การพยากรณ์การพลัดตกหกล้มของผู้สูงอายุของประเทศไทย

Suchanan  Thanyakunsajja; Chatsiri  Chatphuti

doi:10.57260/stc.2025.1140

Authors

Suchanan Thanyakunsajja Adult and Elderly Nursing, Faculty of Nursing, Shinawatra University
Chatsiri Chatphuti Community Health Nursing, Faculty of Nursing, Shinawatra University

DOI:

https://doi.org/10.57260/stc.2025.1140

Keywords:

Forecasting, The elderly, Falls, Grey systems theory

Abstract

Thailand is considered a fully aged society. From 2017 to 2023, the average annual rate of falls among elderly individuals aged 60 and above was 1,547 outpatient cases, 595 inpatient cases, and 12 fatalities per 100,000 elderly people. As of June 2025, statistics on elderly falls for the year 2024 have yet to be reported. This forecasting research aimed to forecast the statistics of falls among the elderly aged 60 years and over in 2024 and 2025 by collecting data from the Injury Prevention Division, Department of Disease Control. Forecasting using the Gray System Theory because there was limited annual data for only 7 years. The forecasting results indicated that the prediction of the number of outpatients from falls among the elderly had an accuracy value that was reasonably sufficient for forecasting (MAPE 17.52–26.90). However, the forecasted number of outpatients was significantly higher than in 2023 and 2024. Analyzing the year-on-year variation in outpatient cases due to falls in the elderly revealed high volatility. In contrast, the predictions for the number of inpatients and fatalities from falls among the elderly demonstrated good and highly accurate forecasting precision, respectively (MAPE 9.26–15.45 and 4.15–4.60). These forecasted values can be utilized for policymaking, prevention planning, and resource allocation in public health administration.

References

กรมควบคุมโรค. (2568). การพลัดตกหกล้มในผู้สูงอายุ – กรมควบคุมโรค. สืบค้นจาก https://ddc.moph.go.th/uploads/publish/1037120200813042821.pdf

กองป้องกันการบาดเจ็บ กรมควบคุมโรค. (2566). รายงานสรุปผลการประเมินความรอบรู้การป้องกันการพลัดตกหกล้มของผู้สูงอายุปีงบประมาณ 2566. สืบค้นจาก https://www.ddc.moph.go.th/uploads/files/3714020230919075839.pdf

กองป้องกันการบาดเจ็บ กรมควบคุมโรค. (2568). ข้อมูลการพลัดตกหกล้ม (W00 - W19) ในผู้สูงอายุ 60 ปีขึ้นไป. สืบค้นจาก https://ddc.moph.go.th/dip/news.php?news=23567&deptcode=

พรพิมล อดัมส์. (2568). ความสำคัญของการขอรับรองจริยธรรมการวิจัย. สืบค้นจาก https://www.tm.mahidol.ac.th/research/images/Channel/slide/S2_ep30_จริยธรรมการวิจัยในคน.pdf

มนสภรณ์ วิทูรเมธา. (2565). การป้องกันการล้มในผู้สูงอายุ (Falls prevention in elderly). สืบค้นจาก https://haamor.com/การป้องกันการล้มในผู้สูงอายุ

มหาวิทยาลัยมหิดล. (2565). ประกาศมหาวิทยาลัยมหิดล เรื่อง แนวปฏิบัติสำหรับโครงการวิจัยที่ไม่เข้าข่ายการวิจัยในคน. สืบค้นจาก https://sp.mahidol.ac.th/th/LAW/policy/2565-MU-Non-Human.pdf

วัฒนา ชยธวัช. (2567). การใช้ทฤษฎีระบบเกรย์พยากรณ์จุดความร้อนสะสมประเทศไทย. วารสารวิทยาศาสตร์และเทคโนโลยีแห่งรัตนโกสินทร์, 6(2), 1-11. สืบค้นจาก https://ph02.tci-thaijo.org/index.php/RJST/article/view/250880

