การพยากรณ์จำนวนผู้ป่วยโรคปอดอักเสบ จังหวัดเพชรบูรณ์
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อพยากรณ์จำนวนผู้ป่วยโรคปอดอักเสบรายเดือน ปี พ.ศ. 2566
ของจังหวัดเพชรบูรณ์ โดยใช้ข้อมูลจำนวนผู้ป่วยโรคปอดอักเสบรายเดือนจากสำนักระบาดวิทยา
กรมควบคุมโรค ปี พ.ศ. 2546 ถึง 2565 ด้วยวิธีบอกซ์และเจนกินส์ แบบจำลองฤดูกาล ARIMA หรือ SARIMA (Seasonal Autoregressive Integrated Moving Average) วิธีการแยกตัวประกอบแบบจำลองการคูณที่คำนวณดัชนีฤดูกาลตามวิธีสัดส่วนต่อค่าเฉลี่ยเคลื่อนที่ (MMRMA) และแบบจำลองตามทฤษฎีระบบเกรย์แล้วแจกแจง ค่าพยากรณ์รายเดือนด้วยดัชนีฤดูกาลตามวิธีสัดส่วนต่อค่าเฉลี่ยเคลื่อนที่ (GREYRMA) ผลการวิจัยพบว่า จำนวนผู้ป่วยมีจำนวนค่อนข้างสม่ำเสมอในช่วงต้นปีถึงกลางปี และเพิ่มสูงขึ้นในช่วงเดือนกันยายนและตุลาคม และแต่ละปีมีแนวโน้มเพิ่มขึ้น การเลือกแบบจำลองจากเกณฑ์พิจารณาความแม่นยำด้วยค่าร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Percentage Error, MAPE) เมื่อพิจารณาค่าจริงเทียบกับ ค่าพยากรณ์ในอดีต 240 เดือน แบบจำลอง SARIMA มี MAPE ร้อยละ 21.11 ต่ำกว่า MMRMA ร้อยละ 10.19 แต่เมื่อพิจารณาค่าพยากรณ์รายเดือน ปี พ.ศ. 2566 เปรียบเทียบกับค่าจริงเดือน มกราคม ถึง ตุลาคม พบว่า มีค่า MAPE ของวิธี SARIMA, GREYRMA และ MMRMA ร้อยละ 63.32, 82.81, และ, 41.74 ตามลำดับ การพยากรณ์ด้วยแบบจำลอง MMRMA มีความใกล้เคียงกับข้อมูลจริงในปี พ.ศ. 2566 มากกว่า จึงเป็นค่าพยากรณ์ที่น่าจะยอมรับได้สำหรับเดือน พฤศจิกายน และธันวาคมที่เหลืออยู่
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ข้อลิขสิทธิ์วารสาร
บทความหรือข้อคิดเห็นใดๆ ที่ปรากฏในวารสารวิชาการป้องกันควบคุมโรค สคร. 2 พิษณุโลก เป็นวรรณกรรมของผู้เขียน กองบรรณาธิการวิชาการ และ สำนักงานป้องกันควบคุมโรคที่ 2 จังหวัดพิษณุโลกไม่จำเป็นต้องเห็นพ้องด้วยทั้งหมดหรือร่วมรับผืิดชอบใดๆ หากพบว่าบทความของท่านมีการคัดลอกผลงานทางวิชาการ (plagiarism) มากกว่า 25 เปอร์เซ็นวารสารขอปฏิเสธการตีพิมพ์เผยแพร่ทุกกรณี วิธีตรวจสอบการคัดลอกผลงานทางวิชาการ (plagiarism)
References
กรมควบคุมโรค. โรคปอดบวม, ปอดอักเสบ (Pneumonia) [อินเทอร์เน็ต]. 2562 [เข้าถึงเมื่อ 16 พ.ย. 2566]เข้าถึงได้จาก: https://ddc.moph.go.th/disease_detail.php?d=21
กรมควบคุมโรค. คาดการณ์โรค ปี 2565 8 โรคสำคัญ [อินเทอร์เน็ต]. 2564 [เข้าถึงเมื่อ 16 พ.ย. 2566]. เข้าถึงได้จาก: https://www.ddc.moph.go.th/uploads/publish/1305720220831091702.pdf
สำนักระบาดวิทยา กรมควบคุมโรค. ระบบรายงานการเฝ้าระวังโรค 506. Pneumonia. สรุปสถานการณ์ ปี 65 รายสัปดาห์ [52] [อินเทอร์เน็ต]. 2566 [เข้าถึงเมื่อ 16 พ.ย. 2566]. เข้าถึงได้จาก: http://doe.moph.go.th/surdata/disease.php?ds=31
กลุ่มงานพัฒนายุทธศาสตร์สาธารณสุข งานข้อมูลข่าวสาร สำนักงานสาธารณสุขจังหวัดพิจิตร. สัปดาห์ระบาดวิทยา ปี 2566 [อินเทอร์เน็ต]. 2566 [เข้าถึงเมื่อ 16 พ.ย. 2566]. เข้าถึงได้จาก: http://www.ppho.go.th/mis-new/index.php?menu=5.19
สำนักระบาดวิทยา กรมควบคุมโรค. ระบบรายงานการเฝ้าระวังโรค 506. Pneumonia. สรุปสถานการณ์ ปี 66 รายสัปดาห์[43] [อินเทอร์เน็ต].2566 [เข้าถึงเมื่อ16พ.ย.2566].เข้าถึงได้จาก: http://doe.moph.go.th/surdata/disease.php?ds=31
วราพร ตั๋วทอง, สวพร หิญชีระนันทน์. 2564. การเปรียบเทียบตัวแบบการพยากรณ์จํานวนผู้ป่วยโรคปอดอักเสบในประเทศไทย. วารสารวิทยาศาสตร์และเทคโนโลยี(ววท.) 2564; 29(3): 365-377.
