การคาดการณ์บริการวินิจฉัยโรคด้านการแพทย์แผนไทยผู้ป่วยนอกในระบบริการสาธารณสุขของรัฐ
คำสำคัญ:
การพยากรณ์, ทฤษฎีระบบเกรย์, แบบจำลอง GM(1,1), การบริการการแพทย์แผนไทย, ผู้ป่วยนอกบทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อพยากรณ์จำนวนครั้งในการให้บริการวินิจฉัยโรคด้านการแพทย์แผนไทยแก่ผู้ป่วยนอกในระบบบริการสาธารณสุขของรัฐ โดยใช้แบบจำลอง GM(1,1) ภายใต้ทฤษฎีระบบเกรย์ (Grey System Theory) ข้อมูลที่ใช้เป็นข้อมูลทุติยภูมิจากระบบคลังข้อมูลด้านการแพทย์และสุขภาพ (HDC) กระทรวงสาธารณสุข เป็นข้อมูลรายไตรมาสตั้งแต่ปีงบประมาณ 2565 ถึง 2569 (16 ไตรมาส) เนื่องจากข้อมูลปีงบประมาณ 2565 มีความผันผวนสูง (สูงกว่าปี 2566 ระหว่าง 1.50 ถึง 4.08 เท่า) จึงตัดออกจากการสร้างแบบจำลอง คงเหลือข้อมูล 14 ไตรมาส (ปีงบประมาณ 2566–2568) สำหรับสร้างแบบจำลอง และพยากรณ์ล่วงหน้า 4 ไตรมาสของปีงบประมาณ 2569 โดยแบ่งเป็น 4 รอบการพยากรณ์ ผลการศึกษาพบว่าแบบจำลอง GM(1,1) ให้ความแม่นยำในระดับสูง โดยมีค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) ในรอบที่ 1, 2, 3 และ 4 เท่ากับร้อยละ 5.74, 5.58, 6.32 และ 5.87 ตามลำดับ (น้อยกว่าร้อยละ 10 ทุกรอบ) ค่าพยากรณ์สำหรับไตรมาสที่ 3 และ 4 ของปีงบประมาณ 2569 คือ 5,890,999 ครั้ง และ 6,006,151 ครั้ง ตามลำดับ โดยสรุป แบบจำลอง GM(1,1) เป็นเครื่องมือที่มีประสิทธิภาพและเหมาะสมสำหรับการพยากรณ์บริการการแพทย์แผนไทยเมื่อมีข้อมูลจำนวนจำกัด ผลการพยากรณ์สามารถนำไปใช้สนับสนุนการบริหารจัดการทรัพยากรและการวางแผนงบประมาณในระบบบริการสาธารณสุขของรัฐได้
เอกสารอ้างอิง
Brimson, J. M., Brimson, S., Thitilertdecha, P., Tencomano, T., & Isidoro, C. (2025). A brief history of Thai traditional and herbal medicine. In Medicinal properties and molecular mechanisms of Thai traditional herbs. CRC Press.
Center for the Promotion of Human Research Ethics, Office of the President, Mahidol University. (2022). Assessment Form to Determine Whether Your Research Project Falls Under Human Research. https://sp.mahidol.ac.th/th/ethics-human/forms/checklist/2022-Human%20Research%20Checklist-researcher.pdf (in Thai).
Constitution of the Kingdom of Thailand, B.E. 2560. Royal Thai Government Gazette. Vol. 134, Part 40 A, pp. 1–90. (in Thai).
Deng, J. L. (1989). Introduction to grey system theory. The Journal of Grey System, 1(1), 1–24. https://dl.acm.org/doi/10.5555/90757.90758
Duan, J., Jiao, F., Zhang, Q., & Lin, Z. (2017). Predicting Urban Medical Services Demand in China: An Improved Grey Markov Chain Model by Taylor Approximation. International Journal of Environmental Research and Public Health, 14(8), 883. https://doi.org/10.3390/ijerph14080883
Information and Communication Technology Center, Office of the Permanent Secretary, Ministry of Public Health. (2026, April 1). Health Data Center (HDC) System, OPD – Thai Traditional Medicine Diagnoses, Fiscal Years 2022–2026, Report Date: April 1, 2026. https://hdc.moph.go.th/center/public/standard-report-detail/4179096367989787c47c3a05bc357cc6?subcatalogId=30bc6364fc06a33a7802e16bc596ac3b (in Thai).
Jayathavaj, V., & Wannawibool, B. (2024). Predicting the number of times providing traditional Chinese medicine services to outpatients of government public health care facilities. Thailand Journal of Traditional Chinese Medicine, 3(1), 23-31. https://he01.tci-thaijo.org/index.php/TJTCM/article/view/267739/183169 (in Thai).
Lewis, C.D. (1982). Industrial and business forecasting methods. Butterworths.
Liu, S., & Lin, Y. (2011). Grey systems: Theory and applications. Springer.
Liu, S., Yang, Y., & Forrest, J.Y-L. (2022). Grey systems analysis methods, models and applications. Springer.
Mahidol University. (2022). Mahidol University Announcement: Guidelines for Research Projects Not Classified as Human Research. https://sp.mahidol.ac.th/th/LAW/policy/2565-MU-Non-Human.pdf (in Thai).
National Science and Technology Development Agency (NSTDA). (2026). Checklist for Determining Whether Activities/Research Fall Under Human Research. https://waa.inter.nstda.or.th/stks/pub/ori/docs/20200402-the-scientific-purposes-of-research-and-testing-in-human-inspection-form.pdf (in Thai).
Office of the National Economic and Social Development Board. (1992). The Seventh National Economic and Social Development Plan (1992–1996). NESDB.
Sirison, K., Chuthaputti, A., Eiamsakul, B., Nalongsack, M., Rachatan, C., Dabak, S., Isaranuwatchai, W., & Sungchol, K. (2025). Case study of the real-time monitoring system of Thai Traditional and Alternative Medical (TTM) Services in Thailand [Research report]. Health Intervention and Technology Assessment Program (HITAP) Foundation. https://www.hitap.net/th/research-detail/?research_id=57
Zhou, L., Zhu, Q., Chen, Q., Wang, P., & Huang, H. (2025). Predicting hospital outpatient volume using XGBoost: a machine learning approach. Scientific Reports, 15(1), 17028. doi: 10.1038/s41598-025-01265-y
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 วารสารการแพทย์แผนไทยและการแพทย์ผสมผสาน
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
##default.contextSettings.thaijo.licenseTerms##
