แบบจำลองการพยากรณ์การระบาดของโรคไข้เลือดออก โดยใช้เทคนิคการทำเหมืองข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
สถานการณ์การระบาดของโรคไข้เลือดออกในประเทศไทยนับว่าเป็นปัญหาในปัจจุบัน โดยเฉพาะเขตพื้นที่ในความรับผิดชอบของสำนักงานป้องกันควบคุมโรคที่ 2 จังหวัดพิษณุโลก ตั้งแต่เดือนมกราคมถึงเดือนพฤษภาคม พ.ศ. 2564 พบว่ามีผู้ป่วยโรคไข้เลือดออกเป็นอันดับที่ 2 ของประเทศ งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อหาแบบจำลองสำหรับการพยากรณ์การระบาดของโรคไข้เลือดออกเขตพื้นที่ในความรับผิดชอบของสำนักงานป้องกันควบคุมโรคที่ 2 จังหวัดพิษณุโลก โดยประยุกต์ใช้เทคนิคการทำเหมืองข้อมูล ในการวิจัยครั้งนี้ข้อมูลที่ใช้คือ ข้อมูลผู้ป่วยโรคไข้เลือดออกในเขตพื้นที่รับผิดชอบของสำนักงานป้องกันควบคุมโรคที่ 2 จังหวัดพิษณุโลก และข้อมูลสภาพอากาศรายเดือนจากสถานีกรมอุตุวิทยาวิทยาภาคเหนือ 5 จังหวัด ได้แก่ จังหวัดตาก จังหวัดสุโขทัย จังหวัดอุตรดิตถ์ จังหวัดพิษณุโลก และจังหวัดเพชรบูรณ์ โดยปัจจัยที่ใช้พยากรณ์หรือจำแนกกลุ่มอาการของผู้ติดเชื้อโรคไข้เลือดออกมี 4 ด้าน ได้แก่ ปัจจัยส่วนบุคคล ปัจจัยด้านเวลา ปัจจัยด้านพื้นที่และปัจจัยด้านสภาพภูมิอากาศ ตั้งแต่วันที่ 1 มกราคม พ.ศ. 2552 ถึง 31 พฤษภาคม พ.ศ. 2564 จำนวนทั้งหมด 47,386 รายการ และ 12 ปัจจัย นำมาวิเคราะห์ด้วยเทคนิคการทำเหมืองข้อมูล 4 วิธี ได้แก่ วิธีต้นไม้ตัดสินใจ วิธีแบบเบย์ วิธีโครงข่ายประสาท และวิธีซัพพอร์ทเวกเตอร์แมชชีน โดยใช้ 4 ปัจจัย ได้แก่ อำเภอ จังหวัด ปีที่ตรวจพบเชื้อและปริมาณน้ำฝนเฉลี่ยรายเดือน จากวิธีการเลือกปัจจัยสร้างแบบจำลอง ผลการวิจัยพบว่า วิธีต้นไม้ตัดสินใจเป็นเทคนิคในการสร้างแบบจำลองสำหรับการพยากรณ์การระบาดของโรคไข้เลือดออกที่เหมาะสมที่สุด โดยให้ค่าความแม่นและค่าประสิทธิภาพโดยรวมสูงที่สุดเท่ากับ 69.83% และ 75.4% ตามลำดับ โดยแบบจำลองสำหรับการพยากรณ์ที่เหมาะสมที่สุดที่ได้จากงานวิจัยนี้จะเป็นประโยชน์สำหรับการนำไปใช้ประกอบการวางแผนนโยบายและการรณรงค์เพื่อป้องกันการระบาดของโรคไข้เลือดออกได้ตรงกลุ่มเสี่ยงมากที่สุดภายใต้งบประมาณและทรัพยากรที่จำกัด
Article Details
- เนื้อหาต้นฉบับที่ปรากฏในวารสารเป็นความรับผิดชอบของผู้เขียน ทั้งนี้ไม่รวมความผิดพลาดอันเกิดจากเทคนิคการพิมพ์
- ลิขสิทธิ์ต้นฉบับที่ได้รับการตีพิมพ์ในวารสารวิชาการ ซายน์เทค มรภ.ภูเก็ต ถือเป็นกรรมสิทธิ์ของวารสารวิชาการ ซายน์เทค มรภ.ภูเก็ต
References
Wang, W. H., Urbina, A. N., Chang, M. R., Assavalapsakul, W., Lu, P. L., Chen, Y. H., & Wang, S. F. (2020). Dengue hemorrhagic fever–a systemic literature review of current perspectives on pathogenesis, prevention and control. Journal of Microbiology Immunology and Infection, 53, 963-978.
