Original Title: Comparative Analysis of Percentage Disease Index and Area Under the Curve for Classifying Northern Corn Leaf Blight Severity
Source: doi.org/10.14456/thaidoa-agres.2025.24
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការវិភាគប្រៀបធៀបនៃសន្ទស្សន៍ភាគរយនៃជំងឺ និងផ្ទៃក្រោមកោងសម្រាប់ការចាត់ថ្នាក់ភាពធ្ងន់ធ្ងរនៃជំងឺខ្លោចស្លឹកពោត

ចំណងជើងដើម៖ Comparative Analysis of Percentage Disease Index and Area Under the Curve for Classifying Northern Corn Leaf Blight Severity

អ្នកនិពន្ធ៖ Theerawut Wongwarat (Khon Kaen Field Crops Research Center), Chaowanart Phruetthithep (Field and Renewable Energy Crops Research Institute), Suwara Wutthiaumphon (Chai Nat Field Crops Research Center), Panuwat Sinlapasakkajohn (Chai Nat Field Crops Research Center)

ឆ្នាំបោះពុម្ព៖ 2025 Thai Agricultural Research Journal

វិស័យសិក្សា៖ Plant Pathology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះផ្តោតលើការប្រៀបធៀបវិធីសាស្ត្រវាយតម្លៃភាពធ្ងន់ធ្ងរនៃជំងឺខ្លោចស្លឹកពោត (Northern Corn Leaf Blight) ដើម្បីធានាបាននូវភាពត្រឹមត្រូវខ្ពស់ក្នុងការជ្រើសរើសពូជពោតផ្អែមដែលធន់នឹងជំងឺ។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានធ្វើការប្រៀបធៀបប្រសិទ្ធភាពរវាងការប្រើប្រាស់សន្ទស្សន៍ភាគរយនៃជំងឺ (Percentage Disease Index) និងផ្ទៃក្រោមកោងនៃវឌ្ឍនភាពជំងឺ (Area Under the Disease Progress Curve)។

ការចាក់បញ្ចូលមេរោគសិប្បនិម្មិត Exserohilum turcicum និងការវាយតម្លៃសន្ទស្សន៍ភាគរយនៃជំងឺ (Percentage Disease Index - PDI) នៅថ្ងៃទី២៨ និង៥៥ ក្រោយពេលដាំ
ការគណនាផ្ទៃក្រោមកោងនៃវឌ្ឍនភាពជំងឺ (Area Under the Disease Progress Curve - AUDPC)
ការវិភាគខ្សែកោងប្រតិបត្តិការអ្នកទទួល (ROC curve) និងសន្ទស្សន៍យូដិន (Youden index)

លទ្ធផលសំខាន់ៗ (The Verdict)៖

ការវាយតម្លៃ PDI នៅថ្ងៃទី២៨ មិនស័ក្តិសមសម្រាប់ការចាត់ថ្នាក់ភាពធ្ងន់ធ្ងរនៃជំងឺនោះទេ ខណៈដែល PDI នៅថ្ងៃទី៥៥ និង AUDPC បង្ហាញពីទំនាក់ទំនងគួរឱ្យកត់សម្គាល់ផ្នែកស្ថិតិ។
ការប្រើប្រាស់ AUDPC រួមជាមួយ ROC curve និង Youden index បានកំណត់តម្លៃកម្រិតវិនិច្ឆ័យ 910.88 និងមានតម្លៃ AUC ស្មើ 1.00 ដែលបង្ហាញពីភាពត្រឹមត្រូវដាច់ខាតក្នុងការបែងចែកពូជធន់ និងពូជខ្សោយ។
វិធីសាស្ត្រ AUDPC បូករួមជាមួយ ROC curve មានប្រសិទ្ធភាព និងភាពជឿជាក់ខ្ពស់ជាងការប្រើប្រាស់ត្រឹម PDI តែមួយមុខ ដែលស័ក្តិសមបំផុតសម្រាប់ប្រើជាឧបករណ៍ក្នុងស្រាវជ្រាវបង្កាត់ពូជពោតផ្អែមនាពេលអនាគត។

