การพยากรณ์จำนวนผู้ป่วยโรคความดันโลหิตสูงอำเภอสามโคก จังหวัดปทุมธานี
คำสำคัญ:
โรคความดันโลหิตสูง, การพยากรณ์, จำนวนผู้ป่วย, อำเภอสามโคก, ทฤษฎีระบบเกรย์, วิธีบอกซ์และเจนกินส์บทคัดย่อ
การศึกษานี้มีวัตถุประสงค์เพื่อพยากรณ์จำนวนผู้ป่วยโรคความดันโลหิตสูงของอำเภอสามโคก จังหวัดปทุมธานี เป็นการวิจัยเชิงพยากรณ์ด้วยวิธีอนุกรมเวลา ข้อมูลจำนวนผู้ป่วยความดันโลหิตสูง อำเภอสามโคก จังหวัดปทุมธานี ระหว่างปีงบประมาณ 2556 ถึง 2567 รวบรวมจากระบบรายงานของกระทรวงสาธารณสุข วิเคราะห์ข้อมูลด้วยตัวแบบการถดถอยพหุนาม ตัวแบบทฤษฎีระบบเกรย์ และตัวแบบวิธีบอกซ์และเจนกินส์
ผลการศึกษาพบว่า เมื่อใช้ข้อมูลจำนวนผู้ป่วยความดันโลหิตสูงอำเภอสามโคก จังหวัดปทุมธานี ปีงบประมาณ 2556 ถึง 2566 พัฒนาตัวแบบแล้ว ทุกตัวแบบมีค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) ต่ำกว่า 10 สามารถใช้พยากรณ์ได้แม่นยำสูง ตัวแบบ GM(1,1) EPC มีค่า MAPE ต่ำสุด 2.55 และมีสัมประสิทธิ์การกำหนดสูงที่สุด 99.21 มีความแม่นยำในช่วงการพัฒนาตัวแบบสูงที่สุด อย่างไรก็ตาม จำนวนผู้ป่วยปีงบประมาณ 2567 ซึ่งประมวลเมื่อวันที่ 15 กันยายน พ.ศ. 2567 มีจำนวน 9,307 ราย หากอยู่ในระหว่างรายงานข้อมูลเข้าสู่ระบบแล้ว ถ้าประมาณว่ายังมีข้อมูลผู้ป่วยถึงวันที่ 30 กันยายน พ.ศ. 2567 ที่ต้องเข้าระบบอีกประมาณร้อยละ 4.10 แล้ว ตัวแบบ ARIMA(0, 1, 0) with drift พยากรณ์ว่าจะมีผู้ป่วยโรคความดันโลหิตสูงปีงบประมาณ 2567 จำนวน 9,673 ราย เพิ่มขึ้นจากปีงบประมาณ 2566 ร้อยละ 3.93 ก็จะมีความเหมาะสมใช้เป็นค่าพยากรณ์ ซึ่งเป็นข้อมูลที่สามารถนำไปใช้ในการบริหารงานสาธารณสุขเกี่ยวกับความชุกของโรคความดันโลหิตสูงต่อไป
Downloads
เอกสารอ้างอิง
Thai Hypertension Society. Hypertension. [online] 2024. [cited 2024 Sep 2]. Available from: http://www.thaihypertension.org/hypertensiondetail.php?n_id=338. [in Thai].
World Health Organization (WHO). Hypertension [online] 2023 [cited 2024 Sep 2]. Available from: https://www.who.int/news-room/fact-sheets/detail/hypertension
Ministry of Public Health. Standard Reporting Group >> Illness with important non-communicable diseases >> Rate of high blood pressure disease per population, processing date 20 September 2024. [online] 2024 [cited 2024 Sep 2]. Available from: https://hdcservice.moph.go.th/hdc/reports/report.php?&cat_id=6a1fdf282fd28180eed7d1cfe0155e11&id=6b9af46d0cc1830d3bd34589c1081c68. [in Thai].
