiden biri taburcu olmadan önce yaşamını yitirdi.

Kimin eve döndüğü, kimin dönmediğinde görülen kalıplar

Tesis göndermeleri yapılan kişiler, eve dönenlere kıyasla genellikle daha yaşlı ve daha tıbben kırılgan durumdaydı. Daha sık demans, yutma güçlüğü, yiyecek veya sıvının akciğerlere kaçmasına bağlı pnömoni ve son dönemde kırık veya düşme öyküsü görüldü. Ayrıca bekar olma oranları daha yüksek ve hastaneye doğrudan evden değil başka bir sağlık kuruluşundan sevk edilmiş olma olasılıkları daha fazlaydı. Hastanede kalış süreleri daha uzundu ve daha fazla rehabilitasyon terapisi aldılar. Hastanede yaşamını yitiren hastalar ise en yüksek demans ve ciddi akciğer enfeksiyonu oranlarına sahipti; bu da ileri hastalık ve komplikasyonların bu sonuçları nasıl şekillendirdiğini vurguluyor.

Bilgisayarlara riski tanımayı öğretmek

Bu kalıpları pratik araçlara dönüştürmek için ekip, verilerden öğrenen bir bilgisayar programı türü olan makine öğrenmesi modelleri eğitti ve her üç taburcu sonucunu tahmin etmeyi amaçladı. Modellerin eğitilmesinde yatışların çoğu kullanıldı, kalan kısım ise test için ayrıldı; programlar her üç kategori için de iyi doğruluk seviyelerine ulaştı. Örneğin, kimin eve gideceğini tahmin eden model, eve taburcu edilenleri diğer sonuçlardan yaklaşık dörtte üç oranında doğru ayırdı. Bakım tesisine yerleşmeyi tahmin eden benzer bir model benzer performans gösterdi ve hastanede ölümü tahmin eden model biraz daha iyi sonuç verdi. Bu modeller farklı zaman dilimlerinde ve sigorta türlerinin biraz farklı gruplanmasıyla kontrol edildi ve performansları korundu; bu da modellerin makul düzeyde sabit olduğunu düşündürüyor.

Tesis riski için basit bir başucu skoru

Doktorlar ve hemşirelerin hızlıca anlayabileceği araçlara ihtiyaç duyması nedeniyle araştırmacılar, bakım tesisine taburcuyu tahmin etmeye odaklanan daha basit ve şeffaf bir risk skoru da geliştirdiler. Bu skor yedi kolayca tanınabilen özelliği kullandı: kırık öyküsü, demans, başka bir tesisten transfer olarak gelme, düşme öyküsü, sigorta türü, medeni durum ve hastanenin bulunduğu bölge. Her faktör puan ekler veya çıkarır ve toplam skor hastaları düşük, orta veya yüksek risk gruplarına yerleştirir. Bu çalışmada düşük risk grubundakilerin bakım tesisine gönderilme olasılığı yaklaşık yüzde kırk civarındayken, yüksek risk grubundakilerin neredeyse dörtte üç oranında bir olasılığı vardı.

Bu hastalar ve aileleri için ne anlama geliyor

Bu araçlar tek bir kişinin taburcu edileceği yeri belirlemez, ancak erken bir uyarı ışığı gibi iş görebilir. Parkinson hastalarının daha yoğun desteğe ihtiyaç duyma veya ciddi komplikasyonlarla karşılaşma olasılığı yüksek olanlarını öne çıkararak, modeller ve yedi maddelik skor rehabilitasyon, evde destek veya uzun dönem bakım konusunda daha erken konuşmaları tetikleyebilir. Klinik değerlendirme ve aile tercihleriyle birlikte kullanıldığında, bu veri odaklı yaklaşımlar hastanelerin daha güvenli, daha kişiselleştirilmiş taburcu planları düzenlemesine ve sınırlı bakım kaynaklarını en çok ihtiyacı olanlarla daha iyi eşleştirmesine yardımcı olabilir.

Atıf: Kamo, H., Mehta, T.R., Remz, M. et al. Machine learning prediction of discharge destination in patients with Parkinson’s disease; a nationwide cohort study. npj Parkinsons Dis. 12, 120 (2026). https://doi.org/10.1038/s41531-026-01309-8

Anahtar kelimeler: Parkinson hastalığı, hastane taburculuğu, makine öğrenmesi, risk tahmini, post-akut bakım