ศ.ดร.นพ.วีรศักดิ์ จงสู่วิวัฒน์วงศ์ คณะแพทยศาสตร์
Download
Report
Transcript ศ.ดร.นพ.วีรศักดิ์ จงสู่วิวัฒน์วงศ์ คณะแพทยศาสตร์
วีระศักดิ์ จงสู่วิวฒั น์วงศ์
หัชชา ศรี ปลัง่
Edward McNeil
หน่วยระบาดวิทยา คณะแพทยศาสตร์ มหาวิทยาลัยสงขลานคริ นทร์ หาดใหญ่
6
กรกฎาคม 2554
แหล่งที่มาของข้ อมูลที่จะใช้ ในการพยากรณ์สข
ุ ภาพ
ในอนาคต
การวิเคราะห์อนุกรมเวลา (time series analysis)
การวิเคราะห์แบบ Age-period-cohort model
Out-break detection & early warning system
National census
Population registration
Routine service database
Routine resource transaction database
Surveillance
Surveys & special studies
ทาทุก 10 ปี
ข้ อมูลทุกพื ้นที่ ทุกคน
รายละเอียดจากัด เน้ นเฉพาะการเกิด การตาย
(และการย้ ายถิ่น)
Interpolation statistics ใช้ สาหรับ project
(extrapolate) โครงสร้ างประชากรในอนาคต
เป็ นฐานข้ อมูลเพื่อความมัน
่ คงและสิทธิของพลเมือง
และการรักษากฎหมาย (กระทรวงมหาดไทย เลขสิบ
สามหลัก ทะเบียนบ้ าน)
ขึ ้นกับผู้แจ้ ง
◦ ในสถานพยาบาล
◦ ที่บา้ น
มีผลต่อสิทธิประโยชน์ของเจ้ าตัว อาจจะทาให้ เกิด bias
ถ้ าไม่เกิดประโยชน์ หรื อไม่เข้ าใจสิทธิก็จะไม่แจ้ ง
เกิดขึ ้นในสถานบริ การรักษาพยาบาล
กาหนดโดยกฏหมาย และ ความต้ องการของผู้วางแผน
(สนย. สปสช ฯลฯ)
อาจจะมีผลทางการเงินต่อสถานพยาบาล แต่ไม่มีผล
ทางกฎหมาย
มาตรฐานของแต่ละโรงพยาบาลอาจจะไม่เหมือนกัน
ขึ ้นกับความสนใจของแพทย์และนักเวชสถิติ
ทรัพยากรที่จด
ั สรร ได้ แก่ ทรัพยากรมนุษย์ การเงิน การ
ลงทุน วัสดุ คุรุภณ
ั ฑ์ เวชภัณฑ์
ทะเบียนการเจ้ าหน้ าที่มีผลทางกฎหมายระยะยาว
(สิทธิบานาญ ฯลฯ) แต่สว่ นอื่นมีผลทางกฎหมายน้ อย
มีการลงทุนด้ านฐานข้ อมูลค่อนข้ างน้ อย
การเปลี่ยนแปลงของการจัดสรรทรัพยากรขึ ้นกับ
อิทธิพลของนักการเมืองและข้ าราชการประจา
เป็ นเรื่ องของหน่วยงานกลางเป็ นส่วนใหญ่
อาจจะเป็ นทังประเทศ
้
เช่น E506 หรื อเฉพาะพื ้น
เช่น ทะเบียนมะเร็ง
อาจจะซ ้าซ้ อนภายในกรมเดียวกันแต่ตา
่ งสานัก
โดยเฉพาะโรคติดต่อสาคัญ เช่น วัณโรค มาลาเรีย
ได้ สถิติด้านอุบต
ั ิการณ์ (รายใหม่) แต่ระยะการ
ติดตามผู้ป่วยมักจะสัน้
จัดทาขึ ้นเพื่อวัตถุประสงค์จาเพาะ
คุณภาพข้ อมูลดี แต่ความครอบคลุมหรื อการเป็ น
ตัวแทนประชากรอาจจะมีปัญหาเนื่องจากต้ องใช้ ต้นทุน
สูง
Survey ได้ สถิติด้านความชุก เหมาะสาหรับการเจ็บป่ วย
เรื อ้ รังและพฤติกรรมระยะยาว
Cohort study แพงมาก ทาได้ ยาก ต้ องการนักวิจย
ั ที่มี
commitment สูง
พยากรณ์โครงสร้ างของกลุม
่ อายุและกลุม่ เสี่ยงจากสา
มะโนและฐานข้ อมูลหลาย ๆ ทศวรรษ
ติดตามแนวโน้ มอุบต
ั ิการณ์ของโรคจากฐานข้ อมูลการ
เฝ้าระวังเฉพาะโรค
วิเคราะห์แนวโน้ มของปั จจัยเสี่ยงที่ค้นพบจากงานวิจย
ั
ต่าง ๆ