Cubillas JJ, Ramos MI, Feito FR. Use of Data Mining to Predict the Influx of Patients to Primary Healthcare Centres and Construction of an Expert System. Appl. Sci. 2022; 12(22):11453. https://doi.org/10.3390/app122211453
Hyndman RJ, Athanasopoulos G. Forecasting: principles and practice. 3rd edition. Melbourne, Australia: OTexts; 2021.
Ceylan Z. Short-term prediction of COVID-19 spread using grey rolling model optimized by particle swarm optimization. Applied Soft Computing 2021; 109: 107592.doi: 10.1016/j.asoc.2021.
Asante DO, Walker AN, Seidu TA, Kpogo SA, Zou J. Hypertension and Diabetes in Akatsi South District, Ghana: Modeling and Forecasting. Biomed Res Int 2022; 9690964: 1-12. doi: 10.1155/2022/9690964=
Suleman N, Sapong S. Statistical modeling of hypertension cases in Navrongo, Ghana, West Africa. Am. Int. J. Soc. Sci. 2011; 2(4): 377-383.
Mahidol University. Announcement of Mahidol University regarding guidelines for research projects that do not qualify as human research, 2022 [online] 2023 [cited 2024 Sep 2]. Available from: https://sp.mahidol.ac.th/th/LAW/policy/2565-MU-Non-Human.pdf
Central Institutional Review Board (MU-CIRB), Mahidol University. Self-Assessment form whether an activity is human subject research which requires ethical approval [online] 2022 [cited 2024 Sep 2]. Available from: https://sp.mahidol.ac.th/th/ethics-human/forms/checklist/2022-Human%20Research%20Checklist-researcher.pdf
Xie N. A summary of grey forecasting models. GREY SYST 2022; 12(4): 703–722. doi:10.1108/GS-06-2022-0066
Liu S. Grey system theory and its application. 9th ed. Beijing: Science Press; 2021.
Lin YH, Chiu CC, Lin YJ, Lee PC. Rainfall prediction using innovative grey model with the dynamic index. J Mar Sci Technol 2013; 21(1): 63-75. DOI:10.6119/JMST-011-1116-1.
Liu S, Lin Y. Grey system theory and its application. Berlin, Heidelberg: Springer; 2010.
R Core Team. R: A Language and environment for statistical computing. (Version 4.1) [online] 2021 [cited 2024 Sep 2]. Available from: https://cran.r-project.org. (R packages retrieved from MRAN snapshot 2022-01-01)
Hyndman R, Athanasopoulos G, Bergmeir C, Caceres G, Chhay L, O'Hara-Wild M, et al. forecast: Forecasting functions for time series and linear models. R package version 8.23.0. [online] 2024 [cited 2024 Sep 2]. Available from: https://pkg.robjhyndman.com/forecast/.
Hyndman RJ, Khandakar Y. Automatic time series forecasting: The forecast package for R. J Stat Softw 2008; 27(3): 1-22.
Lewis CD. Industrial and business forecasting methods. London: Butterworths; 1982.
The Bureau of Registration Administration, Department of Provincial Administration. Population by age Separated by the population whose name is in the house registration, Sam Khok District, Pathumthani Province, data for June 2024 [online] 2024 [cited 2024 Sep 2]. Available from: https://stat.bora.dopa.go.th/stat/statnew/statMONTH/statmonth/#/view. [in Thai].
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ตีพิมพ์ในวารสารนี้เป็นลิขสิทธิ์ของผู้เผยแพร่ ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) ท่านสามารถอ่านและใช้งานบทความเหล่านี้เพื่อวัตถุประสงค์ทางวิชาการ เช่น การสอน การวิจัย หรือการอ้างอิง โดยต้องให้เกียรติแก่ผู้เขียนและวารสารอย่างเหมาะสม ห้ามนำบทความไปใช้หรือดัดแปลงโดยไม่ได้รับอนุญาต ข้อความที่แสดงในบทความเป็นความคิดเห็นของผู้เขียนแต่เพียงผู้เดียว ผู้เขียนมีความรับผิดชอบอย่างเต็มที่ต่อเนื้อหาและความถูกต้องของบทความ การนำไปใช้ซ้ำหรือตีพิมพ์ซ้ำอื่นๆ ต้องได้รับอนุญาตจากวารสาร
