การวิเคราะห์ความสัมพันธ์เชิงพื้นที่ และพื้นที่เสี่ยงของโรคไข้เลือดออกในประเทศไทย
คำสำคัญ:
ความสัมพันธ์เชิงพื้นที่, พื้นที่เสี่ยง, ไข้เลือดออก, ประเทศไทยบทคัดย่อ
บทนํา: โรคไข้เลือดออกเป็นปัญหาสำคัญทางสาธารณสุขที่พบได้ใน ทุกภูมิภาคของประเทศโดยในแต่ละปีมีรายงานผู้ป่วยและเสียชีวิต จากโรคดังกล่าวจำนวนมาก เนื่องจากการระบาดของโรคไข้เลือดออก มีปัจจัยเชิงพื้นที่หลายปัจจัยเป็นตัวกำหนด การศึกษานี้จึงมี วัตถุประสงค์เพื่อศึกษารูปแบบความสัมพันธ์เชิงพื้นที่ของโรค ดังกล่าว และเพื่อค้นหาพื้นที่จังหวัดที่มีลักษณะเป็นพื้นที่เสี่ยงของ การระบาด
วิธีการศึกษา: ทำการวิเคราะห์เพื่อหาความสัมพันธ์เชิงพื้นที่ (Spatial autocorrelation) โดยอาศัยข้อมูลอุบัติการณ์ราย จังหวัดของโรคไข้เลือดออกของประเทศไทยจากฐานข้อมูลระบบ เฝ้าระวังทางระบาดวิทยา (รายงาน 506) ในช่วงปี พ.ศ. 2557-2559
ผลการศึกษา: ในภาพรวมของประเทศอุบัติการณ์ของโรค ไข้เลือดออกที่ระดับจังหวัดมีความสัมพันธ์เชิงพื้นที่อย่างมีนัยสําคัญ ทางสถิติทั้ง 3 ปีที่ทำการศึกษา (Moran’s I coefficient = 0.38, 0.41 และ 0.51 ตามลำดับ) และพบลักษณะความสัมพันธ์แบบเป็น กลุ่มก้อนของการระบาดที่แตกต่างกันระหว่างภูมิภาคต่าง ๆ ของ ประเทศ โดยในพื้นที่ภาคใต้ตอนล่างมีลักษณะการเกิดโรคแบบเป็น กลุ่มก้อนระดับจังหวัดที่ชัดเจนทั้ง 3 ปี โดยมี 2 ปีเป็นกลุ่มก้อนของ การระบาดแบบเข้มข้น (Hot spot) ส่วนในภาคกลางพบว่ามีกลุ่ม ก้อนแบบ Hot spot 1 ปี นอกจากนี้การวิเคราะห์ยังเปิดเผยให้เห็น ว่าในแต่ละปีจะมีบางจังหวัดที่ที่อยู่นอกพื้นที่ Hot spot แต่มี ลักษณะเสี่ยงต่อการนําเข้าหรือส่งออกการระบาดไปยังพื้นที่ ข้างเคียงอย่างมีนัยสําคัญทางสถิติ
สรุปและวิจารณ์: ผลจากการวิเคราะห์ชี้ให้เห็นว่าโรคไข้เลือดออก ในประเทศไทยมีลักษณะการระบาดเป็นกลุ่มก้อนแบบ Hot spot ที่ ชัดเจนในบางภูมิภาคของประเทศ โดยในขณะเดียวกันก็พบจังหวัด นอกพื้นที่ดังกล่าวที่เสี่ยงต่อการนําเข้าหรือส่งออกการระบาดซึ่ง เป็นพื้นที่ที่แตกต่างกันไปในแต่ละปี ดังนั้นหน่วยงานที่เกี่ยวข้อง ควรพิจารณาการนําวิธีการวิเคราะห์ความสัมพันธ์เชิงพื้นที่ไปใช้ ร่วมกับการวิเคราะห์รูปแบบอื่นที่ใช้อยู่ในปัจจุบัน เพื่อช่วยให้ สามารถกำหนดมาตรการควบคุมโรคให้สอดคล้องกับความเสี่ยง ของการระบาดในแต่ละพื้นที่ได้ดียิ่งขึ้น
References
สํานักระบาดวิทยา. สรุปรายงานการเฝ้าระวังโรค ประจำปี 2550- 2559 [อินเทอร์เน็ต]. 2560 [เข้าถึงเมื่อ 10 ม.ค. 2561]. เข้าถึงได้ จาก: http://203.157.15.110/boeeng/annual.php
Arunachalam N, Tana S, Espino F, Kittayapong P, Abeyewickreme W, Wai KT, et al. Eco-bio-social determinants of dengue vector breeding: a multicountry study in urban and periurban Asia. Bull World Health Organ. 2010 Mar; 88(3): 173–84.
