ตัวแบบพยากรณ์ผู้ป่วยโรคปอดอักเสบในเขตสุขภาพ 13 เขตของประเทศไทย
คำสำคัญ:
ผู้ป่วยโรคปอดอักเสบ แยกส่วนประกอบ การทำให้เรียบ บอกซ์และเจนกินส์ การพยากรณ์รวมบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อหาตัวแบบพยากรณ์ที่เหมาะสมสำหรับการพยากรณ์ผู้ป่วยโรคปอดอักเสบในเขตสุขภาพ 13 เขตของประเทศไทย จากข้อมูลทุติยภูมิ Health Data Center กระทรวงสาธารณสุข ด้วยวิธีการวิเคราะห์อนุกรมเวลา 4 วิธี คือ วิธีแยกส่วนประกอบ วิธีทำให้เรียบ วิธีบอกซ์และเจนกินส์ และวิธีพยากรณ์รวม โดยข้อมูลจำแนกเป็นรายเดือนอยู่ในช่วงเดือนมกราคม พ.ศ. 2558 ถึง เดือนธันวาคม พ.ศ. 2565 ผู้ป่วยโรคปอดอักเสบในเขตสุขภาพแต่ละเขตใช้จำนวนข้อมูลที่แตกต่างกันตามความสมบูรณ์ของข้อมูล แบ่งข้อมูลออกเป็น 2 ชุด คือชุดข้อมูลฝึกฝนเพื่อสร้างตัวแบบพยากรณ์ และชุดข้อมูลทดสอบเพื่อตรวจสอบความแม่นของตัวแบบพยากรณ์ โดยใช้เกณฑ์วัดความแม่นด้วยร้อยละความคลาดเคลื่อนสัมบูรณ์เฉลี่ยแบบสมมาตร (Symmetric Mean Absolute Percentage Error: sMAPE)
ผลการวิจัยเพื่อหาตัวแบบที่เหมาะสมพบว่า เขตสุขภาพที่ 1 ถึง 6 และ 8 9 10 12 และ 13 มีตัวแบบพยากรณ์ที่เหมาะสมคือ ตัวแบบพยากรณ์รวมโดยใช้วิธีถ่วงน้ำหนักด้วยสัมประสิทธิ์การถดถอย และตัวแบบพยากรณ์ที่เหมาะสมของเขตสุขภาพที่ 7 คือ วิธีแยกส่วนประกอบที่มีส่วนประกอบของแนวโน้มและฤดูกาลรูปแบบคูณและเขตสุขภาพที่ 11 ตัวแบบพยากรณ์ที่เหมาะสมคือ ตัวแบบพยากรณ์บอกซ์-เจนกินส์
เอกสารอ้างอิง
Armstrong, J. S. (1985). Long-range Forecasting: From Crystal Ball to Computer, 2nded.Wiley.
Box, G. E. P., Jenkins, G. M.,& Reinsel,G. C. (1994). Time Series Analysis: Forecasting and Control, 3rded. New Jersey: Prentice Hall.
Bureau of Epidemiology, Department of Disease Control, Ministry of Public Health. (2015). Annual Epidemiological Surveillance Report 2015. Bangkok, Thailand: The Agricultural Co-operative Federation of Thailand., Ltd. Publisher. Retrieved May 3, 2023, from https://apps-doe.moph.go.th/boeeng/annual/Annual/AESR2015/(in Thai)
Charupronprasit, R., Sirirat,B.,& Sumtip,J. (2017). Statistical Thailand 2017. Nontaburi, Bureau of Policy and Strategy, Ministry of Public Health. Retrieved May 3, 2023, from http: / /digital.nlt.go.th/dlib/items/show/10642(in Thai)
Charupronprasit, R., Suthiart, A., Sirirat,B.,& Dumrongchat,B. (2016). Statistical Thailand 2016. Nontaburi, Bureau of Policy and Strategy, Ministry of Public Health. Retrieved May 3, 2023, from http://digital.nlt.go.th/dlib/items/show/10640(in Thai)
Ekachampaka, P., Sriprayoon, P.,& Thammachart, S. (2018). Thailand Regional Health Profile 2012 -2017. Strategy and Planning Division of Office of the Permanent Secretary Ministryof Public Health, Bangkok:Chinauksorn Printing. (In Thai)
Flores, B. E. (1986) . A pragmatic view of accuracy measurement in forecasting. Omega, 14(2), 93–98.
Health Data Center, Ministry of Public Health. (2023). Rates of Pneumonia Cases.Retrieved May 3, 2023, from https: / /hdcservice.moph.go.th/hdc/main/index.php
Hewamalage, H., Bergmeir, C., & Bandara, K. (2021). Recurrent neural networks for time series forecasting: Current status and future directions. International Journal of Forecasting, 37(1), 388-427.
Hyndman, R. J.,& Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679-688.
Keerativibool, W. (2016). Forecasting model for the number of patients with pneumonia in Thailand. Public Health Journal Burapha University, 11(1), 24-38.(in Thai).
Minsan, P. (2022) . Forecasting model for export condom quantity of Thailand on the COVID-19 situation. The Journal of Applied Science, 21(1),1-21.(in Thai). https://ph01.tci-thaijo.org/index.php/JASCI/article/view/244500
Minsan, W.,& Minsan, P. (2023). Incorporating decomposition and the holt-winters method into the whale optimization algorithm for forecasting monthly government revenue in Thailand. Science& Technology Asia, 28(4), 38-53. https://ph02.tci-thaijo.org/index.php/SciTechAsia/article/view/250335
Minsan, W., Saengngammuang, N., Taninpong, P., & Thumronglaohapun, S. (2021).Comparing methods of optimization in solver of excel 2019 and whale optimization algorithm.UTK Journal,15(2),107-120. (in Thai). https://ph02.tci-thaijo.org/index.php/rmutk/article/view/245178
Montgomery, D.C., Peck, E.A.,& Vining, G.G. (2006). Introduction to Linear Regression Analysis, 4thed.New York:Wiley.
Nakunthod,I.,& Khamkhod,K. (2018). Time series modeling for the pneumonia rate of patients in Lampang province. In: Proceeding of the 18th Graduate Studies of Northern Rajabhat, University Network Conference and the 4th Lampang Research, 20 July 2018, pp.340-358. Lampang, Thailand. (in Thai)
Persons,W. (1919). Indices of business conditions. Review of Economics and Statistics, 1, 5-110.
Saeying, J., Minsan, W.,& Taninpong, P. (2023). Forecasting model for the amount of water flowing into the reservoirs of the electricity generating authority of Thailand (EGAT).RMUTSV Research Journal, 15(2),494-510. (in Thai). https://li01.tci-thaijo.org/index.php/rmutsvrj/article/view/252100
Taesombat, S. (2006) . Quantitative Forecasting. Bangkok:Kasetsart University Press. (in Thai)
Tunkaew,T., Minsan, P., Nontapa, C., & Minsan, W.(2023). A suitable forecasting model for exchange rates of the top 10 foreign currencies most preferred by Thai tourists compared to the Thai baht. Thai Science and Technology Journal, 31(3),1-21.(in Thai) https://li01.tci-thaijo.org/index.php/tstj/article/view/258445
ดาวน์โหลด
เผยแพร่แล้ว
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2024 Journal of Applied Science and Emerging Technology
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
