Potasyum (K) ve Hemoliz İndeksi (HI) Arasındaki İlişkinin Kümeleme Analizi Yöntemi ile İrdelenmesi



Yüklə 76,41 Kb.
Pdf görüntüsü
tarix03.04.2017
ölçüsü76,41 Kb.
#13391

106 

 

 



Potasyum (K) ve Hemoliz İndeksi 

(HI) Arasındaki İlişkinin Kümeleme 

Analizi Yöntemi ile İrdelenmesi 

 

Kemal TURHAN

a

, Yasemin Zeynep ENGİN

a

, Sabiha KAMBUROĞLU

b

, Burçin 

KURT

a

, Asım ÖREM

b  

 

a



Biyoistatistik ve Tıp Bilişimi AD, Karadeniz Teknik Üniversitesi, Trabzon 

b

Tıbbi Biyokimya AD, Karadeniz Teknik Üniversitesi, Trabzon 

 

 



Analysis  of  the  Relation  between  Potassium  (K)  and 

Haemolysis Index (HI) Using Clustering Method 

 

Abstract: In this study, the relation between Potassium (K) and Haemolysis Index 

(HI)  was  analysed  with  Clustering  method  using  data  which  were  derived  from 

patients  hospitalized  between  June  2011-June2012  at  Karadeniz  Technical 

University  Faculty  of  Medicine  Farabi  Hospital.  As  a  result  of  pre-processing 

step, number of records was reduced to 1252. Records  were consist of last two K 

and  HI  measurements  and  absolute  differences,  measurement  dates  as  data 

columns.  Correlation between the absolute value of the differences was analysed 

using  K  and  HI  results  in  five  clusters.    Clusters  were  created  using  k-Means 

algorithm and Euclidian distance measurement equation with the help of Statistica 

package  program.  The  results  which  had  HI  difference  values  higher  than  295 

mg/dL  were  showed  a  very  high  correlation.  Cluster  analysis  can  be  used  as  a 

preliminary study for correction factor studies to prevent repetition of the tests. 

 

Key Words: Haemolysis, Potassium, Correlation, Clustering 

 

Özet:  Bu  çalışmada  Haziran  2011-Haziran  2012  tarihleri  arasında  Karadeniz 



Teknik  Üniversitesi  Tıp  Fakültesi  Farabi  Hastanesi’nde  yatan  9777  hastanın 

verileri  kullanılarak  potasyum  (K)  ve  hemoliz  indeksi  (HI)  arasındaki  ilişki  veri 

madenciliği  tekniklerinden  Kümeleme  Analizi  (Clustering)  yöntemi  kullanılarak 

irdelenmiştir. Analiz öncesinde yapılan önişlemler sonucunda kayıt sayısı 1252’ye 

düşürülmüştür.  Analiz  için  süzülen  kayıtlarda  alınan  son  iki  K  ve  HI  sonuçları, 

sonuçların  kayıt  tarihleri,  ilk  ve  son  K  ve  HI  değerlerinin  farklarının  mutlak 

değerleri alınarak oluşturulan farkları bulunmaktadır. Analiz sonucunda, K ve HI 

farklarının  mutlak  değerleri  kullanılarak  bulunan  kümelerde  mutlak  K  ve  HI 

farkları  arasındaki  korelasyon  ölçülmüştür.  Kümeler  k-Means  algoritması  ve 

Euclidian mesafe ölçüm tekniği kullanılarak Statistica yazılım paketi kullanılarak 

oluşturulmuştur.  Bulunan  sonuçlar  HI  farkının  295  mg/dL’  den  yüksek  olduğu 

kümelerde çok yüksek korelasyon olduğunu göstermektedir. Hemolize örneklerde 

test tekrarına engel olacak düzeltme faktörü çalışmaları için kümeleme analizinin 

ön çalışma olarak kullanılabileceği sonucuna varılmıştır. 

