การจัดกลุ่มจังหวัดในประเทศไทยด้วยปัจจัยประชากรศาสตร์และระบาดวิทยา ของโควิด-19

Vadhana Jayathavaj

doi:10.57260/stc.2023.450

Authors

Vadhana Jayathavaj Pathumthani University

DOI:

https://doi.org/10.57260/stc.2023.450

Keywords:

Cluster analysis, Coronavirus disease 2019 (COVID-19), Prevalence rate

Abstract

The Coronavirus Disease 2019 (COVID-19) outbreak has continued since December 2019. Clustering of areas is an important measure in managing this infectious disease. The purpose of this study was to analyze the provinces from population density data, household size, average monthly household income, infection rate, and death rate. From cluster analysis using K-mean clustering, it was found that provinces could be grouped into 4 groups classified by infection rates and mortality rates: group 1, medium (23 provinces), group 2 and 4, low (28 and 21 provinces, respectively), and group 3, high (5 provinces). When classifying provinces according to cluster analysis and provincial classification according to the sub-situation area of the Coronavirus Disease 2019 (January 24, 2022) of the Center for COVID-19 Situation Administration, classified as controlled areas (orange), 44 provinces, monitoring areas cautiously high (yellow), 25 provinces and pilot area tourism (blue), 8 provinces, allowing to classify the level of provinces in each color that there are infection rates and mortality rates in 3 levels (high group 3, medium group 1, and low group 2 and 4) in each color as well, these three levels can be used as supporting information to protect oneself from being infected with COVID-19.

References

กรมควบคุมโรค. (2566). สถานการณ์ผู้ติดเชื้อ COVID-19 อัพเดทรายสัปดาห์ ในรูปแบบ API (JSON/CSV Data Format) ณ. วันที่ 30 ธันวาคม 2565. สืบค้นจาก https://covid19.ddc.moph.go.th/api/Cases/today-cases-by-provinces

กรมควบคุมโรค. (2564). การจัดกลุ่มประเทศและดินแดนตามความเสี่ยงสถานการณ์โรคโควิด-19. สืบค้นจาก https://ddc.moph.go.th/uploads/ckeditor2//files/จัดกลุ่มประเทศตามความเสี่ยง กรมควบคุมโรค 1 สค 64.pdf

กรมควบคุมโรค. (2563). กลุ่มประเทศที่มีความเสี่ยงต่ำ และคำแนะนำการเดินทางที่ปลอดภัย สำหรับคนไทยที่เดินทางไปต่างประเทศ ในช่วงโควิด-19. สืบค้นจาก https://ddc.moph.go.th/dcd/pagecontent.php?page=204&dept=dcd

โครงการ SAT COVID Dashboard. (2566). สถานการณ์ผู้ป่วยโควิด-19 ภายในประเทศ รายสัปดาห์ ปรับปรุงล่าสุด 1 มกราคม 2566. สืบค้นจาก https://ddc.moph.go.th/covid19-dashboard/

รัฐบาลไทย. (2565). ข่าวคณะโฆษก: กระทรวงสาธารณสุขออกประกาศ 1 ต.ค. 65 เป็นต้นไป ยกเลิกโควิด-19 จากการเป็นโรคติดต่ออันตราย และกำหนดให้เป็นโรคติดต่อที่ต้องเฝ้าระวัง. สืบค้นจาก https://www.thaigov.go.th/news/contents/details/59491

สำนักข่าว Hfocus เจาะลึกระบบสุขภาพ. (2565). "หมอยง" ชี้โควิดระบาดรอบนี้ นับเป็นระลอก 6 ยังไม่พีคสุด แต่ผู้ป่วยส่วนใหญ่ไม่มีอาการ. สืบค้นจาก https://www.hfocus.org/content/2022/07/25500

สำนักงานปลัดกระทรวงสาธารณสุข. (2566). คกก.โรคติดต่อฯ เห็นชอบมาตรการป้องกัน “โควิด” รองรับการเข้าประเทศ พร้อมตั้งคณะอนุฯ บริหารแบบไร้รอยต่อ. สืบค้นจาก https://pr.moph.go.th/?url=pr/detail/2/04/184448/

