การสร้างตัวแบบต้นไม้ตัดสินใจในการคัดกรองการติดเชื้อ SAR-CoV-2
คำสำคัญ:
โคโรนาไวรัส 2019, โควิด-19, โควิดแอนติเจน, ชุดตรวจแบบเร็ว, ต้นไม้ตัดสินใจบทคัดย่อ
การสร้างตัวแบบต้นไม้ตัดสินใจ โดยใช้ Rapid Antigen Test ร่วมกับข้อมูลทางคลินิกในการคัดกรองการติดเชื้อ SAR-CoV-2 มีวัตถุประสงค์เพื่อหาความไวและความจำเพาะของการตรวจวิเคราะห์ SAR-CoV-2 ด้วยวิธี Rapid Antigen Test (RAT) และ Realtime RT-PCR และหาความไวและความจำเพาะของตัวแบบต้นไม้ตัดสินใจ ผลการศึกษาพบว่าการตรวจวิเคราะห์หาแอนติเจนของโคโรนาไวรัส 2019 ด้วย Rapid Antigen Test (RAT) มีค่าความไว ค่าความจำเพาะ ค่าทำนายผลบวก ค่าทำนายผลลบ และค่าความถูกต้อง ของการตรวจวิเคราะห์ร้อยละ 91.14 (Cl 88.48 - 95.45), 99.21 (Cl 98.10 - 99.64), 97.75 (Cl 95.77 - 98.81), 96.74 (Cl 95.64 - 97.79) และ 97.00 (Cl 96.03 - 97.79) ตามลำดับ
ผลการศึกษาประสิทธิภาพของตัวจำแนกในต้นแบบจากการสร้างแบบฝึกสอนทั้ง 3 วิธี ด้วยเทคนิคต้นไม้ตัดสินใจ ได้แก่ J48, ID3 และ CART พบว่าประสิทธิภาพของตัวจำแนกต้นแบบจากการสร้างแบบฝึกสอน (Primary Model) ที่เหมาะแก่การนำมาใช้งานคือตัวจำแนกด้วยวิธี J48 ร่วมกับ SMOTE ซึ่งให้ค่าความไวร้อยละ 96.1 ความจำเพาะร้อยละ 99.2 และความถูกต้องร้อยละ 98.5 เมื่อทำการตัดแต่งกิ่งเพื่อลดความซับซ้อนของตัวแบบ พบว่าสามารถสร้างกฎการจำแนกได้ จำนวน 8 กฎ และเมื่อทำการประเมินประสิทธิภาพของตัวจำแนกต้นแบบสุดท้าย (Final Model) กับข้อมูลกลุ่มอำพราง (Blind data) พบว่ามีค่าความไว ความจำเพาะ และความถูกต้องของการตรวจวิเคราะห์ร้อยละ 96.2 98.7 และ 97.4 ตามลำดับ ดังนั้นการตรวจหาแอนติเจนของโคโรนาไวรัส 2019 ด้วยวิธี Rapid Antigen Test (RAT) เมื่อพิจารณาร่วมกับข้อมูลอาการทางคลินิกเข้าร่วมในการคัดกรองจะทำให้ผลการตรวจวิเคราะห์มีค่าความไวและค่าความถูกต้องเพิ่มสูงขึ้น
เอกสารอ้างอิง
Li Q, Guan X, Wu P, Wang X, Zhou L, Tong Y, et al. Early transmission dynamics in Wuhan, China,
of novel coronavirus–infected pneumonia. N Engl J Med. 2020;382(13):1199-207.
Emergency Operations Center, Department of Disease Control. The Coronavirus Disease 2019 Situation [Internet]. 2021 [cited 2021 May 14]. Available from: https://ddc.moph.go.th/viralpneumonia/file/situation/situation-no92-040463.pdf
Emergency Operations Center, Department of Disease Control. The Coronavirus Disease 2019 Situation [Internet]. 2021 [cited 2021 May 5]. Available from: https://ddc.moph.go.th/viralpneumonia/file/situation/situation-no372-090164.pdf
Department of Medical Sciences, Ministry of Public Health. Manual of Laboratory Diagnostic for coronavirus disease 2019 (COVID-19). Bangkok: Text and Journal Publication company Limited; 2021. p. 7-28.
Bruzzone B, De Pace V, Caligiuri P, Ricucci V, Guarona G, Pennati BM, et al. Comparative diagnostic performance of rapid antigen detection tests for COVID-19 in a hospital setting. Int J Infect Dis. 2021;107:215-8.
Hayer J, Kasapic D, Zemmrich C. Real-world clinical performance of commercial SARS-CoV-2 rapid antigen tests in suspected COVID-19: A systematic meta-analysis of available data as of November 20, 2020. Int J Infect Dis. 2021;108:592-602.
Porte L, Legarraga P, Vollrath V, Aguilera X, Munita JM, Araos R, et al. Evaluation of a novel antigen-based rapid detection test for the diagnosis of SARS-CoV-2 in respiratory samples. Int J Infect Dis. 2020;99:328-33.
Scohy A, Anantharajah A, Bodéus M, Kabamba-Mukadi B, Verroken A, Rodriguez-Villalobos H. Low performance of rapid antigen detection test as frontline testing for COVID-19 diagnosis. J Clin Virol. 2020;129:104455.
Lambert-Niclot S, Cuffel A, Le Pape S, Vauloup-Fellous C, Morand-Joubert L, Roque-Afonso AM, et al. Evaluation of a rapid diagnostic assay for detection of SARS-CoV-2 antigen in nasopharyngeal swabs. J Clin Microbiol. 2020;58(8):10.1128/jcm.00977-20.
Brümmer LE, Katzenschlager S, Gaeddert M, Erdmann C, Schmitz S, Bota M, et al. Accuracy of novel antigen rapid diagnostics for SARS-CoV-2: A living systematic review and meta-analysis. PLoS Med. 2021;18(8):e1003735.
Carpenter CR. Rapid antigen and molecular tests had varied sensitivity and ≥97% specificity for detecting SARS-CoV-2 infection. Ann Intern Med. 2020;173(12):JC69.
Department of Disease Control. Guidelines for ATK Testing in factories and slum communities [Internet]. 2021 [cited 2021 Dec 25]. Available from: https://ddc.moph.go.th/viralpneumonia/file/g_srrt/g_srrt_221264.pdf
Moslehi S, Rabiei N, Soltanian AR, Mamani M. Application of machine learning models based on decision trees in classifying the factors affecting mortality of COVID-19 patients in Hamadan, Iran. BMC Med Inform Decis Mak. 2022;22(1):192.
Chaimayo C, Kaewnaphan B, Tanlieng N, Athipanyasilp N, Sirijatuphat R, Chayakulkeeree M, et al. Rapid SARS-CoV-2 antigen detection assay in comparison with real-time RT-PCR assay for laboratory diagnosis of COVID-19 in Thailand. Virol J. 2020;17:1-7.
Amer RM, Samir M, Gaber OA, El-Deeb NA, Abdel Moaty AA, Ahmed AA, et al. Diagnostic performance of rapid antigen test for COVID-19 and the effect of viral load, sampling time, subject’s clinical and laboratory parameters on test accuracy. J Infect Public Health. 2021;14(10):1446-53.
Hase R, Kurita T, Mito H, Yano Y, Watari T, Otsuka Y, et al. Potential for false positive results with quantitative antigen tests for SARS-CoV-2: a case of a child with acute respiratory infection. J Infect Chemother. 2022;28(2):319-20.
Zoabi Y, Deri-Rozov S, Shomron N. Machine learning-based prediction of COVID-19 diagnosis based on symptoms. NPJ Digit Med. 2021;4(1):3.
Nicolau I, Pérez-Gómez M, Paredes D, Trinh NTH, Roel E, Burn E. Association of COVID-19 vaccination with respiratory disease severity in patients with COVID-19: a cohort study. Lancet Respir Med. 2023;11(10):825-834.
Ahmad A, Safi O, Malebary S, Alesawi S, Alkayal E. Decision tree ensembles to predict coronavirus disease 2019 infection: a comparative study. Complexity. 2021;2021:1-8.
Pal M, Parija S, Mohapatra RK, Mishra S, Rabaan AA, Al Mutair A, et al. Symptom-based COVID-19 prognosis through AI-based IoT: a bioinformatics approach. Biomed Res Int. 2022;2022.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2024 มหาวิทยาลัยพะเยา
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ผู้นิพนธ์ต้องรับผิดชอบข้อความในบทนิพนธ์ของตน มหาวิทยาลัยพะเยา ไม่จำเป็นต้องเห็นด้วยกับบทความที่ตีพิมพ์เสมอไป ผู้สนใจสามารถคัดลอก และนำไปใช้ได้ แต่จะต้องขออนุมัติเจ้าของ และได้รับการอนุมัติเป็นลายลักษณ์อักษรก่อน พร้อมกับมีการอ้างอิงและกล่าวคำขอบคุณให้ถูกต้องด้วย