 

Anahtar Kelimeler: Hemoliz, Potasyum, Korelasyon, Kümeleme Analizi 

107 

 

1. Giriş 

 

Hemoliz, kırmızı kan hücrelerinin (alyuvar, eritrosit, RBC) zarlarının parçalanmasıyla, 



içlerinde  bulunan  hemoglobin  ve  diğer  iç  bileşenlerin  hücreleri  çevreleyen  sıvıya 

(plazma  veya  serum,  kan  alma  tüpünün  türüne  bağlı  olarak)  salınmasıdır.  Hemoliz 

görsel  olarak,  içindeki  hemoglobinden  dolayı  şeffaftan  kırmızı  renge  dönen  plazma 

sıvısından anlaşılabilir  [1]. Hemoliz serum örneklerinde  yaygın görülen bir durumdur 

ve laboratuvar test parametrelerini bozabilir. Hemoliz iki sebepten oluşabilir: 

a.  In-vivo hemoliz, otoimmün hemolitik anemi veya transfüzyon reaksiyonu gibi 

patolojik koşullar nedeniyle olabilir [1]. 

b.  In-vitro  hemoliz,  uygunsuz  örnek  toplama,  örnek  işleme,  ya  da  santrifüj 

nedeniyle olabilir[2]. 

In-vivo hemolizin tüm hemolitik örnekler içinde görülme sıklığı %3.2 oranındadır [3]. 

In-vitro  hemoliz  daha  sık  meydana  gelir  ve  örneklerin  taşınması  veya  depolanması 

hemoliz  riskini  arttırır[2].  Hemoliz  klinik  laboratuvarlarda  en  yaygın  görülen 

preanalitik  hata  kaynağıdır  ve  reddedilen  test  örneklerinin  %40-70’e  yakınının 

gerekçesidir  [3,4].  Hemolitik  örnekler,  istenen  tüm  rutin  testleri  içinde  %3,3  gibi  bir 

paya  sahiptir  ve  yetersiz  numune,  pıhtılı  numune,  doğru  olmayan  numune  gibi  ret 

nedenlerine  kıyasla  5  kat  daha  fazla  gözlenir  [4].  Hemoliz,  hücre  içeriğinde  bulunan 

potasyum  (K),  demir  (Fe),  magnezyum  (Mg),  aspartat  amino  transferaz  (AST),  laktat 

dehidrogenaz  (LDH),  bilirubin  gibi  plazma  bileşenlerinde  hatalı  yükselme  veya 

düşüşlere yol açabilir [1].  

Bu  çalışmada  Haziran  2011-Haziran  2012  tarihleri  arasında  Karadeniz  Teknik 

Üniversitesi Tıp Fakültesi Farabi Hastanesi yatan hasta verileri kullanılarak potasyum 

(K)  ve  hemoliz  indeksi  (HI)  arasındaki  ilişki  veri  madenciliği  tekniklerinden 

Kümeleme  Analizi  (Clustering)  yöntemi  kullanılarak  irdelenmiştir.    Bu  yöntem  HI 

üzerine  yapılan  bir  çalışmada  ilk  defa  kullanılmıştır  ve  diğer  çalışmaların 

çoğunluğunda kan örneklerinin çalışmalar için özellikle hemolize edilmesine karşın, bu 

analizde gerçek hasta verileri kullanılmıştır. 

 

 

2. Gereç ve Yöntem 



 

Ön İşlemler 

 

Çalışmada kullanılan kan örnekleri Karadeniz Teknik Üniversitesi Tıp Fakültesi Farabi 



Hastanesi  Haziran  2011-Haziran  2012  döneminde  toplanmıştır.  Belirlenen  tarih 

aralığında  kan  örnekleri  tekrarlanmış  olan  9777  yatan  hastadan  elde  edilen  son  iki 

potasyum (K) ve hemoliz indeksi (HI) ölçümleri çalışmada kullanılmıştır. Oluşturulan 

veri setinde her bir kayıt satırı, son K ve HI değerleri ve sonuç tarihini, bir önceki K ve 

HI  değerleri  ve  sonuç  tarihini,  K  ölçüm  çiftinin  farkını,  HI  ölçüm  çiftinin  farkını 

içermektedir. Elde edilen veri seti, bir ön elemeye tabi tutulmuş, kayıtlardan ilk ve son 