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method)	គុណសម្បត្តិ (Pros)	គុណវិបត្តិ (Cons)	លទ្ធផលគន្លឹះ (Key Result)
Percentage Disease Index at 28 Days After Planting (PDI at 28 DAP) ការវាយតម្លៃសន្ទស្សន៍ភាគរយនៃជំងឺនៅថ្ងៃទី២៨ក្រោយពេលដាំ	ងាយស្រួលអនុវត្ត និងចំណាយពេលខ្លីក្នុងការប្រមូលទិន្នន័យនៅដំណាក់កាលលូតលាស់ដំបូង។	មិនឆ្លុះបញ្ចាំងពីភាពធ្ងន់ធ្ងរនៃជំងឺពិតប្រាកដ ដោយសាររោគសញ្ញាមិនទាន់វិវឌ្ឍពេញលេញ ដែលអាចនាំឱ្យមានការវាយតម្លៃខុស។	មិនស័ក្តិសមសម្រាប់ការចាត់ថ្នាក់កម្រិតភាពធ្ងន់ធ្ងរនៃជំងឺនោះទេ ដោយសារមានភាពមិនច្បាស់លាស់ខ្ពស់។
Percentage Disease Index at 55 Days After Planting (PDI at 55 DAP) ការវាយតម្លៃសន្ទស្សន៍ភាគរយនៃជំងឺនៅថ្ងៃទី៥៥ក្រោយពេលដាំ	បង្ហាញពីស្ថានភាពជំងឺបានច្បាស់ជាងនៅដំណាក់កាលចេញផ្កា និងងាយស្រួលគណនា។	ឆ្លុះបញ្ចាំងពីស្ថានភាពជំងឺនៅចំណុចពេលវេលាតែមួយ មិនបានបង្ហាញពីប្រវត្តិ ឬសន្ទុះនៃការវិវឌ្ឍជំងឺតាំងពីដើមរដូវកាល។	មានទំនាក់ទំនងផ្នែកស្ថិតិ ប៉ុន្តែមានការចាត់ថ្នាក់ខុស (Misclassification) ចំនួន ៣៧ ពូជបើធៀបនឹងការប្រើ AUDPC។
AUDPC combined with ROC curve and Youden index ការប្រើប្រាស់ផ្ទៃក្រោមកោងនៃវឌ្ឍនភាពជំងឺ (AUDPC) រួមជាមួយខ្សែ ROC និងសន្ទស្សន៍ Youden	ឆ្លុះបញ្ចាំងពីការវិវឌ្ឍនៃជំងឺបានពេញមួយរដូវកាល និងអាចកំណត់ចំណុចកាត់ (Threshold) បានយ៉ាងច្បាស់លាស់ និងមានលក្ខណៈវិទ្យាសាស្ត្រ។	ទាមទារការប្រមូលទិន្នន័យច្រើនដងពីវាលស្រែ និងចំណេះដឹងផ្នែកវិភាគទិន្នន័យស្ថិតិស្មុគស្មាញ។	មានភាពត្រឹមត្រូវខ្ពស់បំផុត ដោយមានតម្លៃ AUC ស្មើ 1.00 និងផ្តល់ចំណុចកាត់ 910.88 សម្រាប់ការបែងចែកពូជធន់ និងពូជខ្សោយបានយ៉ាងល្អឥតខ្ចោះ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះមិនបានបញ្ជាក់ពីការចំណាយជាថវិកាផ្ទាល់នោះទេ ប៉ុន្តែវាទាមទារធនធានពេលវេលា កម្លាំងពលកម្មប្រមូលទិន្នន័យវាលស្រែ និងជំនាញផ្នែកស្ថិតិសម្រាប់ការវិភាគទិន្នន័យ។

