Yazar "Karakaş, Ümit" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim Yok
    Öğe
    C626G Polymorphism in the Apoptotic Death Receptor-4 TRAIL Binding Domain Associated with Recurrent Pregnancy Loss: Case-Control Research
    (Turkiye Klinikleri, 2021) Tekin, Sevinç Sürer; Ay, Mustafa Ertan; Durukan, Hüseyin; Çevik, Kenan; Izciay, Özlem; Özdemir, Gurbet Doğru; Karakaş, Ümit
    Objective: Disruption of apoptotic balance in cells during embryonic development can lead to pregnancy losses. In this study, the relationship between unexplained recurrent pregnancy loss (RPL) and apoptotic inducing death receptor-4 (DR-4) gene polymorphisms was investigated. Material and Methods: In this study, genomic DNA was obtained from 70 women diagnosed with RPL and 70 women as a control group. The polymorphisms of rs6557634 G422A in the 3rd exon of the DR-4 gene, rs20575 C626G in the 4th exon and rs20576 A683C in the 5th exon were determined in both groups using the polyme rase chain reaction-restriction fragment length polymorphism method. Results: It was determined that the incidence of C626G polymorphism, which is a missense variant in exon 4 resulting in the change of threo-nine to arginine in the 209th codone in the extracellular TRAIL ligand binding domain of DR-4, increased in RPL cases compared to the con-trols. For the investigated exon 3 and exon 5 polymorphisms, no statistical difference was observed between the RPL and the control group. Conclusion: We conclude that the missense exon 4 polymorphism in the DR-4 gene, which we detected in patients with RPL, may cause pregnancy losses through the invasion of the embryo to the uterus during embryonic development and the disruption of the apoptotic balance in its immunological tolerance. © 2021 by Türkiye Klinikleri.
  • Küçük Resim Yok
    Öğe
    Effects of Pharmaceutical Waste on the Environment and Public Health, Recycling and Legislative Framework Abstract
    (Bülent VEREP, 2026) Yönten, Eda; Baykara, Gülbahar; Çiydem, Zeynep; Yaramış, Esra; Muhcu, Merve; Çekiç, Nurdane; Karakaş, Ümit
    Pharmaceutical waste is classified as hazardous waste that poses significant threats to environmental ecosystems and public health, requiring specific management measures. Expired medicines, drugs stored under inappropriate conditions, over-prescribed pharmaceuticals, or those rendered obsolete due to changes in treatment protocols contribute to water, soil, and air pollution, adversely affecting biodiversity. Additionally, the uncontrolled release of antibiotic residues into the environment leads to the development of antimicrobial resistance in microorganisms, emerging as a global health concern. Based on panel outcomes with associate degree students and a comprehensive literature review, this study examines pharmaceutical waste's environmental and public health impacts, explores recycling and sustainability practices, and evaluates the current legislative frameworks in Türkiye and globally. Findings reveal the absence of a dedicated legal framework for pharmaceutical waste management in Türkiye, with relevant provisions dispersed across various regulations. In conclusion, legislative coherence should be established, recycling infrastructure should be strengthened, and public awareness programs should be expanded to ensure effective pharmaceutical waste management.
  • Küçük Resim Yok
    Öğe
    Makine Öğrenmesi Enfeksiyonu Önleyebilir Mi? Sağlık Hizmetleri Meslek Yüksekokulu Öğrencilerinin Enfeksiyon Hastalıklarına Yatkınlık Değerlendirmesi
    (Hüseyin SELVİ, 2023) Arısoy, Fehmi Mete; Karakaş, Ümit; Şahinoğlu, Mustafa Serhat; Alkan, Sevil; Akyüz, Hatice Öntürk; Kızıl, Hamit Emre
    Son yıllarda, makine öğrenmesi (MÖ) teknolojilerinden tıp ve halk sağlığı araştırmalarında yaygın olarak yararlanılmaktadır. MÖ algoritmaları, klinik veri tabanlarındaki çoklu, karmaşık değişkenler arasındaki etkileşimleri analiz etmede ve doğru tahminler yapmada oldukça etkilidir. Bu çalışmada, MÖ tabanlı tahmin modellerini oluşturmak için etik onayı alınmış, yaş, cinsiyet, önceki enfeksiyon bilgileri ve enfeksiyon algılarından oluşan veriler sağlık hizmetleri meslekyüksekokulu öğrencilerinden toplandı. Python yazılım dili kullanılarak makine öğrenmesi altında Logistic Regression, Random Forest, Decision Tree ve XGBoost modelleri kullanıldı. Verilerin modeller ve makine öğrenmesi analiz sonuçlarına göre en etkili makine öğrenme modeli %74.7'lik tahmin başarı oranı ile Logistic Regression modeli olduğu belirlendi. Bu model kullanılarak bireylerin enfeksiyona yakalanmaya yatkınlıkları yüksek bir doğrulukla hesaplanabildiği gösterildi. Dolayısıyla makine öğrenmesi kullanılarak profesyonel sağlık personeli olarak çalışacak ya da mesleki eğitim alacak genç bireylerin enfeksiyona yatkınlıkları ya da yeterli bilgi birikimine sahip olup olmadıkları hızlıca belirlenebilecektir. Böylelikle çalışma ortamlarında, enfeksiyona yakalanma ihtimallerinin en aza indirgenmesinin eğitim ile önüne geçilmeye çalışılacaktır. Modele veri girdisi devam ettikçe tahmin yüzde başarısının artacağı da göz önünde bulundurulmalıdır.