K değerleri arasındaki farklar ile ilk ve son HI değerleri arasındaki farkların her ikisinin 

de  sıfırın  üzerinde  –pozitif-  olduğu;  ya  da  sıfırın  altında  –negatif-  olduğu  kayıtlar 

seçilmiş, diğer kayıtlar çalışma kapsamı dışında bırakılmıştır. Bu işlemin amacı, K ve 

HI  değerleri  arasındaki  farkın  ilişkili  olduğu,  yani  aynı  yönlü  değiştiği  verilerin 

seçilmesidir.  Ön  eleme  adımının  ardından  kayıt  sayısı  4394’e  düşmüştür.  Kalan 

kayıtlar  alınan  kan  örneklerinin  arasındaki  süre  farkı  gözetilerek  tekrar  süzülmüş  ve 



108 

 

kayıt sayısı 1252’ye düşmüştür.  



Seçilen kayıtlar, ilk ve son K ve HI farklarının mutlak değerlerine göre kümeleme 

analizi  uygulanarak  sınıflandırılmış;  daha  sonra  her  bir  sınıftaki  K  ve  HI  değerleri 

arasındaki korelasyon ilişkileri saptanmıştır.  

 

Kümeleme Analizi (Clustering)

 

 

Sınıflandırma  işleminden  farklı  olarak  nesnelerin  hangi  sınıfa  ait  olduğu  önceden 



bilinemez. Kümeleme analizi nesnelerin ortak özellikleri arasındaki mesafenin kümeler 

içinde  minimum,  kümeler  dışında  ise  her  kümenin  diğerleri  ile  arasındaki  mesafenin 

maksimum  olmasını  sağlayan  bir  tekniktir.      Başka  bir  deyişle  küme  içindeki  her  bir 

nesne  birbirine  çok  benzer  iken,  diğer  küme  elemanlarına  ise  benzememektedir.  

Benzerlikler  veya  farklılıklar  probleme  konu  olan  nesneleri  tanımlayan  özellikleri 

aracılığı ile belirlenmektedir. 

Kümeleme  analizi  birçok  çalışma  alanında  verideki  benzer  nitelikteki  objeleri 

anlamlı  kümelere  ayırmak  için  ilk  işlem  olmaktadır.      Küme  içi  benzerliklerin  veya 

kümler arası farkı ifade etmek için mesafe terimi kullanılmaktadır. Kümeleme analizin 

temeli  de  objeler  arası  mesafenin  bulunmasına  ve  ilgili  kümelerin  bu  mesafeye  göre 

obje  atanmasına  dayanmaktadır.  Mesafe  ölçümü  için  Euclidian

            

          gibi  ölçü  birimleri  kullanılmaktadır.  Mesafeleri  ölçmek  için  kullanılan  en 

popüler yöntem 

          olarak isimlendirilmektedir.    

Herhangi  bir  nesnenin  birden  fazla  özelliği  dikkate  alınarak  yapılacak  bir 

kümeleme bu özelliklerin kesikli, sürekli ya da kategorik değişken olmasına göre ya da 

aynı  tür  veri  olsa  bile  dağılım  ölçütlerinin  (Ortalama,  standart  sapma,  varyasyon 

katsayısı  vb.)    farklı  olması  nedeniyle  kümelemeyi  olumsuz  etkileyecektir.    Örneğin 

basket, güreş, yüzme vb. alanlara sporcu seçimi yapılacaksa sporcuların boy özelliğinin 

cm,  kilo  özelliğinin  kilogram  cinsinden  verilmesi,  nesneler  arası  mesafeyi  aynı 

derecede etkileyemezler.  Bu nedenle kümeleme işleminden önce verilerin standardize 

edilmesi gerekmektedir (Eşitlik 1).   

Bu  çalışmada  Statistica  istatistiksel  yazılım  programı  kullanılmış  olup  programın 

kümelemede kullandığı temel algoritmalar aşağıda verilmiştir (Eşitlik 2). 

