ตัวแบบพยากรณ์ความรุนแรงของอาการป่วยด้วยโรคหลอดเลือดสมอง โดยใช้เทคนิคการทำเหมืองข้อมูลจากข้อมูลเพื่อการบริหาร

ผู้แต่ง

  • จิดาภา ตรัยเจริญวงศ์ ตรัยเจริญวงศ์
  • สุรศักดิ์ มังสิงห์ คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยศรีปทุม

คำสำคัญ:

Stroke, Severity, Adminitrative Data, Model, Data Mining

บทคัดย่อ

บทความนี้ นำเสนอการนำข้อมูลเพื่อการบริหาร (Administrative
Data) โดยมีตัวแปรอิสระจำนวน 30 ตัวแปร มาทำการคัดเลือก
ตัวแปรที่มีอำนาจในการจำแนกความรุนแรงของอาการป่วยด้วย
โรคหลอดเลือดสมอง โดยพิจารณาจากค่าคะแนน The National
Institutes of Health Stroke Scale (NIHSS) แบ่งเป็น 3 ระดับ
ได้แก่ Mild (NIHSS 0-10 คะแนน), Moderate (NIHSS 11-20
คะแนน) และ Severe (NIHSS 21-42 คะแนน) ด้วยวิธีการ
ท�ำเหมืองข้อมูล (Data Mining) พบว่า มี 5 ตัวแปร ได้แก่
ระยะเวลาที่มีระดับไขมันในเลือดสูง อาการหัวใจเต้นผิดจังหวะ
(Atrial Fibrillation: AF) คะแนน Glasgow Coma Scale (GCS),
Barthel Index (BI) และระดับ mRS สามารถจำแนกความ
รุนแรงของอาการป่วยด้วยโรคหลอดเลือดสมอง มีความถูกต้อง
ถึงร้อยละ 85.2 ซึ่งการจัดจำแนกดังกล่าวช่วยให้สามารถ
จัดเตรียมทรัพยากรทางการแพทย์ ได้แก่ บุคลากร เครื่องมือ
แนวทางการรักษาที่มีความแตกต่างกันในแต่ละกลุ่มของผู้ป่วย
ได้อย่างเหมาะสม

ดาวน์โหลด

เผยแพร่แล้ว

2022-04-14

รูปแบบการอ้างอิง

ตรัยเจริญวงศ์ จ. ., & มังสิงห์ ส. . (2022). ตัวแบบพยากรณ์ความรุนแรงของอาการป่วยด้วยโรคหลอดเลือดสมอง โดยใช้เทคนิคการทำเหมืองข้อมูลจากข้อมูลเพื่อการบริหาร. วารสารสมาคมเวชสารสนเทศไทย, 6(1), 1–7. สืบค้น จาก https://he03.tci-thaijo.org/index.php/jtmi/article/view/103

ฉบับ

ประเภทบทความ

Articles