ศูนย์ส่งเสริมจริยธรรมการวิจัยในคน สำนักงานอธิการบดีมหาวิทยาลัยมหิดล. (2565). แบบประเมินว่าโครงการวิจัยของท่านเข้าข่ายการวิจัยในคนหรือไม่. สืบค้นจาก https://sp.mahidol.ac.th/th/ethics-human/forms/checklist/2022-Human%20Research%20Checklist-researcher.pdf

สำนักบริหารการทะเบียน กรมการปกครอง. (2568). สถิติประชากรทางการทะเบียนราษฎร(รายเดือน) แยกตามจำนวนประชากรที่มีชื่ออยู่ในทะเบียนบ้าน พื้นที่ ทั่วประเทศข้อมูลเดือน กุมภาพันธ์ 2568. สืบค้นจาก https://stat.bora.dopa.go.th/stat/statnew/statMONTH/statmonth/#/mainpage

Andrés, D. (2023). Machine Learning Pills: Error Metrics for Time Series Forecasting. Retrieved from https://mlpills.dev/time-series/error-metrics-for-time-series-forecasting

Gerus-Gosciewska, M., & Gosciewski, D. (2021). Grey Systems Theory as an Effective Method for Analyzing Scarce, Incomplete and Uncertain Data on the Example of a Survey of Public Perceptions of Safety in Urban Spaces. Land, 10(1), 73. Retrieved from https://www.mdpi.com/2073-445X/10/1/73

Independent Evaluation Group, World Bank Group. (2019). Approach Paper World Bank Support to Aging Countries. Retrieved from https://ieg.worldbankgroup.org/sites/default/files/Data/repo rts/ap_agingcountries.pdf

Jia, S., Si, Y., Guo, C., Wang, P., Li, S., Wang, J., & Wang, X. (2024). The prediction model of fall risk for the elderly based on gait analysis. BMC Public Health, 24, 2206. Retrieved from https://bmcpublichealth.biomedcentral.com/articles/10.1186/s12889-024-19760-8

Kakara, R., Bergen, G., Burns, E., & Stevens, M. (2023). Nonfatal and Fatal Falls Among Adults Aged ≥65 Years—United States, 2020–2021. MMWR Morbidity and Mortality Weekly Report, 72(35), 938–943. Retrieved from https://www.cdc.gov/mmwr/volumes/72/wr/mm7235a1.htm

Kayacan, E., Ulutas, B., & Kaynak, O. (2010). Grey system theory-based models in time series prediction. Expert Systems with Applications, 37(2), 1784–1789. Retrieved from https://doi.org/10.1016/j.eswa.2009.07.064

Lewis, C. D. (1982). Industrial and business forecasting methods. London: Butterworths.

Liu, S., & Lin, Y. (2010). Grey systems theory and application. Verlag: Springer.

Lin, Y. H., Chiu, C. C., Lin, Y. J., & Lee P. C. (2013). Rainfall prediction using innovative grey model with the dynamic index. Journal of Marine Science and Technology, 21(1), 63-75. Retrieved from https://doi.org/10.6119/JMST-011-1116-1

Liu, L., Liu, S., Fang, Z., Jiang, A., & Shang, G. (2023). The recursive grey model and its application. Applied Mathematical Modelling, 119, 447-464. Retrieved from https://doi.org/10.1016/j.apm.2023.02.033

Mao, A., Su, J., Ren, M., Chen, S., & Zhang, H. (2025). Risk prediction models for falls in hospitalized older patients: a systematic review and meta-analysis. BMC Geriatr, 25, 29. Retrieved from https://doi.org/10.1186/s12877-025-05688-0

U.S. Centers for Disease Control and Prevention (CDC). (2025). Older Adult Fall Prevention. Retrieved from https://www.cdc.gov/about/cdc/index.html

World Health Organization. (2021). Falls. Retrieved from https://www.who.int/news-room/fact-sheets /detail/falls