Veri nesnelerine ait her bir özelliğin standardize edilmesi için; 

 

 

 



 

   


 

 

    



   

     


 

        


 

  

  



 

 

 



 

 



 

Standardize  edilmiş  verilerin 

           mesafe  ölçümüne  göre            

formülü; 

 

            √( 



  

    


  

)

 



   ( 

  

   



  

)

 



      ( 

  

   



  

)

 



  

 

2



 

 

Burada 



       

  

    



  

        


  

    ve      (  

  

    


  

        


  

 )    n  boyutlu  nesne  başka 

bir  deyişle  n  özelliği  ile  tanımlanan  bir  nesnedir.    Örneğin 

 

 



             

 

        



iki boyutlu özellik içeren nesneler olduğunu varsayarsak; 

 


109 

 

 



                       √ 

 

   



  

        


 

olacaktır.  Dolayısıyla  kümeleme  işleminden  önce  araştırma  niteliğine  göre  küme 

sayısı  önceden  araştırmacı  tarafından  belirlenmekte,  küme  sayısına  göre  her  kümeye 

atanan  ilk  nesnelerin  değerleri  o  kümenin  ortalaması  kabul  edilerek  kümeye  olan 

mesafeler hesaplanmakta, bu hesaplama sonucunda her bir nesne en az mesafeli olduğu 

kümeye atanmaktadır.  Yeni ortalamalar atanan bu nesnelerle tekrar hesaplanmakta ve 

mesafeler  yeniden  hesaplanmaktadır.  İterasyon  ortalamaların  artık  değişmediği  ya  da 

belirli bir hata oranında değiştiği durumda son bulmaktadır. Sonuç olarak her nesne en 

yakın olduğu kümede yer almış olacaktır. 

 

Korelasyon Analizi 

 

Basit korelasyon analizi, iki değişken arasındaki ilişkinin gücünü ve yönünü belirlemek 



amacı ile yapılır. Her iki değişkenin de sürekli değişken olması ve değişkenlere ilişkin 

verilerin  normal  dağılım  göstermesi  durumunda  değişkenler  arasındaki  ilişki 

korelasyon katsayısı ile belirlenir. Fakat korelasyon değeri hiç bir şekilde neden - sonuç 

ilişkisi  kurmaz.  Korelasyon  katsayısının  alabileceği  en  küçük  değer  –1,  en  büyük 

değerse +1 (–1 ≤  r ≤ +1) olur. Katsayı, ilişkinin olmadığı durumda 0, tam ve kuvvetli 

bir ilişki varsa 1, ters yönlü ve tam bir ilişki varsa -1 değerini alır [5]. 

 

Modelin Kurulması ve Çalıştırılması 

 

Çalışmada  kümeleme  analizi,  sürekli  değişken  olarak  ilk  ve  son  K  ve  HI  farklarının 



mutlak  değerleri  tanımlanarak  yapılmıştır.  Yapılan  tüm  analizlerde  Statistica 

istatistiksel  yazılım  programı  kullanılmıştır.  Analizde  kümeler  arası  mesafe  ölçümü 

için Euclidian ölçü birimi ve k-means algoritması kullanılmıştır. Kümeleme analizinde 

sınıf  sayısı  5  olarak  tanımlanmıştır.  Bunun  nedeni  son  HI  değerlerine  göre  yapılan 

hemoliz  sınıflandırmasıdır  (HI<=5  mg/dL  için  ‘hemoliz  yok’,  HI<=30  mg/dL  için 

‘belirsiz’, HI<=60 mg/dL için ‘hafif’, HI<=200 mg/dL için ‘orta’, HI>200 mg/dL için 

‘ağır’). Analizde hata oranı 0,043588 olarak saptanmıştır. Kümeleme sonuçlarına göre 

gruplardaki HI fark ortalamalarına ait dağılım grafiği aşağıda verilmiştir (Grafik 1). 

