|
|
ข้อมูลการเผยแพร่ผลงาน
|
| ชื่อบทความ |
Discovery of Intentional Self-Harm Patterns from Suicide and Self-Harm Surveillance Reports |
| วัน/เดือน/ปี ที่ได้ตอบรับ |
7 กันยายน 2565 |
| วารสาร |
| ชื่อวารสาร |
Healthcare Informatics Research |
| มาตรฐานของวารสาร |
ISI |
| หน่วยงานเจ้าของวารสาร |
Korean Society of Medical Informatics |
| ISBN/ISSN |
|
| ปีที่ |
2022 |
| ฉบับที่ |
Volume 28 Issue 4 |
| เดือน |
October |
| ปี พ.ศ. ที่พิมพ์ |
2565 |
| หน้า |
319-331 |
| บทคัดย่อ |
Objectives
The purpose of this study was to identify patterns of self-harm risk factors from suicide and self-harm surveillance reports in Thailand.
Methods
This study analyzed data from suicide and self-harm surveillance reports submitted to Khon Kaen Rajanagarindra Psychiatric Hospital, Thailand. The process of identifying patterns of self-harm risk factors involved: data preprocessing (namely, data preparation and cleaning, missing data management using listwise deletion and expectation-maximization techniques, subgrouping factors, determining the target factors, and data correlation for learning); classifying the risk of self-harm (severe or mild) using 10-fold cross-validation with the support vector machine, random forest, multilayer perceptron, decision tree, k-nearest neighbors, and ensemble techniques; data filtering; identifying patterns of self-harm risk factors using 10-fold cross-validation with the classification and regression trees (CART) technique; and evaluating patterns of self-harm risk factors.
Results
The random forest technique was most accurate for classifying the risk of self-harm, with specificity, sensitivity, and F-score of 92.84%, 93.12%, and 91.46%, respectively. The CART technique was able to identify 53 patterns of self-harm risk, consisting of 16 severe self-harm risk patterns and 37 mild self-harm risk patterns, with an accuracy of 92.85%. In addition, we discovered that the type of hospital was a new risk factor for severe selfharm.
Conclusions
The procedure presented herein could identify patterns of risk factors from self-harm and assist psychiatrists in making decisions related to self-harm among patients visiting hospitals in Thailand. |
| คำสำคัญ |
Data Adjustment, Machine Learning, Data Analysis, Self-Injurious Behavior, Suicide |
| ผู้เขียน |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ตีพิมพ์แล้ว |
| วารสารมีการเผยแพร่ในระดับ |
นานาชาติ |
| citation |
ไม่มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
|
|
|
|
|
|
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English