Please use this identifier to cite or link to this item:
http://kb.psu.ac.th/psukb/handle/2016/17990
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | ชิดชนก โชคสุชาติ | - |
dc.contributor.advisor | สูรีนา มะตาหยง | - |
dc.contributor.author | ณัฐวุฒิ ทองพิมพ์ | - |
dc.date.accessioned | 2023-04-19T07:27:24Z | - |
dc.date.available | 2023-04-19T07:27:24Z | - |
dc.date.issued | 2021 | - |
dc.identifier.uri | http://kb.psu.ac.th/psukb/handle/2016/17990 | - |
dc.description | วิทยานิพนธ์ (วท.ม. (การจัดการเทคโนโลยีสารสนเทศ))--มหาวิทยาลัยสงขลานครินทร์, 2564 | en_US |
dc.description.abstract | Prostate cancer there is a high incidence of new cases of males and the mortality rate continues to rise every year. This study examined the survival prognosis of prostate cancer patients. It analyzes survival rates and factors associated with survival of prostate cancer patients and develops a forecast visualization platform. To support the treatment planning of physicians and medical statisticians using data of prostate cancer patients from the Faculty of Medicine Prince of Songkla University. It consists of four factors: Metastasis, Prostate specific antigen (PSA), Age, and Gleason Group for survival analysis. It uses a nonparametric statistical model: Cox model and uses a 5-parametric statistical model: Exponential distribution, Log-logistic distribution, Lognormal distribution, Gamma. distribution and Gompertz distribution. Then evaluate the model's performance. using the Akaike Criteria (AIC). A multivariate analysis of event survival with a Cox proportional hazard model found that the variable that significantly influenced the event-free duration of survival p-value < 0.05 was Metastasis Coef. = 1.842835 (95% CI 1.832- 21.899), PSA Coef. = 0.003220 (95% CI 1.0007- 1.006), Gleason Group Coef. = 0.004026 (95% CI 1.0347- 2.418), Age Coef. = 0.458522 (95% CI 0.9549- 1.056). And the lowest AIC value is the AIC value of the model Gompertz distribution = 206.763. Therefore, it is appropriate to be used to analyze the patient's chances of survival. Then bring the results to convert it into a tabular form. Present information on developed platforms to visualize forecast results by administrators for the user to doctors and medical statisticians’ experiment and consider the results in charts, graphs and descriptive reports. Assessing Usability: Content quality is at a good level (= 4.50/5.00), Design and formatting is at a very good level (= 4.71/5.00), Usefulness is at a good level (= 4.47/5.00) and the Implementation and overall satisfaction of the system. in good level (= 4.50/5.00). | en_US |
dc.language.iso | th | en_US |
dc.publisher | มหาวิทยาลัยสงขลานครินทร์ | en_US |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Thailand | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/th/ | * |
dc.subject | วิเคราะห์โอกาสรอดชีพ | en_US |
