การพยากรณ์จำนวนผู้ป่วยไข้เลือดออกและความสัมพันธ์กับปริมาณฝน จังหวัดกาฬสินธุ์
คำสำคัญ:
การพยากรณ์, ไข้เลือดออก, จังหวัดกาฬสินธุ์, ปริมาณฝน, สหสัมพันธ์บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างปริมาณฝนรายเดือนกับจำนวนผู้ติดเชื้อ ไข้เลือดออก (DF) รายเดือนของจังหวัดกาฬสินธุ์ และพัฒนาแบบจำลองเพื่อการพยากรณ์จำนวนผู้ติดเชื้อ DF รายเดือนของปี พ.ศ. 2567 ข้อมูลปริมาณน้ำฝนรวบรวมจากรายงานของกรมอุตุนิยมวิทยา จำนวนผู้ป่วย DF รายเดือนรวบรวมจากระบบรายงานและฐานข้อมูล 506 Dengue fever กองระบาดวิทยา วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา สหสัมพันธ์สเปียร์แมน และ สร้างแบบจำลองอนุกรมเวลาตามวิธีบ๊อกซ์และเจนกินส์ ผลการศึกษาพบว่า ปริมาณฝนรายเดือนกับจำนวนผู้ติดเชื้อ DF รายเดือนของจังหวัดกาฬสินธุ์มีความสัมพันธ์กันระดับปานกลาง โดยมีค่าสัมประสิทธิ์สหสัมพันธ์สเปียร์แมน เท่ากับ 0.52 (p-value<.001) การพยากรณ์จำนวนผู้ติดเชื้อไข้เลือดออก (DF) รายเดือน พ.ศ. 2567 ด้วยแบบจำลองแบบมีฤดูกาล ARIMA(1,1,0)(2,1,1)12 อยู่ในเกณฑ์ความแม่นยำระดับสมเหตุสมผล ค่าพยากรณ์ที่ได้สูงกว่าค่าเฉลี่ยรายเดือน 6 ปีที่ผ่านมา เว้นแต่ต่ำกว่าในเดือนกรกฎาคมและสิงหาคม ซึ่งเป็นช่วงปลายฤดูฝน จึงควรพิจารณาใช้ค่าเฉลี่ยรายเดือนในช่วงสองเดือนดังกล่าวแทนในการกำหนดแผนงานเชิงป้องกันโรคระบาดปี พ.ศ. 2567 จะเหมาะสมกว่า
เอกสารอ้างอิง
Bureau of Epidemiology, Ministry of Public Health. (2024). Reporting system and database 506 Dengue fever historical data, Number and rate of illness-death per 100,000 population classified by province. Retrieved from http://doe.moph.go.th /surdata/disease.php?dcontent=old&ds=66
Chan, Y.H. (2003). Biostatistics 104: correlational analysis. Singapore Medical Journal, 44(12), 614–619.
Chang, X., Gao, M., Wang, Y. and Hou, X. (2012). Seasonal Autoregressive Integrated Moving Average Model for Precipitation Time Series. Journal of Mathematics and Statistics, 8(4), 500-505.
Department of Disease Control. (2022). Dengue Fever. Retrieved from https://ddc.moph .go.th/disease_detail.php?d=44
Digital Government Development Agency (Public Organization). (2024). Monthly average rainfall information for each province throughout the country that has been analyzed from station level measurement data from the Meteorological Department using the Inverse Distance Weighted (IDW) spatial averaging method, January 2021 to December 2023. Retrieved from https://data.go.th/dataset/sp atial-rain
Figueredo, M.B., Monteiro, R.L.S., do Nascimento Silva, A. de Araújo Fontoura, J.R., da Silva, F.A.R. & Alves, C.A.P. (2023). Analysis of the correlation between climatic variables and Dengue cases in the city of Alagoinhas/BA. Scientific Reports, 13, 7512.
Hyndman, R., Athanasopoulos, G., Bergmeir, C., Caceres, G., Chhay, L., Kuroptev, K., Zhou, Z. (2024). forecast: Forecasting Functions for Time Series and Linear Models. (Version: 8.23.0) [Computer Software]. Retrieved from https://cran.r-project.org /web/packages/forecast/index.html
Hyndman, R.J. & Athanasopoulos, G. (2018). Forecasting: principles and practice. (2nd ed). Melbourne, Australia: OTexts.
Hyndman, R.J. & Kostenko, A.V. (2007). Minimum sample size requirement for seasonal forecasting models. FORESIGHT, 9, 12-15.
Lewis, C.D. (2023). Industrial and business forecasting methods. London: Butterworths.
Mahidol University Center of Ethical Reinforcement for Research. (2022). Announcement of Mahidol University regarding guidelines for research projects that do not qualify as human research, 2022. Retrieved from https://sp.mahidol.ac.th/th/LAW/poli cy/2565-MU-Non-Human.pdf
Naher, S., Rabbi, F., Hossain, M.M., Banik, R., Pervez, S. & Boitchi, A.B. (2022). Forecasting the incidence of dengue in Bangladesh-Application of time series model. Health Science Reports, 5(4), e666.
Nayak, M.S.D.P. & Narayan, K.A. (2019). Forecasting Dengue Fever Incidence Using ARIMA Analysis. International Journal of Collaborative Research on Internal Medicine & Public Health, 11(6), 924-932.
Nopparat, S. (2007). Seasonal Climatic Variation and Dengue Hemorrhagic Fever in Uttaradit Province. Journal of Health Systems Research, 1(2), 68-79.
Othman, M., Indawati, R., Suleiman, A.A., Qomaruddin, M.B. & Sokkalingam, R. (2022). Model Forecasting Development for Dengue Fever Incidence in Surabaya City Using Time Series Analysis. Processes, 10(11), 2454.
R Core Team. (2021). R: A Language and environment for statistical computing. (Version 4.1) [Computer software]. Available from https://cran.r-project.org
Soyiri, I.N. & Reidpath, D.D. (2013). An overview of health forecasting. Environ Health Prev Med. 18(1), 1-9. doi: 10.1007/s12199-012-0294-6.
Tantawichien, T. & Sawanpanyalert, N. (Ed.). (2020). Guidelines for diagnosis and care of dengue fever patients in adults 2020. Nonthaburi: Department of Medical Services, Ministry of Public Health.
The jamovi project. (2022). jamovi. (Version 2.3) [Computer Software]. Retrieved from https://www.jamovi.org.
