Search

Aim: The aim of this study was to determine whether there were abnormalities in thyroid hormone levels and anti-thyroid peroxidaseantibodies in pregnant women with and without gestational diabetes mellitus.Material and Methods: We analyzed the medical records of 107 pregnant women. Clinical data related to maternal age, gestationalweek, body mass index, thyroid function tests, and anti-thyroid peroxidase antibodies, fasting blood glucose tests and HbA1c levels wereobtained. The Pearson chi-square test, the Mann-Whitney U test, independent samples t-test, the Spearman correlation coefficient andLogistic regression model were performed.Results: Gestational diabetes mellitus group was significantly older (p=0.001). Body mass index was statistically different betweenthe two groups (p=0.002). There were statistically significant differences in fasting blood glucose and HbA1c between the two groups(p, Amaç: Bu çalışmanın amacı, gestasyonel diyabeti olan ve olmayan gebelerde tiroid hormon düzeylerinde ve anti-tiroid peroksidazantikorlarında farklılık olup olmadığını belirlemektir.Gereç ve Yöntemler: 107 gebe kadının tıbbi kayıtlarını incelendi. Anne yaşı, gebelik haftası, vücut kütle indeksi, tiroid fonksiyon testlerive antitiroid peroksidaz antikorları, açlık kan şekeri testleri ve HbA1c düzeyleri ile ilgili klinik veriler elde edildi. Pearson ki-kare testi,Mann-Whitney U testi ve bağımsız örnekler t testi, Spearman korelasyon katsayısı ve lojistik regresyon modeli uygulandı Bulgular: Gestasyonel diyabet grubu anlamlı olarak daha yaşlıydı (p=0,001). Vücut kütle indeksi iki grup arasında istatistiksel olarakfarklıydı (p=0,002). İki grup arasında açlık kan şekeri ve HbA1c açısından istatistiksel olarak anlamlı farklılıklar vardı (sırasıyla p

Amaç: Tiroid hastalıkları maternal ve fetal olumsuzluklara neden olabilir ve gebelikte doğru tanı, takipve tedavi özel dikkat gerektirir. Gebelikte tiroid fonksiyonlarının değerlendirilmesinde öncelikle TiroidStimulan Hormon (TSH), ile birlikte serbest tiroksin (FT4) kullanılır. Çalışmamızda, gebelikte tiroiddisfonksiyonunun prevalansını ve etkilerini araştırmayı amaçladık.Gereç ve Yöntemler: Çalışmamız Ege Üniversitesi Endokrinoloji polikliniğinde Kasım 2017-Mayıs 2019tarihleri arasında 960 gebeyi kapsayan prospektif bir çalışmadır. 960 gebe kadından tiroid disfonksiyonuolan 100 gebe çalışmaya alındı. Anne yaşı, gestasyonel trimester, ailede tiroid hastalığı öyküsü, TSH FT4, serbest triiyodotironin (FT3), anti-tiroid peroksidaz antikoru (Anti-TPO), anti-tiroglobulin antikoru (Anti-TG), TSH reseptör antikoru (TRAb) ile ilgili bilgiler kaydedildi. TSH, FT4 ve FT3 arasındaki korelasyonlar incelendi.Bulgular: Çalışmada gebelerin yaş ortalaması 29.33 ± 5.97 idi. Tüm gebelerin %18’inde anti-TPO antikor pozitifti ve %5’inde Anti-TG antikor pozitifti. 100 hastanın 24’ünde (%24) nodül vardı. Hipertiroidili 1 (%8.3) hasta da TRAb pozitifti. Nodülü olan ve olmayan hastalardaki yaş farklılıkları istatistiksel olarak anlamlı değildi. Hastaların 1’inde (%1) Graves hastalığı, 81’inde (%81) subklinik hipotiroidi, 7’sinde (%7) klinikhipotiroidi, 11’inde (%11) gestasyonel tirotoksikoz vardı. Doğum yapan 45 gebenin verilerine göre 7 hastada (%15.6) prematürite saptandı.Sonuç: Anti-TPO ve anti-TG pozitif olan gebelerde TSH düzeyleri, anti-TPO ve anti-TG negatif olan gebelere göre anlamlı derecede yüksekti. Ayrıca gebelerde tiroid hastalıkları ile nodül sıklığı, otoimmünite, erken doğum arasında ilişki saptanmadı. Daha kapsamlı çalışma serilerine ihtiyaç vardır., Aim: Thyroid diseases can cause maternal and fetal adversities, and proper diagnosis, follow-up andtreatment during pregnancy requires special attention. In the evaluation of thyroid functions duringpregnancy, free thyroxine (FT4) is used primarily with thyroid-stimulating hormone (TSH). Our aim is toinvestigate the prevalence and the effects of thyroid dysfunction during pregnancy.Material and Methods: Our study is a prospective study including 960 pregnant women and spanningfrom November 2017 to May 2019 in Ege University Endocrinology outpatient clinic.100 pregnantwomen with thyroid dysfunction out of 960 pregnant women were included in the study. Maternalage, gestational trimester, family history of the thyroid disorder, TSH, FT4, free triiodothyronine (FT3),anti-thyroid peroxidase antibody (Anti-TPO), anti-thyroglobulin antibody (Anti-TG), thyrotropin (TSH)receptor antibody (TRAb) were collected. The correlations between TSH, FT3 and FT4 were examined.Results: In the study, the mean age of pregnant patients was 29.33 ± 5.97. Anti-TPO was positive %18 andAnti-TG was positive (5%). 24 of 100 (24%) patients had nodules. 1 (8.3%) patient with hyperthyroidismwas positive for TRAb. Age differences in patients with or without nodule were not statistically significant.1 (1%) of the patient had Graves disease, 81 (81%) had subclinical hypothyroidism, 7 (7%) had clinicalhypothyroidism, 11 (11%) had gestational thyrotoxicosis. The frequency of prematurity was determinedin 7 patients (15.6%) by the data of 45 pregnant women who gave birth.Conclusion: TSH levels in pregnant patients with positivity for anti-TPO and anti-TG were significantlyhigher than pregnant patients with negativity for anti-TPO and anti-TG. In addition, the relationshipbetween thyroid diseases and nodule frequency, autoimmunity, premature birth in pregnant womenwere not detected. More comprehensive study series are needed.

