การวิเคราะห์ข้อมูลปริมาณมหาศาลเพื่อพยากรณ์จำนวนผู้เข้ารับบริการด้านสุขภาพในประเทศไทยโดยใช้โปรแกรมภาษา R

Big data analytics for forecasting patient volumes in Thailand using R programming language

Name: กานต์ ยงศิริวิทย์

Organization : มหาวิทยาลัยรังสิต. วิทยาลัยเทคโนโลยีสารสนเทศและการสื่อสาร

Email : karn.y@rsu.ac.th

Name: ภาคภูมิชัย ศิริประเสริฐ

Organization : มหาวิทยาลัยรังสิต. วิทยาลัยเทคโนโลยีสารสนเทศและการสื่อสาร

Email : parkpoom.c@rsu.ac.th

keyword: การวิเคราะห์ข้อมูล

ThaSH: การวิเคราะห์อนุกรมเวลา

ThaSH: ระบบการจัดเก็บและค้นคืนสารสนเทศ -- สุขภาพ

ThaSH: ข้อมูลขนาดใหญ่ -- การวิเคราะห์

ThaSH: อาร์ (ภาษาคอมพิวเตอร์)

Abstract: ความก้าวหน้าอย่างต่อเนื่องของเทคโนโลยีสารสนเทศสุขภาพทำให้สถานพยาบาลสามารถจัดเก็บข้อมูลการให้บริการด้าน สุขภาพโดยละเอียดอย่างต่อเนื่องก่อให้เกิดข้อมูลปริมาณมหาศาล (Big data) การวิเคราะห์หาความรู้ที่แอบแฝงอยู่ในข้อมูลเหล่านี้จึงเป็นสิ่งจำเป็น เพื่อใช้เป็นแนวทางในการวางแผนนโยบายพัฒนาคุณภาพชีวิตให้ดียิ่งขึ้น งานวิจัยที่ผ่านมาให้ความสำคัญกับการวิเคราะห์ข้อมูลแบบอนุกรมเวลาในสาขาต่างๆ เช่น เศรษฐกิจ และการค้า แต่มีการให้ความสำคัญน้อยมากในสาขาการให้บริการด้านสุขภาพ ในงานวิจัยนี้ผู้วิจัยจึงนำเสนอขั้นตอนในการวิเคราะห์ข้อมูลด้านสุขภาพแบบอนุกรมเวลา ด้วยโปรแกรมภาษา R เพื่อทำการวิเคราะห์และพยากรณ์จำนวนผู้เข้ารับบริการด้านสุขภาพของประเทศไทย ในปี2560 โดยใช้ข้อมูลย้อนหลังปี2557-2559 ผลลัพธ์ที่ได้แสดงให้เห็นว่าแนวโน้มจำนวนผู้เข้ารับบริการมีจำนวนสูงขึ้น ซึ่งสามารถใช้เป็นแนวทางในการวางแผนจัดสรรทรัพยากรการให้บริการด้านสุขภาพเพื่อรองรับจำนวนผู้เข้ารับบริการในอนาคตได้อย่างเหมาะสม

Abstract: With the increasingly adoption of health informatics in hospitals, massive amounts of healthcare data are stored over the last decade which turns to Big data. Performing analytics and forecasting on such data is crucial in order to gain valuable insight that can help improving the quality of healthcare services. Existing research has mainly study on the trends forecasting of data in many areas, such as, economy and trade, but has neglected the healthcare industry. In this work, we perform time series analysis for forecasting patient volumes in Thailand in 2017 using data of the years between 2014 and 2016. The results show that patient volume trends increase over years. Therefore, our results could help planning the allocation of healthcare resources to handle patient volumes in the future

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2560

Modified: 2562-07-23

Issued: 2562-07-23

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยสยาม คณะวิทยาศาสตร์. การประชุมวิชาการวิทยาศาสตร์และเทคโนโลยีระหว่างสถาบัน ครั้งที่ 5 (ASTC 2017) (pp.1310-1316). กรุงเทพฯ : มหาวิทยาลัยสยาม

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	ASTC 2017pp.1310-1316.pdf	343.21 KB	66	2026-05-26 18:16:01

ใช้เวลา

0.034852 วินาที