A MODEL FOR PREDICTING HEALTH PROBLEMS FOR SLEEP USING LOGISTIC REGRESSION

Abstract

Sleep pattern analysis system for primary health indicators is something that has been developed to use existing technology to benefit Nowadays, there is something called Smart Watch, which is a smartwatch that, in addition to telling the time, can also measure the number of steps, measure the pulse from exercise, analyze it as the energy used. Analyze your sleep pulse to indicate your physical health and sleep quality. And can also be connected to an application on a Smartphone as well, thus being able to output various data to be used for data analysis The researcher proposed an idea for analyzing health problems from sleep data. By studying the theory and finding related factors Sleep data was collected from 32 normal and sick people aged 20-60 for 40 days and analyzed using Binary Logistic Regression. sick people apart And use the analysis obtained to develop the system further. A predictive model that results in effective segmentation of datasets. By the binary logistic regression algorithm and the appropriate variables were gender, age, and sleep quality. The data set was divided into 0.1, that is, Train 90 percent and test 10 percent. The appropriate thresholds were 0.3 and 0.4. The result from the analysis has an accuracy= of 0.91. This research can be adapted for development. various forecasting models in the future efficiently and appropriately.

ระบบวิเคราะห์รูปแบบการนอนเพื่อชี้วัดสุขภาพเบื้องต้น เป็นสิ่งที่ถูกพัฒนาขึ้นมา เพื่อใช้เทคโนโลยีที่มีอยู่ให้เกิดประโยชน์ ในปัจจุบันมีสิ่งที่เรียกว่า Smart watch เป็นนาฬิกาอัจฉริยะที่นอกเหนือจากการบอกเวลายังสามารถวัดจำนวนก้าววัดชีพจรจากการออกกำลังกายวิเคราะห์เป็นพลังงานที่ใช้ วิเคราะห์ชีพจรในตอนนอนหลับเพื่อบ่งบอกถึงสุขภาพร่างกายและคุณภาพของการนอน และยังสามารถเชื่อมต่อกับแอปพลิเคชันใน Smart phone ได้อีกด้วย จึงสามารถที่จะนำออกข้อมูลต่างๆที่จะใช้งานออกมาเพื่วิเคราะห์ข้อมูลได้

ผู้วิจัยได้เสนอแนวความคิดในการวิเคราะห์ปัญหาสุขภาพที่มาจากข้อมูลของการนอนหลับ โดยทำการศึกษาทฤษฎีและหาปัจจัยที่เกี่ยวข้อง เก็บข้อมูลการนอนหลับจากคนปกติและคนป่วย 32 คนในช่วงอายุ 20-60 เป็นเวลา 40 วัน นำข้อมูลมาวิเคราะห์ด้วย Binary Logistic Regression หาความแตกต่างในการนอนระหว่างบุคคลสองประเภทนี้เพื่อชี้วัดสุขภาพของคนปกติและคนป่วยออกจากกัน และนำการวิเคราะห์ที่ได้มาพัฒนาระบบต่อไป

โมเดลการพยากรณ์ที่ได้ผลลัพธ์ที่มีประสิทธิภาพในการแบ่งกลุ่มชุดข้อมูล โดยอัลกอริทึมการถดถอยโลจิสติกส์แบบไบนารี่ และ ตัวแปรที่เหมาะสมคือ เพศ อายุ และ Sleep Quality โดยแบ่ง Data set เป็น 0.1 ก็คือ Train 90 เปอร์เซ็นต์และ test 10 เปอร์เซ็นต์ โดยค่า Thresholdที่เหมาะสมคือ 0.3และ0.4 ผลจากการณ์วิเคราะห์มีค่า accuracy= 0.91 ผลการวิจัยนี้สามารถนำไปปรับใช้งานในการพัฒนา โมเดลการพยากรณ์ต่างๆ ในอนาคตได้อย่างมีประสิทธิภาพ และเหมาะสม