ความเป็นตัวแทนของระบบ D506 เมื่อเทียบกับฐานข้อมูลสุขภาพแห่งชาติ (43 แฟ้ม) ของประเทศไทยในช่วงเริ่มต้นของการใช้ระบบ D506

ผู้แต่ง

  • ณิชกุล พิสิฐพยัต กองระบาดวิทยา กรมควบคุมโรค กระทรวงสาธารณสุข
  • ศุภณัฐ วงศานุพัทธ์ กองระบาดวิทยา กรมควบคุมโรค กระทรวงสาธารณสุข
  • จุฑารัตน์ อาภาคัพภะกุล กองระบาดวิทยา กรมควบคุมโรค กระทรวงสาธารณสุข

DOI:

https://doi.org/10.59096/wesr.v55i10.3165

คำสำคัญ:

ระบบเฝ้าระวังโรคติดเชื้อ, ประเมิน, ความเป็นตัวแทน, D506

บทคัดย่อ

บทนำ : การเฝ้าระวังโรคติดเชื้อเป็นองค์ประกอบสำคัญของระบบสาธารณสุข นับตั้งแต่การระบาดของโรคติดเชื้อไวรัสโคโรนา 2019 (โควิด 19) หน่วยงานด้านสาธารณสุขและบุคลากรทางการแพทย์มีภาระงานท่วมท้น ซึ่งส่งผลกระทบต่อการเฝ้าระวังทางสาธารณสุข กองระบาดวิทยาได้พัฒนาระบบเฝ้าระวังโรคติดต่อ (R506) ให้เป็นระบบดิจิทัลโดยการพัฒนาระบบเฝ้าระวังโรคติดเชื้อ (D506) ซึ่งนำร่องจากโรคโควิด 19 การศึกษานี้มีจุดประสงค์เพื่อพรรณนาระบบ D506 ประเมินความเป็นตัวแทนของระบบ D506 และให้ข้อเสนอแนะในการปรับปรุงระบบ

วิธีการศึกษา : เป็นการศึกษาเชิงพรรณนาแบบภาคตัดขวางโดยการทบทวนเอกสารที่เกี่ยวข้องกับระบบ D506 เพื่อพรรณนาระบบ D506 จากนั้นทำการดึงข้อมูลผู้ป่วยโรคโควิด 19 และโรคปอดบวม (pneumonia) จากฐานข้อมูลระบบ D506 และฐานข้อมูลสุขภาพแห่งชาติ (43 แฟ้ม) โดยใช้ข้อมูลในการศึกษาระหว่างวันที่ 1 มกราคม–30 มิถุนายน 2566 ทำการเลือกโรงพยาบาลแบบเจาะจงจาก  4 ภาคของประเทศไทย ได้แก่ ภาคเหนือ ภาคใต้ ภาคตะวันออกเฉียงเหนือ และภาคกลาง โดยเลือกโรงพยาบาลที่มีการรายงานจำนวนผู้ป่วยโควิด 19 สูงที่สุดในแต่ละภาค คณะผู้ศึกษาทำการเปรียบเทียบความเป็นตัวแทนระหว่างระบบ D506 และฐานข้อมูล 43 แฟ้ม ซึ่งระบบ D506 จะได้รับข้อมูลโดยตรงจากผู้ให้บริการด้านสุขภาพโดยใช้ Application Programing Interface (API)

ผลการศึกษา : พบว่าจำนวนผู้ป่วยโรคโควิด 19 และโรคปอดบวมทั้งหมดแตกต่างกันอย่างมากระหว่างระบบ D506 และฐานข้อมูล 43 แฟ้ม โดยเฉพาะอย่างยิ่งในผู้ป่วยโรคโควิด 19 เมื่อพิจารณาการกระจายตามเพศพบว่าในผู้ป่วยโรคโควิด 19 มีอัตราส่วนเพศชายน้อยกว่าเพศหญิง ทั้งในระบบ D506 และฐานข้อมูล 43 แฟ้ม แต่พบว่าอัตราส่วนเพศชายมากกว่าเพศหญิงในผู้ป่วยโรคปอดบวม ทั้งในระบบ D506 และฐานข้อมูล 43 แฟ้ม เมื่อเปรียบเทียบการกระจายตามกลุ่มอายุ ที่อยู่ในระดับจังหวัด และวันที่รักษาของผู้ป่วยโรค   โควิด 19 พบว่าระบบ D506 มีการกระจายของกลุ่มสูงอายุในสัดส่วนที่น้อยกว่าฐานข้อมูล 43 แฟ้ม อย่างไรก็ตามระบบ D506 มีการกระจายตามที่อยู่ในระดับจังหวัดที่ครอบคลุมทั่วประเทศกว่า และสามารถสะท้อนช่วงเวลาการรักษาที่มีความเคลื่อนไหวมากกว่าฐานข้อมูล 43 แฟ้ม

