พยากรณ์จำนวนผู้ป่วยโรคไม่ติดต่อเรื้อรังรายใหม่ในจังหวัดกาญจนบุรี
คำสำคัญ:
การพยากรณ์ , จำนวนผู้ป่วยรายใหม่, โรคไม่ติดต่อเรื้อรัง , ทฤษฎีระบบเกรย์บทคัดย่อ
การวิจัยพยากรณ์เชิงปริมาณนี้มีวัตถุประสงค์เพื่อศึกษาการพยากรณ์จำนวนผู้ป่วยรายใหม่โรคไม่ติดต่อเรื้อรังในจังหวัดกาญจนบุรีปีงบประมาณ 2568 โดยรวบรวมข้อมูลจากกระทรวงสาธารณสุข กลุ่มรายงานมาตรฐาน การป่วยด้วยโรคไม่ติดต่อที่สำคัญ เขตสุขภาพที่ 5 เป็นข้อมูลปีงบประมาณ 2557 ถึง 2567 วิเคราะห์ข้อมูลรายปี ด้วยทฤษฎีระบบเกรย์ ผลการวิจัยพบว่า การพยากรณ์จำนวนผู้ป่วยรายใหม่โรคความดันโลหิตสูง, โรคเบาหวาน, และโรคหัวใจและหลอดเลือด ตัวแบบ GM(1,1) Error Periodic Correction มีค่าเฉลี่ยร้อยละความผิดพลาดสัมบูรณ์ในช่วงเวลาระหว่างปีงบประมาณเริ่มต้น 2560, 2557, และ 2558 ตามลำดับ ถึง 2567 ร้อยละ 3.05, 2.47, และ 35.01 ตามลำดับ ซึ่งอยู่ในเกณฑ์ที่ใช้พยากรณ์ได้แม่นยำสูง ยกเว้น จำนวนผู้ป่วยรายใหม่โรคหัวใจและหลอดเลือดที่ตัวแบบมีเหตุผลพอที่จะใช้พยากรณ์ได้เท่านั้น ในปีงบประมาณ 2568 จะมีผู้ป่วยรายใหม่โรคความดันโลหิตสูง, โรคเบาหวาน, และโรคหัวใจและหลอดเลือด 15,142, 5,647, และ 87 ราย ตามลำดับ เพิ่มขึ้นจากปีงบประมาณ 2567 ร้อยละ 4.84, 0.92, และ 28.33 ตามลำดับ
เอกสารอ้างอิง
กลุ่มเทคโนโลยี และระบาดวิทยา กองโรคไม่ติดต่อ กรมควบคุมโรค กระทรวงสาธารณสุข. (2556). รายงานการสำรวจและคัดกรองสภาวะสุขภาพประเด็นโรคไม่ติดต่อ ผ่าน Application smart อสม. ปี พ.ศ. 2566 [อินเทอร์เน็ต]. 2556 [สืบค้นเมื่อ 5 ต.ค. 67]. เข้าถึงจาก: https://ddc.moph.go.th/uploads/publish/1541120240306043816.pdf
กระทรวงสาธารณสุข. กลุ่มรายงานมาตรฐาน >> การป่วยด้วยโรคไม่ติดต่อที่สำคัญ [อินเทอร์เน็ต]. 2567 [สืบค้นเมื่อ 5 ต.ค. 67]. เข้าถึงจาก: https://hdcservice.moph.go.th/hdc/reports/page.php?cat_id=6a1fdf282fd28180eed7d1cfe0155e11
Duan J, Jiao F, Zhang Q, Lin Z. Predicting Urban Medical Services Demand in China: An Improved Grey Markov Chain Model by Taylor Approximation. Int. J. Environ. Res. Public Health 2017; 14: 883. DOI: 10.3390/ijerph14080883
Deng J. Grey control system. J Huazhong Univ Sci Technolog 1982; 1: 9–18.
Xie N. A summary of grey forecasting models. Grey Systems: Theory and Application 2022; 12(4): 703–22. doi:10.1108/GS-06-2022-0066
Liu S. Grey system theory and its application. (9th Ed.). Beijing: Science Press; 2021.
Liu S, Lin Y. Grey system theory and its application. Berlin, Heidelberg: Springer; 2010.
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:10.61 19/JMST-011-1116-1.
Andrés D. Machine Learning Pills: Error Metrics for Time Series Forecasting [Internet]. 2023 [cited 2024 Nov 5]. Available from: from https://mlpills.dev/time-series/error-metrics-for-time-series-forecasting/
Lewis CD. Industrial and business forecasting methods. London: Butterworths; 1982.
มหาวิทยาลัยมหิดล. ประกาศมหาวิทยาลัยมหิดล เรื่อง แนวปฏิบัติสำหรับโครงการวิจัยที่ไม่เข้าข่ายการวิจัยในคน [อินเทอร์เน็ต]. 2565 [สืบค้นเมื่อ 5 ต.ค. 67]. เข้าถึงจาก: https://sp.mahidol.ac.th/th/LAW/policy/2565-MU-Non-Human.pdf
ศูนย์ส่งเสริมจริยธรรมการวิจัยในคน สำนักงานอธิการบดีมหาวิทยาลัยมหิดล. แบบประเมินว่าโครงการวิจัยของท่านเข้าข่ายการวิจัยในคนหรือไม่ [อินเทอร์เน็ต]. 2565 [สืบค้นเมื่อ 5 ต.ค. 67]. เข้าถึงจาก: https://sp.mahidol.ac.th/th/ethics-human/forms/checklist/2022-Human%20Research%20Checklist-researcher.pdf
พรพิมล อดัมส์. ความสำคัญของการขอรับรองจริยธรรมการวิจัย. [อินเตอร์เน็ต] 2566 [สืบค้นเมื่อ 5 ต.ค. 67]. เข้าถึงจาก: https://www.tm.mahidol.ac.th/research/images/Channel/slide/S2_ep30_จริยธรรมการวิจัยในคน.pdf
Tableau. Time Series Forecasting: Definition, Applications, and Examples Forecasting [Internet]. 2024 [cited 2024 Nov 5]. Available from: https://www.tableau.com/analytics/time-series-forecasting
