การประยุกต์ใช้วิธีการวิเคราะห์เชิงพื้นที่สำหรับการศึกษาทางระบาดวิทยา: การพัฒนางานวิจัยด้านสาธารณสุขด้วย Geographically weighted Poisson regression (GWPR) โดยใช้ R
คำสำคัญ:
การถดถอยปัวซงถ่วงน้ำหนักตามภูมิศาสตร์, การวิเคราะห์ข้อมูลสุขภาพเชิงพื้นที่, การวิจัยด้านสาธารณสุข, วิธีการทางสถิติเชิงพื้นที่บทคัดย่อ
การวิจัยด้านสาธารณสุขมีแนวโน้มเกี่ยวข้องกับการวิเคราะห์เชิงพื้นที่เพิ่มขึ้นเพื่อระบุรูปแบบการกระจาย ของโรคประเมินปัจจัยเสี่ยงและสนับสนุนการตัดสินใจเชิงนโยบายสำหรับพื้นที่โดยอิงหลักฐานอย่างเหมาะสมอย่างไรก็ตาม แบบจำลองสถิติดั้งเดิม เช่น การถดถอยแบบปัวซง (Poisson regression) มีการประมาณค่าสัมประสิทธิ์การถดถอยของตัวแบบเป็นค่าเดียวทั้งพื้นที่ศึกษา (Spatial stationarity) จำกัดความสามารถในการอธิบายความผันแปรของความสัมพันธ์ระหว่างผลลัพธ์ด้านสุขภาพกับปัจจัยเสี่ยงที่เปลี่ยนแปลงตามพื้นที่ บทความนี้เสนอการวิเคราะห์เชิงพื้นที่ด้วยเทคนิคการถดถอยแบบปัวซงถ่วงน้ำหนักตามภูมิศาสตร์ (Geographically weighted Poisson regression: GWPR) ซึ่งเป็นวิธีการทางสถิติที่ให้ค่าสัมประสิทธิ์การถดถอยที่ผันแปรในแต่ละ หน่วยพื้นที่ศึกษา (Spatial unit) ทำให้สามารถระบุรูปแบบเฉพาะเชิงพื้นที่ของการเกิดโรคและปัจจัยเสี่ยงที่มีอิทธิพล ได้โดยการบูรณาการค่าถ่วงน้ำหนักเชิงพื้นที่ (Spatial weighting) ด้วยฟังก์ชันเคอร์เนลที่เฉพาะ (Specified kernel functions) และประมาณค่าสัมประสิทธิ์การถดถอยเฉพาะพื้นที่ ช่วยให้ GWPR สามารถสร้างแบบจำลอง ทางระบาดวิทยาที่ระบุความสัมพันธ์เฉพาะพื้นที่ได้อย่างแม่นยำ บทความนี้อธิบายหลักทฤษฎีของ GWPR กรอบวิธีการทางสถิติ และการประยุกต์ใช้ในงานวิจัยด้านสาธารณสุข นอกจากนี้ยังนำเสนอขั้นตอนการวิเคราะห์ ด้วยโปรแกรม R ครอบคลุมการเตรียมข้อมูล การหาค่าพารามิเตอร์ที่เหมาะสม การตรวจสอบสมมติฐาน และการแสดงผลค่าสัมประสิทธิ์การถดถอยที่แปรตามพื้นที่ โดยการทำให้ GWPR เข้าใจและใช้ได้ง่ายสำหรับนักวิชาการและบุคลากรด้านสาธารณสุขทำให้สามารถบูรณาการวิธีการวิเคราะห์กับข้อมูลสาธารณสุขจริง ซึ่งท้ายที่สุดจะช่วยสนับสนุนการพัฒนากลยุทธ์ด้านสาธารณสุขที่ขับเคลื่อนด้วยข้อมูลและมุ่งเน้นไปที่พื้นที่อย่างมีประสิทธิภาพบนพื้นฐานของหลักฐานเชิงประจักษ์
เอกสารอ้างอิง
Brunsdon, C., Fotheringham, A. S., & Charlton, M. E. (1996). Geographically weighted regression: A method for exploring spatial nonstationarity. Geographical Analysis, 28(4), 281–298.
