ระบบคัดกรองผู้ที่เสี่ยงต่อภาวะซึมเศร้าผ่านสมาร์ทโฟนโดยใช้เทคนิคเหมืองข้อมูล SCREENING SYSTEM FOR DEPRESSION ON SMARTPHONE USING DATA MINING TECHNIQUES
คำสำคัญ:
ระบบคัดกรอง, ภาวะซึมเศร้า, สมาร์ทโฟน, เหมืองข้อมูล, โครงข่ายประสาทเทียมบทคัดย่อ
ภาวะซึมเศร้าเป็นโรคทางจิตเวชที่มีผลกระทบต่อการใช้ชีวิตประจำวันและสภาวะสังคมในปัจจุบันพบว่ามีจำนวนผู้ป่วยเพิ่มมากขึ้น งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อสร้างแบบจำลองการคัดกรองผู้ป่วยภาวะซึมเศร้าด้วยเทคนิคเหมืองข้อมูลเพื่อให้ได้แบบจำลองที่มีประสิทธิภาพสูงสุดที่จะนำมาวิเคราะห์หาปัจจัยที่ส่งผลต่อความเสี่ยงภาวะซึมเศร้าและพัฒนาระบบคัดกรองภาวะซึมเศร้าผ่านสมาร์ทโฟนระบบปฏิบัติการแอนดรอยด์ ข้อมูลที่นำมาใช้ในการทดลองเป็นข้อมูลจากการเก็บข้อมูลแบบสุ่มกลุ่มตัวอย่าง จำนวน 505 ชุดข้อมูล เทคนิคเหมืองข้อมูลที่นำมาประยุกต์ใช้ในการสร้างแบบจำลองมี 3 เทคนิค คือ ต้นไม้ตัดสินใจ โครงข่ายประสาทเทียมและนาอีฟเบย์ วัดประสิทธิภาพของแบบจำลองด้วยค่าความถูกต้อง ค่าความแม่นยำ ค่าความระลึก ค่าความถ่วงดุลและค่าความคลาดเคลื่อนเฉลี่ยกำลังสอง (RMSE) ผลการทดลองพบว่า แบบจำลองจากเทคนิคโครงข่ายประสาทเทียมมีค่าประสิทธิภาพดีที่สุดโดยมีค่าความถูกต้อง 97.43% ค่าความแม่นยำ 97.50% ค่าความระลึก 97.40% ค่าความถ่วงดุล 97.40% และค่าความคลาดเคลื่อนเฉลี่ยกำลังสอง 0.1091 ผลการวิเคราะห์ปัจจัยที่มีความสำคัญโดยการลดการนำเข้าทีละปัจจัยพบว่าปัจจัยด้านการนอนไม่หลับ การเบื่ออาหารและความรู้สึกไม่ดีต่อตนเองเป็นปัจจัยที่ส่งผลต่อความเสี่ยงภาวะซึมเศร้า จากนั้นนำแบบจำลองที่ได้ไปพัฒนาระบบในรูปแบบแอปพลิเคชันบนสมาร์ทโฟน เครื่องมือในการพัฒนาใช้โปรแกรม Android Studio และภาษา Java ผลการประเมินคุณภาพของระบบจากกลุ่มตัวอย่าง 2 กลุ่ม คือ ผู้เชี่ยวชาญ จำนวน 3 คน และผู้ใช้ทั่วไป จำนวน 30 คน พบว่าผู้เชี่ยวชาญมีค่าเฉลี่ยของความพึงพอใจเท่ากับ 4.25 ส่วนเบี่ยงเบนมาตรฐานเท่ากับ 0.44 ผู้ใช้ทั่วไปมีค่าเฉลี่ยของความพึงพอใจเท่ากับ 4.20 ส่วนเบี่ยงเบนมาตรฐานเท่ากับ 0.58 แสดงให้เห็นว่าระบบที่พัฒนาขึ้นนี้มีประสิทธิภาพอยู่ในเกณฑ์ดีสามารถนำไปประยุกต์ใช้งานได้จริง
Downloads
เอกสารอ้างอิง
[2] Nantapak Chanphan. (2013, January-June). Recovery from depressive disorders in depressed patients. Thai Red Cross Nursing Journal. 6(1): 19-33.
[3] Saichon Sonsomboonthong. (2015). Data Mining. 1st edition. Bangkok: Chamchuri Product.
[4] Ekasit Patcharawongsakda. (2014). Data analysis with basic data mining techniques. 2nd edition.Bangkok: Data Cube.
[5] Jariya Chiranukul. (2016, January-February). Depression and anxiety in elderly patients with chronic diseases at the Faculty of Medicine Hospital Mahasarakrm university. Journal of Science and Technology Mahasarakrm university. 35(1): 94-101.
[6] MookKhirapa DaMayanand; and Somporn Rungruangkolkit. (2016, January-March). Prevalence and prediction factors depressed in Indonesian secondary school students. Journal of Nursingand Health. 39(1): 132-145.
[7] Mallikarjun H M; and H N Suresh. (2014). Depression Level Prediction using Egg Signal Processing. In 2014 International Conference on Contemporary Computing and Informatics (IC3I). pp. 928-933. Mysore, India.
[8] Raid Khalil; and Adel AI-Jumaily. (2017). Machine Learning Based Prediction of Depression among Type 2 Diabetic Patients. In 12th International Conference on Intelligent Systems and Knowledge Engineering (ISKE2017). Nanjing, China.
[9] PhetNarin KaewLa; and Chirasak Numpradit. (2011). Forecasting system for heart disease patients using artificial neural networks. In The 7th National Conference on Computer and Information Technology (NCCIT2011). pp. 168-173. Bangkok: King Mongkut's University of Technology North Bangkok.
[10] Konwipa Phunupha, Ravi Chawiwong, Wongkon SriUrai. (2012). System for analyzing the risk of obesity and suggesting food for patients. In The 8th National Conference on Computer and Information Technology (NCCIT2012). pp. 56-62. Bangkok: King Mongkut's University of Technology North Bangkok.
[11] Natthakon Muangkaew, Kanchana Viriyaphan, Sakda Vallipakorn, Phimpha Chamolsuk. (2013). Severity and opportunity forecasting systems for children injured or accidents using artificial neural networks. In The 9th National Conference on Computer and Information Technology (NCCIT2013). pp. 27-32. Bangkok: King Mongkut's University of Technology North Bangkok.
[12] Nopparat Potejiraporn, Chirasak Numpradit ,Sakchai Tangwanwit. (2015). Support system medical practice to analyze aneurysm disease using data mining techniques case studies of the treatment of aneurysms through the catheter. In The 11th National Conference on Computer and Information Technology (NCCIT2015). pp. 346-351. Bangkok: King Mongkut's University of Technology North Bangkok.
[13] Department of Mental Health. (2016, March). Public Relations Department of Mental Health. Retrieved March 22, 2016, from http://www.prdmh.com
[14] Banchob Onkun, Chari Thong, Watinee Sukmak. (2014, November-December). Modeling for forecasting foot ulcers of diabetic patients using data mining techniques. Journal of Science and Technology Mahasarakrm university. 33(6): 703-710.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ สาขาวิทยาศาสตร์และเทคโนโลยี อยู่ภายใต้การอนุญาต Creative Commons Attribution-NonCommercial-NoDerivs 4.0 International (CC-BY-NC-ND 4.0) เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดอ่านหน้านโยบายของวารสารสำหรับข้อมูลเพิ่มเติมเกี่ยวกับการเข้าถึงแบบเปิด ลิขสิทธิ์ และการอนุญาต
