170 likes | 399 Views
การพยากรณ์การเกิดโรคไข้หวัดใหญ่ ประเทศไทย ปีพ.ศ. 2555 ( Forecasting the situation of Influenza in Thailand in 2012). สุทธนันท์ สุทธชนะ, วัชรี แก้วนอกเขา, ปภานิจ สวงโท, สมาน สยุมภูรุจินันท์, สมคิด คงอยู่ สำนักระบาดวิทยา. ความเป็นมา.
E N D
การพยากรณ์การเกิดโรคไข้หวัดใหญ่ ประเทศไทย ปีพ.ศ. 2555 (Forecasting the situation of Influenza in Thailand in 2012) สุทธนันท์ สุทธชนะ, วัชรี แก้วนอกเขา, ปภานิจ สวงโท, สมาน สยุมภูรุจินันท์, สมคิด คงอยู่ สำนักระบาดวิทยา
ความเป็นมา • โรคไข้หวัดใหญ่เป็นที่ตระหนักว่าเป็นปัญหาสาธารณสุขที่สำคัญ ดังเช่นการระบาดโรคไข้หวัดใหญ่สายพันธ์ใหม่ไข้หวัดใหญ่ชนิด A/2009H1N1 ที่แพร่ระบาดไปทั่วโลกในปี 2552 • การเฝ้าระวังติดตามสถานการณ์อย่างใกล้ชิด การนำข้อมูลที่เฝ้าระวังมาพยากรณ์ และการศึกษาปัจจัยที่เกี่ยวข้องกับการเปลี่ยนแปลงของจำนวนผู้ป่วยจะทำให้ทราบสถานการณ์ล่วงหน้าได้ใกล้เคียงความจริง ช่วยให้ตรวจจับความผิดปกติได้เร็วขึ้น นำไปสู่การควบคุมป้องกันโรคที่ทันเหตุการณ์ ตลอดจนนำไปใช้ในการวางแผนการจัดสรรทรัพยากรในการควบคุมป้องกันโรคล่วงหน้าได้ Bureau of Epidemiology
วัตถุประสงค์ • เพื่อทราบสถานการณ์และแนวโน้มการเกิดโรคไข้หวัดใหญ่ในปี 2555-2556 • เพื่อศึกษาความสัมพันธ์ของสัดส่วนผู้ป่วยอาการคล้ายไข้หวัดใหญ่กับการเกิดโรคไข้หวัดใหญ่ Bureau of Epidemiology
วิธีการศึกษา 1. วิเคราะห์สถานการณ์โรค และพยากรณ์การเกิดโรคไข้หวัดใหญ่ • โดยรวบรวมข้อมูลที่ต้องการศึกษา ตรวจสอบคุณภาพข้อมูล และจัดการข้อมูลให้มีความสมบูรณ์สำหรับวิเคราะห์ตามตัวแปรต่าง ๆ • ข้อมูลที่ใช้: เป็นข้อมูลในช่วงปี 2553-2555 เนื่องจากการเกิดโรคในปี 2555 และ 2556 น่าจะมีปัจจัยของการเกิดโรคที่คล้ายกับ 2 ปีที่ผ่านมา ถ้าไม่มีปัจจัยอื่นๆ มาเปลี่ยนแปลง เช่น การระบาด หรือการเปลี่ยนแปลงของตัวเชื้อ • ข้อมูลผู้ป่วยไข้หวัดใหญ่ จากฐานข้อมูลเฝ้าระวังทางระบาดวิทยา (รายงาน 506) พ.ศ. 2553-2555 Bureau of Epidemiology
วิธีการศึกษา (2) 2. วิเคราะห์ปัจจัยที่มีความสัมพันธ์กับการเกิดโรคไข้หวัดใหญ่ • ข้อมูลที่ใช้: • ข้อมูลสัดส่วนผู้ป่วยอาการคล้ายไข้หวัดใหญ่ต่อจำนวนผู้ป่วยนอกทั้งหมดจำแนกเป็นรายเดือน จากฐานข้อมูลการเฝ้าระวังกลุ่มอาการคล้ายไข้หวัดใหญ่ในสถานพยาบาล (Influenza Like IllnessSurveillance, ILI) พ.ศ. 2553-2555 Bureau of Epidemiology หน้า 5