Field Setup: ទីតាំងដាំដុះសម្រាប់ធ្វើតេស្តពូជពោតផ្អែម និងបច្ចេកទេសបណ្តុះមេរោគសិប្បនិម្មិត (Artificial Inoculation) នៃមេរោគ Exserohilum turcicum។
Data Collection Effort: កម្លាំងពលកម្មអ្នកបច្ចេកទេសកសិកម្មយ៉ាងតិច៣នាក់ ដើម្បីវាយតម្លៃអត្រាជំងឺឯករាជ្យពីគ្នា (Scoring Scale 1-9) នៅថ្ងៃទី២៨ និង៥៥។
Software: កម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគស្ថិតិ គូរខ្សែកោង ROC (ROC curve) និងបង្កើត Heatmap (ឧទាហរណ៍៖ R Studio, Python, ឬ SPSS)។
Expertise: ទាមទារអ្នកជំនាញរោគវិទ្យារុក្ខជាតិ (Plant Pathologist) និងអ្នកវិភាគទិន្នន័យជីវស្ថិតិ (Biostatistician)។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅមជ្ឈមណ្ឌលស្រាវជ្រាវដំណាំចម្ការឈៀងម៉ៃ ប្រទេសថៃ ដោយប្រើប្រាស់ពូជពោតផ្អែមកូនកាត់ជំនាន់ទី៦ (S6) និងមេរោគ E. turcicum ក្នុងតំបន់។ កត្តានេះមានសារៈសំខាន់សម្រាប់ប្រទេសកម្ពុជា ព្រោះលក្ខខណ្ឌអាកាសធាតុ កម្រិតសំណើម និងប្រភេទមេរោគក្នុងស្រុកអាចមានភាពខុសគ្នា ដែលទាមទារឱ្យមានការធ្វើតេស្តផ្ទៀងផ្ទាត់ឡើងវិញមុននឹងយកចំណុចកាត់ (Threshold 910.88) មកប្រើប្រាស់ដោយផ្ទាល់។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រប្រើប្រាស់ AUDPC និង ROC curve នេះមានអត្ថប្រយោជន៍ និងភាពស័ក្តិសមយ៉ាងខ្លាំងសម្រាប់កម្មវិធីស្រាវជ្រាវ និងបង្កាត់ពូជដំណាំនៅប្រទេសកម្ពុជា។

Cambodian Agricultural Research and Development Institute (CARDI): អាចប្រើប្រាស់វិធីសាស្ត្រ AUDPC+ROC ជាស្តង់ដារថ្មីក្នុងការស្រាវជ្រាវបង្កាត់ពូជពោតផ្អែម និងពោតចំណីសត្វ ដើម្បីធានាបាននូវពូជដែលមានភាពធន់នឹងជំងឺច្បាស់លាស់ មុននឹងបញ្ចេញពូជឱ្យកសិករប្រើប្រាស់។
Corn Farming Regions (Battambang, Pailin, Banteay Meanchey): មន្ទីរកសិកម្មខេត្តអាចប្រើប្រាស់វិធីសាស្ត្រនេះដើម្បីវាយតម្លៃប្រៀបធៀបពូជពោតពាណិជ្ជកម្មនានាដែលកំពុងចរាចរណ៍លើទីផ្សារ ថាតើពូជណាមានភាពធន់នឹងជំងឺខ្លោចស្លឹកពិតប្រាកដក្នុងលក្ខខណ្ឌដី និងអាកាសធាតុក្នុងតំបន់។
Royal University of Agriculture (RUA) & Other Agri-Universities: សាស្ត្រាចារ្យ និងនិស្សិតអាចយកវិធីសាស្ត្រនេះបញ្ចូលក្នុងកម្មវិធីសិក្សា និងជាប្រធានបទសារណា ដើម្បីបណ្តុះបណ្តាលជំនាញវិភាគទិន្នន័យជីវស្ថិតិ (Biostatistics) និងរោគវិទ្យារុក្ខជាតិកម្រិតខ្ពស់។

ជារួម ការផ្លាស់ប្តូរពីការវាយតម្លៃជំងឺត្រឹមចំណុចពេលវេលាតែមួយ (PDI) មកការវាយតម្លៃជារួមដែលមានលក្ខណៈប្រព័ន្ធ (AUDPC+ROC) នឹងជួយកាត់បន្ថយហានិភ័យនៃការជ្រើសរើសពូជខុស និងជួយបង្កើនទិន្នផលកសិកម្មនៅកម្ពុជាប្រកបដោយនិរន្តរភាព។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

