การพัฒนาระบบตรวจจับอาการคล้ายไข้หวัดใหญ่โดยใช้คำค้นหาจากกูเกิล ในจังหวัดเชียงใหม่
คำสำคัญ:
การเฝ้าระวังโรค, ไข้หวัดใหญ่, อาการคล้ายไข้หวัดใหญ่, กูเกิลเทรนด์ส, จังหวัดเชียงใหม่บทคัดย่อ
การเฝ้าระวังไข้หวัดใหญ่ของไทยยังรอผู้ป่วยมารับบริการทำให้ข้อมูลล่าช้าและไม่ครอบคลุม งานวิจัยเชิงพัฒนานี้มีวัตถุประสงค์เพื่อพัฒนาและประเมินความเป็นไปได้ของระบบต้นแบบตรวจจับอาการคล้ายไข้หวัดใหญ่ (ILI) โดยใช้ดัชนีความสนใจสัมพัทธ์ของคำค้น Google (Relative Search Value - RSV) ในจังหวัดเชียงใหม่ ผู้เข้าร่วมคือสมาชิก Situation Awareness Team (SAT) จำนวน 15 คน ดำเนินการระหว่าง กันยายน พ.ศ. 2566–กรกฎาคม พ.ศ. 2567 แบ่งเป็น 3 ระยะ ได้แก่ ระยะวิเคราะห์สถานการณ์ด้วยการสัมภาษณ์แบบมีโครงสร้าง ระยะดำเนินการด้วยการพัฒนาและทดสอบระบบตามแนวทางแอลไจล์และระยะประเมินผลด้วยแบบสอบถาม 5 ระดับ
ที่ผ่านการตรวจสอบความตรงเชิงเนื้อหาและความเชื่อมั่น พร้อมวิเคราะห์ความสัมพันธ์ระหว่าง RSV ของคำค้น “ไข้” “ไอ” “เจ็บคอ” กับจำนวนผู้ป่วยไข้หวัดใหญ่ในจังหวัดเชียงใหม่ช่วง พ.ศ. 2559–2566 ด้วยกรอบการนำ–ตาม ±5 สัปดาห์ การสัมภาษณ์พบว่าผู้ใช้ต้องการระบบที่ให้สัญญาณล่วงหน้าและใช้งานง่ายแต่กังวลอิทธิพลสื่อ ต้นแบบสามารถประมวล RSV ตรวจจับความเปลี่ยนแปลงและส่งอีเมลแจ้งเตือนได้ทันที พบว่าพ.ศ. 2559–2562 สัญญาณค้นหา “นำหน้า” 1–3 สัปดาห์และสัมพันธ์ปานกลาง–สูง เช่น “ไข้” r≈0.61–0.74, p<0.001 ช่วง พ.ศ. 2563–2566 ความสัมพันธ์
ไม่มีนัยยะสำคัญทางสถิติแต่มีสัญญาณฟื้นบางช่วง เช่น “ไข้” ปี 2566 นำหน้า 1 สัปดาห์ r≈0.73, p<0.001) การประเมินภาคสนามพบว่าระบบต้นแบบมีความเป็นไปได้ “มากที่สุด” ( =4.44, SD=0.71) จึงเหมาะเป็นสัญญาณดิจิทัลเสริมควบคู่ระบบเดิม โดยต้องปรับเทียบต่อเนื่องตามพฤติกรรมการค้นหาและบริบทสังคม
เอกสารอ้างอิง
กองระบาดวิทยา กรมควบคุมโรค กระทรวงสาธารณสุข. (2563). รายงานการเฝ้าระวังโรคติดต่อระบบทางเดินหายใจ จังหวัดเชียงใหม่. สำนักระบาดวิทยา, กรมควบคุมโรค.
Alibudbud, R. (2023). Using Google Trends for mental health and substance use research: A review. Journal of Public Health Research, 12(2), 45–56.
Cook, S. M., & Paltiel, A. D. (2011). Assessing Google Flu Trends performance in the United States during the 2009 influenza A (H1N1) pandemic. PLOS ONE, 6(8), e23610.
Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinski, M. S., & Brilliant, L. (2009). Detecting influenza epidemics using search engine query data. Nature, 457(7232), 1012-1014.
Kiertiburanakul, S., Rattanachotphanit, T., Thamlikitkul, V., & Riewpaiboon, A. (2020). Economic impact of influenza in Thailand: Productivity loss and healthcare costs. Asian Pacific Journal of Tropical Medicine, 13(4), 156-162.
Longini, I. M., Halloran, M. E., Nizam, A., & Yang, Y. (2005). Containing pandemic influenza at the source. Science, 309(5737), 1083-1087.
Nuti, S. V., Wayda, B., Ranasinghe, I., Wang, S., Dreyer, R. P., Chen, S. I., & Murugiah, K. (2014). The use of google trends in health care research: A systematic review. PLoS ONE, 9(10), e109583.
StatCounter. (2023). Search engine market share Thailand.. Retrieved September 15, 2023, from https://gs.statcounter.com/search-engine-market-share/all/thailand
Woo, J. (2010). Chapter 120 Geriatrics in the Rest of the World. In H. M. Fillit, K. Rockwood, & K. Woodhouse (Eds.). Brocklehurst’s textbook of geriatric medicine and gerontology (7nth ed.). (pp. 1010-1015). Philadelphia: W.B. Saunders.
World Health Organization [WHO]. (2017). Up to 650,000 people die of respiratory diseases linked to seasonal flu each year. Retrieved September 20, 2023, from https://www.who.int/news/item/13-12-2017-up-to-650-000-people-die-of-respiratory-diseases-linked-to-seasonal-flu-each-year
World Health Organization [WHO]. (2025). Influenza (seasonal). Retrieved September 20, 2023, from https://www.who.int/news-room/fact-sheets/detail/influenza-(seasonal)
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 คณะสาธารณสุขศาสตร์ มหาวิทยาลัยขอนแก่น
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
