การเปรียบเทียบวิธีพยากรณ์แบบอนุกรมเวลาที่เหมาะสมสำหรับพยากรณ์ความต้องการใช้ยาที่มีมูลค่าการจัดซื้อสูงสุด: กรณีศึกษาสถาบันโรคทรวงอก

ผู้แต่ง

  • เสาวคนธ์ หนูขาว เสาวคนธ์ หนูขาว, ปร.ด. สาขาวิชาเทคโนโลยีสารสนเทศ คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลตะวันออก
  • สามารถ จำรัส กลุ่มวิจัยปัญญาประดิษฐ์และเมตาโบโลมิกส์ คณะเภสัชศาสตร์ มหาวิทยาลัยศิลปากร
  • พิเชฐ มาเร็ว สาขาวิชาเทคโนโลยีสารสนเทศ คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลตะวันออก
  • ชัยธวัช สวัสดิ์พาณิชย์ กลุ่มงานเภสัชกรรม สถาบันโรคทรวงอก

คำสำคัญ:

การพยากรณ์อนุกรมเวลา, ยาที่มีมูลค่าสูง, การบริหารคลังยาและเวชภัณฑ์

บทคัดย่อ

ความเป็นมา: ปัจจุบันโรงพยาบาลได้รับการจัดสรรงบประมาณด้านการจัดซื้อยาและเวชภัณฑ์อย่างจำกัด การพยากรณ์ความต้องการ จึงเป็นเทคนิคที่นำมาใช้คาดการณ์ความต้องการใช้ยาในอนาคต โดยข้อมูลที่ได้จากการพยากรณ์สามารถนำไปประกอบการตัดสินใจจัดซื้อและบริหารคลังยาและเวชภัณฑ์ได้อย่างมีประสิทธิภาพ

วัตถุประสงค์: เพื่อเปรียบเทียบวิธีการพยากรณ์แบบอนุกรมเวลาที่เหมาะสมสำหรับการพยากรณ์ความต้องการใช้ยามูลค่าสูงสุด และพยากรณ์ความต้องการใช้ยามูลค่าสูงของสถาบันโรคทรวงอกในปีถัดไป

วิธีวิจัย: เป็นการศึกษาเชิงพรรณนาแบบ retrospective โดยใช้ข้อมูลทุติยภูมิจากสถาบันโรคทรวงอก เพื่อคัดเลือกยาจำเป็นที่มีมูลค่าสูงสุดด้วยการวิเคราะห์ ABC-VEN นำยาที่วิเคราะห์ได้มาศึกษาลักษณะการเคลื่อนไหวของอนุกรมเวลาเพื่อเลือกวิธีพยากรณ์อนุกรมเวลา จากนั้นเปรียบเทียบวิธีพยากรณ์อนุกรมเวลาแต่ละวิธีโดยพิจารณาจากค่า mean absolute percent error (MAPE)

ผลการวิจัย: จากการคัดเลือกพบว่า Jardiance® 10 mg เป็นยาที่มีมูลค่าการจัดซื้อสูงสุดในปีงบประมาณที่ผ่านมา การเปรียบเทียบวิธีพยากรณ์อนุกรมเวลา 4 วิธี ได้แก่ วิธีถัวเฉลี่ยเคลื่อนที่ วิธีถัวเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนัก วิธีปรับเรียบเอ็กซ์โพเนนเชียลครั้งเดียว และวิธีถดถอยเชิงเส้นอย่างง่าย พบว่าวิธีถัวเฉลี่ยเคลื่อนที่ (การเคลื่อนที่ = 6) ให้ค่า MAPE ต่ำสุด (19.38) และเหมาะสมที่สุดสำหรับพยากรณ์ความต้องการยา โดยคาดการณ์ว่าความต้องการใช้ยานี้ในปีถัดไปอยู่ที่ 14,435 หน่วย คิดเป็นมูลค่า 19.46 ล้านบาท

สรุปผล: วิธีพยากรณ์อนุกรมเวลาแบบถัวเฉลี่ยเคลื่อนที่ (การเคลื่อนที่ = 6) เป็นวิธีที่เหมาะสมที่สุดสำหรับการพยากรณ์ความต้องการยาที่มีมูลค่าสูง เช่น Jardiance® 10 mg สามารถประยุกต์ใช้ในการวางแผนการจัดซื้อได้อย่างสมเหตุผล

ประวัติผู้แต่ง

เสาวคนธ์ หนูขาว, เสาวคนธ์ หนูขาว, ปร.ด. สาขาวิชาเทคโนโลยีสารสนเทศ คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลตะวันออก

ปร.ด.