ข้อสรุปและข้อเสนอแนะ : ในการประเมินระบบ D506 ว่าสามารถใช้แทนระบบ R506 ได้ จะต้องประเมินปัจจัยสำคัญ เช่น ความสามารถในการใช้งาน ประสิทธิภาพ การรวมข้อมูลแบบเรียลไทม์ และความคุ้มทุน หาก D506 แสดงให้เห็นถึงความแม่นยำ ประสิทธิภาพ และผลกระทบต่อสุขภาพของประชาชนที่เหนือกว่า ระบบ D506 จะสามารถตอบสนองและบูรณาการเป็นระบบเฝ้าระวังทางสาธารณสุขได้ดี

References

Ministry of Public Health Thailand, Department of Disease Control. Notification of the Ministry of Public Health RE: COMMUNICABLE DISEASES ACT, B.E. 2558 (2015) [Internet]. 2015 [cited 2024 AUG 5]. Available from: https://www.ratchakitcha.soc.go.th/DATA/PDF/2558/A/086/26.PDF (in Thai)

Department of Disease Control Thailand, Division of Epidemiology. Guideline of R506 [Internet]. 2017 [cited 2024 AUG 5]. Available from: https://apps-doe.moph.go.th/boe/software/file/R506_v_4_10.pdf (in Thai)

Yo Hueang D, Sangthong P, Sophap W, Inthachai N, Pianthong T, Nuannet B. Health Data Center: Operation Manual version 2.4 [Internet]. 2021 [cited 2024 AUG 5]. Available from: https://backenddc.anamai.moph.go.th/coverpage/7eb1b3118015b6b302098313b6bc2ac9.pdf (in Thai)

Kuhlen R, Schmithausen D, Winklmair C, Schick J, Scriba P. The Effects of the COVID-19 Pandemic and Lockdown on Routine Hospital Care for Other Illnesses. Dtsch Arztebl Int. 2020;117(27–28):488–9.

Department of Disease Control Thailand, Division of Epidemiology. Manual of reporting guideline for D506: Digital public health surveillance on communicable diseases. Nonthaburi: Division of Epidemiology; 2023. (in Thai)

Katz R, May L, Efird JT, Mosites E, Coyne-Beasley T, Nilsen K. The WHO Joint External Evaluation Tool: A Useful Instrument for Strengthening Health Security Capacity. Health Secur. 2019;17(6):441–50.

Doherty T, Connolly M, Delgado J. Data Quality Assessment Framework for National Public Health Surveillance Systems. Int J Environ Res Public Health. 2020;17(19):7131.

Wongsanuphat S, Jitpeera C, Iamsirithaworn S, Laosiritaworn Y, Thammawijaya P. An Evaluation of the Enhanced Information System for COVID-19 Surveillance in Thailand, 2020: A Pre-Post Intervention Comparison. Outbreak, Surveillance, Investigation & Response Journal. 2020;13(3):101–9. doi: 10.59096/osir.v13i3.262806

Van den Wijngaert S, Bossuyt N, Ferns B, Busson L, Serrano G, Wautier M, et al. Bigger and better? Representativeness of the influenza a surveillance using one consolidated clinical microbiology laboratory data set as compared to the Belgian sentinel network of laboratories. Front Public Health. 2019;7:150. doi: 10.3389/fpubh.2019.00150.

Potter MA, Schuh RG, Pomer B, Stebbins S. The adaptive response metric: toward an all-hazards tool for planning, decision support, and after-action analytics. J Public Health Manag Pract. 2013;19 Suppl 2:S49-S54. doi: 10.1097/PHH.0b013e318296214c

Gossip K, Gouda H, Lee YY, Firth S, Bermejo R, Zeck W, et al. Monitoring and evaluation of disaster response efforts undertaken by local health departments: A rapid realist review. BMC Health Serv Res. 2017;17(1):1–11.

