ข้อมูลสุขภาพ 21, 43 แฟ้ม : การจัดการเพื่อใช้ประโยชน์

1. ข้อมูลสุขภาพ 21,43 แฟ้ม: การจัดการเพื่อใช้ประโยชน์ • ทิศทางการดำเนินงานเทคโนโลยี่สารสนเทศ กับการจัดการแฟ้มข้อมูลสุขภาพ • ผศ.(พิเศษ)นพ.พลวรรธน์ วิทูรกลชิต ผอ.​ศุนย์เทคโนโลยี่สารสนเทศ • การติดตามประเมินผลการป้องกันควบคุมโรค และ ข้อมูลสุขภาพและการแพทย์ 43 แฟ้ม • ดร.นพ. ศักดิ์ชัย ไชยมหาพฤกษ์ สำนักงานป้องกันควบคุมโรคที่ 9 พิษณุโลก • กระบวนการพัฒนาข้อมูลสุขภาพ โดยใช้เทคโนโลยีสารสนเทศ ในเขตพื้นที่เครือข่ายบริการ ที่ 2 • อุษารัตน์ ติดเทียน สำนักงานป้องกันควบคุมโรคที่ 9 พิษณุโลก • ถอดรหัสข้อมูลสุขภาพสู่การปฏิบัติและนำไปใช้ประโยชน์ - - • นางสมศรี คำภีระ หัวหน้ากลุ่มงานควบคุมโรค สำนักงานสาธารณสุขจังหวัดตาก • นายสิทธิพงศ์ พรมหาญ นักวิชาการคอมพิวเตอร์ สำนักงานสาธารณสุขจังหวัดตาก • สาธิตกรณีตัวอย่างการนำสารสนเทศมาใช้ประโยชน์เพื่อการติดตามประเมินผล ความครอบคลุมวัคซีน การคัดกรองโรคไม่ติดต่อ 15.40 – 16.3050 min • นายดุสิต ทัพผดุง นักวิชาการคอมพิวเตอร์ สำนักงานสาธารณสุขจังหวัดอุตรดิตถ์ • นายสิทธิพงศ์ พรมหาญ นักวิชาการคอมพิวเตอร์ สำนักงานสาธารณสุขจังหวัดตาก

2. การติดตามประเมินผลการป้องกันควบคุมโรคด้วยข้อมูลสุขภาพและการแพทย์ 43 แฟ้ม ดร.นพ. ศักดิ์ชัย ไชยมหาพฤกษ์ สำนักงานป้องกันควบคุมโรคที่ 9 พิษณุโลก

3. หัวข้อการนำเสนอ • ตัวชี้วัด การดำเนินงานป้องกันควบคุมโรค • โครงสร้างฐานข้อมููล 43 แฟ้ม • Introduction to SQL • หลักการพื้นฐาน • คำสั่ง • ข้อเสนอแนะ

4. ตัวชี้วัด การดำเนินงานป้องกันควบคุมโรคปีงบประมาณ 2556

5. ตัวชี้วัด NCD และ ข้อมูลที่ต้องการ

6. ตัวชี้วัด ร้อยละความครอบคลุมของประชาชนจำแนกตามกลุ่มอายุ - อายุ 15-34 ปี - อายุ 35-59 ปีและ - อายุ 60 ปีขึ้นไป ได้รับการตรวจคัดกรองเบาหวาน/ความดันโลหิตสูงไม่น้อยกว่าร้อยละ 90

7. ข้อมูลที่ต้องการ 1. จำนวนประชาชนไทยจำแนกกลุ่มอายุ ที่ไม่รู้ว่าเป็นโรคเบาหวานทั้งหมดในพื้นที่ 2. จำนวนผู้ได้รับการคัดกรองเบาหวาน/ ความดันโลหิตสูง ตามมาตรฐาน 2.1 จำนวนกลุ่ม Pre-DM, Pre-HT แยกตามกลุ่มอายุ 2.2 จำนวนผู้ป่วย DM, HT รายใหม่ แยกตามกลุ่มอายุ

8. ตัวชี้วัด ผู้ป่วยเบาหวานที่คุมระดับน้ำตาลในเลือดได้ดี ไม่น้อยกว่าร้อยละ 50 ข้อมูลที่ต้องการ - จำนวนผู้ป่วยเบาหวานที่ขึ้นทะเบียน และได้รับ การติดตามในคลินิกเบาหวาน- จำนวนผู้ป่วยเบาหวานที่ได้รับการตรวจ HbA1C - จำนวนผู้ป่วยเบาหวานที่มีค่า HbA1C น้อยกว่า 7- จำนวนผู้ป่วยเบาหวานที่มีระดับความดันโลหิต 3 ครั้งสุดท้ายติดต่อกัน <130/80 มม.ปรอท)

9. ตัวชี้วัด EPI และ ข้อมูลที่ต้องการ

10. ตัวชี้วัด ร้อยละความครอบคลุมของเด็กจำแนก ตามกลุ่มอายุได้รับวัคซีนแต่ละประเภท ตามเกณฑ์ที่กำหนด ข้อมูลที่ต้องการ - ประชากรเด็กเป้าหมาย จำแนกตามกลุ่มอายุ สอดคล้องกับการประเมินผลงานการได้รับวัคซีนแต่ละประเภท- จำนวนเด็กในพื้นที่ จำแนกตามกลุ่มที่ได้รับวัคซีนตามเกณฑ์ (ตามช่วงเวลา / งวดรายงาน) ที่ใช้ประเมิน

