สวรรยา จันทูตานนท์ สำนักงานป้องกันควบคุมโรคที่ 12 สงขลา

1. การพยากรณ์การเกิดโรคไข้เลือดออก พ.ศ.2555 โดยใช้การวิเคราะห์อนุกรมเวลา ในพื้นที่ 7 จังหวัดภาคใต้ตอนล่าง สวรรยา จันทูตานนท์ สำนักงานป้องกันควบคุมโรคที่ 12 สงขลา

2. ความเป็นมาและความสำคัญความเป็นมาและความสำคัญ โรคไข้เลือดออกเป็นโรคที่สำคัญ และเป็นโรคนโยบายระดับประเทศ สถานการณ์โรคไข้เลือดออกในภาคใต้ตอนล่าง มีรายงานโรคตลอดทั้งปี แนวโน้มการเกิดโรคไม่ลดลง การพยากรณ์โรค เป็นการรวบรวมข้อมูลโรคและข้อมูลที่เกี่ยวข้องจากแหล่งข้อมูลต่างๆ มาสังเคราะห์และทำนายเหตุการณ์ที่จะเกิดขึ้นในอนาคต เพื่อเตรียมรับสถานการณ์ที่อาจเปลี่ยนแปลงได้

3. วัตถุประสงค์ เพื่อศึกษาสถานการณ์โรคไข้เลือดออก และปัจจัยที่เกี่ยวข้อง ตั้งแต่ พ.ศ.2545-2554 เพื่อศึกษาแนวโน้มการเกิดโรคไข้เลือดออกในพื้นที่ 7 จังหวัดภาคใต้ตอนล่าง พ.ศ.2555 โดยใช้แบบจำลองนุกรมเวลาในการวิเคราะห์ค่าการพยากรณ์

4. เครื่องมือ • ข้อมูลโรคไข้เลือดออกจากฐานข้อมูลเฝ้าระวังทางระบาดวิทยา พ.ศ.2544-2554 • ข้อมูลประชากรกลางปี ประเทศไทย จากสำนักงานสถิติแห่งชาติ พ.ศ. 2544 – 2554 • โปรมแกรมสำเร็จรูป EViews version 4.1

5. วิธีการศึกษา

6. ผลการศึกษา สถานการณ์ทางระบาดวิทยาโรคไข้เลือดออก ในพื้นที่ 7 จังหวัดภาคใต้ตอนล่าง ตั้งแต่ปี พ.ศ.2546-2554

14. ค่าดัชนีในการวัดแหล่งเพาะพันธุ์ยุง (HI, CI, BI) รายจังหวัด ภาคใต้ตอนล่าง • พ.ศ.2554 ทุกจังหวัดมีค่า HI > 10 จาการสำรวจในเดือนมีนาคม • พ.ศ.2554 พบ ภาชนะที่มีลูกน้ำ โดยค่า CI<10 • ค่า BI < 50 ทุกจังหวัด มีค่าอยู่ระหว่าง 5.3-37.7

15. เปรียบเทียบอัตราป่วยกับปริมาณน้ำฝนเฉลี่ยรายเดือน ภาคใต้ตอนล่าง พ.ศ.2550-2554 แหล่งข้อมูล : กรมอุตุนิยมวิทยา

16. ผลการศึกษา การพยากรณ์โรคไข้เลือดออกรายเดือน พ.ศ.2555 ใน 7 จังหวัดภาคใต้ตอนล่าง

17. กราฟแสดงลักษณะของข้อมูลที่มีอิทธิพลของแนวโน้ม ฤดูกาล และ วัฎจักร

18. รูปแบบจำลองสมการ • Ŷt+k= (a + bk) c t+k ………………..Holt-Winters Multiplicative Seasonal Model • Ŷt+k= a + bk + c t+k …..………… Holt-Winters Additive Seasonal Model เมื่อ Ŷt+k คือ ค่าพยากรณ์ ณ เวลาที่ t+k aคือ จุดตัดแกน bคือ ค่าความชันของแนวโน้ม c t+k คือ ดัชนีฤดูกาลที่ t+k

19. ค่าสถิติทดสอบโดยใช้แบบจำลองการปรับเรียบเอ็กซ์โปเนนเชียล (Exponential smoothing)

