The data mining application of shouder pain patients treatment : physical therapy equipment usage approaches

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