 


110 

 

Graph of distributions for variable: mfark_h



Number of clusters: 5

Cluster 1 ~ normal(x;1170,250000;152,010485)

Cluster 2 ~ normal(x;581,750000;235,150882)

Cluster 3 ~ normal(x;29,497942;36,632686)

Cluster 4 ~ normal(x;295,771930;103,961872)

Cluster 5 ~ normal(x;23,977660;35,324582)

 Cluster 1

 Cluster 2

 Cluster 3

 Cluster 4

 Cluster 5

-400


-200

0

200



400

600


800

1000


1200

1400


1600

1800


2000

x ( mfark_h )

0,000

0,002


0,004

0,006


0,008

0,010


0,012

0,014


Pr

o

b



a

b

ili



ty

 d

e



n

si

ty



 

Grafik 1 –Gruplardaki HI fark ortalamalarına ait dağılım grafiği. 

 

Kümeler oluşturulduktan sonra her bir küme içerisinde K ve HI fark ortalamaları 



arasındaki korelasyon ilişkisi sorgulanmıştır. Sonuçlar aşağıdaki gibidir: 

 

Tablo 1 – K ve HI fark değerleri ile yapılan kümeleme analizi sonuçları ve her bir 



kümede K ve HI fark ortalamaları arasında bulunan korelasyon katsayısı.

 

Kümeler 



K  

(Fark Ortalamaları ,p=0,00) 



HI 

(Fark Ortalamaları,p=0,00) 





Yüzde (%) 

4,925000 



1170,250 

0,31949 



0,99 

3,750000 



581,750 

0,63898 



0,80 

1,102058 



29,498 

243 


19,40895 

0,58 


1,445614 

295,772 

57 


4,55272 

0,91 


0,353936 

23,978 

940 


75,07987 

0,54 


 

 

3. Bulgular 

 

Potasyum testi beklenen değerleri 3–6 mmol/L olarak tanımlanmaktadır [6]. Kümeleme 



analizi  sonuçlarında  da  görüldüğü  gibi,  oluşan  ilk  kümede  K  değerleri  farkı  4,925 

çıkmıştır;  bu  sonuç  grubun  K  değerlerinin  referans  değerleri  aralığının  çok  dışında 

olduğunu  göstermektedir.  Verilerin  %0,31’lik  bölümünü  kapsayan  kümede  4  vaka 


111 

 

saptanmıştır. Kümenin HI değerleri fark ortalaması 1170,25 bulunmuştur. Bu kümenin 



istatistiklerine  bakıldığında,  mutlak  HI  farkları  küme  ortalaması  minimum  1052, 

maksimum 1425 olduğu görülmektedir. Bu küme için mutlak K ve HI fark ortalamaları 

arasındaki korelasyon katsayısı 0,99 bulunmuştur.  

Sonuçlara  bakıldığında  en  yüksek  ikinci  korelasyon  değeri  0,91  ile  4.  kümede 

hesaplanmıştır. Küme kapsamında verilerin %4,55’ lik kısmı olan 57 vaka kaydı vardır. 

K  ve  HI  fark  ortalamalarına  bakıldığında,  K  için  1,445,  HI  için  295,772  olduğu 

görülmektedir.   

3  ve  5.  kümelerde  yer  alan  1183  (%94,47)  örnek  HI  fark  ortalamaları  30  mg/dL 

altında  olduğu  için  bu  kümlerdeki  K  değeri  farklarının  hemolizden  kaynaklanmadığı 

söylenebilir.    1,  2  ve  4  kümelerde  çok  yüksek  hemoliz  olduğu  gözlenmektedir.    Bu 

kümelerin K ve HI farkı korelasyonları yüksektir.  

 

 

4. Tartışma ve Sonuç 

 

Köseoğlu ve ark. [2] 16 sağlıklı gönüllüden aldıkları kan örneklerini 5 gruba ayırmış ve 



laboratuvar  ortamında  hemolize  olmamış,  belirsiz,  hafif  hemolize,  orta  hemolize  ve 

ağır  hemolize  örnekler  elde  etmişlerdir.  Ağır  hemolize  örneklerde  K  5,58  mmol/L 

(p=0,002) seviyesinde ölçülmüştür.  