นาปั จจัยด้ านการบริ การสาธารณสุขเข้ าไปร่ วมพิจารณา
Age ความเสี่ยงเนื่องจากวัย เช่น
◦ วัยเด็กยังไม่มีภมู ิคุม้ กันต่อโรคติดต่อบางชนิดซึ่ งผูใ้ หญ่มี
◦ เมื่ออายุมากขึ้นโรคจากความเสื่ อมจะเพิม่ ขึ้น
Period เป็ นความแตกต่างเนื่องจากยุคสมัย เช่น สมัยใหม่มีอาหารการ
กินอุดมสมบูรณ์ สิง่ อานวยความสะดวกครบครัน ใช้ แรงงานน้ อย
Cohort คือ birth cohort หรื อ คนรุ่ นเดียวกัน Cohort เดียวกันผ่าน
period เดียวกันเมื่อวัยเดียวกัน
Interaction ของปั จจัยใด ๆ สองปั จจัยจะเป็ นผลของปั จจัยที่สาม
ต้ องมีข้อมูลที่มีแบบฟอร์ มเดียวกันซ ้า ๆ ต่อเนื่องหลาย ๆ
ทศวรรษ (period)
ผลลัพธ์ เบื ้องต้ น คือ
◦age-specific rate ในแต่ละ period ได้ หรื อ
◦cohort-specific rate ในแต่ละ period หรื อ
◦age-specific rate ในแต่ละ cohort แสดงด้วย cohort line
หาอิทธิพลของแต่ละ term โดยปรับ confounding ต่าง ๆ
ด้ วย statistical modeling
การพยากรณ์อนาคตโดยใช้ ระบบ APC ต้ องประสานกับ
นักประชากรศาสตร์ เพื่อให้ ทราบขนาดของแต่ละ cohort
ในแต่ละ period จากนี ้จึงคูณด้ วยสัมประสิทธิ์ของปั จจัย
ทังสองประมาณค่
้
าของโรคในแต่ละระยะของอนาคตได้
2445-2449
Birth cohort line ของการบริ โภคยาสู บชายไทย
2450-2454
2455-2459
80%
2460-2464
70%
2465-2469
60%
2470-2474
50%
2475-2479
2480-2484
40%
2485-2489
30%
2490-2494
20%
2495-2499
10%
2500-2504
0%
2505-2509
11-15 16-20 21-25 26-30 31-35 36-40 41-45 46-50 51-55 56-60 61-65 66-70 71-75 76-80 >80
กลุ่มอายุ (ปี )
2510-2514
2515-2519
2520-2524
Breast Cancer
Thailand, 1989-2007
ASR (per 100000 population
30
25
20
Chiang Mai
Lampang
Khon Kaen
Songkhla
15
10
5
0
1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Year
Year
Thai Network of Cancer Registries
Hutcha Sriplung
15
Cervix Cancer
Thailand, 1989-2007
ASR (per 100000 population)
50
40
Chiang Mai
Lampang
Khon Kaen
Songkhla
30
20
10
0
1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Year
Hutcha Sriplung
Thai Network of Cancer Registries
16
ASR /100,000 population
25
20
15
Chiang Mai
Lampang
Khon Kaen
Songkhla
10
5
0
89 90 91 92 93 94 95 96 97 98 99 00
Year
Hutcha Sriplung
Thai Network of Cancer Registries
17
ASR /100,000 population
25
20
15
prevalent case?
Chiang Mai
Lampang
Khon Kaen
Songkhla
10
5
0
89 90 91 92 93 94 95 96 97 98 99 00
Year
Hutcha Sriplung
Thai Network of Cancer Registries
18
ASR /100,000 population
25
20
15
Chiang Mai
Lampang
Khon Kaen
Songkhla
prevalent case?
10
5
0
89 90 91 92 93 94 95 96 97 98 99 00
Year
Do regression without the first points.
