DSpace Repository
การพยากรณ์ระยะเวลานอนรักษาตัวเป็นผู้ป่วยในโรงพยาบาลของผู้ป่วยจิตเวชโดยใช้ตัวแบบ Arimax ปรับใหม่
JavaScript is disabled for your browser. Some features of this site may not work without it.
| dc.contributor.advisor | สุชาดา กรเพชรปาณี | |
| dc.contributor.author | กิตติศักดิ์ จังพานิช | |
| dc.contributor.other | มหาวิทยาลัยบูรพา. วิทยาลัยวิทยาการวิจัยและวิทยาการปัญญา | |
| dc.date.accessioned | 2024-01-25T08:41:10Z | |
| dc.date.available | 2024-01-25T08:41:10Z | |
| dc.date.issued | 2559 | |
| dc.identifier.uri | https://buuir.buu.ac.th/xmlui/handle/1234567890/12494 | |
| dc.description | ดุษฎีนิพนธ์ (ปร.ด.) -- มหาวิทยาลัยบูรพา, 2560 | |
| dc.description.abstract | การวิจัยนี้มีวัตถุประสงค์เพื่อ 1) หาตัวประมาณค่าพารามิเตอร์ ( a. B ) ของการแจกแจงอินเวอร์สเกาส์เซียนด้วยวิธีการประมาณค่าพารามิเตอร์แบบเบส์ โดยใช้การแจกแจงไวบูลเป็นการแจกแจงก่อน 2) เปรียบเทียบประสิทธิภาพ (Bias และ MSE) ของตัวประมาณค่าพารามิเตอร์ ( a. B ) ที่ใช้การแจกแจงไวบูลกับใช้การแจกแจงแกมม่าเป็นการแจกแจงก่อน ในการจำลองสถานการณ์โดยวิธีมอนติคาร์โล จำนวน 125 สถานการณ์ ( C = 1, 5, 10, 50, 100, B = 1, 5, 10, 50, 100 และ n = 50, 100, 200, 400, 1000) และ 3) พยากรณ์ระยะเวลานอนรักษาตัวเป็นผู้ป่วยในโรงพยาบาลของผู้ป่วยจิตเวชโรงพยาบาลศรีธัญญาในปี พ.ศ. 2559 ด้วยตัวแบบ ARIM4X ปรับใหม่ โดยการนำตัวพารามิเตอร์ของการแจกแจงอินเวอร์สเกาส์เชียน ( a ,B ) ที่ประมาณค่าแบบเบส์ โดยใช้การแจกแจงไวบูลเป็นการแจกแจงก่อน ในการปรับความคลาดเคลื่อนจากการพยากรณ์ด้วยค่าเฉลี่ยและความแปรปรวนในตัวแบบ ARIM.AX ผลการวิจัย 1. ตัวประมาณค่าพารามิเตอร์ (a., B) ของการแจกแจงอินเวอร์สเกาส์เชียนด้วยวิธีการประมาณ ค่าพารามิเตอร์แบบเบส์ โดยใช้การแจกแจงไวบูลเป็นการแจกแจงก่อนที่พัฒนาขึ้น ปรากฏว่า 1.1 พารามิเตอร์รูปร่าง ( a ) ของการแจกแจงอินเวอร์สเกาส์เซียน โดยใช้การแจกแจง ไวบูลเป็นการแจกแจงก่อนมีแนวโน้มมีประสิทธิภาพดีกว่าใช้การแจกแจงแกมม่าเป็นการแจกแจงก่อน ในกรณีที่ขนาดตัวอย่างเป็น 50 (ยกเว้นกรณีที่พารามิเตอร์รูปร่างเป็น 100) และ 1,000 แต่ในกรณีที่ ขนาดตัวอย่างเป็น 100 (ยกเว้นกรณีที่พารามิเตอร์รูปร่างเป็น 50), 200 และ 400 พารามิเตอร์รูปร่าง ( a ) ของการแจกแจงอินเวอร์สเกาส์เชียนโดยใช้การแจกแจงแกมม่าเป็นการแจกแจงก่อนมีแนวโน้มมี ประสิทธิภาพดีกว่า 1.2 พารามิเตอร์บอกมาตราส่วน ( B) ของการแจกแจงอินเวอร์สเกาส์เซียนโดยใช้การแจกแจงไวบูลเป็นการแจกแจงก่อนมีแนวโน้มมีประสิทธิภาพดีกว่าใช้การแจกแจงแกมม่าเป็นการแจกแจงก่อน ในกรณีที่ขนาดตัวอย่างเป็น 100, 200, 400 และ 1,000 แต่ในกรณีที่ขนาดตัวอย่างเป็น 50 พารามิเตอร์บอกมาตราส่วน ( B) ของการแจกแจงอินเวอร์สเกาส์เซียนโดยใช้การแจกแจงแกมม่าเป็นการแจกแจงก่อนมีแนวโน้มมีประสิทธิภาพดีกว่า 2. ผลการพยากรณ์ระยะเวลานอนรักษาตัวเป็นผู้ป่วยในโรงพยาบาลของผู้ป่วยจิตเวช โรงพยาบาลศรีธัญญาในปี พ.ศ. 2559 ด้วยตัวแบบ ARIM4X ปรับใหม่ ตัวแปรพยากรณ์ประกอบด้วย เพศ จำนวนครั้งที่เคยเข้ารับการรักษา ระดับความรุนแรงของโรค และวิธีการรักษา ปรากฏว่า ผลการพยากรณ์มีความคลาดเคลื่อนโดยเฉสี่ย 6.30 วัน หรือประมาณ 7 วัน การทตสอบผลการพยากรณ์กับข้อมูลจริงในปี พ.ศ. 2559 ตั้งแต่เดือนมกราคมถึงเดือนเมษายน ชี้ให้เห็นว่า สมการทำนายถูกต้อง 73.33 % ด้วยช่วงความเชื่อมั่น 99 % ปรากฏ ดังนี้ | |
| dc.language.iso | th | |
| dc.publisher | วิทยาลัยวิทยาการวิจัยและวิทยาการปัญญา มหาวิทยาลัยบูรพา | |
| dc.rights | มหาวิทยาลัยบูรพา | |
