Forecast the noncommunicable disease incidents in Suphanburi Province
Keywords:
Forecasting, Incidents, Non-Communicable diseases, Grey Systems TheoryAbstract
This quantitative forecasting research aimed to study the forecasting of the number of new patients with chronic non-communicable diseases in Suphanburi Province in fiscal year 2025. The time series data collected from the standard reporting group Illnesses with important non-communicable diseases, Health Zone 5, data from fiscal years 2013 to 2024, Ministry of Public Health., and analyzed annually data with Grey Systems Theory. The results showed that forecasting the number of new cases of high blood pressure, diabetes, and cardiovascular disease, the GM(1,1) Error Periodic Correction model had a mean absolute percentage error (MAPE) for the period from fiscal year 2013 to fiscal year 2024 in percent of 3.66, 4.70, and 7.23, respectively, which were within the criteria for high accuracy prediction. There will be a decrease in new patients with high blood pressure and diabetes, and a slight increase in cardiovascular disease. In fiscal year 2025, If the GM(1,1) models with MAPE 13.16, 11.68, and 13.00 were selected, respectively, which would result in 12,940, 5,801, and 82 new patients, respectively, an increase from fiscal year 2024 in percent of 5.14 , 7.97, and 28.20, respectively.
References
กระทรวงสาธารณสุข. (2567). กลุ่มรายงานมาตรฐาน - สถานะสุขภาพ >> การป่วยด้วยโรคไม่ติดต่อที่สำคัญ. https://hdcservice.moph.go.th
กลุ่มเทคโนโลยีและระบาดวิทยา, กองโรคไม่ติดต่อ, กรมควบคุมโรค, กระทรวงสาธารณสุข. (2566). รายงานการสำรวจและคัดกรองสภาวะสุขภาพประเด็นโรคไม่ติดต่อ ผ่าน Application smart อสม. ปี พ.ศ. 2566. https://ddc.moph.go.th
พรพิมล อดัมส์. (ม.ป.ป.). ความสำคัญของการขอรับรองจริยธรรมการวิจัย. https://www.tm.mahidol.ac.th
มหาวิทยาลัยมหิดล. (2565). ประกาศมหาวิทยาลัยมหิดล เรื่อง แนวปฏิบัติสำหรับโครงการวิจัยที่ไม่เข้าข่ายการวิจัยในคน. https://sp.mahidol.ac.th
ศูนย์ส่งเสริมจริยธรรมการวิจัยในคน สำนักงานอธิการบดีมหาวิทยาลัยมหิดล. (2565). แบบประเมินว่าโครงการวิจัยของท่านเข้าข่ายการวิจัยในคนหรือไม่. https://sp.mahidol.ac.th
Andrés, D. (2023). Machine Learning Pills: Error Metrics for Time Series Forecasting. Retrieved May 5, 2024 from https://mlpills.dev/time-series/error-metrics-for-time-series-forecasting/
Deng, J. (1982). Grey control system. Journal of Huazhong University of Science and Technology, 1, 9–18.
Duan, J., Jiao, F., Zhang, Q., & Lin Z. (2017). Predicting Urban Medical Services Demand in China: An Improved Grey Markov Chain Model by Taylor Approximation. International Journal of Environmental Research and Public Health, 14, 883. DOI: 10.3390/ijerph14080883
Hyndman, R.J., & Athanasopoulos, G. (2021). Forecasting: principles and practice. 3rd edition, Melbourne, Australia: OTexts:
Lewis, C.D. (1982). Industrial and business forecasting methods. London: Butterworths.
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. DOI:10.61 19/JMST-011-1116-1.
Liu, S. (2021). Grey systems: theory and its application. (9th Ed.). Beijing: Science Press.
Liu, S., & Lin, Y. (2010). Grey systems theory and its application. Berlin, Heidelberg: Spring.
Xie, N. (2022). A summary of grey forecasting models. Grey Systems: Theory and Application, 12(4), 703–22. doi:10.1108/GS-06-2022-0066
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวารสารวิทยาลัยพยาบาลบรมราชชนนี สุพรรณบุรี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับวิทยาลัยพยาบาลบรมราชชนนี สุพรรณบุรี และคณาจารย์ท่านอื่นๆในวิทยาลัยฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
