ปัจจัยเสี่ยงของการเกิดโรคมาลาเรียในประเทศไทยโดยใช้ตัวแบบ Generalized Estimating Equation (GEE) และ Generalized Linear Mixed Model (GLMM)

ผู้แต่ง

  • กฤษฎา เหล็กดี ภาควิชาสถิติ คณะวิทยาศาสตร์ มหาวิทยาลัยเกษตรศาสตร์
  • ลี่ลี อิงศรีสว่าง ภาควิชาสถิติ คณะวิทยาศาสตร์ มหาวิทยาลัยเกษตรศาสตร์

คำสำคัญ:

มาลาเรีย, Generalized Estimating Equation (GEE), Generalized Linear Mixed Model (GLMM), Poisson, Negative Binomial

บทคัดย่อ

การวิจัยครั้งนี้มีจุดประสงค์เพื่อหาปัจจัยเสี่ยงของการเกิดโรคมาลาเรียในประเทศไทยด้วยตัวแบบทางสถิติที่เหมาะสม โดยศึกษาตัวแบบ Generalized Estimating Equation (GEE) และ Generalized Linear Mixed Model (GLMM) ที่ตัวแปรตามมีการแจกแจงแบบ Poisson เปรียบเทียบกับแบบ Negative Binomial ข้อมูล ที่ใช้ศึกษาเป็นข้อมูลทุติยภูมิ ระดับจังหวัด ปี 2550 ได้จากหลายหน่วยงาน ตัวแปรตามคือจำนวนผู้ป่วยโรคมาลาเรียรายเดือน ตัวแปรต้นคือ ภาค ชายแคน ฤดูกาล พื้นที่ป่าไม้ ปริมาณฝน อุณหภูมิเฉลี่ย และรายได้เฉลียต่อหัว การคัดเลือกตัวแบบที่เหมาะสมพิจารณาจากค่าสถิติ mean deviance (กรณีของ GEE) และ mean generalized chi-square (กรณีของ GLMM ) ผลการวิจัยพบว่า ทั้งตัวแบบ GEE และ GLMM ที่ตัวแปรตาม มีการแจกแจงแบบ Negative Binomial มีความเหมาะสมกว่าแบบ Poisson เมื่อพิจารณาในลักษณะภาพรวมทั้งประเทศจากตัวแบบ GEE พบว่าปัจจัยที่มีความสัมพันธ์กับอัตราการป่วยโรคมาลาเรีย อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05 ได้แก่ ภาค (ตะวันออก และใต้) ชายแดน (ติดกับพม่า ติดกับมาเลเซีย ติดกับกัมพูชาและติดกับลาว) ฤดูกาล (พ.ค.-ก.ค. พ.ย.-ม.ค. และ ส.ค.-ต.ค.) อุณหภูมิเฉลี่ย และปริมาณฝน แต่เมื่อ พิจารณาในลักษณะรายจังหวัดจากตัวแบบ GLMM พบว่าปัจจัยที่มีความสัมพันธ์กับอัตราการป่วยโรคมาลาเรียได้แก่ ภาค (ตะวันออก ใต้ และอีสาน) ชายแดน (ติดกับพม่า ติดกับมาเลเซีย และติดกับกัมพูชา) และฤดูกาล (พ.ค.-ก.ค. และ พ.ย.-ม.ค.)

Downloads

Download data is not yet available.

ดาวน์โหลด

เผยแพร่แล้ว

2018-01-03

วิธีการอ้างอิง

ฉบับ

บท

นิพนธ์ต้นฉบับ

บทความที่มีผู้อ่านมากที่สุดจากผู้แต่งเรื่องนี้