การทำนายจำนวนการเสียชีวิตของทารกแรกเกิดในประเทศไทยด้วยทฤษฎีระบบสีเทา
คำสำคัญ:
การทำนาย , จำนวนการตายของทารกแรกเกิด , เขตสุขภาพ , ทฤษฎีระบบสีเทาบทคัดย่อ
อัตราการตายของทารกเป็นตัวชี้วัดระดับการพัฒนาประเทศ การทำนายล่วงหน้าเป็นแนวทางในการบริหารทรัพยากรสาธารณสุขที่เหมาะสม การวิจัยนี้มีวัตถุประสงค์เพื่อทำนายจำนวนการเสียชีวิตของทารกในประเทศไทยรายเขตสุขภาพปีงบประมาณ 2567 ด้วยทฤษฎีระบบสีเทา การรวบรวมข้อมูลเพื่อพัฒนาแบบจำลองได้จากรายงานสถิติจำนวนทารกแรกเกิดที่เสียชีวิตน้อยกว่าหรือเท่ากับ 28 วันปีงบประมาณ 2557 ถึง 2567 ของกระทรวงสาธารณสุข (วันที่ประมวลผล 9 มีนาคม 2567) ผลการศึกษาพบว่า แบบจำลอง GM(1,1) มีค่าสัมประสิทธิ์การพัฒนา (a) ของเขตสุขภาพ 9 แห่งมีค่าระหว่าง สามารถใช้พยากรณ์ระยะสั้นได้ และ เมื่อปรับปรุงเป็นแบบจำลอง GM(1,1) expanded with periodic correction model มีค่าเฉลี่ยร้อยละความผิดพลาดสัมบูรณ์ (MAPE) ต่ำกว่า GM(1,1) ทุกเขตสุขภาพ ค่า MAPE ของเขตสุขภาพมีค่าน้อยกว่า 10 อยู่ในเกณฑ์มีความแม่นยำสูง ยกเว้นเขตสุขภาพที่ 1, 8 และ 13 มีค่าระหว่าง 10-20 ใช้ทำนายได้ดี การทำนายจำนวนทารกแรกเกิดที่เสียชีวิตน้อยกว่าหรือเท่ากับ 28 วันปีงบปประมาณ 2567 ทุกเขตสุขภาพมีจำนวนลดลงจากปีงบประมาณ 2566 ยกเว้นเขตสุขภาพที่ 8, 10 และ 11 เพิ่มขึ้น 3.89, 6.97 และ 6.80 ตามลำดับ สัดส่วนจำนวนการเสียชีวิตของทารกแรกเกิดปีงบประมาณ 2567 (ประมวลผลถึงวันที่ 9 มีนาคม 2567) คิดเป็นร้อยละของค่าทำนายในทุกเขตสุขภาพ น้อยกว่าร้อยละ 43.99 ซึ่งเป็นสัดส่วนของจำนวนวันในปีงบประมาณ 2567 ยกเว้นเขตสุขภาพที่ 1, 3, 6 และ 12 คิดเป็นร้อยละ 57.65, 46.54, 46.03 และ 49.20 ตามลำดับ
References
World Population Review. Infant Mortality Rate by Country 2024 [Internet]. [cited 2024 March 18]. Available from: https://worldpopulationreview.com/country-rankings/infant-mortality-rate-by-country
United Nations International Children's Emergency Fund. UNICEF Data Warehouse Cross-sector indicators Indicator: Infant mortality rate Unit of measure: Deaths per 1,000 live births [Internet]. [cited 2024 Mar 20]. Available from: https://data.unicef.org/resources/data_explorer/unicef_f/?ag=UNICEF&df=GLOBAL_DATAFLOW&ver=1.0&dq=THA&startPeriod=2017&endPeriod=2022
Talirongan FJB, Talirongan H, Orong MY. Modeling National Trends on Health in the Philippines Using ARIMA. Journal of Health & Medical Informatics 2020;1:1-6.
Hasan NI, Abdul Aziz A, Ganggayah MD, Jamal NF, Ghafar NMA. Projection of infant mortality rate in Malaysia using R. Jurnal Sains Kesihatan Malaysia 2022;20:23-36.