วิธีการศึกษา (3) • สถิติที่ใช้ในการศึกษา • Descriptive Statistics • Exponential Smoothing (Winters' multiplicative) กับชุดข้อมูลจำนวนผู้ป่วยไข้หวัดใหญ่รายเดือนและรายปี • วิเคราะห์ข้อมูลตั้งแต่วันที่ 1 มกราคม 2553 ถึง 31 กรกฏาคม 2555 เพื่อพยากรณ์ข้อมูลช่วงเดือนสิงหาคม 2555 – 31 ธันวาคม 2556 • ใช้โปรแกรม SPSS version 17.0 (SPSS Inc., Chicago) • Linear Regression หาความสัมพันธ์ของสัดส่วน ILI กับการเกิดโรค • ใช้โปรแกรม Epi Info version 2000, Center for Disease Control, Atlanta, GA Bureau of Epidemiology หน้า 6
ผลการศึกษา • จำนวนผู้ป่วยไข้หวัดใหญ่ ประเทศไทย ปี 2554-2555 และ ค่ามัธยฐาน 3 ปี (2552-2554) • 1. Descriptive Study • อัตราป่วยด้วยโรคไข้หวัดใหญ่ต่อประชากรแสนคน ประเทศไทย ปี 2527 - 2555 Bureau of Epidemiology หน้า 7
ผลการศึกษา (2) • 1. Descriptive Study(ต่อ) Bureau of Epidemiology
ผลการศึกษา (3) • 2. Exponential Smoothing (Winters’ multiplicative) • การพยากรณ์ไข้หวัดใหญ่ระหว่างปี 2553 - 2556 (Exponential Smoothing (Winters' multiplicative) Bureau of Epidemiology หน้า 9
ผลการศึกษา (4) • 2. Exponential Smoothing (Winters’ multiplicative) (ต่อ) • ค่าที่ได้จากการพยากรณ์อยู่บนเงื่อนไขที่ว่าปัจจัยต่างๆ เช่น สิ่งแวดล้อม ตัวเชื้อ ความหนาแน่นประชากร การเดินทาง การได้รับวัคซีนป้องกันโรค ไม่ได้เปลี่ยนไปหรือเปลี่ยนแปลงไปจากเดิมไม่มาก • พบว่าจำนวนผู้ป่วยมีแนวโน้มสูงขึ้นในเดือนสิงหาคม และกันยายน 2555 • ค่าพยากรณ์เดือนสิงหาคม 2555 อยู่ระหว่าง 3,519 ถึง 11,065 และ ค่าพยากรณ์เดือนกันยายน 2555 อยู่ระหว่าง 2,030 ถึง 9,590 • แนวโน้มผู้ป่วยปี 2556 มีค่าพยากรณ์ลดต่ำลงเมื่อเทียบกับปี 2555 • โดยในปี 2556 จะมีจำนวนผู้ป่วยสูงที่สุดในเดือนสิงหาคม (จากค่าพยากรณ์อาจพบผู้ป่วยสูงสุดจำนวน 8,932 ราย) Bureau of Epidemiology หน้า 10
3. Linear Regression การวิเคราะห์ความสัมพันธ์ของสัดส่วนผู้ป่วยอาการคล้ายไข้หวัดใหญ่กับจำนวนผู้ป่วยไข้หวัดใหญ่ สมการ สมการพื้นฐาน: Y = a + bX สมการจากการวิเคราะห์Linear Regression : Y = -14202.137 + 3929.219 (% ILI) Coefficient of determination (R2) = 0.75 ผลการศึกษา (5) Bureau of Epidemiology หน้า 11
