Descriptive and predictive behaviors analytics of the elderly that are likely to result in NCDs
1
Issued Date
2023
Copyright Date
2023
Resource Type
Language
eng
File Type
application/pdf
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Suggested Citation
Jeeranun Rattanapornmongkol (2023). Descriptive and predictive behaviors analytics of the elderly that are likely to result in NCDs. Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/116896
Title
Descriptive and predictive behaviors analytics of the elderly that are likely to result in NCDs
Alternative Title(s)
การวิเคราะห์เชิงพรรณนาและการทำนายพฤติกรรมของผู้สูงอายุที่มีโอกาสเกิดโรค NCDs
Author(s)
Advisor(s)
Abstract
Non-communicable diseases (NCDs) have a high number of cases and fatalities. Lifestyle habits or behaviors are all factors that cause non-communicable diseases, such as drinking alcohol, smoking, or a lack of exercise, inadequate rest, etc. As a result, this research examines the behaviors that contribute to diabetes, hypertension, cardiovascular disease, hyperlipidemia, and cancer in order to reduce the number of patients and fatalities from non-communicable illnesses. The algorithms used in the study were generalized linear model (GLM), deep learning (DL), decision tree (DT), and random forest (RF) using non-clustering and clustering techniques for prediction through Automated Machine Learning tools (AutoML). The relationship between non-communicable diseases was analyzed using the FP-Growth technique. The dataset utilized was non-personally identifiable questionnaire data on desirable health habits of the elderly, from the Department of Health, Ministry of Public Health, consisting of 999,999 records. Implication of the thematic paper: According to the result, age, drinking alcohol, and exercise are factors influencing disease, with deep learning identified as the most suitable algorithm. The relationship between non-communicable diseases was found
diabetes, cardiovascular disease, and hyperlipidemia are all non-communicable diseases that are linked for the benefit of health management planning and the benefit of public health.
โรคไม่ติดต่อ (NCDs) มีจำนวนผู้ป่วยและผู้เสียชีวิตเป็นจำนวนมาก โดยนิสัยหรือพฤติกรรมในการดำเนินชีวิตล้วนเป็นปัจจัยที่ทำให้เกิดโรคไม่ติดต่อทั้งสิ้น เช่น การดื่มเครื่องดื่มแอลกอฮอล์ สูบบุหรี่ ขาดการออกกำลังกาย และพักผ่อนไม่เพียงพอ เป็นต้น ดังนั้นในการศึกษานี้ได้ทำการวิเคราะห์พฤติกรรมที่นำไปสู่โรคเบาหวาน โรคความดันโลหิตสูง ภาวะไขมันในเลือดสูง โรคมะเร็ง และโรคหัวใจและหลอดเลือด เพื่อลดจำนวนผู้ป่วยและจำนวนผู้เสียชีวิตจากโรคในกลุ่มโรคไม่ติดต่อ ซึ่งอัลกอริทึมที่ใช้ในการศึกษาได้แก่ ตัวแบบเชิงเส้นนัยทั่วไป (Generalized linear model), การเรียนรู้เชิงลึก (Deep learning), ต้นไม้ตัดสินใจ (Decision tree), และป่าสุ่ม (Random forest) โดยใช้เทคนิคไม่จัดกลุ่มและจัดกลุ่มในการทำนายผ่านเครื่องมือแมชชีนเลิร์นนิงอัตโนมัติ (AutoML) และศึกษาความสัมพันธ์ของโรคไม่ติดต่อด้วยเทคนิค FP-Growth โดยใช้ชุดข้อมูลแบบสอบถามพฤติกรรมสุขภาพที่พึงประสงค์ของผู้สูงอายุจากกรมอนามัย กระทรวงสาธารณสุข จำนวน 999,999 ราย ซึ่งเป็นข้อมูลที่ไม่สา
diabetes, cardiovascular disease, and hyperlipidemia are all non-communicable diseases that are linked for the benefit of health management planning and the benefit of public health.
โรคไม่ติดต่อ (NCDs) มีจำนวนผู้ป่วยและผู้เสียชีวิตเป็นจำนวนมาก โดยนิสัยหรือพฤติกรรมในการดำเนินชีวิตล้วนเป็นปัจจัยที่ทำให้เกิดโรคไม่ติดต่อทั้งสิ้น เช่น การดื่มเครื่องดื่มแอลกอฮอล์ สูบบุหรี่ ขาดการออกกำลังกาย และพักผ่อนไม่เพียงพอ เป็นต้น ดังนั้นในการศึกษานี้ได้ทำการวิเคราะห์พฤติกรรมที่นำไปสู่โรคเบาหวาน โรคความดันโลหิตสูง ภาวะไขมันในเลือดสูง โรคมะเร็ง และโรคหัวใจและหลอดเลือด เพื่อลดจำนวนผู้ป่วยและจำนวนผู้เสียชีวิตจากโรคในกลุ่มโรคไม่ติดต่อ ซึ่งอัลกอริทึมที่ใช้ในการศึกษาได้แก่ ตัวแบบเชิงเส้นนัยทั่วไป (Generalized linear model), การเรียนรู้เชิงลึก (Deep learning), ต้นไม้ตัดสินใจ (Decision tree), และป่าสุ่ม (Random forest) โดยใช้เทคนิคไม่จัดกลุ่มและจัดกลุ่มในการทำนายผ่านเครื่องมือแมชชีนเลิร์นนิงอัตโนมัติ (AutoML) และศึกษาความสัมพันธ์ของโรคไม่ติดต่อด้วยเทคนิค FP-Growth โดยใช้ชุดข้อมูลแบบสอบถามพฤติกรรมสุขภาพที่พึงประสงค์ของผู้สูงอายุจากกรมอนามัย กระทรวงสาธารณสุข จำนวน 999,999 ราย ซึ่งเป็นข้อมูลที่ไม่สา
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