Apgar alternatifi olarak doğum öncesi sınıflandırma yaklaşımları

Abstract

Hızlı ve etkin bir yöntem olan apgar skorlaması yeni doğan bebeklerin sağlıklı olup olmadığının anlaşılması için kullanılır. Bebeğe herhangi bir müdahalenin (resusitasyon veya entübasyon) yapılıp yapılmayacağına apgar skorlaması ve çeşitli fizyolojik verilerin incelenmesi sonucunda karar verilmektedir. Müdahale süresinin kısalması bebek için hayati önem taşımaktadır. Bu çalışmada, anne ve fetüsten alınan fizyolojik veriler ile FHR (fetal kalp atım hızı) ve UC (rahim kasılması) sinyallerinden çıkartılan öznitelikler, yeni doğan bebeğe bir müdahale gerekip gerekmeyeceğinin doğumdan önce belirlenmesi için incelenmiş ve apgar skorlamasına yönelik çalışma yapılmıştır. Çalışmada müdahale gerekir ve müdahale gerekmez şeklinde iki sınıf kullanılmıştır. Veriler Mann-Whitney U testi kullanılarak analiz edilmiştir. Bu sınıflar istatistiksel veriler, FHR ve UC sinyalleri açısından karşılaştırılmış, elde edilen sonuçlara göre k en yakın komşu sınıflandırma algoritması kullanılarak bebekler müdahale gerekir ve müdahale gerekmez sınıflarına ayrılmıştır.

Apgar scoring is a method which is a fast and a effective way of understanding whether newborn babies are healthy or not. Any intervention to the baby such as resuscitation or intubation is done, if necessary, after evaluating the Apgar score and examining various physiological data. Shortening the response time for medical support is vitally important for babies. In this study, the physiological data gathered from mother and fetus along with the features extracted from FHR (fetal heart rate) and UC (uterus contraction) signals were examined in order to determine whether the newborn will have any immediate problems that will need medical support before the baby was actually born and a study towards Apgar scoring was made. There were two classes (intervention, non-intervention) used in this study. Data was analyzed by using Mann-Whitney U test. The classes were compared in terms of statistical data, FHR and UC signals and according to the obtained the results, intervention and non-intervention classes have been devoted using k nearest neighbor classification algorithm.