การพยากรณ์ผู้ป่วยรายใหม่โรคเบาหวานและโรคความดันโลหิตสูงของจังหวัดปทุมธานี: Forecasting incidents of diabetes and high blood pressure in Pathum Thani Province

Vatcharaporn  Chunsandee; Vadhana Jayathavaj

Authors

Vatcharaporn Chunsandee Community Public Health Program, Faculty of Allied Health Sciences, Pathumthani University, Pathum Thani
Vadhana Jayathavaj Thai Traditional Medicine Program, Faculty of Allied Health Sciences, Pathumthani University, Pathum Thani

Keywords:

Forecasting, Grey System Theory, Diabetes mellitus, Hyper tension, Incident

Abstract

Forecasting the incidents with diabetes and high blood pressure in Pathum Thani Province using data from fiscal years 2013 to 2023 with the gray system theory of GM(1,1) and GM(1,1)EPC (GM(1,1) with error periodic corrections). The results showed that in time series data, the number of new cases of high blood pressure was approximately twice the number of new cases of diabetes and had a high Pearson correlation of 0.99. Forecasting with GM(1,1)EPC has a lower MAPE (mean absolute percentage error) value than GM(1,1) and is within the criteria “good for forecasting”, which is consistent with the up-and-down pattern of the data. In the forecast for fiscal year 2024, it is expected that the number of new patients with diabetes will be 6,134 and the number of new patients with high blood pressure will be 12,052 people. However, the use of quantitative forecast results must also take into account quality factors related to public health measures that will be implemented in the 2024 fiscal year.

Downloads

Download data is not yet available.

Author Biography

Vadhana Jayathavaj, Thai Traditional Medicine Program, Faculty of Allied Health Sciences, Pathumthani University, Pathum Thani

-

References

. สำนักสื่อสารความเสี่ยงและพัฒนาพฤติกรรมสุขภาพ กองโรคไม่ติดต่อ กรมควบคุม โรค. กรมควบคุมโรค เผยสถานการณ์ โรคเบาหวานทั่วโลก มีผู้ป่วยแล้ว 537 ล้านคน มีส่วนทำให้เสียชีวิตสูงถึง 6.7 ล้านคน หรือเสียชีวิต 1 ราย ในทุก ๆ 5 วินาที [อินเทอร์เน็ต]. 2565 [เข้าถึงเมื่อ 3 ตุลาคม 2566]. เข้าถึงได้จาก https://pr.moph.go.th /?url=pr/detail/2/02/181256/

สมาคมความดันโลหิตสูงแห่งประเทศไทย. แนวทางการรักษาโรคความดันโลหิตสูงใน เวชปฏิบัติทั่วไป พ.ศ. 2555 ฉบับปรับปรุง 2558 [อินเทอร์เน็ต]. 2558 [เข้าถึงเมื่อ 3 ตุลาคม 2566]. เข้าถึงได้จาก http://www.thaihypertension.org/files/GL%20H T%202015.pdf

วิชัย เอกพลากร (บรรณาธิการ). รายงานการสำรวจสุขภาพประชาชนไทยโดยการ ตรวจร่างกาย ครั้งที่ 6 พ.ศ. 2562-2563. กรุงเทพฯ: สำนักอักษรกราฟิคแอนด์ดีไซน์์; 2564.

HDC V4.0 กระทรวงสาธารณสุข. กลุ่มรายงานมาตรฐาน การป่วยด้วยโรคไม่ ติดต่อที่สำคัญ [อินเทอร์เน็ต]. 2566 [เข้าถึงเมื่อ 3 ตุลาคม 2566]. เข้าถึงได้จาก https://hdcservice.moph.go.th/hdc/reports/

ชยพล ธานีวัฒน์. กฎหมายที่เกี่ยวกับการกระจายอำนาจด้านสาธารณสุขให้แก่องค์กร ปกครองส่วนท้องถิ่น [อินเทอร์เน็ต]. (ม.ป.ป.) [เข้าถึงเมื่อ 3 ตุลาคม 2566]. เข้าถึงได้จาก https://www.parliament.go.th/ewtadmin/ewt/elaw_parcy/ewtdlink. php?nid=2712

วรางคณา เรียนสุทธิ์. การพยากรณ์จำนวนผู้ป่วยโรคเฝ้าระวังในประเทศไทย. วารสาร วิทยาศาสตร์และเทคโนโลยี 2563; 28(1): 1-13.

Jayathavaj V, Pongpullponsak A. (2017). Forecasting the number of deaths from cerebrovascular diseases in Thailand using grey systems theory. Journal of Current Science and Technology 2017;7(2):131–140.

วัฒนา ชยธวัช, อดิศักดิ์ พงษ์พูลผลศักดิ์. การทำนายจำนวนผู้เสียชีวิตจากหัวใจขาด

เลือดในประเทศไทยด้วยตัวแบบเกรย์. วารสารสาธารณสุขศาตร์ 2560;47(2):177-88.

ปรีชา เครือโสม, เฉลิมชัย ภูริพัฒน์, พิณรัตน์ นุชโพธิ์, พรวิมล คล่องสั่งสอน. ตัวแบบ ระบบเกรย์สำหรับการพยากรณ์การแพร่ระบาดของโรคไข้เลือดออก : กรณีศึกษา กรุงเทพมหานคร. วารสารควบคุมโรค 2566;49(2):353-63.

สำนักข่าวกรมประชาสัมพันธ์. พยากรณ์โรคไข้เลือดออกในปี 2563 [อินเทอร์เน็ต]. 2563 [เข้าถึงเมื่อ 3 ตุลาคม 2566]. เข้าถึงได้จาก https://thainews.prd.go.th/th/news/detail/TCATG200323123910879

Iqelan BM. Forecasts of Female Breast Cancer Referrals Using Grey Prediction Model GM(1,1). Applied Mathematical Sciences 2017;11(54): 2647–62.

Deng JL. Introduction to Grey System Theory. J. Grey Syst 1989;1:1–24.

Lin YH, Chiu CC, Lin YJ, Lee PC. Rainfall prediction using innovative grey model with the dynamic index. Journal of Marine Science and Technology 2013; 21(1): 63-75. DOI:10.6119/JMST-011-1116-1.

Liu S, Lin Y. Grey Systems—Theory and Applications. Berlin, Germany: Springer; 2010.

Andrés D. Error Metrics for Time Series Forecasting. Machine Learning Pills [Internet]. 2023 [cited 2023 October 3]. Available from: https://mlpills.dev/time-series/error-metrics-for-time-series-forecasting/

Lewis CD. Industrial and business forecasting methods. London:Butterworths; 2023.

BYJU'S. Correlation Coefficient [Internet]. 2024. [cited 2024 january 17]. Available from https://byjus.com/jee/correlation-coefficient/

Forecasting incidents of diabetes and high blood pressure in Pathum Thani Province