ปัจจัยทำนายผลการสอบความรู้เพื่อขอรับใบอนุญาตเป็นผู้ประกอบวิชาชีพเภสัชกรรม ในการเข้าสอบครั้งแรกของนักศึกษาเภสัชศาสตร์ในมหาวิทยาลัยสงขลานครินทร์
Article Sidebar
Main Article Content
บทคัดย่อ
วัตถุประสงค์: เพื่อวิเคราะห์ปัจจัยที่มีความสัมพันธ์กับผลการสอบใบประกอบวิชาชีพเภสัชกรรมในการสอบครั้งแรกของนักศึกษาคณะเภสัชศาสตร์ในมหาวิทยาลัยสงขลานครินทร์ วิธีการ: ตัวอย่าง คือ นักศึกษาคณะเภสัชศาสตร์ มหาวิทยาลัยสงขลานครินทร์ที่เข้าศึกษาในปีการศึกษา 2559 และ 2560 ทั้งในหลักสูตรสาขาการบริบาลทางเภสัชกรรม (pharmaceutical care: PC) และเภสัชกรรมอุตสาหการ (industrial pharmacy: IP) ตัวแปรตาม คือ ผลการสอบตามเกณฑ์สมรรถนะร่วม (core competency: CC) ทั้งการสอบความรู้ด้วยข้อสอบแบบเลือกตอบ (เรียกย่อว่า การสอบ CC1) และการสอบปฏิบัติเพื่อวัดทักษะทางวิชาชีพ (เรียกย่อว่า การสอบ CC2) และผลการสอบความรู้ตามเกณฑ์สมรรถนะเฉพาะสาขาด้าน PC และ IP ทั้งการสอบความรู้ด้วยข้อสอบแบบเลือกตอบ (PC1 และ IP1 ตามลำดับ) และการสอบทักษะทางวิชาชีพ (PC2 และ IP2 ตามลำดับ) ปัจจัยทำนายที่ศึกษาได้แก่ ปีที่เข้าศึกษา เพศ หลักสูตรที่ศึกษา วิธีการรับเข้าศึกษาในคณะเภสัชศาสตร์ (admission ย่อว่า admis) เกรดเฉลี่ยสะสมในชั้นมัธยมศึกษาตอนปลาย เกรดเฉลี่ยสะสมตลอด 4 ปีการศึกษา (GPA-4 ปี สำหรับการสอบแบบ CC) หรือเกรดเฉลี่ยสะสมตลอด 5 ปีการศึกษา (GPA-5 ปี สำหรับการสอบแบบ PC และ IP) และเกรดของรายวิชา 4-5 วิชาที่คณาจารย์ในคณะเภสัชศาสตร์ระบุว่ามีเนื้อหาสอดคล้องกับเนื้อหาของการสอบมากที่สุด การวิเคราะห์ข้อมูลใช้ multiple logistic regression และใช้เทคนิคโค้ง receiver operating characteristic เพื่อกำหนดจุดตัดของคะแนนที่เหมาะสมในการทำนายผลการสอบ ผลการวิจัย: ตัวอย่างทั้งหมด 244 รายที่เข้าสอบแบบ CC ผ่านการสอบแบบ CC1, CC2 และ CC โดยรวม (ผ่านทั้ง CC1 และ CC2) เท่ากับร้อยละ 92.7, 82.8 และ 80.3 ตามลำดับ ปัจจัยทำนายผลการสอบ CC โดยรวมที่มีนัยสำคัญทางสถิติ คือ GPA-4 ปี และวิธีการรับเข้าศึกษา ทั้งนี้ GPA- 4 ปีที่เพิ่มขึ้นเท่ากับ 0.1 หน่วยสัมพันธ์กับการเพิ่มโอกาสการสอบผ่าน 1.54 เท่าตัว นักศึกษาที่รับเข้าศึกษาโดยพิจารณาคะแนนสอบ (admis=1) มีโอกาสสอบผ่านมากกว่านักศึกษาที่รับเข้าด้วยวิธีการที่ไม่ใช้คะแนนสอบ (admis=0) 3.44 เท่าตัว สมการทำนายที่ได้ คือ (4.50*GPA-4 ปี) + 1.20 admis โดยคะแนนที่ 14.35 มีค่าความไวและความจำเพาะที่ร้อยละ 75 และ 73 ตามลำดับ นักศึกษาที่เข้าสอบ PC มีจำนวน 98 รายสอบผ่านการสอบแบบ PC1, PC2 และ PC โดยรวม เท่ากับร้อยละ 91.8, 98.0 และ 89.8 ตามลำดับ ปัจจัยที่สามารถทำนายผลการสอบ PC โดยรวมที่มีนัยสำคัญทางสถิติ คือ ผลการเรียนวิชาเภสัชบำบัดและเภสัชกรรมปฏิบัติ 4 จุดตัดคะแนนที่เกรด C+ มีความไวที่ร้อยละ 89 และมีความจำเพาะที่ร้อยละ 70 นักศึกษาที่เข้าสอบ IP 132 ราย มีผู้ผ่านการสอบแบบ IP1, IP2 และ IP โดยรวม เท่ากับร้อยละ 95.5, 99.3 และ 94.7 ตามลำดับ ปัจจัยทำนายผลการสอบ IP โดยรวมที่มีนัยสำคัญทางสถิติ คือ GPA-5 ปี จุดตัดคะแนนที่เกรด 3.12 มีความไวที่ร้อยละ 64 และมีความจำเพาะที่ร้อยละ 71 สรุป: ปัจจัยทำนายผลการสอบ CC โดยรวมที่มีนัยสำคัญทางสถิติ คือ GPA-4 ปี และวิธีการรับเข้าศึกษา ปัจจัยที่สามารถทำนายผลการสอบ PC โดยรวม คือ ผลการเรียนวิชาเภสัชบำบัดและเภสัชกรรมปฏิบัติ 4 ปัจจัยทำนายผลการสอบ IP โดยรวม คือ GPA-5 ปี คณะเภสัชศาสตร์สามารถใช้ปัจจัยข้างต้นเพื่อวางระบบให้การสนับสนุนช่วยเหลือนักศึกษาที่มีความเสี่ยงในการสอบไม่ผ่าน