dc.subject | ตัวแบบค็อกซ์ | en_US |
dc.subject | มะเร็งต่อมลูกหมาก | en_US |
dc.subject | การวิเคราะห์การอยู่รอด | en_US |
dc.title | การพยากรณ์โอกาสรอดชีพของผู้ป่วยโรคมะเร็งต่อมลูกหมาก | en_US |
dc.title.alternative | Predictions of Survival Analysis for Prostate Cancer patients | en_US |
dc.type | Thesis | en_US |
dc.contributor.department | Faculty of Engineering Management of Information Technology | - |
dc.contributor.department | คณะวิศวกรรมศาสตร์ สาขาวิชาการจัดการเทคโนโลยีสารสนเทศ | - |
dc.description.abstract-th | โรคมะเร็งต่อมลูกหมาก มีอุบัติการณ์จำนวนผู้ป่วยใหม่ของเพศชายเป็นจำนวนมาก และอัตราการตายสูงขึ้นอย่างต่อเนื่องในทุกปี งานวิจัยนี้ได้ศึกษาการพยากรณ์โอกาสรอดชีพของผู้ป่วยโรคมะเร็งต่อมลูกหมาก โดยมีการวิเคราะห์อัตราการรอดชีพและปัจจัยที่มีความสัมพันธ์ต่อการรอดชีพของผู้ป่วยโรคมะเร็งต่อมลูกหมากและพัฒนาแพลตฟอร์มแปลงผลการพยากรณ์เป็นภาพ เพื่อสนับสนุนการวางแผนการรักษาของแพทย์และนักเวชสถิติ โดยใช้ข้อมูลผู้ป่วยโรคมะเร็งต่อมลูกหมากของคณะแพทยศาสตร์ มหาวิทยาลัยสงขลานครินทร์ ประกอบด้วย 4 ปัจจัย ได้แก่ การเป็นมะเร็งระยะแพร่กระจาย (Metastasis) สารบ่งชี้มะเร็งต่อมลูกหมาก (PSA) อายุ และ Gleason Group สำหรับการวิเคราะห์โอกาสรอดชีพ (Survival analysis) นั้น ใช้ตัวแบบไร้พารามิเตอร์ทางสถิติ(Nonparametric Statistics) คือ ตัวแบบค็อกซ์ (Cox model) และใช้ตัวแบบมีพารามิเตอร์ทางสถิติ (Parametric Statistics) จำนวน 5 ตัวแบบ ได้แก่ Exponential distribution, Log-logistic distribution, Lognormal distribution, Gamma distribution และ Gompertz distribution จากนั้นประเมินประสิทธิภาพตัวแบบ โดยใช้เกณฑ์ของอะกะอิเกะ (AIC) ผลการวิจัย จากการวิเคราะห์หลายตัวแปรของการเกิดเหตุการณ์รอดชีพด้วย Cox proportional hazard model พบว่า ตัวแปรที่มีอิทธิพลต่อระยะปลอดเหตุการณ์ของการรอดชีพ p-value < 0.05 อย่างมีนัยยะสำคัญ ได้แก่ ปัจจัย Metastasis Coef. = 1.842835 (95% CI 1.832- 21.989) ปัจจัย PSA Coef. = 0.003220 (95% CI 1.0007- 1.006) ปัจจัย Gleason Group Coef. = 0.004026 (95% CI 1.0347- 2.418) ปัจจัยอายุ Coef. = 0.458522 (95% CI 0.9549- 1.056) และค่า AIC ที่ต่ำที่สุด ได้แก่ ค่า AIC ของตัวแบบ Gompertz distribution = 206.763 จึงเหมาะสมที่จะนำมาใช้ในการวิเคราะห์โอกาสรอดชีพของผู้ป่วย จากนั้นนำผลลัพธ์ที่ได้ มาแปลงให้อยู่ในรูปแบบตาราง นำเสนอข้อมูลบนแพลตฟอร์มที่พัฒนาขึ้น เพื่อแปลงผลการพยากรณ์เป็นภาพโดยผู้ดูแลระบบ สำหรับด้านผู้ใช้งานนั้น ให้แพทย์และนักเวชสถิติทดลองใช้และพิจารณาผลลัพธ์แบบแผนภูมิ กราฟ และรายงานเชิงพรรณนา และประเมินความสามารถในการใช้งาน (Usability) ได้แก่ ด้านคุณภาพของเนื้อหา (Content) อยู่ในระดับดี (= 4.50/5.00) ด้านการออกแบบและการจัดรูปแบบ (Design) อยู่ในระดับดีมาก (= 4.71/5.00) ด้านประโยชน์ อยู่ในระดับดี (= 4.47/5.00) และการนำไปใช้และด้านความพึงพอใจโดยรวมของระบบ อยู่ในระดับดี (= 4.50/5.00) | en_US |
Appears in Collections: | 229 Thesis |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
6110121002.pdf | วิทยานิพนธ์ (วท.ม. (การจัดการเทคโนโลยีสารสนเทศ))--มหาวิทยาลัยสงขลานครินทร์, 2564 | 8.4 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License