การพยากรณ์การพลัดตกหกล้มของผู้สูงอายุของประเทศไทย

สุชาณันท์  ธัญญกุลสัจจา; ฉัตรสิริ ฉัตรภูติ

doi:10.57260/stc.2025.1140

ผู้แต่ง

สุชาณันท์ ธัญญกุลสัจจา สาขาวิชาการพยาบาลผู้ใหญ่และผู้สูงอายุ คณะพยาบาลศาสตร์ มหาวิทยาลัยชินวัตร
ฉัตรสิริ ฉัตรภูติ สาขาวิชาการพยาบาลอนามัยชุมชน คณะพยาบาลศาสตร์ มหาวิทยาลัยชินวัตร

DOI:

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

คำสำคัญ:

การพยากรณ์, ผู้สูงอายุ , การพลัดตกหกล้ม , ทฤษฎีระบบเกรย์

บทคัดย่อ

ประเทศไทยจัดอยู่ในระดับสังคมผู้สูงอายุโดยสมบูรณ์ สถิติการพลัดตกหกล้มของผู้สูงอายุ 60 ปีขึ้นไประหว่างปี พ.ศ. 2560 ถึง 2566 โดยเฉลี่ยต่อปี มีอัตราต่อแสนคนของผู้สูงอายุที่เป็นผู้ป่วยนอก 1,547 ราย ผู้ป่วยใน 595 ราย และเสียชีวิต 12 ราย ณ เดือนมิถุนายน พ.ศ. 2568 ยังไม่มีรายงานสถิติการพลัดตกหกล้มของผู้สูงอายุ ปี พ.ศ. 2567 แต่อย่างใด การวิจัยเชิงพยากรณ์นี้มีวัตถุประสงค์เพื่อพยากรณ์สถิติการพลัดตกหกล้มของผู้สูงอายุ 60 ปี ขึ้นไปปี พ.ศ. 2567 และ พ.ศ. 2568 โดยรวบรวมข้อมูลจากกองป้องกันการบาดเจ็บ กรมควบคุมโรค พยากรณ์โดยใช้ทฤษฎีระบบเกรย์ เนื่องจากมีข้อมูลรายปีจำกัดเพียง 7 ปีเท่านั้น ผลการพยากรณ์ พบว่า การพยากรณ์จำนวนผู้ป่วยนอกที่มาจากการพลัดตกหกล้มของผู้สูงอายุกลับมีค่าความแม่นยำเพียงมีเหตุผลพอที่จะใช้พยากรณ์ได้เท่านั้น (MAPE 17.52-26.90) ทำให้พยากรณ์จำนวนผู้ป่วยในสูงจากปี พ.ศ. 2566 และ 2567 มาก เมื่อพิจารณารูปแบบการเปลี่ยนแปลงปีต่อปีของจำนวนผู้ป่วยนอกที่มาจากการพลัดตกหกล้มของผู้สูงอายุ พบว่า มีความผันผวนสูงมาก การพยากรณ์จำนวนผู้ป่วยในที่มาจากการพลัดตกหกล้มของผู้สูงอายุ และการพยากรณ์จำนวนผู้เสียชีวิตจากการพลัดตกหกล้ม พบว่า มีค่าความแม่นยำ MAPE อยู่ในเกณฑ์ใช้พยากรณ์ได้ดีและแม่นยำสูงตามลำดับ (MAPE 9.26-15.45 และ 4.15-4.60 ตามลำดับ) ค่าพยากรณ์ที่ได้นี้สามารถใช้ในการจัดทำนโยบาย วางแผนป้องกัน และจัดสรรทรัพยากรในการบริหารงานสาธารณสุขต่อไป

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