Liu, K., Hou, X., Ren, Z., Lowe, R., Wang, Y., Li, R., Liu, X., Sun, J., Lu, L., Song, X., & Wu, H. (2020). Climate factors and the east Asian summer monsoon may drive large outbreaks of dengue in China. Environmental Research, 183, 109-190.
สุรเกียรติ อาชานานุภาพ. (2553). ตำราการตรวจรักษาโรคทั่วไป เล่ม 2 : 350 โรค กับการดูแลรักษาและการป้องกัน (พิมพ์ครั้งที่ 5). กรุงเทพฯ: โฮลิสติก พับลิชชิ่ง.
กรมควบคุมโรค. (2563). รายงานพยากรณ์โรค 2563. [ออนไลน์], สืบค้นจาก https://ddc.moph.go.th/dvb/forecast_detail.php?publish=10268 (28 มีนาคม 2564).
ศรัณรัชต์ ชาญประโคน, ดารินทร์ อารีย์โชคชัย, ปณิธี ธัมมวิจยะ, และจิระพัฒน์ เกตุแก้ว. (2561). รายงานพยากรณ์โรคไข้เลือดออก พ.ศ. 2561. รายงานการวิจัย. กรุงเทพฯ: สำนักโรคติดต่อนำโดยแมลง สำนักระบาดวิทยา กรมควบคุมโรค.
รณกร สมสกุล. (2564). รายงานเฝ้าระวังทางระบาดวิทยา เขตสุขภาพที่ 2. รายงานการวิจัย. พิษณุโลก: สำนักงานป้องกันควบคุมโรคที่ 2 จังหวัดพิษณุโลก.
Muhilthini, P., Meenakshi, B. S., Lekha, S. L., & Santhanalakshmi, S. T. (2018). Dengue possibility forecasting model using machine learning algorithms. International Research Journal of Engineering and Technology, 5, 1661-1665.
Swaraj, P. K., & Kiruthiga, G. (2021). Design and analysis on medical image classification for dengue detection using artificial neural network classifier. ICTACT Journal on Image and Video Processing (IJIVP), 11, 2407-2412.
Salim, N. A., Wah, Y. B., Reeves, C., Smith, M., Yaacob, W. F. W., Mudin, R. N., Dapari, R., Sapri, N. N. F. F., & Haque, U. (2021). Prediction of dengue outbreak in Selangor Malaysia using machine learning techniques. Scientific Reports, 11, 1-9.
Somwanshi, H., & Ganjewar, P. (2018). Real-time dengue prediction using naive Bayes predicator in the IoT (pp 725 - 728). In 2018 International Conference on Inventive Research in Computing Applications (ICIRCA). India.
Sarma, D., Hossain, S., Mittra, T., Bhuiya, M. A., Saha, I., & Chakma, R. (2020). Dengue prediction using machine learning algorithms (pp 1 - 6). In 2020 IEEE 8th R10 Humanitarian Technology Conference (R10-HTC). Malaysia.
Kamarudin, A. N., Zainol, Z., & Kassim, N. F. (2021). Forecasting the dengue outbreak using machine learning algorithm: a review (pp 1 - 5). In 2021 International Conference of Women in Data Science at Taif University (WiDSTaif). Saudi Arabia.
Freeze, J., Erraguntla, M., & Verma, A. (2018). Data integration and predictive analysis system for disease prophylaxis: Incorporating dengue fever forecasts (pp 913 - 922). In Proceedings of the 51st Hawaii International Conference on System Sciences. United States.