Aim: The current study was purposed to examine the association between NLR and the control of glucose in patients with T2DM. We also aimed to reveal correlations between microalbuminuria, Mean Platelet Volume (MPV), Red Blood Cell Distribution (RDW), and glycosylated hemoglobin (HbA1c). Materials and Methods: It was a retrospective study arranged in Ege University, in Endocrinology Department. We collected the fields of 198 patients having type 2 diabetes mellitus (T2DM), and they were categorized into two groups, patients with controlled T2DM (Hba1c≤7%) (n=82) and uncontrolled T2DM (Hba1c>7%) (n=116). Results: There were no statistically significant differences between NLR, RDW and MPV in two groups (p=0.123, p=0.298, p=0.595 respectively). Duration of T2DM 5 years and below and after 5 years between two groups was statistically important (p=0.002). NLR was found higher in uncontrolled T2DM than controlled T2DM, but not statistically significant. Receiver operating characteristic curve of NLR, RDW, MPV, WBC were not found significant (p>0.05). Conclusion: Our study revealed that duration of T2DM may predict microalbuminuria, and evaluated the relationship between RDW, MPV, NLR and Hba1c, microalbuminuria levels together in the patients with T2DM. According to NLR, RDW and MPV levels, we did not detect any statistically differences between uncontrolled T2DM than controlled T2DM., Amaç: Diyabetik hastalarda Nötrofil lenfosit oranı (NLR) ve glukoz kontrolü arasındaki ilişkiyi araştırmayı amaçladık. Ayrıca Ortalama Trombosit Hacmi (MPV), Kırmızı kan hücre dağılımı (RDW), mikroalbüminüri ve glikozile hemoglobin (HbA1c) arasındaki ilişkiyi saptamaya çalıştık.Gereç ve Yöntem: Bu çalışma Ege Üniversitesi Tıp Fakültesi Endokrinoloji Bilim Dalı'nda gerçekleştirilen retrospektif bir çalışmadır. Tip 2 diabetes mellitus (T2DM) olan 198 hastanın tıbbi kayıtlarını aldık ve bu hastalar kontrollü T2DM li hastalar (Hba1c≤%7) (n=82) ve kontrolsüz T2DM li hastalar (Hba1c>%7) (n=116) olarak iki gruba ayrıldı.Bulgular: NLR, RDW ve MPV'de iki grupta istatistiksel olarak fark yoktu (p=0,123, p=0,298, p=0,595). İki grup arasında 5 yıl ve altı ve 5 yıl üstü T2DM süresi istatistiksel olarak anlamlıydı (p=0,002). NLR, kontrolsüz T2DM'de kontrollü T2DM'den daha yüksek bulunsa da, istatistiksel olarak anlamlı fark yoktu. NLR, RDW, MPV ve WBC'nin ROC eğrisi analizi anlamlı değildi (p>0.05).Sonuç: Çalışmamız T2DM süresinin mikroalbüminüriyi öngörebileceğini ortaya çıkarmıştır ve T2DM'li hastalarda RDW, MPV, NLR ve Hba1c, mikroalbüminüri düzeyleri arasındaki ilişki de değerlendirilmiştir. NLR, RDW ve MPV düzeylerine göre kontrolsüz T2DM ile kontrollü T2DM arasında istatistiksel olarak herhangi bir farklılık tespit etmedik.