Hutcha Sriplung
Thai Network of Cancer Registries
19
Tobacco
Kg/capita
Death/100,000
population
80.0
70.0
3.0
~20 years
2.5
60.0
2.0
50.0
40.0
1.5
30.0
1.0
20.0
Tobacco consumption
Lung Cancer-Male
Lung Cancer-Female
10.0
0.0
1947 1951 1955 1959 1963 1967 1971 1975 1979 1983 1987 1991 1995
1945 1949 1953 1957 1961 1965 1969 1973 1977 1981 1985 1989 1993 1997
0.0
Year
AIHW: deloop M & Bhatia K 2001: Australian Health Trends 2001. AIHW Cat. No. PHE 24. Canberra: AIHW; the National
Mortality Database.
Hutcha Sriplung
Thai Network of Cancer Registries
20
Pancreatic cancer incidence in Finland: relatively unchanged over time
Thai Network of Cancer Registries
Hutcha Sriplung
21
Endometrial cancer incidence in Sweden: declining in pre-menopausal
women and later cohorts
Hutcha Sriplung
Thai Network of Cancer Registries
22
Breast cancer in Songkhla: increasing in all cohorts, periods,
and age groups
Hutcha Sriplung
Thai Network of Cancer Registries
23
A variant of multiple regression dealing with time-
series data
Time series data mainly consist of outcome over
time.
Ordinary multiple regression is inefficient in this
case due to huge number of parameters.
Trend: linear, curvinear, moving average
Oscillation (cosine function)
◦ Harmonic terms e.g. cos(a), cos(2a)
◦ Starting points e.g. cos(m+a), cos(n+2a)
Autoregressive effect
◦ Preceding status has effects on the current one.
Optionally other explanatory independent terms e.g. temperature,
rainfalls, which are beyond the trend and cyclical effects
Random errors
Temperature, NE Thailand
C
30
28
26
24
22
20
1975
1980
1985
1990
1995
2000
2005
2010
Temperature, NE Thailand
C
30
28
26
24
22
20
1975
1980
1985
1990
1995
2000
2005
2010
-3
-1 0
1
2
random
3
4-4 -3 -2 -1 0
1
seasonal
2
25.0 25.5 26.0 26.5
trend
20 22 24 26 28 30
observed
Decomposition of additive time series
1975
1980
1985
1990
Time
1995
2000
2005
2010
1500
malaria
1000
500
0
2000
2005
2010
2015
Outbreak ต่างกับ epidemic อย่างไร
Outbreak definition
◦Any number of cases of a serious communicable
disease
◦Abnormal increase of incidence
Seasonally adjusted
Not seasonally adjusted
Long incubation period -> multiple point sources ->
unclear increase of incidence
Rapid transportation, highly mobile population,
rare infection -> meta-surveillance needed ie
combining data from various geographic area
Long incubation period
◦TB, HIV
◦Hepatitis
Mobile population
◦Leptospirosis among tourists
Rare but important infection
◦Legionnaire pneumonia
All cases of hepatitis A cases have been reported,
verified and registered in NISS database
Analysis showed 8% duplicated cases
Outbreaks searched by 7-day moving summation.
Nine outbreaks detected in different counties. Of
these only 4 had been reported.
If the outbreak is undetected, the disease may
continue to spread or become endemic.
The earlier the report is, the more timely the system
can respond.
Tools to control outbreak may include: sanitation
improvement, case isolation, quarantine, mass
education & immunization etc.
Routine daily check immediate past few days
against a certain values
◦Long history (multi-year season adjustment)
◦Short history (immediate preceding values in the same
year)
An abnormal increase can be detected early and the
signal fired.
Sensitivity
◦ % of outbreak preceded by an alarm
Positive predictive value
◦ % of alarms actually followed by an outbreak
Timeliness
◦ Number of days the signal would alarm after the outbreak
started
Alarm benefit
◦ Number of days the signal would alarm before the outbreak
was reported
การพยากรณ์โรคโดยวิธีการทางสถิตมิ ีหลักการและทฤษฎีหลาย
ประการ แต่ละวิธีมีจดุ แข็งจุดอ่อนต่างกัน และเหมาะสมสาหรับโรคที่ไม่
เหมือนกัน
การตรวจสอบอัตราการรายงาน outbreak เป็ นสิง่ ที่ทาง่ายและน่าทา
การวิเคราะห์ early warning system น่าจะพอทาได้ ควรประเมินสาหรับ
แต่ละโรคและพื ้นที่วา่ ควรจะติดตัง้ alarm system หรื อไม่
APC and time series analysis ทายาก ต้ องใช้ เวลานานในการเรี ยนรู้