การพัฒนาแบบจำลองการคัดกรองผู้ป่วยโรคไตเรื้อรังโดยใช้เทคนิคเหมืองข้อมูล

นางสาวจีระนันท์ โคตรสา

สาขาวิชาวิทยาการข้อมูลและเทคโนโลยีสารสนเทศ มหาวิทยาลัยราชภัฏอุดรธานี

นายศราวุฒิ บุญญะรัง

โรงพยาบาลส่งเสริมสุขภาพตำบลวังดารา อำเภอบ้านดุง จังหวัดอุดรธานี

อาจารย์ ดร.มงคล ทะกอง

ศูนย์วิเคราะห์ข้อมูลและปัญญาประดิษฐ์ มหาวิทยาลัยราชภัฏอุดรธานี

คำสำคัญ

โรคไตเรื้อรัง, แรนดอมฟอเรสต์, เหมืองข้อมูล

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองในการคัดกรองผู้ป่วยโรคไตเรื้อรังและเปรียบเทียบประสิทธิภาพของแบบจำลองของเทคนิคเหมืองข้อมูล 4 วิธี คือ วิธีแรนดอมฟอเรสต์ วิธีนาอีฟเบย์ วิธีโครงข่ายประสาทเทียม และวิธีต้นไม้ตัดสินใจ ในการทดลองได้นำข้อมูลผู้ป่วยโรคไตจากโรงพยาบาลส่งเสริมสุขภาพตำบลวังดารา อำเภอบ้านดุง จังหวัดอุดรธานี จำนวน 813 ชุดข้อมูล 5 คุณลักษณะ และวัดประสิทธิภาพของแบบจำลองทั้ง 4 วิธีด้วย 10-Fold Cross Validation จากผลการทดลองพบว่าวิธีแรนดอมฟอเรสต์มีประสิทธิภาพสูงสุดเมื่อเทียบกับวิธีอื่นๆ ที่ใช้เปรียบเทียบร่วมกัน ดังนั้นแบบจำลองวิธีแรนดอมฟอเรสต์สามารถช่วยทำนายและสนับสนุนการตัดสินใจทางการแพทย์เกี่ยวกับการวินิจฉัยระยะการเป็นโรคไตเรื้อรังได้อย่างมีประสิทธิภาพ

reference

[1] วราทิพย์ แก่นการ เกษม ด านอก และศิริรัตน์ อนุตระกูลชัย. (2562). ประสิทธิผลของรูปแบบ การดูแลผู้ป่วยโรคไตเรื้อรังโดยใช้การจัดการโรคเชิงบูรณาการและการจัดการรายกรณีในหน่วย บริการปฐมภูมิ ภาคตะวันออกเฉียงเหนือ. วารสารการพยาบาลและการดูแลสุขภาพ, 37(3), 173 – 182.
[2] กวิศรา สอนพูด และลัฆวี ปิยะบัณฑิตกุล. (2563). การดูแลสุขภาพเพื่อชะลอไตเสื่อมของผู้ป่วย โรคเบาหวานความดันโลหิตสูงและประชาชนในชุมชนแห่งหนึ ่ง จังหวัดศรีสะเกษ. วารสาร พยาบาลสงขลานครินทร์, 40(1), 101-114.
[3] สุปราณี สูงแข็ง และสมพร แวงแก้ว (2560). การวิเคราะห์ปัจจัยที่มีอิทธิพลต่อการเกิดภาวะ ไตเรื้อรังในผู้ป่วยเบาหวานในจังหวัดอุดรธานี. ส านักงานป้องกันควบคุมโรคที่ 7 ขอนแก่น, 24(2) , 1-9.
[4] Thammasudjarit, R., Ingsathit, P., Saputro, S.A., Ingsthit, A. and Thakkinstian, A. (2021). Comparison of Machine Learning With Logistic Regression for Prediction of Chronic Kidney Disease in the Thai Adult Population. Rama Med J, 44(4), 1- 12.
[5] Ngmaldin, S., Mohamed Ahmed, T. and Abdalkarim Abdalfadi Mohammed, T. (2021). Data mining classification algorithms: An overview. International Journal of Advanced and Applied Sciences, 8(2), pp.1 - 5. [6] นพรัตน์ นนท์ศิริราตรี มนัสศิลา และ กริช สมกันธา. (2565). การจ าแนกข้อมูลเพื่อวินิจฉัย ความเสี่ยงการเป็นโรคเบาหวานโดยใช้เทคนิคเหมืองข้อมูล. วารสารวิชาการพระจอมเกล้า พระนครเหนือ, 33(2), 1-10 .
[7] ปิยวรรณ นิลถนอม และ ธนพร มาลัย. (2564). การเปรียบเทียบประสิทธิภาพการท านายผล การแปลงข้อมูลในการจ าแนกด้วยเทคนิคการท าเหมืองข้อมูล. วารสารวิชาการพระจอมเกล้า พระนครเหนือ, 10(1), 14- 25.
[8] นพรัตน์ นนท์ศิริพิศณุ ชัยจิตวณิชกุล และ กริช สมกันธา. (2565). การจ าแนกข้อมูลเพื่อ วินิจฉัยความเสี ่ยงการเป็นโรคเบาหวานโดยโช้เทคนิควิธีแบบร ่วมกันตัดสินใจวิธีเลือก คุณลักษณะเด ่นไปข้างหน้า. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏ อุดรธานี, 10(2), 107-122.
[9] ภาภรณ์ เหล ่าพิลัย และ จรัญ แสนราช. (2562). การวิเคราะห์การลาออกกลางคันของ นักศึกษาระดับปริญญาตรีโดยใช้เทคนิควิธีการท าเหมืองข้อมูล. วารสารวิทยาศาสตร์ แห่ง มหาวิทยาลัยราชภัฏเพชรบุรี, 16(2), 61 - 72.
[10] ปิยะนันท์ คงไพ่ จิรพันธุ์ ศรีสมพันธุ์และ จรัญ แสนราช. การวิเคราะห์รูปแบบความสนใจเลือก อาชีพของผู้เรียนการแบบทดสอบตามทฤษฎีของจอห์น ฮอลแลนด์ ด้วยเทคนิคเหมืองข้อมูล. วารสารวิชาการพระจอมเกล้าพระนครเหนือ, 9(1), 80 -90.
[11] สุรวัชร ศรีเปารยะ และสายชล สินสมบูรณ์ทอง. (2560). การเปรียบเทียบประสิทธิภาพวิธีการ จ าแนกกลุ่มการเป็นโรคไตเรื้อรัง : กรณีศึกษาโรงพยาบาลแห่งหนึ่งในประเทศอินเดีย. วารสาร วิทยาศาสตร์และเทคโนโลยี, 25(5), 839 – 853.
[12] อัครพล พิกุลศรี และนิภาพร ชนะมาร. (2566). การเปรียบเทียบประสิทธิภาพวิธีการจ าแนก ประเภทข้อมูลความเสี่ยงเป็นโรคไตด้วยเทคนิคการท าเหมืองข้อมูล. วารสารวิทยาศาสตร์ วิศวกรรมศาสตร์ และเทคโนโลยี มหาวิทยาลัยราชภัฏเลย, 3(1), 839 – 853.

ดาวน์โหลด PDF