Honorio NA, Nogueira RM, Codeco CT, Carvalho MS, Cruz OG, Magalhaes Mde A, et al. Spatial Evaluation and Modeling of Dengue Seroprevalence and Vector Density in Rio de Janeiro, Brazil. PLoS Negl Trop Dis 3(11): e545.
Hu W, Clements A, Williams G, Tong S. Spatial analysis of notified dengue fever infections. Epidemiol Infect. 2011 Mar;139(3):391-9.
Jeefoo P, Tripathi NK, Souris M. Spatio-temporal diffusion pattern and hotspot detection of dengue in Chachoengsao province, Thailand. Int J Environ Res Public Health. 2 0 1 1 Jan; 8(1): 51–74.
กรมควบคุมโรค. แผนยุทธศาสตร์กรมควบคุมโรค ปี 2559-2563 [อินเทอร์เน็ต]. [เข้าถึงเมื่อ 10 ม.ค. 2561]. เข้าถึงได้จาก: http://www.ddc.moph.go.th/file/plan59_63.pdf
กรมควบคุมโรค. แผนยุทธศาสตร์โรคติดต่อนําโดยแมลง ปี 2555-2559 [อินเทอร์เน็ต]. 2557 [เข้าถึงเมื่อ 10 ม.ค. 2561]. เข้าถึงได้จาก: http://www.thaivbd.org/ploads/project/1/__2555_2559.pdf
Hu W, Clements A, Williams G, Tong S. Spatial analysis of notified dengue fever infections. Epidemiol Infect. 2 0 1 1 Mar;139(3):391-9.
Wen TH, Lin NH, Lin CH, King CC, Su MD. Spatial mapping of temporal risk characteristics to improve environmental health risk identification: a case study of a dengue epidemic in Taiwan. Sci Total Environ. 2006 Aug 31;367(2-3):631-40.
Anselin, L. Local indicators of spatial association – LISA. Geographical Analysis. April 1995; 27: 93-115.
Katty C Castillo, Birthe Körbl, Anna Stewart, Javier F Gonzalez, Facundo Poncec. Application of spatial analysis to the examination of dengue fever in Guayaquil, Ecuador. Procedia Environmental Sciences. 2011; 7: 188-93.
Toan do TT, Hu W, Quang Thai P, Hoat LN, Wright P, Martens P. Hot spot detection and spatio-temporal dispersion of dengue fever in Hanoi, Vietnam. Glob Health Action. 2013 Jan 24; 6: 18632. doi: 10.3402/gha.v6i0.18632.
สำนักระบาดวิทยา. สรุปรายงานการเฝ้าระวังโรค ประจำปี 2559 [อินเทอร์เน็ต]. 2560 [เข้าถึงเมื่อ 10 ม.ค. 2561]. เข้าถึงได้จาก: http://203.157.15.110/annual/AESR2016/index.html
Rianthavorn P, Prianantathavorn K, Wuttirattanakowit N, Theamboonlers A, Poovorawan Y. An outbreak of chikungunya in southern Thailand from 2 0 0 8 to 2 0 0 9 caused by African strains with A226V mutation. Int J Infect Dis. 2010 Sep;14 Suppl 3:e161-5.
Vongpunsawad S, Intharasongkroh D, Thongmee T, Poovorawan Y. Seroprevalence of antibodies to dengue and chikungunya viruses in Thailand. PLoS One. 2017;12(6):e0180560. doi: 10.1371/journal.pone.0180560. eCollection 2017.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2018 รายงานการเฝ้าระวังทางระบาดวิทยาประจำสัปดาห์
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
1. เนื้อหาและข้อมูลในบทความที่ลงพิมพ์กับ WESR ถือเป็นข้อคิดเห็น และความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
2. บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ใน WESR ถือเป็นลิขสิทธิ์ของวารสารวิชาการ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่ง ส่วนใดไปเผยแพร่ กรุณาอ้างอิงบทความนั้น ๆ