20. Yt = [4.16 – 0.09(t)]

21. Yt = [6.97 – 0.18(t)]

22. Yt = [10.07 – 0.009(t)]

23. Yt = [0.97 – 0.22(t)]

24. Yt = [3.76 – 0.36(t)]

25. Yt = [0.89 – 0.37(t)]

26. Yt = [0.67 – 0.24(t)]

27. อภิปรายและสรุปผลการศึกษาอภิปรายและสรุปผลการศึกษา • วัฏจักรของการเกิดโรคในภาคใต้ตอนล่าง ระบาด 1 ปี เว้น 2 ปี ครั้งล่าสุด ระบาดในปี 2553 จากค่าการพยากรณ์ ปี 2555 ในภาพรวมภาคใต้ตอนล่างอัตราป่วยไม่เกินค่า Median ไม่น่าจะมีการระบาด ถ้าเหตุการณ์ไม่ผิดปกติไปจากเดิม • ผลการพยากรณ์ปี พ.ศ.2555 จาก Model ที่ใช้ในจังหวัดปัตตานี สตูล พัทลุง และนราธิวาส พบใกล้เคียงกับอัตราป่วยจากรายงาน 506 น่าจะสามารถพิจารณานำไปใช้วางแผนการป้องกันควบคุมโรคได้

28. อภิปรายและสรุปผลการศึกษา(ต่อ)อภิปรายและสรุปผลการศึกษา(ต่อ) • ผลการพยากรณ์ปี พ.ศ.2555 ในจังหวัดตรัง ยะลา และสงขลา นั้นมีค่าแตกต่างกับกับข้อมูลจริง ดังนั้นอาจเลือกใช้วิธีการพยากรณ์ อื่นๆมาเปรียบเทียบเพิ่มเติม • Time series analysis เป็นการใช้รูปแบบการเปลี่ยนแปลงของตัวแปรนั้นที่เปลี่ยนแปลงไปตามเวลาในอดีตมาทำนายอนาคต ค่าพยากรณ์ที่ได้จึงขึ้นอยู่กับการรายงานจำนวนผู้ป่วยในอดีตส่วนหนึ่ง • จะเห็นว่าค่าพยากรณ์จะใกล้เคียงกับค่าจริงที่ประมาณ 3-4 เดือน หลังจากนั้นจะมีความแตกต่างกัน ดังนั้นการพยากรณ์โดยใช้รูปแบบจำลองที่เลือกมาจึงเหมาะในการพยากรณ์ระยะสั้นมากกว่าระยะยาว

29. ข้อเสนอแนะ • ค่าการพยากรณ์ที่ได้จากการวิเคราะห์ควรนำมาพิจารณาใช้ประโยชน์ร่วมกับสถานการณ์ทางระบาดวิทยา ในการวางแผนเตรียมพร้อมรับสถานการณ์ • การเลือกวิธีการพยากรณ์ให้พิจารณาจากความสอดคล้องของผลการพยากรณ์กับสถานการณ์โรคจริง จึงควรทดลองใช้ Model ต่างๆ มาเปรียบเทียบกัน เช่น Time Trend, Exponential smoothing , ARIMA และVARs • การใช้ประโยชน์ของข้อมูลต้องคำนึงถึงปัจจัยที่ควบคุมไม่ได้ เช่นนโยบายการรายงานผู้ป่วย ชนิดของเชื้อ ปริมาณน้ำฝน

30. ข้อเสนอแนะ(ต่อ) • หมั่นควรตรวจสอบความถูกต้องแม่นยำเป็นระยะ เพื่อปรับวิธีการ ค่าคงที่ หรือสมการที่ใช้ในการคำนวณให้เหมาะสมเมื่อเวลาเปลี่ยนไป ทั้งนี้ผู้ศึกษาต้องมีความรู้ความเข้าใจในวิธีการพยากรณ์ • การพยากรณ์เป็นการทำนายค่าในอนาคต เป็นค่าที่ไม่แน่นอน ย่อมเกิดความคลาดเคลื่อน ความผิดพลาดขึ้นได้ การกำจัดลูกน้ำยุงลาย ทำลายแหล่งเพาะพันธ์ยุง ก่อนถึงฤดูกาลการเกิดโรค ก็ยังเป็นสิ่งที่ควรปฏิบัติ

31. สวัสดีค่ะ