សិក្សាពីមូលដ្ឋានគ្រឹះនៃរោគវិទ្យារុក្ខជាតិ និងការវាយតម្លៃជំងឺ: ស្វែងយល់ពីវដ្តជីវិតរបស់មេរោគផ្សិត Exserohilum turcicum និងអនុវត្តការដាក់ពិន្ទុវាយតម្លៃកម្រិតជំងឺ (Disease Scoring Scale 1-9) លើស្លឹកពោត ដោយប្រើឯកសារណែនាំរបស់ CIMMYT ឬស្ថាប័នពាក់ព័ន្ធ។
រៀបចំការប្រមូលទិន្នន័យតាមពេលវេលាជាក់លាក់ (Time-Series Data Collection): ចុះអនុវត្តការចាក់បញ្ចូលមេរោគសិប្បនិម្មិតនៅវាលស្រែ និងកត់ត្រាទិន្នន័យភាគរយជំងឺយ៉ាងហោចណាស់ ២ ទៅ ៣ ដង ក្នុងវគ្គលូតលាស់ផ្សេងៗគ្នា ដោយប្រើប្រាស់កម្មវិធី KoboToolbox ឬ ODK Collect សម្រាប់ប្រមូលទិន្នន័យច្បាស់លាស់។
រៀនគណនាផ្ទៃក្រោមកោងនៃវឌ្ឍនភាពជំងឺ (AUDPC): ប្រើប្រាស់រូបមន្ត AUDPC ដើម្បីបំប្លែងទិន្នន័យតាមពេលវេលាទៅជាតម្លៃតែមួយ។ និស្សិតអាចប្រើប្រាស់កម្មវិធី Microsoft Excel សម្រាប់ទិន្នន័យតូច ឬប្រើប្រាស់កញ្ចប់ទិន្នន័យ agricolae នៅក្នុងកម្មវិធី R Studio សម្រាប់ស្វ័យប្រវត្តិកម្ម។
វិភាគខ្សែកោង ROC និងសន្ទស្សន៍ Youden (ROC Curve & Youden Index): អនុវត្តការវិភាគចំណាត់ថ្នាក់ទិន្នន័យ (Classification) ដោយប្រើប្រាស់កញ្ចប់ pROC នៅក្នុង R Studio ឬ scikit-learn នៅក្នុង Python ដើម្បីស្វែងរកតម្លៃ AUC និងកំណត់ចំណុចកាត់ (Optimal Threshold) សម្រាប់បែងចែកពូជធន់និងពូជខ្សោយ។
ការបកស្រាយលទ្ធផល និងការបង្កើតរូបភាពទិន្នន័យ (Data Visualization): ប្រើប្រាស់កម្មវិធី ggplot2 (R) ឬ Seaborn (Python) ដើម្បីបង្កើតក្រាហ្វិក Heatmap ចង្អុលបង្ហាញពីទំនាក់ទំនងនៃការឆ្លើយតបជំងឺតាមពូជនិមួយៗ រួចសរសេរជារបាយការណ៍ស្រាវជ្រាវផ្តល់ជូនកសិករ ឬមន្ទីរកសិកម្ម។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស	ការពន្យល់ជាខេមរភាសា (Khmer Explanation)	និយមន័យសាមញ្ញ (Simple Definition)
Area Under the Disease Progress Curve (ផ្ទៃក្រោមកោងនៃវឌ្ឍនភាពជំងឺ ឬ AUDPC)	វិធីសាស្ត្រគណនាបរិមាណរោគសាស្ត្រដែលវាស់វែងកម្រិតនៃការវិវឌ្ឍ និងការកើនឡើងនៃភាពធ្ងន់ធ្ងរនៃជំងឺពេញមួយរយៈពេលលូតលាស់របស់រុក្ខជាតិ ជាជាងការវាយតម្លៃត្រឹមតែមួយដង។	ដូចជាការបូកសរុបពិន្ទុប្រឡងប្រចាំខែគ្រប់ខែដើម្បីវាយតម្លៃសមត្ថភាពសិស្សពេញមួយឆ្នាំ ជំនួសឱ្យការមើលតែពិន្ទុប្រឡងចុងឆ្នាំតែម្តង។
