ridm@nrct.go.th   ระบบคลังข้อมูลงานวิจัยไทย   รายการโปรดที่คุณเลือกไว้

รายละเอียด

ชื่อเรื่อง : ระบบผู้เชี่ยวชาญช่วยแนะนำโภชนาการและการทำกายภาพบำบัดสำหรับผู้ป่วยโรคเรื้อรังสูงวัยบนอุปกรณ์พกพาเคลื่อนที่ , The Expert System to Advise Nutrition and Physical Therapy for Chronic Disease Elderly Patient on Mobile Device
นักวิจัย : เทวิน ธนะวงษ์ , Tawin Tanawong
คำค้น : ระบบผู้เชี่ยวชาญ , เทคโนโลยีทางการแพทย์ , กายภาพบำบัด , ผู้สูงอายุ , ผู้ป่วยโรคเรื้อรัง , โภชนาการ
หน่วยงาน : สถาบันวิจัยระบบสาธารณสุข
ผู้ร่วมงาน : -
ปีพิมพ์ : 2558
อ้างอิง : hs2156 , http://hdl.handle.net/11228/4267 , W26 ท652ร 2558
ที่มา : -
ความเชี่ยวชาญ : -
ความสัมพันธ์ : -
ขอบเขตของเนื้อหา : -
บทคัดย่อ/คำอธิบาย :

งานวิจัยนี้นำเสนอการใช้เทคนิคเหมืองข้อมูลสร้างโมเดลสนับสนุนการทำงานในลักษณะระบบ ผู้เชี่ยวชาญช่วยแนะนำโภชนาการและการทำกายภาพบำบัดสำหรับผู้ป่วยโรคเรื้อรัง 6 ชนิด ซึ่งพัฒนาโมเดล ด้วยโปรแกรมเวก้า3.6.9 โดยใช้อัลกอริธึมแบ่งกลุ่มผู้ป่วยด้วย Simple K-Means และ Apriori สำหรับสร้าง กฎความสัมพันธ์ วัดระยะห่างข้อมูลด้วยยูคลิเดียน ทดสอบแบบ Percentage split66% จากโรคละ 250 ตัวอย่าง แล้วสร้างกฎความสัมพันธ์กลุ่มละ 10 กฎ ระดับความเชื่อมั่นขั้นต่ำ 0.9 จะได้กฎความสัมพันธ์ด้าน กายภาพบำบัดและโภชนาการรวมโรคละ 80 กฎ ใช้ฝังรหัสบนแอพพลิเคชันเพื่อเรียกใช้งานผ่านยูสเซอร์ อินเทอร์เฟสบนอุปกรณ์มือถือ ตัวอย่างผลลัพธ์ที่ได้ จะพบว่าโมเดลที่เหมาะสม เช่น ผู้ป่วยโรคเบาหวาน โรค ความดันโลหิตสูง โรคไวรัสตับอักเสบชนิดบี โรคกระดูกข้อเสื่อม โรคอัมพาต และโรคพาร์กินสันจะมีค่า K= 4 ปริภูมิ 5 มิติ และ K=4 ปริภูมิ 4 มิติ , K=4 ปริภูมิ 5 มิติ และ K=5 ปริภูมิ 4 มิติ , K=4 ปริภูมิ 3 มิติ และ K= 3 ปริภูมิ 3 มิติ ,K=4 ปริภูมิ 3 มิติ และ K=3 ปริภูมิ 3 มิติ, K=4 ปริภูมิ 4 มิติ และ K=3 ปริภูมิ 3 มิติ และ K= 5 ปริภูมิ 4 มิติ และ K=3 ปริภูมิ 3 มิติ สำหรับเลือกท่ากายภาพบำบัดและโภชนาการของแต่ละโรค ตามลำดับ

สถาบันวิจัยระบบสาธารณสุข

This research proposes using technique data mining modeling support an expert system to advise nutrition and physical therapy for chronic disease elderly patient on mobile device. The development of model with weka3.6.9 program, by using the algorithm classification of patients with simple k-means and the apriori for generating association rules. The distance measurement of data with percentage split66% from each of disease 250 samples. Then create rules in the group of 10 on minimum confidence level 0.9. That are rules used for nutrition and physical therapy each of disease 80 rules for the use of embedded code on the application to run through the user interface on mobile devices. For example, patients with diabetes were K= 4 : 5 dimension and K= 4 : 4 dim, hypertension K=4 : 5 dimension and K= 4 : 4, hepatitisB K=4 : 5 and K= 4 : 4, osteoarthritis K= 4 : 5 and K= 4 : 4, paralysis K= 4 : 5 and K= 4 : 4 and parkinson K= 4 : 5 and K= 4 : 4 for the physical and nutrition therapy respectively.

บรรณานุกรม :