กมล กัญญาประสิทธิ์. การพยากรณ์การเกิดโรคไข้เลือดออก ในพื้นที่ จังหวัดเพชรบูรณ์ พ.ศ. 2558. วารสารวิชาการสาธารณสุข 2559; 25(4): 604-614.
จารุณี กันธุ. ปัจจัยทํานายพฤติกรรมส่งเสริมสุขภาพของผู้สูงอายุตําบลนางั่ว อําเภอเมือง จังหวัดเพชรบูรณ์. วารสารวิชาการป้องกันควบคุมโรค สคร.2 พิษณุโลก 2565; 9(3):19-35.
สำนักระบาดวิทยา กรมควบคุมโรค. ระบบรายงานการเฝ้าระวังโรค 506>Pneumonia>ข้อมูลย้อนหลัง>สรุปสถานการณ์รายปี 2546-2565 [อินเทอร์เน็ต]. 2566 [เข้าถึงเมื่อ 16 พ.ย. 2566]. เข้าถึงได้จาก: http://doe.moph.go.th/surdata/disease.php?dcontent=old&ds=31
Santa R. Introduction to SARIMA Model [Internet]. 2023 [cited 2023 Nov 1]. Available from: https://medium.com/@ritusantra/introduction-to-sarima-model-cbb8
The R Foundation. The R Project for Statistical Computing [Internet]. 2023 [cited 2023 Nov 1]. Available from: https://www.r-project.org/
Hyndman R, Athanasopoulos G, Bergmeir C, Caceres G, Chhay L, O'Hara-Wild M, Petropoulos F, Razbash S, Wang E, Yasmeen F. forecast: Forecasting functions for time series and linear models. R package version 8.21.1 [Internet]. 2023 [cited 2023 Nov 1]. Available from: https://pkg.robjhyndman.com/forecast/.
Hyndman RJ, Khandakar Y. Automatic time series forecasting: the forecast package for R. Journal of Statistical Software 2008; 26(3), 1–22. doi:10.18637/jss.v027.i03.
Wischke AF. Forecasting with R: Auto-ARIMA Step by Step [Internet]. 2018 [cited 2023 Nov 1]. Available from: https://www.linkedin.com/pulse/forecasting-r-auto-arima-step-anton-figuerola-wischke
Bevans R. March 26, 2020. Akaike Information Criterion | When & How to Use It (Example) [Internet]. Scribbr; 2023 [cited 2023 Nov 1]. Available from: https://www.scribbr.com/statistics/akaike-information-criterion/
Liu S., Lin Y. Grey systems theory and application. Verlag: Springer; 2010. pp. 106-130.
Zhang, Y. (2012). Improved grey derivative of grey Verhulst model and its application. International Journal of Computer Science 2012; 9(6), 443-448.
Strathmore University Business School. ANALYSIS OF TIME SERIES [Internet]. 2021 [cited 2023 Nov 1]. Available from: https://sbselearning.strathmore.edu/pluginfile.php/177213/mod_resource/content /1/T opic-4-Analysis-of-Time-Series.pdf
Shukla, GK., Trivedi, M. eGyanKosh> Block 4: Time Series Modelling> UNIT 14 SEASONAL COMPONENT ANALYSIS [Internet]. 2017 [cited 2023 Nov 1]. Available from: https://www.egyankosh.ac.in/bitstream/123456789/20805/1/Unit-14.pdf
Chan B. Classical Multiplicative Decomposition – YouTube [Internet]. 2015 [cited 2023 Nov 1]. Available from: https://www.youtube.com/watch?v=S31b-vh0Ce0
Andrés D. Machine Learning Pills: Error Metrics for Time Series Forecasting [Internet]. 2023 [cited 2023 Oct 20]. Available from: https://mlpills.dev/time-series/error-metrics-for-time-series-forecasting/
Lewis CD. Industrial and business forecasting methods. London: Butterworths;1982.