Objective: The whole world has been trying to deal with the SARS-CoV-2 virus since December 2019. Early diagnosis is of great importance for physicians, as the early symptoms of the disease overlap with other common conditions such as cold and flu. It is aimed to develop a mobile application to predict the results of routine blood tests and SARS-Cov-2 (positive/negative) using machine learning algorithms with anonymous hospital data that is open to common sharing in this study.Materials and Methods: After eliminating the missing observation, class imbalance, outlier observation, and unrelated variable problems in the data set, the classification performances of machine learning methods were tested, and then a logistic regression model was established for the detection of COVID-19 with appropriate variables. Using this model, a machine learning-based mobile application has been designed.Results: The variables that gave the best results in diagnosis were eosinophils, leukocytes, thrombocytes, monocytes, red blood cells, and basophils. After solving the data pre-processing problems, the classification performance of the algorithms used has increased considerably compared to the performance values in the raw data.Conclusion: With the developed mobile application, it is possible to estimate the diagnosis of Covid-19 quickly and easily by using routine blood test results., Amaç: Tüm dünya Aralık 2019'dan bu yana SARS-CoV-2 virüsü ile başa çıkmaya çalışmaktadır. Hastalığın erken belirtileri, soğuk algınlığı ve grip gibi diğer yaygın durumlarla örtüştüğünden, hekimler için erken teşhisin önemi büyüktür. Bu çalışmada, ortak paylaşıma açık anonim bir hastane verisi kullanılarak, rutin kan testleri sonuçları ile SARS-Cov-2 (pozitif / negatif) sonucunun makine öğrenmesi algoritmaları kullanılarak tahmin edilmesi için bir mobil uygulama geliştirilmesi amaçlanmaktadır. Gereç ve Yöntem: Veri setinde yer alan, kayıp gözlem, sınıf dengesizliği, aykırı gözlem ve ilgisiz değişken problemleri giderildikten sonra makine öğrenmesi yöntemlerinin sınıflandırma performansları test edilmiş, ardından uygun değişkenlerle COVID-19 tespiti için lojistik regresyon modeli kurulmuştur. Bu model kullanılarak makine öğrenmesi tabanlı mobil uygulaması tasarlanmıştır. Bulgular: Tanı koymada en iyi sonuç veren değişkenler, eozinofil, lökosit, trombosit, monosit, kırmızı kan hücresi, bazofil şeklindedir. Veri ön işleme problemleri giderildikten sonra kullanılan algoritmaların sınıflandırma performansları, ham verideki performans değerlerine göre oldukça yükselmiştir. Sonuç: Geliştirilen mobil uygulama ile rutin kan testi sonuçları kullanılarak, hızlı ve kolay bir şekilde Covid-19 tanısı tahmininde bulunulması mümkündür.

Amaç: Tüm dünya Aralık 2019'dan bu yana SARS-CoV-2 virüsü ile başa çıkmaya çalışmaktadır. Hastalığın erken belirtileri, soğuk algınlığı ve grip gibi diğer yaygın durumlarla örtüştüğünden, hekimler için erken tanının önemi büyüktür. Bu çalışmada, genel kullanıma açık anonim bir veri seti kullanılarak, rutin kan testleri sonuçları üzerinden Yeni Koronavirüs Hastalığı (COVID-19) tanısının (pozitif/negatif) makine öğrenmesi algoritmaları yardımıyla tahmin edilmesine yönelik bir mobil uygulama geliştirilmesi amaçlanmaktadır. Gereç ve Yöntem: Veri setinde yer alan, kayıp gözlem, sınıf dengesizliği, aykırı gözlem ve ilgisiz değişken problemleri giderildikten sonra makine öğrenmesi yöntemlerinin sınıflandırma performansları test edilmiş, ardından uygun değişkenlerle COVID-19 tanısı için lojistik regresyon modeli kurulmuştur. Bu model kullanılarak makine öğrenmesi tabanlı mobil uygulaması tasarlanmıştır. Bulgular: Tanı koymada en iyi sonuç veren değişkenler, eozinofil, lökosit, trombosit, monosit, kırmızı kan hücresi, bazofildir. Veri ön işleme problemleri giderildikten sonra kullanılan algoritmaların sınıflandırma performansları, ham verideki performans değerlerine göre oldukça yükselmiştir. Sonuç: Geliştirilen mobil uygulama ile rutin kan testi sonuçları kullanılarak, hızlı ve kolay bir şekilde Covid-19 tanısı tahmininde bulunulması mümkündür.