11. โครงสร้างฐานข้อมููล 43 แฟ้ม

18. หลักการพื้นฐานคำสั่ง SQL

19. MySQL • Relational database • โปรแกรมจัดการฐานข้อมูลแจกฟรี http://dev.mysql.com/downloads/

20. Select คำสั่งดึงและวิเคราะห์ข้อมูลจากตาราง • รูปแบบ • Select ชื่อฟิลด์1 ชื่อฟิลด์2 ชื่อฟิลด์3 from ชื่อตาราง • [where เงื่่อนไข]

21. ตัวชี้วัดที่ 11 ร้อยละของเด็กอายุ 1 ปีที่ได้รับวัคซีนป้องกันโรคหัด A = จำนวนเด็กอายุครบ 1 ปีที่อยู่อาศัยในพื้นที่ในงวดรายงานนั้นที่ได้รับวัคซีนป้องกันโรคหัด B = จานวนเด็กอายุครบ 1 ปีที่อยู่อาศัยในพื้นที่ในงวดรายงานนั้น สูตรการคำนวณ = (A/B) x 100

22. ฐานข้อมูล21,43 แฟ้ม • แฟ้มepi : • epi.date_serv • epi.vcctype • b. แฟ้มperson : person.pcucode , pid, birth , sex , nation , dischar , labor , typearea

23. โครงสร้างแฟ้ม Person มี Field ดังนี้ • pcucode • pid • birth • sex • nation • dischar • labor • typearea

24. แฟ้ม Person

25. ชนิดของข้อมูลใน ไฟล์ EPI ของ 43 แฟ้ม

26. Relational database

27. คำสั่ง SQL 43 แฟ้ม Vaccine MMR (061) SELECT person.HOSPCODE, chospital.hosname, count(DISTINCT epi.HOSPCODE,epi.PID) as a, count(distinct person.HOSPCODE,person.PID) as b FROM person LEFT JOIN epi ON epi.HOSPCODE = person.HOSPCODE AND epi.PID = person.PID AND epi.VACCINETYPE = '061' INNER JOIN chospital ON chospital.hoscode = person.HOSPCODE WHERE person.sex in ('1','2') AND person.TYPEAREA IN ('1', '3') AND person.NATION = '099' AND person.DISCHARGE = '9' AND person.BIRTH BETWEEN '20111001' AND '20120930' GROUP BY person.HOSPCODE

28. คำสั่ง SQL 43 แฟ้ม Vaccine MMR (061) SELECT chospital.distcode,campur.ampurname,sum(a1) as A,sum(b1) as B,FORMAT(IFNULL(sum(a1)/sum(b1) * 100,0),2) AS PERCENT FROM (SELECT person.HOSPCODE, count(DISTINCT epi.HOSPCODE,epi.PID) AS a1, count(distinct person.HOSPCODE,person.PID) AS b1 FROM person LEFT JOIN epi ON epi.HOSPCODE = person.HOSPCODE AND epi.PID = person.PID AND epi.VACCINETYPE = '061' WHERE person.sex in ('1','2') AND person.TYPEAREA IN ('1', '3') AND person.NATION = '099' AND person.DISCHARGE = '9' AND person.BIRTH BETWEEN @START_DATE AND @END_DATE GROUP BY person.HOSPCODE) as dev1 INNER JOIN chospital ON chospital.hoscode = dev1.HOSPCODE INNER JOIN campur ON campur.changwatcode = chospital.provcode AND campur.ampurcode = chospital.distcode WHERE chospital.provcode = @PROVINCE_CODE GROUP BY chospital.distcode

29. คำสั่ง SQL 43 แฟ้ม Vaccine MMR (061) SELECT person.HOSPCODE, chospital.hosname, count(DISTINCT epi.HOSPCODE,epi.PID) as a, count(distinct person.HOSPCODE,person.PID) as b FROM person LEFT JOIN epi ON epi.HOSPCODE = person.HOSPCODE AND epi.PID = person.PID AND epi.VACCINETYPE = '061' INNER JOIN chospital ON chospital.hoscode = person.HOSPCODE WHERE person.sex in ('1','2') AND person.TYPEAREA IN ('1', '3') AND person.NATION = '099' AND person.DISCHARGE = '9' AND person.BIRTH BETWEEN '20111001' AND '20120930' GROUP BY person.HOSPCODE

30. Conclusion

32. Multi-disciplinary

33. Public Heath Informatics

35. คุณสมบัติของสารสนเทศ ที่ดีควรมีคุณสมบัติดังน้ี • มีความถูกต้องเชื่อถือได้(Accuracy) • สามารถตรวจสอบได้ (Verifiable) • ความสมบูรณ์ (Completeness) • ทันต่อการใชงานหรือทันเวลา(Timeliness) • ความกระทัดรัด(Conciseness) • ตรงประเด็นหรือตรงตามความต้องการ (Relevance)

36. Leading practice and Best practice