การเปรียบเทียบอัลกอริทึมวิเคราะห์หาสาเหตุการตายโดยการสัมภาษณ์เมื่อมีข้อมูลไม่สมบูรณ์

Abstract

การศึกษานี้ศึกษาการเปรียบเทียบประสิทธิภาพของอัลกอริทึมในการวิเคราะห์หาสาเหตุการตายจากการสัมภาษณ์ (Verbal Autopsy) เมื่อมีระดับการของข้อมูลที่ต่างกัน ทำโดยเปรียบเทียบ 5 VA อัลกอริทึม InSilicoVA InterVA-5 Tariff Naïve Bayes Classifiers (NBC) และ Random Forest (RF) ในการจำแนกหาสาเหตุการตายเมื่อมีระดับการหายของข้อมูลต่างกัน คือ ไม่มีการหายของข้อมูล หาย 5%, 10% และ 20% โดยที่เกณฑ์วัดในการประเมินประสิทธิภาพของอัลกอริทึม คือ ระยะเวลาในการทำงาน ค่าความถูกต้อง CCC CMSF accuracy Sensitivity และ Specificity ข้อมูลที่นำการวิเคราะห์ในงานวิจัยนี้ คือ ข้อมูล PHMRC จำนวน 7,841 พบว่า ข้อมูลสมบูรณ์ทำให้มีประสิทธิภาพดีกว่าข้อมูลที่มีการทำให้หาย มีค่าตัวชี้วัดดีกว่าในทุกระดับการหายของข้อมูลและตัวชี้วัดข้างต้นที่กล่าวมาจะค่อย ๆ ลดลงตามระดับการหายที่เพิ่มขึ้น VA อัลกอริทึมที่มีประสิทธิภาพในการแปลผลดีที่สุด คือ RF ในทุกระดับการหายของข้อมูลจากทุกดัชนีชี้วัดยกเว้นระยะเวลาในการทำงานและกลุ่มที่ใช้วิธีคิดแบบ data-driven อัลกอริทึม เช่น RF, Tariff และ NBC จะมีประสิทธิภาพในการแปลผลดีกว่า InSilicoVA และ InterVA 5 อาจเป็นเพราะเมื่อข้อมูลที่ใช้ในชุดเรียนรู้มีความครบถ้วนและสะท้อนกับข้อมูลชุดทดสอบและในการแปลผลนั้นไม่มีสมมติฐานทางการแพทย์มาครอบไว้