สามารถ จำรัส, กลุ่มวิจัยปัญญาประดิษฐ์และเมตาโบโลมิกส์ คณะเภสัชศาสตร์ มหาวิทยาลัยศิลปากร

ปร.ด.

พิเชฐ มาเร็ว, สาขาวิชาเทคโนโลยีสารสนเทศ คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลตะวันออก

วท.ม.

ชัยธวัช สวัสดิ์พาณิชย์, กลุ่มงานเภสัชกรรม สถาบันโรคทรวงอก

ภ.บ.

เอกสารอ้างอิง

กรมกิจการผู้สูงอายุ. สถานการณ์ผู้สูงอายุไทย พ.ศ. 2565 [อินเทอร์เน็ต]. กรุงเทพมหานคร: มูลนิธิสถาบันวิจัยและพัฒนาผู้สูงอายุไทย (มส.ผส.); 2566 [สืบค้นเมื่อ 10 ม.ค. 2568]. สืบค้นจาก: https://thaitgri.org/?p=40208

กรมควบคุมโรค. กองโรคไม่ติดต่อ. รายงานสถานการณ์โรค NCDs เบาหวาน ความดันโลหิตสูง และปัจจัยเสี่ยงที่เกี่ยวข้อง พ.ศ. 2562 [อินเทอร์เน็ต]. นนทบุรี: กองโรคไม่ติดต่อ กรมควบคุมโรค กระทรวงสาธารณสุข; 2563 [สืบค้นเมื่อ 10 ม.ค. 2568]. สืบค้นจาก: https://www.ddc.moph.go.th/dncd/journal_detail.php?publish=10358

ศุภิกา ตรีรัตนไพบูลย์. งบประมาณรายจ่ายด้านการสาธารณสุข: ระบบหลักประกันสุขภาพถ้วนหน้าที่เป็นธรรม เพียงพอ และยั่งยืน [อินเทอร์เน็ต]. กรุงเทพมหานคร: สำนักงบประมาณของรัฐสภา สำนักงานเลขาธิการสภาผู้แทนราษฎร; 2567 [สืบค้นเมื่อ 10 ม.ค. 2568]. สืบค้นจาก: https://web.parliament.go.th/view/82/News_Detail/2567/1443/TH-TH

วราวัลย์ จึงศิวะพรพงษ์, นิธิเจน กิตติรัชกุล, สุธาสินี คำหลวง, อรพรรณ อ่อนจร, พัทธรา ลีฬหวรงค์, เนตรนภิส สุชนวนิช, และคณะ. การศึกษาการจัดซื้อยาของโรงพยาบาลภายหลังการบังคับใช้พระราชบัญญัติการจัดซื้อจัดจ้างและการบริหารพัสดุภาครัฐ พ.ศ. 2560 [อินเทอร์เน็ต]. นนทบุรี: มูลนิธิเพื่อการประเมินเทคโนโลยีและนโยบายด้านสุขภาพ; 2562 [สืบค้นเมื่อ 10 ม.ค. 2568]. สืบค้นจาก: https://www.hitap.net/documents/178536

Mfizi E, Niragire F, Bizimana T, Mukanyangezi MF. Analysis of pharmaceutical inventory management based on ABC-VEN analysis in Rwanda: a case study of Nyamagabe district. J Pharm Policy Pract. 2023;16(1):30. doi: 10.1186/s40545-023-00540-5.

ณัฐปรียา ฉลาดแย้ม, ประกายกาณ์ ชูศร, ยุภาพร ตงประสิทธิ์. การวิเคราะห์แบบเอบีซี ABC Analysis [วิทยานิพนธ์วิทยาศาสตรมหาบัณฑิต]. ขอนแก่น: คณะวิทยาศาสตร์ มหาวิทยาลัยขอนแก่น; 2558.

สันติ แก้วงาม. การบริหารการจัดซื้อยาในโรงพยาบาลตะกั่วป่าโดยใช้ ABC-VEN matrix. วารสารเภสัชกรรมคลินิก [อินเทอร์เน็ต]. 2564 [สืบค้นเมื่อ 10 ม.ค. 2568];27(3):103-11. สืบค้นจาก: https://thaidj.org/index.php/TJCP/article/view/11860

Ahmed HA, Kheder SI, Awad MM. Pharmaceutical inventory control in Sudan central and hospital stores using ABC-VEN analysis. Glob Drugs Therap. 2019;4(2):1-6. doi: 10.15761/GDT.1000172.