İn-vitro  hemolize  serum  örneklerinde  HI  kullanılarak  K  yoğunluğunun  tahmin 

edildiği  bir  çalışmada  [8]  korelasyon  0,91  olarak  bulunmuştur.  Bu  sonuç  HI  farkının 

295  mg/dL’  den  yüksek  kümelerde  (1,2,4)  K  ve  HI  farkları  korelasyon  değerleri  ile 

uyumludur(0,99; 0,80; 0,91).  1 ve 2 nolu kümelere düşen vaka sayıları az olduğu için 4 

nolu küme daha çok bilgi içermektedir.  

Bu çalışmada K ve HI arasındaki ilişki kümeleme analizi yöntemi ile irdelenmiştir. 

K ve HI arasındaki ilişkiyi irdeleyen diğer çalışmalarda [7, 8, 9] genellikle HI’ye göre 

statik sınıflandırma yöntemleri kullanılmıştır. Kan örneklerinin yapay olarak hemolize 

edilmesi  zahmetli  bir  çalışma  sürecidir.    Kümeleme  yöntemi  ile  elde  edilen  sonuçlar, 

mevcut  datadan  daha  kolay  yararlanmayı  sağlamaktadır.  Ayrıca  bulgular  kümeleme 

yönteminin,  potasyum  ve  hemolizden  etkilenen  diğer  testler  için  de  düzeltme  faktörü 

geliştirilmesinde ön çalışma olarak kullanılabileceğini göstermektedir. 

 

 



5. Kaynakça 

 

[1]


 

Lemery  L.  Oh,  No!  It’s  Hemolyzed!  What,  Why,  Who,  How?  Advance  for  Medical  Laboratory 



Professionals, Feb. 15, 1998: 24-25. 

[2]


 

Koseoglu  M,  Hur  A,  Atay  A,  Çuhadar  S. Effects  of hemolysis  interferences  on  routine  biochemistry 

parameters. Biochemia Medica 2011;21(1):79–85. 

[3]


 

Carraro P, Servidio P, Plebani M. Haemolyzed specimens: a reason for rejection or clinical challenge? 



Clin Chem 2000;46: 306–7. 

[4]


 

Lippi G, Blanckaert N, Bonini P, Green S, Kitchen S, Palicka V, et al. Haemolysis: an overview of the 

leading cause of unsuitable specimens in clinical laboratories. Clin Chem Lab Med 2008; 46: 764-72. 

[5]


 

Gültekin F. Korelasyon Analizi  (Correlation Analysis)  

http://www.fikretgultekin.com/yukseklisans/Korelasyon%20Analizi.pdf

 Son Erişim: 05 Ekim 2012 

[6]

 

T.C. Sağlık Bakanlığı Kayseri Eğitim ve Araştırma Hastanesi.  Laboratuvar Test Rehberi 2011. Yayın 



Tarihi: Eylül 2011, Rev Tarihi: Mayıs 2012. Son Erişim: 05 Ekim 2012 

http://www.kdh.gov.tr/pdf/Lab_Test_Rehberi.pdf 

[7]

 

Mansour  MM,  Azzazy  HM,  Kazmierczak  SC..  Correction  Factors  for  Estimating  Potassium 



Concentrations in Samples With In Vitro Hemolysis. Arch Pathol Lab Med. 2009 Jun;133(6):960-6. 

[8]


 

Shepherd  J,  Warner  MH,  Poon  P,  Kilpatrick  ES.  Use  of  Haemolysis  Index  to  Estimate  Potassium 



112 

 

Concentration in In-Vitro Haemolysed Serum Samples. Clin Chem Lab Med 2006;44(7):877–879. 



[9]

 

Jeffery  J,  Sharma  A,  Ayling  RM.  Detection  of  Haemolysis  and  Reporting  of  Potassium  Results  in 



Samples from Neonates. Ann Clin Biochem 2009; 46: 222–225.

 

 



 

 

6. Sorumlu Yazarın Adresi 



 

Kemal TURHAN, kturhan_tr@hotmail.com  



 

Yüklə 76,41 Kb.

Dostları ilə paylaş:




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin