ข้อมูลสำรวจผู้ป่วยนอกจักษุถูกสร้างทั้งโจทย์สองกลุ่มและสามกลุ่ม แล้วเปรียบเทียบ Random Forest, Gradient Boosting, XGBoost, CatBoost และ LightGBM ด้วย nested cross-validation โดยแก้ความไม่สมดุลเฉพาะชุดฝึก Gradient Boosting ร่วม G-SMOTENC ทำได้ดีที่สุดในโจทย์สองกลุ่ม ส่วน Random Forest เด่นในสามกลุ่ม SHAP ชี้ว่าระยะเวลาอยู่ในบริการมีส่วนต่อคำทำนายมากที่สุด รองด้วยข้อมูลประชากรและการมาใช้บริการ ผลช่วยตั้งประเด็นปรับกระบวนการ แต่ SHAP อธิบายโมเดล ไม่พิสูจน์ว่าเวลารอเป็นสาเหตุ และโมเดลจากแผนกเดียวต้องตรวจภายนอกกับข้อมูลผลลัพธ์ที่ไม่เกิด leakage ก่อนใช้บริหารทรัพยากร
ข้อค้นพบสำคัญ
ทำไมจึงมีความสำคัญระดับโลก
ผลงานเพิ่มองค์ความรู้ในสาขาและเปิดทางให้ตรวจสอบหรือต่อยอดในบริบทอื่น การตีความผลกระทบควรยึดขอบเขตและหลักฐานของงานต้นฉบับเป็นหลัก ระบบให้สัญญาณผลกระทบ 74 จาก 100 ซึ่งใช้เพื่อจัดลำดับการนำเสนอ ไม่ใช่คะแนนคุณภาพวารสารหรือการจัดอันดับนักวิจัย
บทบาทของนักวิจัยไทย
การเชื่อมโยงกับประเทศไทยปรากฏผ่านผู้เขียนหรือสังกัด ได้แก่ Thammasat University
ข้อจำกัดที่ควรรู้
บทวิเคราะห์นี้อาศัยข้อมูลบรรณานุกรม บทคัดย่อ และแหล่งต้นทางที่เข้าถึงได้ ไม่ได้แทนการอ่านบทความฉบับเต็ม และไม่ควรอนุมานเหตุเป็นผลหรือการใช้จริงเกินกว่าที่ผู้วิจัยรายงาน