The data mining application of shouder pain patients treatment : physical therapy equipment usage approaches
Issued Date
2015
Copyright Date
2015
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
ix , 44 leaves : ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thesis (M.Sc. (Technology of Information System Management))--Mahidol University, 2015
Suggested Citation
Kittisak Kaewbooddee The data mining application of shouder pain patients treatment : physical therapy equipment usage approaches. Thesis (M.Sc. (Technology of Information System Management))--Mahidol University, 2015. Retrieved from: https://repository.li.mahidol.ac.th/handle/20.500.14594/94043
Title
The data mining application of shouder pain patients treatment : physical therapy equipment usage approaches
Alternative Title(s)
การประยุกต์ใช้เทคนิคการทำเหมืองข้อมูลในการรักษาผู้ป่วยโรคปวดไหล่ : กรณีศึกษารูปแบบการใช้อุปกรณ์ในการรักษาทางกายภาพบำบัด
Author(s)
Abstract
This research is to apply data mining techniques for discovery and prediction of equipment usage amount from physical therapy equipment usage patterns based on a classification system and establish selection rules of physical therapy techniques based on the association rule discovery method. Both data mining aspects aim to support the decision making for physical therapists in the treatment of shoulder pain patients. The prediction system was driven by the usage patterns of physical therapy equipment, and the association rule discovering method was applied for studying the association with the amount of physical therapy equipment. The classification system was tasted and compared with the Naïve Bayes, Neural Network, and Decision Tree. The best result of Artificial Neural Network was 92.30% accuracy. In addition, the top five interesting discovered association rules are demonstrated. Both data mining applications of this research could support the decision making in the treatment of shoulder pain patients.
การประยุกต์ใช้เทคนิคการทำเหมืองข้อมูลเพื่อศึกษาจำนวนการใช้เครื่องมือ โดย การศึกษาจากรูปแบบการใช้อุปกรณ์ในการรักษาทางกายภาพบำบัดด้วยวิธีการจำแนกประเภท (Classification system) และการสร้างกฎความสัมพันธ์เพื่อใช้ในการเลือกเทคนิคการรักษาทางกายภาพบำบัดด้วยวิธีการสร้างกฏความสัมพันธ์ (Association rules) เพื่อช่วยสนับสนุนการตัดสินใจการเลือกเทคนิคในการรักษาผู้ป่วยโรคปวดไหล่สำหรับนักกายภาพบำบัด ในการทำนายระยะเวลาที่ ใช้ในการรักษาด้วยรูปแบบการใช้งานของอุปกรณ์การรักษาทางกายภาพบำบัดและการค้นพบองค์ความรู้จากการสร้างกฎความสัมพันธ์เพื่อศึกษาถึงความสัมพันธ์ของจำนวนการใช้อุปกรณ์ในการรักษาทางกายภาพบำบัด ซึ่งในการศึกษาด้วยวิธีการจำแนกประเภทประกอบด้วย 3 วิธี ดังนี้ ทฤษฎีของเบย์ (Bayesian theorem), โครงข่ายประสาทเทียม (Artificial Neural Networks) และ ต้นไม้ตัดสินใจ (Decision Tree) ผลการทดลองที่ดีที่สุดของแต่ละวิธีมีค่าความถูกต้องโครงข่ายประสาทเทียมคือ 92.30% นอกจากนี้ยังนำเสนอวิธีในการค้นหาองค์ความรู้จากวิธีการสร้างกฎความสัมพันธ์เพื่อการศึกษาความสัมพันธ์ในการใช้จำนวนของเครื่องมือสำหรับการรักษาทางกายภาพ ซึ่งจากการทดลองพบว่ามี 5 กฎที่น่าสนใจในการใช้เครื่องมือในการรักษา ซึ่งการศึกษาทั้วงสองวิธีคือการจำแนกประเภท (Classification system) และ การสร้างกฏความสัมพันธ์ (Association rules) สามารถประยุกต์ใช้ในการสนับสนุนการตัดสินใจในการเลือกเทคนิคในการรักษาผู้ป่วยที่มีอาการปวดไหล่ได้
การประยุกต์ใช้เทคนิคการทำเหมืองข้อมูลเพื่อศึกษาจำนวนการใช้เครื่องมือ โดย การศึกษาจากรูปแบบการใช้อุปกรณ์ในการรักษาทางกายภาพบำบัดด้วยวิธีการจำแนกประเภท (Classification system) และการสร้างกฎความสัมพันธ์เพื่อใช้ในการเลือกเทคนิคการรักษาทางกายภาพบำบัดด้วยวิธีการสร้างกฏความสัมพันธ์ (Association rules) เพื่อช่วยสนับสนุนการตัดสินใจการเลือกเทคนิคในการรักษาผู้ป่วยโรคปวดไหล่สำหรับนักกายภาพบำบัด ในการทำนายระยะเวลาที่ ใช้ในการรักษาด้วยรูปแบบการใช้งานของอุปกรณ์การรักษาทางกายภาพบำบัดและการค้นพบองค์ความรู้จากการสร้างกฎความสัมพันธ์เพื่อศึกษาถึงความสัมพันธ์ของจำนวนการใช้อุปกรณ์ในการรักษาทางกายภาพบำบัด ซึ่งในการศึกษาด้วยวิธีการจำแนกประเภทประกอบด้วย 3 วิธี ดังนี้ ทฤษฎีของเบย์ (Bayesian theorem), โครงข่ายประสาทเทียม (Artificial Neural Networks) และ ต้นไม้ตัดสินใจ (Decision Tree) ผลการทดลองที่ดีที่สุดของแต่ละวิธีมีค่าความถูกต้องโครงข่ายประสาทเทียมคือ 92.30% นอกจากนี้ยังนำเสนอวิธีในการค้นหาองค์ความรู้จากวิธีการสร้างกฎความสัมพันธ์เพื่อการศึกษาความสัมพันธ์ในการใช้จำนวนของเครื่องมือสำหรับการรักษาทางกายภาพ ซึ่งจากการทดลองพบว่ามี 5 กฎที่น่าสนใจในการใช้เครื่องมือในการรักษา ซึ่งการศึกษาทั้วงสองวิธีคือการจำแนกประเภท (Classification system) และ การสร้างกฏความสัมพันธ์ (Association rules) สามารถประยุกต์ใช้ในการสนับสนุนการตัดสินใจในการเลือกเทคนิคในการรักษาผู้ป่วยที่มีอาการปวดไหล่ได้
Description
Technology of Information System Management (Mahidol University 2015)
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Engineering
Degree Discipline
Technology of Information System Management
Degree Grantor(s)
Mahidol University