บุญเย็น หนูเล็ก. การศึกษาการจัดกลุ่มรายการยาโดยใช้การวิเคราะห์แบบ ABC-VEN matrix ในโรงพยาบาลตราด [อินเทอร์เน็ต]. ตราด: งานจัดการความรู้ โรงพยาบาลตราด; 2566. [สืบค้นเมื่อ 10 ม.ค. 2568]. สืบค้นจาก: https://trathospital.go.th/KM/TempDoc/temp_3587.pdf

ปิยาณี อ่อนเอี่ยม. การจัดการคลังยาด้วย ABC-VEN เมตริกซ์ของสถาบันราชประชาสมาสัย. มฉก.วิชาการ [อินเทอร์เน็ต]. 2564 [สืบค้นเมื่อ 10 ม.ค. 2568];25(2):258-72. สืบค้นจาก: https://he01.tci-thaijo.org/index.php/HCUJOURNAL/article/view/252401

Rivera-Castro R, Nazarov I, Xiang Y, Pletneev A, Maksimov I, Burnaev E. Demand forecasting techniques for build-to-order lean manufacturing supply chains. Proceeding of the 16th International Symposium on Neural Networks; 2019 Jul 10-12; Moscow, Russia. p.1-10. doi: 10.48550/arXiv.1905.07902.

Ingle C, Bakliwal D, Jain J, Singh P, Kale P, Chhajed V. Demand forecasting: literature review on various methodologies. Proceeding of the 12th International Conference on Computing Communication and Networking Technologies (ICCCNT); 2021 Jul 6-8; Kharagpur, Indian Institute of Technology Kharagpur, India. doi: 10.1109/ICCCNT51525.2021.9580139.

Saravana KM, Saraswathi MR, Narmadha R, Tejaswini PK. Time series analysis and forecasting: unveiling patterns and enhancing predictions for pharmaceutical sales. In: Thangavel M, Jaisingh W, Varalakshmi P, editors. Artificial intelligence transformations for healthcare applications: medical diagnosis, treatment, and patient care [Internet]. n.p.: IGI Global; 2024 [cited 2025 Jan 25]. p. 304-343. Available from: https://www.igi-global.com/chapter/time-series-analysis-and-forecasting/351611

Rushton R, Lorraine O, Tiong J, Karim M, Dixon R, Greenshields W, et al. Forecasting inventory for the state-wide pharmaceutical service of South Australia. Procedia Comput Sci. 2023;219: 1257-64. doi: 10.1016/j.procs.2023.01.409.

Cryer JD, Chan K-S. Model diagnostics. In: Cryer JD, Chan K-S, editors. Time series analysis with applications in R. 2nd ed. New York: Springer Science + Business Media, LLC; 2008. p. 175-190.

Tofallis C. A better measure of relative prediction accuracy for model selection and model estimation. J Oper Res Soc. 2015;66(8):1352-62. doi: 10.1057/jors.2014.103.

ดาว สงวนรังศิริกุล, หรรษา เชี่ยวอนันตวานิช, มณีรัตน์ แสงเกษม. การศึกษาเปรียบเทียบเพื่อหาตัวแบบที่เหมาะสมสำหรับพยากรณ์จำนวนผู้ป่วยที่เป็นโรคเฝ้าระวังทางระบาดวิทยาในกรุงเทพมหานคร. วารสารวิจัยและพัฒนา มจธ [อินเทอร์เน็ต]. 2558 [สืบค้นเมื่อ 10 ม.ค. 2568];38(1):35-55. สืบค้นจาก: https://ph02.tci-thaijo.org/index.php/KMUTT/article/view/71345

โสภิดา ท้วมมี, สุพิชชา ชีวพฤกษ์, ณัฐวุฒิ อิ่มใจ, ภคพล พรสิทธิ์มหาสิริ, ปิยะ รนต์ละออง. การเลือกเทคนิคการพยากรณ์ปริมาณความต้องการหน้ากากอนามัยเพื่อวางแผนการสั่งซื้อวัตถุดิบ. วารสารวิศวกรรมศาสตร์และเทคโนโลยีอุตสาหกรรมบ้านสมเด็จ [อินเทอร์เน็ต]. 2567 [สืบค้นเมื่อ 10 ม.ค. 2568];5(1):33-46. สืบค้นจาก: https://ph04.tci-thaijo.org/index.php/JEITB/article/view/5386

กิ่งแก้ว มาพงษ์, สัมมนา มูลสาร, วิภาวี เสาหิน, อาภรณ์ จตุรภัทรวงศ์. การศึกษาแบบจำลองสถานการณ์รูปแบบการจัดซื้อเพื่อลดต้นทุนรวมของการบริหารเวชภัณฑ์ กรณีศึกษา: โรงพยาบาลวารินชำราบ. วารสารวิชาการสาธารณสุข [อินเทอร์เน็ต]. 2557 [สืบค้นเมื่อ 10 ม.ค. 2568];23(6):1077-86. สืบค้นจาก: https://thaidj.org/index.php/JHS/article/view/797

ดาวน์โหลด

เผยแพร่แล้ว

2025-03-03