Hybrid predictive models for smoking cessation : success and choices of medication approaches
2
Issued Date
2024
Copyright Date
2017
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
xi, 74 leaves : ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thesis (M.Sc. (Information Technology Management))--Mahidol University, 2017
Suggested Citation
Karoon Yuttanawa Hybrid predictive models for smoking cessation : success and choices of medication approaches. Thesis (M.Sc. (Information Technology Management))--Mahidol University, 2017. Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/92470
Title
Hybrid predictive models for smoking cessation : success and choices of medication approaches
Alternative Title(s)
แบบจำลองในการทำนายแบบผสม : สำหรับโรคติดยาสูบในมุมมองความสำเร็จและตัวเลือกในการรักษา
Author(s)
Abstract
The number of deaths from diseases related to smoking is 11.6 percent of all deaths in Thai population. So helping smokers to quit smoking cigarettes is one of the most important tasks of the medical personnel. In Thailand, clinic Phar-Sai is a smoking cessation clinic which provides treatments for smoking cessation, which is important in the process of tobacco diseases according to the guidelines of the 5A's strategy. This thesis developed a hybrid prediction model to support decision-making in the medical treatment of smoking cessation, which consisted of Model for Medications (used or not), Model for Likelihood of Quitting (3 months or not), Model for Likelihood of Quitting (6 months or not) and Models for All Medication used and association rules for medication using data mining process (CRISP-DM). This thesis collected the treatment data from Thai Physicians Alliance Against Tobacco between 2015 to 2017 and were processed by data selection, data cleansing, data transformation, data re-sampling and comparative experiments. Overall results were over 70% accuracy based on Gradient Boosted Trees and Neural Network. The Association rules consisted of 5 rules with a minimum confidence of 0.9. Finally, the findings from the study would be beneficial to health personnel in making clinical decision support for the better coverage of treatment for smokers.
สถานการณ์พฤติกรรมการสูบบุหรี่ในประเทศไทย ผู้สูบบุหรี่มีแนวโน้มเพิ่มสูงขึ้น โดยจำนวนผู้เสียชีวิตจากโรคที่มีความสัมพันธ์กับการสูบบุหรี่ คิดเป็นร้อยละ 11.6 ของการเสียชีวิตทั้งหมดในประชากรไทย ดังนั้นการช่วยเหลือผู้เสพติดบุหรี่ให้เลิกสูบบุหรี่จึงเป็นหน้าที่สำคัญอย่างหนึ่ง ของบุคลากรทางการแพทย์ โดยในประเทศไทยคลินิกฟ้าใสเป็นคลินิกที่รักษาโรคเสพติดยาสูบ ซึ่งมีกระบวนการที่สำคัญในการบำบัดโรคเสพยาสูบตามแนวทาง 5A ดังนั้นวิทยานิพนธ์นี้จึงพัฒนาแบบจำลองในการทำนายแบบผสมสำหรับโรคติดยาสูบในมุมมองความสำเร็จและตัวเลือกในการรักษาซึ่งประกอบด้วยแบบจำลองจำแนกการรักษาโดยวิธีใช้ยาหรือไม่ใช้ยา แบบจำลองการจำแนกระยะเวลาเลิกยาสูบภายในสามเดือน แบบจำลองการจำแนกระยะเวลาเลิกยาสูบในหกเดือน และกฏความสัมพันธ์ ในการใช้ยา โดยใช้กระบวนการเหมืองข้อมูลซึ่งนำ ข้อมูลประวัติการเข้ารับการรักษาโรคเสพติดยาสูบจากเครือข่ายวิชาชีพแพทย์ในการควบคุมการบริโภคยาสูบ เป็นข้อมูลระหว่างปี 2558 ถึง 2560 มีการคัดเลือกแอททริบิวต์ที่สำคัญ การทำความสะอาดข้อมูล การแปลงข้อมูล การสุ่มกลุ่มตัวอย่าง โดยมีการทดลองเปรียบเทียบ 4 อัลกอลิทึม ค่าความแม่นยำโดยรวมมากกว่าร้อยละ 70 ซึ่งอัลกอลิทึมที่ให้ค่าความแม่นยำสูงสุดได้แก่ เกรเดียนท์ บูสเตด ทรี และ นิวรอล เน็ตเวิร์ก และกฏความสัมพันธ์ 5 กฏ ที่มีค่าเชื่อมั่นมากกว่า 0.9 ดังนั้นงานวิจัยนี้จึงเป็นประโยชน์ที่สามารถเป็นตัวช่วยในการตัดสินใจทางการแพทย์ในการักษาโรคเสพติดยาสูบ ตามคุณลักษณะของผู้เข้ารับการรักษาได้ดียิ่งขึ้น
สถานการณ์พฤติกรรมการสูบบุหรี่ในประเทศไทย ผู้สูบบุหรี่มีแนวโน้มเพิ่มสูงขึ้น โดยจำนวนผู้เสียชีวิตจากโรคที่มีความสัมพันธ์กับการสูบบุหรี่ คิดเป็นร้อยละ 11.6 ของการเสียชีวิตทั้งหมดในประชากรไทย ดังนั้นการช่วยเหลือผู้เสพติดบุหรี่ให้เลิกสูบบุหรี่จึงเป็นหน้าที่สำคัญอย่างหนึ่ง ของบุคลากรทางการแพทย์ โดยในประเทศไทยคลินิกฟ้าใสเป็นคลินิกที่รักษาโรคเสพติดยาสูบ ซึ่งมีกระบวนการที่สำคัญในการบำบัดโรคเสพยาสูบตามแนวทาง 5A ดังนั้นวิทยานิพนธ์นี้จึงพัฒนาแบบจำลองในการทำนายแบบผสมสำหรับโรคติดยาสูบในมุมมองความสำเร็จและตัวเลือกในการรักษาซึ่งประกอบด้วยแบบจำลองจำแนกการรักษาโดยวิธีใช้ยาหรือไม่ใช้ยา แบบจำลองการจำแนกระยะเวลาเลิกยาสูบภายในสามเดือน แบบจำลองการจำแนกระยะเวลาเลิกยาสูบในหกเดือน และกฏความสัมพันธ์ ในการใช้ยา โดยใช้กระบวนการเหมืองข้อมูลซึ่งนำ ข้อมูลประวัติการเข้ารับการรักษาโรคเสพติดยาสูบจากเครือข่ายวิชาชีพแพทย์ในการควบคุมการบริโภคยาสูบ เป็นข้อมูลระหว่างปี 2558 ถึง 2560 มีการคัดเลือกแอททริบิวต์ที่สำคัญ การทำความสะอาดข้อมูล การแปลงข้อมูล การสุ่มกลุ่มตัวอย่าง โดยมีการทดลองเปรียบเทียบ 4 อัลกอลิทึม ค่าความแม่นยำโดยรวมมากกว่าร้อยละ 70 ซึ่งอัลกอลิทึมที่ให้ค่าความแม่นยำสูงสุดได้แก่ เกรเดียนท์ บูสเตด ทรี และ นิวรอล เน็ตเวิร์ก และกฏความสัมพันธ์ 5 กฏ ที่มีค่าเชื่อมั่นมากกว่า 0.9 ดังนั้นงานวิจัยนี้จึงเป็นประโยชน์ที่สามารถเป็นตัวช่วยในการตัดสินใจทางการแพทย์ในการักษาโรคเสพติดยาสูบ ตามคุณลักษณะของผู้เข้ารับการรักษาได้ดียิ่งขึ้น
Description
Information Technology Management (Mahidol University 2017)
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Engineering
Degree Discipline
Information Technology Management
Degree Grantor(s)
Mahidol University