| dc.subject | ผู้ป่วยจิตเวช | |
| dc.subject | ความน่าจะเป็น | |
| dc.subject | มหาวิทยาลัยบูรพา -- สาขาวิชาการวิจัยและสถิติทางวิทยาการปัญญา | |
| dc.subject | Science and Technology | |
| dc.subject | ทฤษฎีการประมาณค่า (สถิติ) | |
| dc.subject | วิทยานิพนธ์ปริญญาเอก | |
| dc.subject | การแจกแจง (ทฤษฎีความน่าจะเป็น) | |
| dc.subject | การประมาณค่าพารามิเตอร์ | |
| dc.title | การพยากรณ์ระยะเวลานอนรักษาตัวเป็นผู้ป่วยในโรงพยาบาลของผู้ป่วยจิตเวชโดยใช้ตัวแบบ Arimax ปรับใหม่ | |
| dc.title.alternative | Forecasting the length of hospital stay for psychiatric patients using adjusted arimax model | |
| dc.type | วิทยานิพนธ์/ Thesis | |
| dc.description.abstractalternative | The aims of this study were (1) to estimate the parameter shape ( ) and scale ( ) of Inverse Gaussian distributions using Weibull as a prior distribution as derived by Bayesian estimation; (2) to compare the efficiency (absolute bias and MSE) of the parameters estimated ( , ) using Weibull and Gamma as prior distributions. The simulation was computed by Monte Carlo from 125 situations ( = 1, 5, 10, 50, 100, β = 1, 5, 10, 50, 100 and n = 50, 100, 200, 400, 1000) ; and (3), to forecast the length of hospital stay for psychiatric patients using an adjusted ARIMAX model by employing the parameters of an Inverse Gaussian distribution derived by Bayesian estimation to adjust the mean and variance of the error of the estimation. The results were as follows: 1. The efficiency of the estimators ( , ) of Inverse Gaussian distribution using Weibull as the prior distribution indicated that: 1.1 The shape parameter ( ) trends to be more efficient than when using Gamma as the prior distribution, in sample sizes of 50 (except in the case of shape parameter is 100) and 1000; however in cases where the sample sizes were 100 (except in the case of shape parameter is 50), 200 and 400, the shape parameter ( ) using Gamma as the prior distribution trends to be more efficient than using Weibull as the prior distribution. 1.2 The scale parameter ( ) of Inverse Gaussian using Weibull as the prior distribution trends to be more efficient than using Gamma as the prior distribution in the sample sizes of 100, 200, 400 and 1000. When the sample size was 50, the scale parameter ( ) of Inverse Gaussian using Gamma as the prior distribution trends to be more efficient than using Weibull as the prior distribution. 2. Forecasting the length of hospital stay for psychiatric patients of Srithanya hospital in 2016 via an adjusted ARIMAX model consisted of several predictor variables: gender, number of admissions, phases of schizophrenia, and treatment programs. The error of estimation in the model was 6.30, or approximately 7 days. The accuracy of forecasting was tested using real data for psychiatric patients of Srithanya hospital in 2016 from January to April and found to correctly forecast 77.33 % of outcomes with a 99 % confidence interval. | |
| dc.degree.level | ปริญญาเอก | |
| dc.degree.discipline | การวิจัยและสถิติทางวิทยาการปัญญา | |
| dc.degree.name | ปรัชญาดุษฎีบัณฑิต | |
| dc.degree.grantor | มหาวิทยาลัยบูรพา |
