ระบบพยากรณ์ความเสี่ยงภาวะหมอนรองกระดูกทับเส้นประสาทผ่านสมาร์ทโฟน ด้วยเทคนิคเหมืองข้อมูล (Predictive System for Risk of Herniated Disc via Smartphone using Data Mining Techniques)
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้นำเสนอการพัฒนาระบบพยากรณ์ความเสี่ยงภาวะหมอนรองกระดูกทับเส้นประสาทด้วยเทคนิคเหมืองข้อมูลผ่านสมาร์ทโฟน การดำเนินงานเริ่มจากการรวบรวมข้อมูลกลุ่มตัวอย่างจำนวน 500 ชุดข้อมูลประยุกต์ใช้เทคนิคเหมืองข้อมูลสำหรับสร้างแบบจำลองพยากรณ์โดยเลือกเปรียบเทียบ 3 เทคนิคได้แก่ ต้นไม้ตัดสินใจ นาอีฟเบย์และโครงข่ายประสาทเทียม วัดประสิทธิภาพแบบจำลองด้วยค่าความถูกต้อง ค่าความแม่นยำ ค่าความระลึกและค่ารากที่สองของความคลาดเคลื่อนเฉลี่ย จากนั้นนำแบบจำลองไปวิเคราะห์ปัจจัยที่ส่งผลต่อการเกิดโรคหมอนรองกระดูกทับเส้นประสาทและนำแบบจำลองที่ได้ค่าประสิทธิภาพดีที่สุดมาพัฒนาแอปพลิเคชัน ผลการวิจัยพบว่า (1) แบบจำลองพยากรณ์ที่มีค่าประสิทธิภาพสูงสุดได้แก่แบบจำลองจากเทคนิคโครงข่ายประสาทเทียมมีค่าความถูกต้อง 94.60% ค่าความแม่นยำ 94.60% ค่าความระลึก 94.60% และค่ารากที่สองของความคลาดเคลื่อนเฉลี่ย 0.218 (2) ผลการค้นหาปัจจัยที่ส่งผลต่อการเกิดโรคหมอนรองกระดูกทับเส้นประสาทพบว่าปัจจัยที่มีความสำคัญสูงสุดคืออาการปวดชาบริเวณสะโพกฝ่าเท้าหรือนิ้วเท้า รองลงมา ได้แก่ การนอนคว่ำบ่อยๆ และอาการขาไม่มีแรงตามลำดับ และ (3) ผลการประเมินความพึงพอใจของระบบที่พัฒนาขึ้นโดยผู้ใช้งาน พบว่ามีค่าเฉลี่ยรวม 4.20 ส่วนเบี่ยงเบนมาตรฐาน 0.53 อยู่ในระดับดี สรุปได้ว่าระบบที่พัฒนาขึ้นนี้มีความเหมาะสมสามารถนำไปใช้งานได้จริงสามารถช่วยวิเคราะห์ความเสี่ยงโรคด้วยตนเองและแนะนำแนวทางการรักษาเบื้องต้นได้
Article Details
เอกสารอ้างอิง
AlAgha, A., Faris, H., Hammo, B. and Al-Zoubi, A. (2018). Identifying beta-thalassemia carriers using a data mining approach: The case of the Gaza Strip, Palestine. Artif Intell Med, 88, 70-83.
Bundasak, S., Srisawang, B. and Tongkom, S. (2016). Health Screening for People at Rrisk for Osteoarthritis using Data Mining Techniques. The Proceedings of the 8th National Conference on Information Technology (NCIT2016), 25-26 October 2016 at Walailak University, 168–174. (in Thai)
Dolkool, B., Thongkam, J. and Sukmak, V. (2014). Building Diabetic Foot Ulcer Prediction Models using Data Mining Techniques. Journal of Science and Technology Mahasarakham University, 33(6), 703-710. (in Thai)
Manakitphaisan, W. and Thaweesuk, P. (2018). Assessment of Retail Management System (SAVEQ) that Affects Efficiency of Store Management: A Case Study of a Convenience Store in Bangkok Operation Zone-South. Sripatum Review of Humanities and Social Sciences, 18 (1), 7-16. (in Thai)
Sinsomboonthong, S. (2015). Data Mining. Bangkok: Jamjuree Product. (in Thai)
Sripaoraya, S. and Sinsomboonthong, S. (2017). Efficiency Comparison of Data Mining Classification Methods for Chronic Kidney Disease: A Case Study of a Hospital in India. Journal of Science and Technology, 25(5), 839–853. (in Thai)
Suwanco, P., Chamnongsri, N. and Angsakul, C. (2017). A Prediction Model for Road Accident Risk in the New Year with Data Mining. Journal of Information Science and Technology, 7(2), 10–19. (in Thai)
Thai Health Promotion Foundation. (2019). Chronic back pain risk of herniated disc. [Online]. Retrieved March 20, 2019, from: www.thaihealth.or.th/Content/24453-ChronicBack pain,riskofherniateddisc.html (in Thai)
Sangmanee, W., Rattanacharoenlert, W., Phothirat, N. and Nuswad, P. (2017). Building the Predicting Model of the Chance of Repeating the Treatment of Diabetes Patient using Data Mining. The Proceedings of 5th Undergraduate Conference in Computing (AUCC2017), 20-22 April 2017 at Naresuan University, 13–20. (in Thai)
Yingsakmongkol, W. (2018). Herninted disc. [Online]. Retrieved April 29, 2018, from: http://ortho2.md.chula.ac.th/index.php/2014-06-09-04-08-48/knowledgeforpeople/39-Herninred-by-Wichai-Yingsakmongkol.html (in Thai)
