Prediction of Treatment Cost by Artificial Neural Network of Patients with COVID-19 in Intensive Care Unit

INTRODUCTION: Artificial neural networks (ANNs) are computer systems that are inspired by the biological neural networks that make up animal brains. An ANN is built from a network of linked units or nodes known as artificial neurons, which are roughly modeled after the neurons in the human brain. Artificial neural networks have found applications in a wide range of fields due to their capacity to recreate and simulate nonlinear phenomena. In this study, as an example, the biochemical data of 201 patients with Covid-19 who were followed up in the intensive care unit of our hospital were taken from the hospital records and the ANN model and its effect on the total treatment cost were investigated.In fact, the application of this model in this way is an example, as well as showing how the initial biochemical parameters of the patient affect the course of the disease and, as a result, the estimation of the total cost of treatment. This will enable doctors and hospital management to detect patients with high total treatment costs in the future.
METHODS: The parameters such as ages, and the other biochemical parameters that affect the staying periods (days) of COVID-19 infected patients in ICU were evaluated by using an ANN analysis. For this a computer program, Pythia®, was used to develop ANN models. Real data was used for that selected patients in this study.
RESULTS: The real data obtained from the ICU and gave to the computer as initial parameters. The computer program gave 15 neurons for the first level, 1 neurons for the second level as the most suitable model for the prediction SSD (Sum of Squared Deviations) was found to be 0.000995. This program predicts a total cost 144.930,940 TL (27.300 USD) where the 50 real cost 142.234,060 TL (26.792 USD) for the real patient in 2019.
DISCUSSION AND CONCLUSION: The ANN model developed and released in this research does not necessitate any experimental parameters. Besides, ANN has the ability to deliver helpful and exact prediction or information regarding the expense of COVID-19 patients in ICU.Therefore, the use of ANN can be a good method to estimate the parameters that affect the length of stay of critically ill patients followed up with the diagnosis of COVID-19.

Yoğun Bakım Ünitesinde İzlenen COVID-19 Hastalarının Yapay Sinir Ağı ile Tedavi Maliyetinin Tahmini

GİRİŞ ve AMAÇ: Yapay sinir ağları (YSA), hayvan beyinlerini oluşturan biyolojik sinir ağlarından esinlenen bilgi işlem sistemleridir. Bir YSA, biyolojik bir beyindeki nöronları kabaca modelleyen, yapay nöronlar adı verilen bağlantılı birimler veya düğümler koleksiyonuna dayanır. Doğrusal olmayan süreçleri yeniden üretme ve modelleme yetenekleri nedeniyle, yapay sinir ağları birçok disiplinde uygulama bulmuştur.
Bu çalışmada, örnek olarak hastanemizin Yoğun Bakım Ünitesinde izlenen Covid-19'lu 201 hastanın biyokimyasal verileri hastane kayıtlarından alınarak oluşturulan YSA modeli ile sonuçta toplam tedavi maliyetine nasıl bir etki yaptığı araştırılmıştır. Aslında bu modelin bu şekilde uygulanması bir örnek olmanın yanında hastanın başlangıçtaki biyokimyasal parametrelerinin hastalığın seyrine nasıl etki ettiği ve bunun da bir sonucu olarak toplam tedavi maliyetin ne olabileceğinin tahmininin yapılması gösterilmiştir. Bu doktorlara ve hastane yönetimine ileride toplam tedavi maliyeti yüksek olacak hastaları önceden fark edebilmeyi sağlayabilecektir.

YÖNTEM ve GEREÇLER: COVID-19 ile enfekte ağır hastaların YBÜ'de kalış sürelerini (gün) etkileyen yaş gibi parametreler ve diğer biyokimyasal parametreler YSA analizi kullanılarak değerlendirildi. Bunun için bir bilgisayar programı olan Pythia® YSA modellerini geliştirmek için bu çalışmada seçilen hastalar için gerçek veriler kullanıldı.


BULGULAR: Yoğun Bakım Ünitesi'nden elde edilen ve başlangıç parametreleri olarak bilgisayara verilen gerçek veriler elde edildi. Bilgisayar programı tahmin için en uygun model olarak birinci seviye için 15 nöron, ikinci seviye için 1 nöron vermiştir. (SSD (Sum of Squared Deviations) değeri 0,000995 olarak bulundu. Bu program, gerçek hasta için 2019 Yılı'ndaki gerçek maliyeti 142.234,060 TL (26.792 USD) iken toplam maliyeti 144.930,940 TL (27.300 USD) olarak tahmin etmektedir.
TARTIŞMA ve SONUÇ: Bu araştırmada geliştirilen ve yayınlanan YSA modeli herhangi bir deneysel parametre gerektirmemektedir. Ayrıca YSA, YBÜ'ndeki COVID-19 hastalarının tedavi maliyetleriyle ilgili yararlı ve kesin tahmin veya bilgi sağlama yeteneğine sahiptir. Sonuç olarak, YSA kullanımı, Covid-19 tanısıyla izlenen kritik hastaların yatış sürelerini etkileyen parametreleri tahmin etmede iyi bir yöntem olabilir.