Bui, L. V., Mor, Z., Chemtob, D., Ha, S. T., & Levine, H. (2018). Use of geographically weighted Poisson regression to examine the effect of distance on tuberculosis incidence: A case study in Nam Dinh, Vietnam. PLOS ONE, 13(11), e0207068. https://doi.org/10.1371/journal.pone.0207068
Comber, A., Brunsdon, C., Charlton, M., Dong, G., Harris, R., Lu, B., Lü, Y., Murakami, D., Nakaya, T., Wang, Y., & Harris, P. (2020, April 13). The GWR route map: A guide to the informed application of geographically weighted regression. arXiv. Retrieved March 10, 2025 From https://arxiv.org/abs/2004.06070
Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically weighted regression: The analysis of spatially varying relationships. Wiley.
Fotheringham, A. S., Brunsdon, C., & Charlton, M. E. (2009). Geographically weighted regression. The Sage handbook of spatial analysis, 1, 243-254.
Fundisi, E., Dlamini, S., Mokhele, T., Weir-Smith, G., & Motolwana, E. (2023). Exploring determinants of HIV/AIDS self-testing uptake in South Africa using generalized linear Poisson and geographically weighted Poisson regression. Healthcare, 11(6), 881. https://doi.org/10.3390/healthcare11060881
Hadayeghi, A., Shalaby, A. S., & Persaud, B. N. (2010). Development of planning level transportation safety tools using geographically weighted Poisson regression. Accident Analysis & Prevention, 42(2), 676-688.
Helmy, H., Kamaluddin, M. T., Iskandar, I., & Suheryanto. (2022). Investigating spatial patterns of pulmonary tuberculosis and main related factors in Bandar Lampung, Indonesia using geographically weighted Poisson regression. Tropical Medicine and Infectious Disease, 7(9), 212.
Kirby, R. S., Delmelle, E., & Eberth, J. M. (2017). Advances in spatial epidemiology and geographic information systems. Annals of Epidemiology, 27(1), 1-9. https://doiorg/10.1016/j.annepidem.2016.12.001
Kulldorff, M. (1997). A spatial scan statistic. Communications in Statistics-Theory and Methods, 26(6), 1481-1496.
Li, G., Wang, S., Liu, X., Bigham, J. M., & Ragland, D. R. (2013). Using geographically weighted Poisson regression for countylevel crash modeling in California. Safety Science, 58, 89-97.
McMillen, D. P. (2004). Geographically weighted regression: The analysis of spatially varying relationships. Journal of Regional Science, 44(1), 1-22.
Munira, S., & Sener, I. N. (2020). A geographically weighted regression model to examine the spatial variation of the socioeconomic and land-use factors associated with Strava bike activity in Austin, Texas. Journal of Transport Geography, 88, 102865. https://doi.org/10.1016/j.jtrangeo.2020.102865
Murakami, D., Tsutsumida, N., Yoshida, T., Nakaya, T., Lu, B., & Harris, P. (2023). A linearization for stable and fast geographically weighted Poisson regression. International Journal of Geographical Information Science, 37(8), 1818-1839.
Nakaya, T., Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2005). Geographically weighted Poisson regression for disease association mapping. Statistics in Medicine, 24(17), 2695-2717.
Poliart, A., Kirakoya-Samadoulougou, F., Ouédraogo, M., Collart, P., Dubourg, D., & Samadoulougou, S. (2021). Using geographically weighted Poisson regression to examine the association between socioeconomic factors and hysterectomy incidence in Wallonia, Belgium. BMC Women’s Health, 21(1), 373.
Saefuddin, A., Saepudin, D., & Kusumaningrum, D. (2013). Geographically weighted Poisson regression (GWPR) for analyzing the
malnutrition data in Java-Indonesia. Procedia Social and Behavioral Sciences, 101, 100-108.
Tobler, W. R. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, 46(sup1), 234-240.
Tyas, S. W., Gunardi, & Puspitasari, L. A. (2023). Geographically weighted generalized Poisson regression model with the best
kernel function in the case of the number of postpartum maternal mortality in East Java. Methods X, 10, 102002. https://doi.org/10.1016/j.mex.2023.102002
Wheeler, D. C. (2021). Geographically weighted regression. In M. M. Fischer & P. Nijkamp (Eds.), Handbook of regional science (pp.1895-1921). Springer.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารวิจัยสาธารณสุขและวิทยาศาสตร์สุขภาพ
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวารสารวิจัยสาธารณสุขและวิทยาศาสตร์สุขภาพ
ข้อความที่ปรากฏในบทความแต่ละเรื่องบทความในวารสารวิชาการและวิจัยเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับมหาวิทยาลัยนเรศวร และคณาจารย์ท่านอื่นๆในมหาวิทยาลัยฯ ความรับผิดชอบเกี่ยวกับบทความแต่ละเรื่องผู้เขียนจะรับผิดชอบของตนเองแต่ละท่าน
