Appointments and Communication System for Healthcare with a Chatbot
Keywords:
Application, Appointments, Communication, Chatbots, MedicalAbstract
Nowadays, chat messaging system on smart devices is convenient and safe communication. The hospital's chat messaging system is able to provide significant information to the users. That can be convenient, economical, and safe for the user, especially, in an epidemic situation or having difficult or unsafe travel. In order to take advantage of the use of mobile technology this will increase convenience, savings, and safety for the users, therefore, the idea was born to develop an appointment and communication system for healthcare with a chatbot. The objectives of this research are to; 1) Develop a chatbot system for appointments and communication for healthcare facilities; 2) Evaluate the performance of the system and assess user satisfaction with its use. The technology used in developing the chatbot system consists of; 1) A database system that collects data (Data Collection) by pulling some data from the database of the Subdistrict Health Promotion Hospital from the JHCIS (Java Health Center Information System) software; 2) Designing a command set in the chatbot that will use the Telegram messaging system (Telegram) and create a messaging channel to broadcast the news to the users. The message will be encrypted to prevent outsiders from hacking the system. 3) Golang for loading the initial data and updating various appointment information.
The evaluation of the performance of the system is done by 5 experts and 100 users. The results of the evaluation can be summarized in 2 areas, consisting of the efficiency of the system and the usability of the system using statistical values, percentage values, mean, and standard deviation (S.D). The overall of the results of evaluation the efficiency of the system and the usability are at a very good level. The average is 4.54, S.D = 0.54. When considering each issue, it was found that the issues regarding the usability of the system have an average of 4.53, S.D = 0.65 and system efficiency issues have an average of 4.55, S.D = 0.56.
References
กาญจนา เพิ่มพูล, มานิสา ระชะตะ และหทัยรัตน์ เกตุมณี ชัยรัตน์. (2559). การประเมินความ พึงพอใจของผู้ใช้ระบบแจ้งเตือน กำหนดการสำหรับ วิทยาลัยเทคโนโลยี อุตสาหกรรม. Phetchabun Rajabhat Journal (ราชภัฏเพชรบูรณ์สาร), 17(1), 33-42.
จักรพงษ์ รัตนโยธิน และวชิรศักดิ์ วานิชชา. (2560). การออกแบบ และ พัฒนาแอนดรอยด์ แอปพลิเคชัน การแจ้งเตือนรับประทานยาเพื่อเพิ่มคุณภาพการรักษาผู้ป่วยโรคหลอดเลือด สมอง. วารสาร วิชาการ ปทุมวัน Pathumwan Academic Journal, 7(20), 29-44.
ชุมพล โมฆรัตน์, วรางคณา อุ่นชัย และ สุกัญญา มารแพ้. (2559). แอปพลิเคชั่นแชทบอท เพื่อการวินิจฉัยโรคเบาหวาน ด้วยออนโทโลยี. The 20th Internation Computer Science and Engineering Conference 2016, iCSEC 2016 (519-524), 14-17 December 2016.
วิริยะ รอดโพธิ์ทอง. (2561). การพัฒนาระบบการจัดการนัดหมายของงาน ATF 2018. การประชุมวิชาการระดับชาติและนานาชาติ มหาวิทยาลัยศรีปทุม วิทยาเขตชลบุรี ปี 2561 National and International conference (SPUC).
วิไลลักษณ์ ลูกอินทร์ และอดุลย์ โต๊ะบก. (2558). ระบบการจัดการคลินิกทันตกรรม. การประชุมวิชาการ ระดับ ปริญญาตรีด้านคอมพิวเตอร์ภูมิภาคอาเซียน 2015” (The ASEAN Undergraduate Conference in Computing: AUC2 2015). ฉะเชิงเทรา: มหาวิทยาลัยราชภัฏ ราชนครินทร์.
สุวิมล ผาบแก้ว และ ธนากร อุยพานิชย์. (2561). แอปพลิเคชันสำหรับนัดหมายผู้ป่วยทันตกรรมผ่านระบบปฏิบัติการแอนดรอยด์. Journal of Humanities and Social Sciences, Suan Sunandha Rajabhat University, 1(2), 77-89.
Abdul-Kader, S. A., & Woods, J. (2017), September). Question answer system for online feedable new born Chatbot. In 2017 Intelligent Systems Conference (IntelliSys), 863-869.
Budsabok, S., Pechpong, N., & Singtokaeo, C. (2563). การพัฒนาแอปพลิเคชัน Chatbot สำหรับงานบริการ นักศึกษา กรณีศึกษากองพัฒนานักศึกษา มหาวิทยาลัยเทคโนโลยีราชมงคล สุวรรณภูมิ. Journal of Applied Research on Science and Technology (JARST), 19(2), 85-94.
Chabbi, M., & Ramanathan, M. K. (2022, June). A study of real-world data races in Golang. Proceedings of the 43rd ACM SIGPLAN International Conference on Programming Language Design and Implementation (474-489).
Likert, R. (1932). A Technique for the Measurement of Attitudes. Archives of Psychology, 140, 1–55.
Maheshwari, S., & Jain, D. C. (2012). A comparative analysis of different types of models in software development life cycle. International Journal of Advanced Research in Computer Science and Software Engineering, 2(5), 285-290.
Phetkrachang K., Kittiphattanabawon N., (2019, November). A Thai Ontology- Based Framework for Diabetes Question and Answers. In 10th International Science, Social Science, Engineering and Energy Conference I-SEEC Thailand, 1-9.
Tan, O. (2017). How AI can improve the customer experience. Forbes Technology Council.