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ผลการวิจัยและความคิดเห็นที่ปรากฏในบทความถือเป็นความคิดเห็นและอยู่ในความรับผิดชอบของผู้นิพนธ์ มิใช่ความเห็นหรือความรับผิดชอบของกองบรรณาธิการ หรือคณะเภสัชศาสตร์ มหาวิทยาลัยสงขลานครินทร์ ทั้งนี้ไม่รวมความผิดพลาดอันเกิดจากการพิมพ์ บทความที่ได้รับการเผยแพร่โดยวารสารเภสัชกรรมไทยถือเป็นสิทธิ์ของวารสารฯ
References
Pharmacy Council. Manual on skills according to the criteria for professional knowledge and abilities of pharmacy practitioners B.E. 2562. Nonthaburi, HR Print and Training; 2019.
Regulations of the Pharmacy Council on revocation of degree accreditation of pharmacy educational institutions, B.E. 2563. Royal Gazette No. 128, Part 4D special (Jan 14, 2011).
Faculty of Pharmacy, Prince of Songkla University. Strategic plan 2019 – 2022 [online]. 2019 [cited Jul 9, 2023]. Available from: qa.pharmacy.psu.ac.th/ima ges/blog/sar/strategy_Plan_2019-2022.pdf
Chalongsuk R, Sriuttha P. Relationships between academic achievement and pharmacy license exami nation performance. Thai Pharmaceutical and Health Science Journal 2007; 2: 77-82.
Khamprakob U, Thitawan O, Nilwas W. Predictive factors of the results of examination of applicants for registration as pharmacy practitioners of students at Chiang Mai University. Chiang Mai: Faculty of Pharmacy, Chiang Mai University; 2005.
Phuntuwate W, Anuwong K. Factors affecting achievement of pharmacy license examination. Thai Pharmaceutical and Health Science Journal 2013; 8: 163-74.
Swets JA. Measuring the accuracy of diagnostic systems. Science 1988; 240:1285-93
Lobo JM, Jiḿenez-valverde A, Real R. AUC: a misleading measure of the performance of predictive distribution models. Glob Ecol Biogeogr 2008; 17: 145–51.
Youden WJ. Index for rating diagnostic tests. Cancer 1950; 3: 32–5.
Meekai N, Kaewtai N, Saiphanit S, Kornkaew K, Bumrungchaichana W. Factors affecting to the results of thai traditional medicine license tests. Boromarajonani College of Nursing, Uttaradit Journal 2021; 13: 189-98.
Konsanit S. Predictors of license examination results of new graduates in 2020, department of physical therapy, University of Phayao. Mahidol R2R e-Journal 2022; 9: 66-76.
Park SK, Phillips J, Pavuluri N. Systematic review of predictors of success for the North American Pharmacist Licensure Examination. Am J Pharm Educ 2021; 85: 8591. doi: 10.5688/ajpe8591.
Concato J, Peduzzi P, Holford T, Feinstein A. The importance of events per independent variable in proportional hazards regression analysis: I. Background, goals and general strategy. J Clin Epidemiol 1995; 48: 1495-501.
Ogundimu EO, Altman DG, Collins GS. Adequate sample size for developing prediction models is not simply related to events per variable. J Clin Epidemiol. 2016; 76: 175-82. doi: 10.1016/j.jclinepi. 20 16.02.031.