Sutarat ThammaboosadeeSupaporn KiattisinSomkiat WattanasirichaigoonChatnarong Fukprapi2024-01-112024-01-11201720172024Thesis (M.Sc. (Information Technology Management))--Mahidol University, 2017https://repository.li.mahidol.ac.th/handle/20.500.14594/92466Information Technology Management (Mahidol University 2017)World Health Organization (WHO) reports that coronary heart disease (CHD), one of the non-communicable diseases (NCD), is the leading cause of death around the world. The main risk factors are mostly medical factors such as hypertension, diabetes and physical inactivity. This research proposed new additional factors including economic and environmental factors to create a predictive model of coronary heart disease in global aspect using data mining process. The based medical risk factors and new blended variables were reviewed from WHO report and related research. The data were collected from public health organization reports. The classification techniques used to predict for the prevalence of coronary disease were experimental using several techniques. There were two types of models presented in this research: regression model, and classification model. The regression model was used to measure a relative error, and the classification model was used to measure accuracy to identify the best model. The finding of this research showed that the decision tree algorithm provided the best classification model, and gradient boosted tree algorithm provided the best regression model. The first priority of decision tree model was the average income per household. The result of this research can present a risk of CHD on visualization to support the management of medical resourcesองค์กรอนามัยโลกได้มีการรายงานว่าโรคหลอดเลือดหัวใจซึ่งอยู่ในกลุ่มโรคไม่ติดต่อเป็นสาเหตุหลักของการเสียชีวิตของประชากรทั่วโลก โดยปัจจัยเสี่ยงหลักส่วนใหญ่จะเป็นปัจจัยทางด้านการแพทย์ เช่น โรคความดันโลหิตสูง โรคเบาหวาน พฤติกรรมทางกาย เป็นต้น งานวิจัยนี้ได้นำเสนอปัจจัยเพิ่มเติม ประกอบด้วย ปัจจัยทางด้านสิ่งแวดล้อม และ ปัจจัยทางด้านเศรษฐกิจเพื่อสร้างแบบจำลองทำนายความชุกของโรคหลอดเลือดหัวใจโดยใช้กระบวนการทำเหมืองข้อมูล โดยศึกษาปัจจัยเสี่ยงที่เกี่ยวข้องจาก องค์กรอนามัยโลก องค์กรในประเทศไทย และงานวิจัยที่เกี่ยวข้องโดยใช้ข้อมูลที่ถูกเผยแพร่โดยหน่วยงานภาครัฐ ซึ่งแบบจำลองที่นำเสนอในงานวิจัยนี้มี 2 รูปแบบรูปแบบที่หนึ่งคือ regression ซึ่งใช้วิธีการ gradient boosted tree เป็นวิธีการที่ดีที่สุดในการสร้าง แบบจำลอง และรูปแบบที่สองคือ classification ใช้วิธีการ decision tree ในการสร้างแบบจำลองซึ่ง ผลการวิเคราะห์แบบจำลองพบว่า ปัจจัยด้านรายได้ต่อครัวเรือนมีความสำคัญในการระบุความชุกของโรคหลอดเลือดหัวใจมากกว่าปัจจัยทางด้านการแพทย์ และงานวิจัยนี้ได้นำผลของการทำนายความชุกของโรคหลอดหัวใจเสนอในรูปแบบของ visualization เพื่อนำไปสนับสนุนการตัดสินใจในด้านการบริหารทรัพยากรทางด้านการแพทย์x, 76 leaves : ill.application/pdfengผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้าCoronary heart disease -- Mathematical modelsData miningMaster ThesisMahidol University