การทำนายสัดส่วนผู้ป่วยจำแนกตามจำนวนกลุ่มโรคโดยวิธีลูกโซ่มาร์คอฟ

Main Article Content

Vadhana Jayathavaj

บทคัดย่อ

สัดส่วนผู้ป่วยที่จำแนกตามจำนวนโรคที่ผู้ป่วยมาใช้บริการโรงพยาบาลในรอบ 1 ปีนั้นสามารถสะท้อนประสิทธิภาพบริการของโรงพยาบาลชุมชน  หากสัดส่วนผู้ป่วยที่มีจำนวนโรคจำนวนมากลดลงเมื่อเทียบกับสัดส่วนของปีที่ผ่านมา  ผู้ป่วยแต่ละคนมีการเปลี่ยนสถานะจากจำนวนโรคหนึ่งในปีหนึ่งไปยังอีกจำนวนโรคหนึ่งในอีกปีต่อเนื่องกัน  ซึ่งจากฐานข้อมูลผู้ป่วยสามารถประยุกต์ใช้ลูกโซ่มาร์คอฟทำนายสัดส่วนผู้ป่วยตามจำนวนโรคในอนาคตได้  การศึกษานี้ใช้กลุ่มโรคแทนรายโรคเพื่อให้ตารางสถิติมีขนาดเหมาะสมในการนำเสนอ  เมื่อใช้วิธีลูกโซ่มาร์คอฟกับข้อมูลผู้ป่วยที่เข้ารับบริการโรงพยาบาลชุมชนแห่งหนึ่งที่มีประมาณ 3,900 คนต่อปี  หากกำหนดให้โรงพยาบาลแห่งนี้มีการดำเนินการยังคงเป็นเช่นปี พ.ศ. 2559 และ 2560 ที่ผ่านมา (สะท้อนออกมาในรูปของการเปลี่ยนสถานะของจำนวนกลุ่มโรคจากปี 2559 สู่ 2560) แล้ว ใน 5 ปีข้างหน้า คือ  พ.ศ. 2561-2565 จะมีสัดส่วนผู้ป่วยที่มีจำนวนกลุ่มโรคน้อยกว่าสองกลุ่มโรคจะเพิ่มขึ้นจาก 0.714 เป็น 0.764, 0.783, 0.792, 0.795, และ 0.796 ตามลำดับ  เพิ่มขึ้นปีต่อปีที่ร้อยละ 7.0, 2.5, 1.1, 0.4, และ 0.1 ตามลำดับ และในปีที่ 6 พ.ศ. 2566 สัดส่วนผู้ป่วยที่มีจำนวนกลุ่มโรคน้อยกว่าสองกลุ่มโรคจะคงตัวที่  0.798  ขณะที่สัดส่วนผู้ป่วยที่มีจำนวนศูนย์กลุ่มมากกว่าหนึ่งกลุ่มโรคลดลงที่ 0.202  ดังนั้น หากโรงพยาบาลมีเป้าหมายประสงค์ที่จะลดสัดส่วนผู้ป่วยที่มีจำนวนกลุ่มโรคมากกว่าหนึ่งกลุ่มโรคลง ก็ต้องทำการศึกษารายละเอียดข้อมูลผู้ป่วยเพื่อนำแผนบริการที่เหมาะสมมาใช้ต่อไป

Article Details

บท
Original Articles
Author Biography

Vadhana Jayathavaj, Faculty of Public Health and Enviromental, Pathumthani University

Head of Thai Traditional Medicine

College of Oriental Medicine

References

1. National Institutes of Health NIH, National Cancer Institute NCI. Comorbidity Index Overview History of the NCI Comorbidity Index updated 14 Mar 2017. Available from https://healthcaredelivery.cancer.gov/seermedicare/considerations/comorbidity.html Accessed December 28, 2016.
2. Klaewklong S, Chanruangvanich W, Danaidutsadeekul S, Riansuwan K. Relation of Comorbidity, Grip Strength and Stress to Hip Fracture Patients’ Post-Operative Functional Recovery. Thai Journal of Nursing Council. 2014; 29(2);36-48. (in Thai).
3. Srivisai T, Pinyopasakul W, Charoenkitkarn V. Relationships between Age, Body Mass Index, Comorbidity, and Systemic Inflammatory Response Syndrome in Patients with Respiratory Infection at an Emergency Unit. Ramathibodi Nursing Journal . 2015; 21(2);186-98. (in Thai).
4. Vannachart M, Nuntamongkolchai S, Mhunsawaengtrupaya C, Tachaboonsermsak P. Quality of life of Chronic Elderly in Ubon Ratchathani Province. Journal of Health Science. 2014; 23(5); 794-803. (in Thai).
5. Bjerregaard P, Bjerregaard B. 1985. Disease Pattern in Upernavik in Relation to Housing Conditions and Social Group. Meddelelser om Grønland, Man & Society . 1985; 8;1-18
6. Teerawattanayont Y. (2006). Costs of effectiveness and utility of renal replacement therapy. Journal of Nephrology Society of Thailand. 12(2) sppl: 50-57. (in Thai).
7. Gagniuc P. Markov chains: from theory to implementation and experimentation. New Jersy: John Wiley & Sons. 2017.
8. Ibe OC. Markov processes for stochastic modelling. Burlington: Elsevior Acadenic Press. 2009.
9. Lindsey JK. Statistical analysis of stochastic processes in time. Cambridge: Cambridge University Press. 2004.
10. Voskoglou MGr. Applications of finite Markov chain models to management. American Journal of Computational and Applied Mathematics. 2016; 6(1):7-13.