สำนักงานสถิติแห่งชาติ. (2565ก). 1 สถิติประชากรและการเคหะ. จำนวนประชากรจากการทะเบียน ชาย หญิง เนื้อที่ ความหนาแน่น และบ้าน จำแนกตามภาค และจังหวัด พ.ศ. 2555-2564. สืบค้นจาก http://statbbi.nso.go.th/staticreport/page/sector/th/01.aspx

สำนักงานสถิติแห่งชาติ. (2565ข). 8 สถิติรายได้และรายจ่ายของครัวเรือน รายได้เฉลี่ยต่อเดือนของครัวเรือน เป็นรายภาค และจังหวัด พ.ศ. 2547 – 2564. สืบค้นจาก http://statbbi.nso.go.th/staticreport/page/sector/th/08.aspx

สำนักบริหารการทะเบียน กรมการปกครอง. (2565). สถิติประชากรทางการทะเบียนราษฎร (รายเดือน). สืบค้นจาก https://stat.bora.dopa.go.th/stat/statnew/statMONTH/statmonth/#/displayData

ศูนย์บริหารสถานการณ์ โควิด-19 (ศบค.). (2565). สรุปการประชุมคณะกรรมการบริหารสถานการณ์ การแพร่ระบาดของโรคติดเชื้อไวรัสโคโรนา 2019 (โควิด – 19) ครั้งที่ 2/2565 วันพฤหัสบดีที่ 20 มกราคม 2565. สืบค้นจาก https://media.thaigov.go.th/uploads/public_img/source/200165.pdf

Everitt, B. S., Landau, S., Leese, M., & Stahl D. (2011). Cluster Analysis. 5th ed. West Sussex: John Wiley & Sons.

Evgeniou, T. (n.d.). Cluster Analysis and Segmentation What is this for? Retrieved from https://inseaddataanalytics.github.io/INSEADAnalytics/CourseSessions/Sessions45/ClusterAnalysisReading.html

Hammer, Ø. (2022). Past 4 - the Past of the Future. Current version (December 2022): 4.12 Version 4.09, 32-bit Windows (7 MB). Retrieved from https://www.nhm.uio.no/english/research/resources/past/

Herawati, N., Nisa, K., & Saidi, S. (2022). Implementation of the trimmed k-means clustering method in mapping the distribution of Covid-19 in Indonesia. AIP Conference Proceedings, 050012, 1-12. https://doi.org/10.1063/5.0103175

Kumar, S. (2020). Use of cluster analysis to monitor novel coronavirus-19 infections in Maharashtra, India. Indian J Med Sci, 72(2), 44–8. DOI: 10.25259/IJMS_68_2020. PMCID: PMC7485640

Tan, P-N., Steinbach, M., & Kumar, V. (2018). Introduction to Data Mining. 2nd ed. London: Pearson+.

Raj, A., Bhattacharyya, P., & Gupta, G. R. (2022). Clusters of COVID-19 Indicators in India: Characterization, Correspondence and Change Analysis. SN Comput Sci., 3(3), 210. DOI: 10.1007/s42979-022-01083-3. Epub 2022 Apr 5. PMID: 35400015; PMCID: PMC8981186.

Sadeghi B., Cheung R.C.Y., and Hanbury M. (2021). Using hierarchical clustering analysis to evaluate COVID-19 pandemic preparedness and performance in 180 countries in 2020. BMJ Open, 11(11), e049844. doi: 10.1136/bmjopen-2021-049844

Sengupta, P., Ganguli, B., SenRoy, S., & Chatterjee, A. (2021). An analysis of COVID-19 clusters in India. BMC Public Health, 21, 631. https://doi.org/10.1186/s12889-021-10491-8

The Data Science Lab. (2013). Finding the K in K-Means Clustering. Retrieved from https://datasciencelab.wordpress.com/2013/12/27/finding-the-k-in-k-means-clustering/

Zargar, S, A., Islam, T., Rehman, I. U., & Pandey, D. (2021). Use of Cluster Analysis to Monitor Novel Corona Virus (COVID-19) Infections in India . Asian Journal of Advances in Medical Science, 3(1), 32-38. https://mbimph.com/index.php/AJOAIMS/article/view/1908