Schoch-Spana M, Sell TK, Morhard R. Local health department capacity for community engagement and its implications for disaster resilience. Biosecur Bioterror. 2013;11(2):118–29.

Hansamer P. Processing and sending data 43 files to HDC [Internet]. 2020 [cited 2023 Aug 27]. Available from: https://himpro.info/?p=189 (in Thai)

Tosti ME, Longhi S, de Waure C, Mele A, Franco E, Ricciardi W, et al. Assessment of timeliness, representativeness and quality of data reported to Italy’s national integrated surveillance system for acute viral hepatitis (SEIEVA). Public Health. 2015;129(5):561–8.

Sudharsanan N, Didzun O, Bärnighausen T, Geldsetzer P. The Contribution of the Age Distribution of Cases to COVID-19 Case Fatality Across Countries: A 9-Country Demographic Study. Ann Intern Med [Internet]. 2020 [cited 2024 AUG 2];173(9):714–20.

Pan American Health Organization. Health Service Access Barriers for Older People in the Region of the Americas [Internet]. 2023 [cited 2024 AUG 2]. Available from: https://iris.paho.org/bitstream/handle/10665.2/57715/9789275126981_eng.pdf?sequence=1&isAllowed=y

Mohd Rosnu NS, Singh DKA, Mat Ludin AF, Ishak WS, Abd Rahman MH, Shahar S. Enablers and Barriers of Accessing Health Care Services among Older Adults in South-East Asia: A Scoping Review. Int J Environ Res Public Health. 2022;19(12):7351. doi: 10.3390/ijerph19127351

Fitzpatrick AL, Powe NR, Cooper LS, Ives DG, Robbins JA, Enright E. Barriers to Health Care Access Among the Elderly and Who Perceives Them. Am J Public Health. 2004; 94(10): 1788–94. doi: 10.2105/ajph.94.10.1788

Ministry of Public Health Thailand. Strategic plan: Managing the new wave of the COVID-19 Epidemic. 2021 [cited 2024 AUG 4]. Available from: https://ddc.moph.go.th/viralpneumonia/eng/file/main/en_Thailand Covid-19 plan_MOPH_2021.pdf

Cyr ME, Etchin AG, Guthrie BJ, Benneyan JC. Access to specialty healthcare in urban versus rural US populations: A systematic literature review. BMC Health Serv Res. 2019;19(1):974. doi: 10.1186/s12913-019-4815-5

Segal JB, Sen AP, Glanzberg-Krainin E, Hutfless S. Factors Associated with Overuse of Health Care Within US Health Systems: A Cross-sectional Analysis of Medicare Beneficiaries from 2016 to 2018. JAMA Health Forum. 2022;3(1):E214543.

Timen A, van Doornum GJJ, Schutten M, Conyn-van Spaendonck MAE, van der Meer JWM, Osterhaus ADME, et al. Public health implications of using various case definitions in The Netherlands during the worldwide SARS outbreak. Clinical Microbiology and Infection. 2006;12(12):1214–20.

Centers for Disease Control. FAQ: COVID-19 Data and Surveillance [Internet]. 2023 [cited 2024 AUG 4]. Available from: https://archive.cdc.gov/www_cdc_gov/coronavirus/2019-ncov/covid-data/faq-surveillance.html

Lee SY, Shih HI, Lo WC, Lu TH, Chien YW. Discrepancies in dengue burden estimates: a comparative analysis of reported cases and global burden of disease study, 2010–2019. J Travel Med [Internet]. 2024 [cited 2024 AUG 4];31(4). Available from: https://pubmed.ncbi.nlm.nih.gov/38696416/

Downloads

เผยแพร่แล้ว

2024-10-13

How to Cite

พิสิฐพยัต ณ. ., วงศานุพัทธ์ ศ., & อาภาคัพภะกุล จ. (2024). ความเป็นตัวแทนของระบบ D506 เมื่อเทียบกับฐานข้อมูลสุขภาพแห่งชาติ (43 แฟ้ม) ของประเทศไทยในช่วงเริ่มต้นของการใช้ระบบ D506 . รายงานการเฝ้าระวังทางระบาดวิทยาประจำสัปดาห์, 55(10). https://doi.org/10.59096/wesr.v55i10.3165

ฉบับ

บท

บทความต้นฉบับ