Objective: This study explores the utility of electrocardiogram parameters in conjunction with machine learning models for the early diagnosis of neonatal transient tachypnea (TTN). TTN is a common cause of respiratory distress in neonatal intensive care units, and early diagnosis has the potential to reduce invasive interventions and shorten hospital stays. Methods: The study retrospectively examined data from 101 neonates diagnosed with TTN and 82 healthy neonates, utilizing parameters such as P, QRS, T angles, and frontal QRS-T angle obtained from ECG. Results: Decision Tree, Neural Network, Random Forest, Boosting, and Support Vector Machine models were utilized among the machine learning algorithms. The dataset was split into 65% for training, 20% for validation, and 15% for testing. According to the findings, the Random Forest classification model demonstrated superior performance compared to other models, achieving 71.4% test accuracy, an average AUC value of 0.790, and a Matthews Correlation Coefficient of 0.443. The MCC value indicated that the Random Forest model possesses reliable predictive power even with imbalanced datasets. Notably, ECG parameters such as PR interval, V2 T voltage, and SV1 voltage were identified as the most significant features influencing the model's predictive performance. Conclusions: These findings suggest that ECG-based machine learning models can enhance clinical decision-making by facilitating non-invasive, rapid, and accurate diagnosis of TTN. Such artificial intelligence-driven systems hold the potential to mitigate unnecessary interventions, expedite treatment initiation, and improve neonatal prognoses. Future efforts should focus on enhancing model interpretability through the incorporation of explainable AI methodologies to facilitate their seamless integration into clinical practice.

YENİDOĞAN YOĞUN BAKIM ÜNİTESİNDE ÇALIŞAN HEMŞİRELERİN İLAÇ UYGULAMA HATALARI ALGILARI İLE TÜKENMİŞLİK DÜZEYLERİ ARASINDAKİ İLİŞKİÖz Amaç: Bu çalışma yenidoğan yoğun bakım ünitesinde (YYBÜ) çalışan hemşirelerin ilaç uygulama hatalarına ilişkin algıları ile tükenmişlik düzeyleri arasındaki ilişkiyi belirlemek amacıyla yapılmıştır.Gereç ve Yöntem: Bu araştırma analitik-kesitsel bir çalışmadır. Veriler 25. 02. 2022- 25. 06. 2022 tarihleri arasında, yenidoğan yoğun bakım ünitesinde çalışan hemşirelere, sosyal medya platformlarından ulaşılarak toplanmıştır. İlaç Uygulama Hatası Ölçeği ve Tükenmişlik Ölçeği-Kısa Formu olmak üzere iki ölçek çevrim içi anket olarak uygulanmıştır. Çalışmaya toplam 289 yenidoğan yoğun bakım hemşiresi katılmıştır. Verilerin analizinde frekans ve yüzde analizi, ortalama ve standart sapma, t-testi, Anovave post hoc Tukey testi kullanılmıştır.Bulgular: İlaç Uygulama Hatası Ölçeğinin “A bölümü” ortalaması 88,142±21,934, “B bölümü” ortalaması 54,401±15,040, “C bölümü” ortalaması 42,135±34,936 olarak saptanmıştır. Hemşirelerin “tükenmişlik” ortalaması 4,553±1,662 çok yüksek bulunmuştur. Regresyon analizi sonucunda A bölümünün düzeyindeki genel değişim, %8,1'lik oranında tükenmişlik ile açıklanmaktadır. B bölümündeki toplam değişimin % 5,2'si tükenmişlik ile açıklanmaktadır (R²=0,052). Tükenmişlik ile C bölümü arasındaki neden-sonuç ilişkisini belirlemek için yapılan regresyon analizi anlamlı bulunmadı (F=0,076; p>0,050).Sonuç: Hemşirelerin ilaç uygulama hatalarının nedenlerine yönelik algılarının ölçüldüğü A bölümünde; en çok ‘Hata oluşmasına Yatkınlık’, ‘Sanayi’ alt faktörünün, en az ise ‘’Eczane’ alt faktörünün etki ettiği belirlenmiştir. B bölümünde; en çok ‘İdari cevap’ alt faktörünün etki ettiği daha sonrasında sırayla ‘Korku’ ve ‘Hata Üzerinde Anlaşmazlık’ alt faktörlerinin etkili olduğu belirlenmiştir. C bölümünde ise hemşirelerin, ilaç uygulama hatalarının doğru oranda rapor edilmediğini düşündükleri saptanmıştır. YYBÜ hemşirelerinin tükenmişlik düzeylerinin çok yüksek düzeyde olduğu saptanmıştır. Yaş, hemşirelik süresi, kullanılan hemşirelik modeli, hemşirenin pozisyonu, çalışma şekline göre tükenmişlik düzeyinin değiştiği bulunmuştur. Tükenmişliğin ilaç hatalarını arttırdığı belirlenmiştir. Anahtar kelimeler: Hemşire; ilaç uygulama hataları; tükenmişlik; yenidoğan. Destekleyen kurumlar: -