In correct classification of disease diagnosis which variables are analyzed and how results are evaluated should be correctly defined in clinical decision making process as well as in statistical approach. It is aimed to determine the algorithm which has the best classification performance by using two different approaches in this study. The data set was obtained from 232 patients aged≥18 who were admitted to endocrinology outpatient clinic of a public hospital between June-September, 2013. Two different approaches were used to classify diagnosis of diabetes. In the first approach, 18 variables which were found statistically significant in multinomial logistic regression method were utilized; in the second approach, all models were built with 21 clinically significant variables which were determined by expert endocrinologist. Diabetes was classified with supervised machine learning methods; including Naïve Bayes, Bayes network, random forest, decision trees, support vector machine, k-nearest neighbors, artificial neural network and multinomial logistic regression. The performance of models was evaluated with accuracy, Kappa statistics, mean absolute error, root mean squared error, relative absolute error, sensitivity, specificity, precision, F-measure, Matthews correlation coefficient, ROC curve and Youden index. 10-folds cross-validation method was applied to test performance of models; runtimes of each algorithm were calculated. Analyses were performed with WEKA 3.8.2 and R Studio 1.1.383. Generally, random forest algorithm had the best performance with accuracy 84.48% and 81.90%, respectively. Clinical significance should be emphasized as well as statistical significance when choosing correct classification model for diagnosis of diabetes., Hastalık tanısının doğru sınıflandırılmasında, hangi değişkenlerin analize alınacağı ve sonuçların nasıl değerlendirileceği klinik karar verme sürecinin yanı sıra istatistiksel yaklaşımda da doğru bir şekilde tanımlanmalıdır. Bu çalışmada en iyi sınıflandırma performansına sahip algoritmaya iki farklı yaklaşımla karar verilmesi amaçlanmıştır. Kullanılan veri seti, Haziran–Eylül 2013 arasında bir devlet hastanesinin endokrinoloji polikliniğine gelen yaşı 18 ve üstü olan toplam 232 hastadan elde edilmiştir. Diyabet tanısının sınıflandırılması için iki farklı yaklaşım kullanılmıştır. İlk yaklaşımda çokterimli lojistik regresyon yönteminde istatistiksel olarak anlamlı bulunan 18 değişken, ikinci yaklaşımda ise endokrinoloji uzmanı tarafından belirlenen ve klinik olarak önemli bulunan 21 değişkenle modeller kurulmuştur. Diyabet tanısı, denetimli makine öğrenme algoritmalarından Naïve Bayes, Bayes ağları, rastgele orman, karar ağaçları, destek vektör makinaları, k-en yakın komşuluk, yapay sinir ağları ve çokterimli lojistik regresyon yöntemleri ile sınıflandırılmıştır. Model performansları, doğrulukları, Kappa istatistikleri, ortalama mutlak hataları, hata kareler ortalamalarının karekökleri, göreceli mutlak hataları, duyarlılıkları, seçicilikleri, kesinlikleri, F-ölçütleri, Matthews korelasyon katsayıları, ROC eğrileri ve Youden indeksleri kriterlerine göre karşılaştırılmıştır. Model performanslarının test edilmesinde 10-katlı çapraz geçerlilik yöntemi uygulanmış, her algoritmanın çalışma süreleri hesaplanmıştır. Tüm analizler, WEKA 3.8.2 ve R Studio 1.1.383 ile yapılmıştır. Genel anlamda en iyi performansa sahip algoritma, rastgele orman algoritması olarak belirlenmiş, model doğrulukları sırasıyla %84,48 ve %81,90 olarak bulunmuştur. Diyabet hastalığının tanısının konulmasında, doğru sınıflandırma yapabilen modelin seçiminde klinik anlamlılığın yanı sıra istatistiksel anlamlılığa da önem verilmelidir.

COVID-19, caused by the novel SARS-CoV-2 virus, started in China in late 2019, and soon became a global pandemic. With the help of thousands of viral genome sequences that have been accumulating, it has become possible to track the evolution of the viral genome over time as it spread across the world. An important question that still needs to be answered is whether any of the common mutations affect the viral properties, and therefore the disease characteristics. Therefore, we sought to understand the effects of mutations in RNA-dependent RNA polymerase (RdRp), particularly the common 14408C>T mutation, on mutation rate and viral spread. By focusing on mutations in the slowly evolving M or E genes, we aimed to minimize the effects of selective pressure. Our results indicate that 14408C>T mutation increases the mutation rate, while the third-most common RdRp mutation, 15324C>T, has the opposite effect. It is possible that 14408C>T mutation may have contributed to the dominance of its co-mutations in Europe and elsewhere., Turkish Academy of Sciences Young Investigator Program (TUBA-GEBIP), Yavuz Oktay is supported by the Turkish Academy of Sciences Young Investigator Program (TUBA-GEBIP). the funders had no role in study design, data collection and analysis, decision to publish, or preparation of the manuscript.