ปัจจัยที่มีอิทธิพลต่อระยะเวลาการนอนรักษาตัวของผู้ป่วยโรคสมองเสื่อมในโรงพยาบาลสวนสราญรมย์ โดยใช้เทคนิคการถดถอยแบบแข็งแกร่ง (Robust Regression)
Article Sidebar
Main Article Content
บทคัดย่อ
ที่มาของปัญหา: ภาวะสมองเสื่อมเป็นปัญหาสาธารณสุขสำคัญในสังคมผู้สูงอายุ ผู้ป่วยมักต้องนอนรักษาตัวในโรงพยาบาลเป็นระยะเวลานานและมีความแปรปรวนสูง ส่งผลกระทบต่อระบบบริการสาธารณสุข การวิเคราะห์ระยะ
เวลาการนอนรักษาตัวด้วยวิธีการถดถอยแบบ OLS อาจให้ผลลัพธ์ที่คลาดเคลื่อนเมื่อข้อมูลมีค่าผิดปกติหรือความ
แปรปรวนไม่คงที่ จึงจำเป็นต้องศึกษาเปรียบเทียบกับวิธีการถดถอยแบบทนทานต่อค่าผิดปกติ
วัตถุประสงค์: เพื่อศึกษาปัจจัยที่มีอิทธิพลต่อระยะเวลาการนอนรักษาตัวในโรงพยาบาล (Length of Stay: LOS) ของผู้ป่วยภาวะสมองเสื่อม และเปรียบเทียบประสิทธิภาพของวิธีการวิเคราะห์การถดถอยแบบกำลังสองน้อยที่สุด (Ordinary Least Squares: OLS) กับการวิเคราะห์การถดถอยแบบทนทานต่อค่าผิดปกติ (Robust Regression) ในบริบทของโรงพยาบาลจิตเวชในประเทศไทย
วิธีการศึกษ: การวิจัยเป็นการศึกษาเชิงวิเคราะห์แบบย้อนหลัง โดยเก็บข้อมูลจากเวชระเบียนผู้ป่วยภาวะสมองเสื่อม
จำนวน 120 ราย ที่เข้ารับการรักษา ณ โรงพยาบาลสวนสราญรมย์ ระหว่างเดือนมิถุนายนถึงตุลาคม พ.ศ. 2568 ตัวแปรที่ศึกษา ได้แก่ อายุ ดัชนีโรคร่วมชาร์ลสัน (Charlson Comorbidity Index: CCI) ระดับความรุนแรงของภาวะ
สมองเสื่อม (Clinical Dementia Rating: CDR) อาการทางพฤติกรรมและจิตใจในภาวะสมองเสื่อม (Behavioral and Psychological Symptoms of Dementia: BPSD) และระยะเวลาการนอนรักษาตัว
ผลการศึกษา: ผู้ป่วยมีระยะเวลาการนอนรักษาตัวเฉลี่ย 29.3±15.2 วัน และพบข้อมูลค่าผิดปกติของ LOS จำนวน 8 ราย (ร้อยละ 6.7) ซึ่งมี LOS มากกว่า 60 วัน การวิเคราะห์ด้วย OLS ไม่พบความสัมพันธ์อย่างมีนัยสำคัญ
ทางสถิติของตัวแปรโดยรวม ขณะที่การวิเคราะห์ด้วย Robust Regression พบว่า อายุ CCI และ CDR มีอิทธิพลต่อ LOS อย่างมีนัยสำคัญทางสถิติ โดยระดับความรุนแรงของภาวะสมองเสื่อม (CDR) เป็นปัจจัยที่มีอิทธิพลสูงที่สุด ส่วน BPSD ไม่พบความสัมพันธ์อย่างมีนัยสำคัญทางสถิติกับ LOS ในการวิเคราะห์ทั้งสองวิธี นอกจากนี้ยังพบว่า
กลุ่มผู้ป่วยอายุ 60 ปีขึ้นไปมีแนวโน้มต้องใช้ระยะเวลาการรักษานานมากขึ้น
สรุป: การวิเคราะห์แบบ Robust Regression มีความเหมาะสมสำหรับข้อมูลทางคลินิกที่มีค่าผิดปกติและความ
แปรปรวนไม่คงที่มากกว่าวิธี OLS และสามารถสะท้อนปัจจัยที่มีผลต่อระยะเวลาการนอนรักษาตัวของผู้ป่วย
ภาวะสมองเสื่อมได้อย่างแม่นยำ ผลการศึกษาสามารถนำไปใช้ในการวางแผนการดูแลผู้ป่วยเฉพาะราย การจัดการอาการทางพฤติกรรมและจิตใจอย่างเป็นระบบการทำงานร่วมกันแบบสหสาขาวิชาชีพ และการพัฒนา
ระบบการดูแลเชิงป้องกันในชุมชนเพื่อลดระยะเวลาการนอนรักษาในโรงพยาบาลของผู้สูงอายุกลุ่มเสี่ยง
Thaiclinicaltrials.org number, TCTR20260329010
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
World Health Organization. Global status report on the public health response to dementia [Internet]. 2021 [cited 2025 Jan 15]. Available from: https://iris.who.int/server/api/core/bitstreams/9e8aab50-ca34-45e0-9fb0-26e675746f65/content
GBD 2019 Dementia Forecasting Collaborators. Estimation of the global prevalence of dementia in 2019 and forecasted prevalence in 2050: an analysis for the global burden of disease study 2019. Lancet Public Health [Internet]. 2022 [cited 2025 Jan 15];7(2):e105-e125. Available from: https://www.thelancet.com/action/showPdf?pii=S2468-2667%2821%2900249-8
Department of Older Persons. Statistics on elderly persons in Thailand [Internet]. 2024 [cited 2025 Jan 15]. Available from: https://www.dop.go.th/th/know/1
Srikirin P, Jirakittithavorn C. Dementia Patients’ Caregiver Association of Thailand. Situation of dementia in Thailand [Internet]. 2025 [cited 2025 Jan 15]. Available from: https://policywatch.thaipbs.or.th/article/life-233
Bayes CL, Bazán JL, Valdivieso L. A robust regression model for bounded count health data. Stat Methods Med Res 2024;33:1392-411.
Maronna RA, Martin RD, Yohai VJ, Salibian-Barrera M. Robust statistics: theory and methods (with R). 2nd ed. Hoboken, New Jersey: John Wiley & Sons; 2019.
Rousseeuw PJ, Leroy AM. Robust regression and outlier detection. New York: John Wiley & Sons; 1987.
Cohen J. Statistical power analysis for the behavioral sciences. 2nd ed. Hillsdale: Lawrence Erlbaum Associates; 1988.
Morris JC. The clinical dementia rating (CDR): current version and scoring rules. Neurology 1993;43:2412-4.
Charlson ME, Pompei P, Ales KL, MacKenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. J Chronic Dis 1987;40:373-83.
