Çalışma planı: Ocak 2020 - Aralık 2023 tarihleri arasında, postoperatif atriyal fibrilasyonu olan (POAF grubu; 39 erkek, 11 kadın; yaş ortalaması: 65.9±8.3 yıl; dağılım, 38-77 yıl) ve postoperatif atriyal fibrilasyonu olmayan (non-POAF grubu; 41 erkek, 9 kadın; yaş ortalaması: 61.8±10.0 yıl; dağılım, 41-81 yıl) toplam 50 hasta, iki veya üç damar koroner arter bypass greftleme yapılan hastalar arasından rastgele seçildi. Ameliyat öncesi laboratuvar, demografik ve ameliyat sırası veriler makine öğrenimi modelleri kullanılarak analiz edildi.

Bulgular: Postoperatif atriyal fibrilasyonun genel insidansı %21.69 idi. En etkili üç biyomarker sırasıyla magnezyum, toplam demir bağlama kapasitesi ve albümin idi. Magnezyum için 2.0 mg/dL değeri bir eşik değeri olarak belirlendi. 2.0 mg/dL"nin altındaki magnezyum değerleri atriyal fibrilasyon için pozitif kabul edilerek, veri setinin %25'ini oluşturdu. Toplam demir bağlama kapasitesi 442 ?g/dL'nin üzerindeki değerler atriyal fibrilasyon için pozitif kabul edilerek, veri setinin %12'sini oluşturdu. Albümin için eşik değeri 29 g/dL idi ve bu değerin altındaki albümin düzeyleri atriyal fibrilasyon için pozitif kabul edilerek, veri setinin %4'ünü oluşturdu.

Sonuç: Makine öğrenimi modelleri, birçok hastalık için risk faktörlerini belirlemede teşvik edici sonuçlar göstermektedir. Risk faktörleri arasında sıralama yapmak ve eşik değerlerini belirlemek, klinik karar destek sistemlerini güçlendirmek adına son derece önemlidir. Bu, kalp cerrahi sonrası bu hasta grubunda makine öğrenimini kullanmadaki ilk deneyimimizdir. Bu verileri doğrulamak için daha fazla çalışmaya ihtiyaç vardır.