3. Linear Regression (ต่อ) การแปลผล : จำนวนผู้ป่วยไข้หวัดใหญ่และสัดส่วนของผู้ป่วยอาการคล้ายไข้หวัดใหญ่ในผู้ป่วยที่เข้ามารับการรักษาพยาบาลที่แผนกผู้ป่วยนอก มีความสัมพันธ์ไปในทิศทางเดียวกัน คือถ้าสัดส่วนของผู้ป่วยอาการคล้ายไข้หวัดใหญ่ในผู้ป่วยที่เข้ามารับการรักษาพยาบาลที่แผนกผู้ป่วยนอกเพิ่มขึ้น 1% จะทำให้จำนวนผู้ป่วยไข้หวัดใหญ่เพิ่มขึ้นโดยเฉลี่ย 3,929 ราย แต่เนื่องจาก a มีค่าลบการนำสมการไปใช้จึงควรมีข้อมูลของร้อยละ ILI ใน OPD visit ที่สูง ผลการศึกษา (6) Bureau of Epidemiology หน้า 12
สรุปและอภิปรายผล • ถ้าไม่มีการระบาดของไข้หวัดใหญ่ เนื่องจากปัจจัยต่างๆ ในปี พ.ศ. 2555 เดือนสิงหาคม 2555 จะมีจำนวนผู้ป่วยสูงสุด เฉลี่ยประมาณ 7,300 – 11,065 ราย หลังจากนั้นจำนวนผู้ป่วยจะลดลง • พบว่าจำนวนผู้ป่วยในปี พ.ศ. 2556 มีแนวโน้มลดลง โดยมีจำนวนผู้ป่วยสูงสุดเฉลี่ยประมาณ 9,000 รายต่อเดือน • % ILI มีความสัมพันธ์ในทิศทางเดียวกันกับจำนวนผู้ป่วยไข้หวัดใหญ่ ถ้า % ILI เพิ่มขึ้น 1% จะทำให้จำนวนผู้ป่วยไข้หวัดใหญ่เพิ่มขึ้นโดยเฉลี่ย 3,929 ราย Bureau of Epidemiology
ข้อเสนอแนะ • ควรมีการควบคุมกำกับการรายงานระบบเฝ้าระวัง ILI ให้มีคุณภาพและมีการการใช้ประโยชน์จากข้อมูล ILI ในการวิเคราะห์สถานการณ์โรคไข้หวัดใหญ่ • ข้อมูลอื่นๆ ที่มีเป็นระบบ แต่ยังขาดความครบถ้วนและความครอบคลุม หรือรายละเอียดของข้อมูล ได้แก่ • ข้อมูลเชื้อไวรัสไข้หวัดใหญ่จาก Sentinel influenza surveillance (ตัวอย่างน้อยมาก) • ข้อมูลความครอบคลุมของการรณรงค์ให้วัคซีนไข้หวัดใหญ่ (มีแต่จำนวนการให้บริการแต่ไม่มีรายละเอียด) • หากมีการเก็บข้อมูลเหล่านี้ให้ละเอียดและมีความครบถ้วนมากขึ้น น่าจะนำข้อมูลมาใช้ในการพยากรณ์โรค กำหนดและประเมินนโยบายการป้องกันควบคุมโรคได้ Bureau of Epidemiology
กิตติกรรมประกาศ • ขอขอบคุณผู้ที่ให้คำปรึกษาในการพยากรณ์การเกิดโรคไข้หวัดใหญ่ ปี 2555 ดังรายนามต่อไปนี้ • แพทย์หญิงดารินทร์ อารีย์โชคชัย • สัตวแพทย์หญิงเสาวพักตร์ ฮิ้นจ้อย • นายแพทย์ปณิธี ธัมมวิจยะ • นายแพทย์ฐิติพงษ์ ยิ่งยง Bureau of Epidemiology หน้า 15
THANK YOU FOR YOUR ATTENTIONS Bureau of Epidemiology
ผลการศึกษา (7) Linear Regressionการวิเคราะห์ความสัมพันธ์ของสัดส่วนผู้ป่วยอาการคล้ายไข้หวัดใหญ่กับจำนวนผู้ป่วยไข้หวัดใหญ่ Variable Coefficient Std Error F-test P-Value ILI 3929.219 423.614 86.0345 0.000000 CONSTANT -14202.137 2263.769 39.3589 0.000001Correlation Coefficient : r^2 = 0.75 SourcedfSum of SquaresMean SquareF-statisticRegression 1 884704845.728 884704845.728 86.034 Residuals 29 298211179.949 10283144.136 Total 30 1182916025.677 Bureau of Epidemiology