Jo TC. The effect of virtual term generation on the neural based approaches to time series prediction. Proceedings of the 4th International Conference on Control and Automation; 2023 Jun 12; Montreal, Canada. Montreal; IEEE; 2023. 516–20.
Deng J. Introduction to Grey System Theory. The journal of Grey System 1989,1(1),1-24.
Kayacan E, Ulutas B, Kaynak O. Grey system theory-based models in time series prediction. Expert Systems with Applications 2010;37(2): 1784-89.
Guo Z, Song X, Ye J. A Verhulst model on time series error corrected for port throughput forecasting. Journal of the Eastern Asia Society for Transportation Studies 2005;6:881-91
Tu CJ, Pan Q, Jiang CM, Tu YX, Zhang SH. Trends and predictions in the physical shape of Chinese preschool children from 2000 to 2020. Front Public Health 2023;11:1148415.
Liu SF. Editorial: memorabilia of the establishment and development of grey system theory (1982-2021). Grey Syst. 2002; 12: 701–2. doi: 10.1108/GS-10-2022-188.
Zhang H. Prediction of Infant Mortality Rate in Shanghai Based on GM(1,1) Model. Advances in Applied Mathematics 2021;10(11):3679-86.
กระทรวงสาธารณสุข. กลุ่มรายงานมาตรฐาน สาเหตุการป่วย/ตาย อัตราตายทารกแรกเกิด อายุน้อยกว่าหรือเท่ากับ 28 วัน [อินเตอร์เน็ต]. [สืบค้นเมื่อ 18 มีนาคม 2567]. แหล่งข้อมูล: https://hdcservice.moph.go.th/hdc/reports/report.php?&cat_id=491672679818600345dc1833920051b2&id=0acbbb84a5c774c129dfc849a742d766#
Xie N. A summary of grey forecasting models. Grey Systems: Theory and Application 2022;12(4):703-22.
Liu SF, Lin Y. Grey systems theory and applications. Berlin: Springer-Verlag; 2010.
Zhao D, Zhang H, Cao, Q, Wang, Z, He, S, Zhou, M. and Zhang, R. The research of ARIMA, GM(1,1), and LSTM models for prediction of TB cases in China. PLoS One 2022;17(2):e0262734.
MLPills. Error metrics for time series forecasting [Internet]. [cited 2024 March 18]. Available from: https://mlpills.dev/time-series/error-metrics-for-time-series-forecasting/
Lewis CD. Industrial and business forecasting methods: a practical guide to exponential smoothing and curve fitting. London: Butterworth; 1982.
ศูนย์ส่งเสริมจริยธรรมการวิจัย, มหาวิทยาลัยมหิดล. แบบประเมินตนเองเข้าข่ายการวิจัยในคนหรือไม่ (Eng, Thai) [อินเตอร์เน็ต]. [สืบค้นเมื่อ 10 เมษายน 2567]. แหล่งข้อมูล: https://sp.mahidol.ac.th/th/ethics-human/forms/checklist/2022-Human%20Research%20Checklist-researcher.pdf
United Nations International Children's Emergency Fund. Neonatal mortality [Internet]. [cited 2024 Mar 20]. Available from: https://data.unicef.org/topic/child-survival/neonatal-mortality/
Leung XY, Islam RM, Adhami M, Ilic D, McDonald L, Palawaththa S, et al. A systematic review of dengue outbreak prediction models: Current scenario and future directions. PLoS Negl Trop Dis. 2023;1 7(2):e0010
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2024 วารสารการแพทย์และสาธารณสุข มหาวิทยาลัยอุบลราชธานี
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารการแพทย์และสาธารณสุข มหาวิทยาลัยอุบลราชธานี ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารการแพทย์และสาธารณสุข มหาวิทยาลัยอุบลราชธานี ถือเป็นลิขสิทธิ์ของวารสารการแพทย์และสาธารณสุข มหาวิทยาลัยอุบลราชธานี กองบรรณาธิการไม่สงวนสิทธิ์ในการคัดลอกเพื่อการพัฒนางานด้านวิชาการ แต่ต้องได้รับการอ้างอิงที่ถูกต้องเหมาะสม