Percentage Disease Index (សន្ទស្សន៍ភាគរយនៃជំងឺ ឬ PDI)	រង្វាស់ដែលប្រាប់ពីភាគរយនៃផ្ទៃរុក្ខជាតិ (ដូចជាស្លឹក) ដែលរងការខូចខាតឬមានរោគសញ្ញាជំងឺនៅពេលវេលាជាក់លាក់ណាមួយ ដែលប្រើសម្រាប់វាយតម្លៃកម្រិតធ្ងន់ធ្ងរនៃជំងឺ។	ដូចជាការថតរូបសន្លឹកកិច្ចការមួយសន្លឹកដើម្បីមើលថាតើមានកន្លែងខុសប៉ុន្មានភាគរយនៅពេលនោះ។
Receiver Operating Characteristic curve (ខ្សែកោងប្រតិបត្តិការអ្នកទទួល ឬ ROC curve)	ក្រាហ្វិកស្ថិតិដែលបង្ហាញពីសមត្ថភាពនៃប្រព័ន្ធចំណាត់ថ្នាក់ ដោយប្រៀបធៀបអត្រានៃការទស្សន៍ទាយត្រូវ (True Positive Rate) ជាមួយនឹងអត្រានៃការទស្សន៍ទាយខុស (False Positive Rate)។	ដូចជាការថ្លឹងថ្លែងរវាងការចាប់បានចោរពិតប្រាកដ និងការចាប់ច្រឡំមនុស្សល្អ ដើម្បីរករង្វាស់មួយដែលសុក្រឹតបំផុត។
Youden index (សន្ទស្សន៍យូដិន)	រូបមន្តស្ថិតិដែលប្រើជាមួយខ្សែកោង ROC ដើម្បីស្វែងរកចំណុចកាត់ (Threshold) ដ៏ល្អបំផុតដែលធ្វើឱ្យមានតុល្យភាព និងភាពត្រឹមត្រូវខ្ពស់បំផុតក្នុងការបែងចែកក្រុមពីរ (ឧទាហរណ៍៖ ពូជធន់ និងពូជខ្សោយ)។	ដូចជាការរកកម្ពស់របារមួយដែលស័ក្តិសមបំផុត ដែលអនុញ្ញាតឱ្យតែអ្នកដែលមានកម្ពស់គ្រប់គ្រាន់ឆ្លងកាត់បានដោយមានកំហុសតិចបំផុត។
Area Under the Curve (តម្លៃផ្ទៃក្រោមកោង ឬ AUC)	តម្លៃលេខដែលបានពីខ្សែកោង ROC (ចន្លោះពី 0 ទៅ 1) ដែលបញ្ជាក់ពីភាពត្រឹមត្រូវនៃការធ្វើចំណាត់ថ្នាក់។ តម្លៃ AUC ស្មើ 1 មានន័យថាចំណាត់ថ្នាក់ត្រឹមត្រូវឥតខ្ចោះ។	ដូចជាពិន្ទុពី ១ ដល់ ១០០ ដែលពិន្ទុ ១០០ (ឬ 1.0) មានន័យថាអ្នកទាយត្រូវគ្រប់សំនួរទាំងអស់ដោយគ្មានខុសសូម្បីតែមួយ។
Exserohilum turcicum (មេរោគផ្សិត Exserohilum turcicum)	ជាប្រភេទមេរោគផ្សិតដែលបង្កឱ្យមានជំងឺខ្លោចស្លឹកពោត (NCLB) ដែលធ្វើឱ្យស្លឹកពោតមានស្នាមអុចៗពណ៌ត្នោត កាត់បន្ថយការធ្វើរស្មីសំយោគ និងធ្វើឱ្យទិន្នផលធ្លាក់ចុះយ៉ាងខ្លាំង។	ដូចជាសត្វកណ្តៀរដែលស៊ីបំផ្លាញសសរផ្ទះបន្តិចម្តងៗរហូតដល់ផ្ទះខូចខាតទាំងស្រុង។
Northern Corn Leaf Blight (ជំងឺខ្លោចស្លឹកពោត ឬ NCLB)	ជំងឺរុក្ខជាតិដែលបំផ្លាញស្លឹកពោត បង្កឡើងដោយផ្សិត ដែលធ្វើឱ្យស្លឹកឡើងក្រៀម និងប៉ះពាល់ដល់ការលូតលាស់គ្រាប់ពោត។	ដូចជាជំងឺសើរស្បែកធ្ងន់ធ្ងរដែលកើតលើមនុស្ស ធ្វើឱ្យស្បែកខូច និងរាងកាយចុះខ្សោយ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