การยกระดับการจัดการวัณโรคในชุมชน : จากการคัดกรองเชิงรุกสู่การส่งต่อรักษา แบบไร้รอยต่อโดยเครือข่ายสุขภาพภาคประชาชน

Budbaba  Buapan; Wilawan  Pakwiset; Amornphan  Thubthidee

Authors

Budbaba Buapan -
Wilawan Pakwiset -
Amornphan Thubthidee -

Keywords:

Tuberculosis, Proactive Case Finding, Mobile Chest X-ray, Diagnostic Yield

Abstract

This action aesearch aimed to investigate situational needs, develop a management model, and evaluate the effectiveness of an enhanced community-based tuberculosis (TB) program. Sample size were 442 target participants. Data were collected using knowledge tests, questionnaires, and research activity logs between March 2025 and March 2026. Statistical analyses were performed using descriptive statistics, Z-test, and content analysis.

The results revealed:

1) Situational Analysis: Significant barriers were identified within the passive case-finding system and the shortage of radiologists. These factors contributed to diagnostic delays and increased transmission risks among hard-to-reach populations.

2) Model Components: The developed management model consists of five core components: (1) Proactive Planning, (2) Community Engagement, (3) Mobile Chest X-ray (CXR) Screening, (4) Laboratory Diagnosis, and (5) Seamless Continuum of Care and Treatment.

3) Quantitative Outcomes: Post-implementation, the target group demonstrated significantly improved TB knowledge and preventive behaviors. The screening access rate during the 2025–2026 fiscal years increased significantly (Z = 260.50, p < .001), with 50,676 individuals (97.08% of the high-risk group) successfully undergoing chest X-rays. The model identified and enrolled 170 new TB cases into the treatment system, representing a diagnostic yield of 0.33%. Furthermore, the overall standards and efficiency of the model were rated at a high level.

References

World Health Organization. Global tuberculosis report 2023. Geneva: World Health Organization; 2023.

กองวัณโรค กรมควบคุมโรค. แนวทางการควบคุมวัณโรคประเทศไทย พ.ศ. 2564. กรุงเทพฯ: อักษร กราฟฟิคแอนด์ดีไซน์; 2564.

สมาน ฟูตระกูล. สถานการณ์วัณโรคในพื้นที่เขตสุขภาพที่ 7 ปีงบประมาณ 2564-2567. ขอนแก่น: สำนักงานป้องกันควบคุมโรคที่ 7 จังหวัดขอนแก่น; 2567.

สำนักงานสาธารณสุขจังหวัดร้อยเอ็ด. รายงานการตรวจราชการและนิเทศงาน กรณีปกติ รอบที่ 1 ประจำปีงบประมาณ พ.ศ. 2567 จังหวัดร้อยเอ็ด. ร้อยเอ็ด: สำนักงานสาธารณสุขจังหวัดร้อยเอ็ด; 2567.

Nanzalila B, Chanda-Kapata P, Kapata N, Masiye F, Sinyange N, Musonda K, et al. Predictors of mortality among patients diagnosed with tuberculosis in Zambia: a retrospective cohort study. BMC Infect Dis. 2020;20(1):861.

Uplekar M, Weil D, Lonnroth K, Jaramillo E, Lienhardt C, Dias HM, et al. WHO'S End TB Strategy. Lancet. 2015;385(9979):1799-801.

กรมควบคุมโรค. แนวทางการบริหารจัดการแผนงานควบคุมวัณโรคระดับชาติ พ.ศ. 2566. สำนักพิมพ์อักษรกราฟฟิกแอนด์ดีไซน์; 2566.

Frade, T. S., et al. Impact of molecular diagnosis on tuberculosis treatment. Journal of Health Sciences. 2020; 22(3):145-52.

Lönnroth, K., et al. (2013). Active case finding of tuberculosis: Historical, current and future perspectives. International Journal of Tuberculosis and Lung Disease.2013;17(2):146-58.

Muture BN, Keraka MN, Kimuu PK, Kabiru EW, Ombwori OS, Kanari F. Factors associated with default from treatment among tuberculosis patients in Nairobi province, Kenya: a case control study. BMC Public Health. 2011;11:696

สำนักงานพัฒนานโยบายสุขภาพระหว่างประเทศ. การประเมินผลระบบอาสาสมัครสาธารณสุขในพื้นที่ห่างไกล. นนทบุรี: โรงพิมพ์คุรุสภา; 2565.

McMillan JH, Schumacher S. Research in education: A conceptual introduction. 5th ed. New York: Longman; 2001.

Yamane T. Statistics: An introductory analysis. 2nd ed. New York: Harper and Row; 1967.

วิโรจน์ เซมรัมย์. การพัฒนารูปแบบการดำเนินงานเฝ้าระวัง ป้องกัน และควบคุมวัณโรคเครือข่ายสุขภาพ จังหวัดอุบลราชธานี. กลุ่มงานควบคุมโรคติดต่อ สำนักงานสาธารณสุขจังหวัดอุบลราชธานี;2566.

Zhong J, Wang Y, Lan L, et al. Cost-effectiveness of AI-based screening for tuberculosis in rural areas: A simulation-based study. JMIR Public Health Surveill. 2023;9:e43251.

Qin ZZ, Naheyan T, Rahman MS, et al. Evaluating the impact of a community-based artificial intelligence-assisted chest radiography screening program for tuberculosis in South Asia. Lancet Digit Health. 2021;3(10):e632-40.

Codlin AJ, Cassell K, Amanullah F, et al. The utility of artificial intelligence in accelerating tuberculosis case finding: A multi-site study in Pakistan and Vietnam. Sci Rep. 2020;10(1):12021.

Pungrassami P, Sornchai P, Luangniyomkul A, et al. Integration of mobile screening and molecular diagnosis for tuberculosis in high-risk populations: A Thai perspective. J Health Res. 2021;35(4):321-30.

Choudhury M, Khan MS, Shahab H, et al. Community-based active case finding for tuberculosis: A systematic review of barriers and facilitators in low-and middle-income countries. Global Health Action. 2022;15(1):2044315.

Banaei N, Sahoo MK, Kyaw NTT, et al. Integrating AI-CXR and rapid molecular diagnostics for community-based tuberculosis screening: A prospective evaluation. J Clin Microbiol. 2023;61(5):e01234-22.

World Health Organization. Global tuberculosis report 2021. Geneva: World Health Organization; 2021.

Kasa AS, Haileamlak A, Kebede S. Closing the loop: Factors affecting linkage to care after community-based tuberculosis screening in high-burden settings. BMC Health Serv Res. 2024;24(1