Smart Prescription Ordering System for Elderly Patients with Diabetes, Hypertension and Cardiovascular Disease at Songklanagarind Hospital
Master of Science (Data Science), 2023
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Theses and Dissertations |
| Language: | English |
| Published: |
Prince of Songkla University
2023
|
| Subjects: | |
| Online Access: | http://kb.psu.ac.th/psukb/handle/2016/18997 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Institution: | Prince of Songkhla University |
| Language: | English |
| id |
th-psu.2016-18997 |
|---|---|
| record_format |
dspace |
| spelling |
th-psu.2016-189972023-10-24T08:14:30Z Smart Prescription Ordering System for Elderly Patients with Diabetes, Hypertension and Cardiovascular Disease at Songklanagarind Hospital ระบบใบสั่งยาอัจฉริยะสำหรับผู้ป่วยสูงอายุที่ป่วยด้วยโรคเบาหวาน ความดันโลหิตสูงและโรคหัวใจ ณ โรงพยาบาลสงขลานครินทร์ Apichat Sae-ang Sitthichok Chaichulee College of Digital Science โครงการจัดตั้งวิทยาลัยวิทยาศาสตร์ดิจิทัล Recommender systems Collaborative filtering Classification Electronic medical prescriptions Master of Science (Data Science), 2023 Over time, large amounts of clinical data have accumulated in electronic health records (EHRs), making it difficult for healthcare professionals to navigate and make patient-centered decisions. This underscores the need for healthcare recommendation systems that help medical professionals make faster and more accurate decisions. This study addresses drug recommendation systems that generate an appropriate list of drugs that match patients’ diagnoses. Currently, recommendations are manually prepared by physicians, but this is difficult for patients with multiple comorbidities. We explored approaches to drug recommendations based on elderly patients with diabetes, hypertension, and cardiovascular disease who visited primary care clinics and often had multiple conditions. We examined both collaborative filtering approaches and traditional machine learning classifiers. The hybrid model between the two yielded a recall at 5 of 76.61%, a precision at 5 of 46.20%, a macro-averaged area under the curve of 74.52%, and an average physician agreement of 47.50%. Although collaborative filtering is widely used in recommendation systems, our results showed that it consistently underperformed traditional classification. Collaborative filtering was sensitive to class imbalances and favored the more popular classes. This study has highlighted challenges that need to be addressed when developing recommendation systems in EHRs. เมื่อเวลาผ่านไป ข้อมูลการรักษาผู้ป่วยที่มาพบแพทย์ที่คลินิกจำนวนมาก ได้ถูกสะสมอยู่ในบันทึกสุขภาพอิเล็กทรอนิกส์ (EHRs) เมื่อข้อมูลสะสมมากขึ้น ทำให้ยากสำหรับบุคลากรทางการแพทย์ในการนำข้อมูลมาใช้และทำการตัดสินใจที่เน้นใช้ข้อมูลผู้ป่วยเป็นศูนย์กลาง สิ่งนี้เน้นย้ำถึงความจำเป็นของระบบคำแนะนำด้านการดูแลสุขภาพที่ช่วยให้แพทย์สามารถตัดสินใจได้รวดเร็วและแม่นยำยิ่งขึ้น การศึกษานี้กล่าวถึงระบบการแนะนำยาที่สร้างรายการยาที่เหมาะสม ซึ่งตรงกับการวินิจฉัยของผู้ป่วยในปัจจุบัน คำแนะนำต่างๆ จัดทำขึ้นโดยแพทย์เอง แต่นี่เป็นเรื่องยากสำหรับผู้ป่วยที่มีโรคร่วมหลายโรค เราสำรวจแนวทางคำแนะนำการใช้ยาโดยพิจารณาจากผู้ป่วยสูงอายุที่เป็นโรคเบาหวาน โรคความดันโลหิตสูง และโรคหัวใจ ที่เข้ารับบริการที่คลินิกปฐมภูมิและมักมีภาวะร่วมหลายอย่าง เราได้ตรวจสอบทั้งวิธีการกรองร่วมกัน (collaborative filtering) และวิธีการแยกกลุ่มประเภท (machine learning classifiers) รวมถึงการใช้ไฮบริดโมเดลระหว่างทั้งสองประเภท แม้ว่าการกรองร่วมกัน (collaborative filtering) จะใช้กันอย่างแพร่หลายในระบบคำแนะนำ (recommendation systems) แต่ผลลัพธ์ของเราแสดงให้เห็นว่าการกรองประเภทนี้มีประสิทธิภาพต่ำกว่าการจัดประเภทแบบแยกกลุ่ม (machine learning classifiers) การกรองร่วมกันนั้นมีผลต่อความไม่สมดุลของคลาสและสนับสนุนคลาสที่ได้รับความนิยมมากกว่า การศึกษานี้ได้เน้นถึงความท้าทายที่ต้องแก้ไขเมื่อพัฒนาระบบคำแนะนำในบันทึกสุขภาพอิเล็กทรอนิกส์ (EHRs) 2023-10-24T08:14:30Z 2023-10-24T08:14:30Z 2023 Thesis http://kb.psu.ac.th/psukb/handle/2016/18997 en Attribution-NonCommercial-NoDerivs 3.0 Thailand http://creativecommons.org/licenses/by-nc-nd/3.0/th/ application/pdf Prince of Songkla University |
| institution |
Prince of Songkhla University |
| building |
Khunying Long Athakravi Sunthorn Learning Resources Center |
| continent |
Asia |
| country |
Thailand Thailand |
| content_provider |
Khunying Long Athakravi Sunthorn Learning Resources Center |
| collection |
PSU Knowledge Bank |
| language |
English |
| topic |
Recommender systems Collaborative filtering Classification Electronic medical prescriptions |
| spellingShingle |
Recommender systems Collaborative filtering Classification Electronic medical prescriptions Apichat Sae-ang Smart Prescription Ordering System for Elderly Patients with Diabetes, Hypertension and Cardiovascular Disease at Songklanagarind Hospital |
| description |
Master of Science (Data Science), 2023 |
| author2 |
Sitthichok Chaichulee |
| author_facet |
Sitthichok Chaichulee Apichat Sae-ang |
| format |
Theses and Dissertations |
| author |
Apichat Sae-ang |
| author_sort |
Apichat Sae-ang |
| title |
Smart Prescription Ordering System for Elderly Patients with Diabetes, Hypertension and Cardiovascular Disease at Songklanagarind Hospital |
| title_short |
Smart Prescription Ordering System for Elderly Patients with Diabetes, Hypertension and Cardiovascular Disease at Songklanagarind Hospital |
| title_full |
Smart Prescription Ordering System for Elderly Patients with Diabetes, Hypertension and Cardiovascular Disease at Songklanagarind Hospital |
| title_fullStr |
Smart Prescription Ordering System for Elderly Patients with Diabetes, Hypertension and Cardiovascular Disease at Songklanagarind Hospital |
| title_full_unstemmed |
Smart Prescription Ordering System for Elderly Patients with Diabetes, Hypertension and Cardiovascular Disease at Songklanagarind Hospital |
| title_sort |
smart prescription ordering system for elderly patients with diabetes, hypertension and cardiovascular disease at songklanagarind hospital |
| publisher |
Prince of Songkla University |
| publishDate |
2023 |
| url |
http://kb.psu.ac.th/psukb/handle/2016/18997 |
| _version_ |
1781416885208743936 |