การใช้ Data ในการวางแผนฉีดวัคซีนโควิด-19

การใช้ Data ในการวางแผนฉีดวัคซีนโควิด-19

13 ธันวาคม 2565

วัคซีน…คือทางออก

เมื่อเกิดสถานการณ์การระบาดครั้งยิ่งใหญ่ของโรค โควิด-19 ไปทั่วประเทศไทย มาตรการใช้อาวุธ และสร้างเกราะป้องกัน คือ เว้นระยะห่าง สวมใส่แมสก์ ล้างมือด้วยแอลกอฮอล์ ตลอดเวลากว่าหนึ่งปี ก็ยังคงไม่เพียงพอต่อการจะเอาชนะสงครามไวรัสนี้ได้ วัคซีน …คือทางออกที่สำคัญยิ่ง และต้องเร่งฉีดให้กับประชาชนเป็นจำนวนมาก เพื่อสร้างภูมิคุ้มกันให้กับคนไทยทั้งประเทศ ศูนย์ฉีดวัคซีนกลางบางซื่อ เป็นจุดเริ่มต้นที่เป็น “ศูนย์กลาง” ของ “ความหวัง” และ “ความร่วมมือ” เพื่อให้คนไทยปลอดภัยแข็งแรง นำพาพี่น้องคนไทยได้กลับไปใช้ชีวิตปกติ คืนอ้อมกอดอันอบอุ่นให้กับทุกครอบครัวและนำประเทศไทยให้ก้าวต่อไปสู่อนาคตที่มั่นคง

เตรียมการแค่ 3 วัน ระดมทุกข้อมูล ขุดประสบการณ์เก่า ใช้งานทุกตัวเลข

ช่วงที่มีแนวคิดจัดตั้งศูนย์ฉีดวัคซีนกลางบางซื่อนั้น หน่วยงานอื่น ๆ ของกรมการแพทย์ในพื้นที่กรุงเทพมหานคร (กทม.) มีภาระในการรักษาผู้ป่วยเกือบทั้งหมดแล้ว หน่วยงานที่ยังพอมีกำลังคนก็จะมีเพียงสถาบันโรคผิวหนัง สถาบันทันตกรรม สถาบันสิรินธรเพื่อการฟื้นฟูสมรรถภาพทางการแพทย์แห่งชาติ ด้วยเหตุนี้ ทางผู้บริหารจึงได้มอบหมายให้สถาบันโรคผิวหนังเข้ามารับผิดชอบการดำเนินงานของศูนย์ฉีดวัคซีนกลางบางซื่อ

ทีมงานและหน่วยงานที่เกี่ยวข้องเริ่มลงไปสำรวจสถานที่จริงในวันที่ 21 พ.ค. 2564 เพื่อพิจารณาว่าจะสามารถตั้งจุดลงทะเบียน จุดฉีดวัคซีนได้กี่จุด ต้องใช้พื้นที่เท่าไหร่ ต้องเตรียม Facility รองรับอย่างไร จากนั้นจึงกลับมาทำการบ้าน และวางแผน  มีการวิเคราะห์ออกแบบกระบวนการทำงานให้คล่องตัวที่สุด ง่ายที่สุด และเร็วที่สุด จุดใดที่สามารถนำเอาเทคโนโลยีมาช่วยได้ก็นำมาใช้ทั้งหมด เช่น เรื่องการลงทะเบียน การใช้บาร์โค้ดต่าง ๆ มีการประเมินจุดที่อาจเป็นคอขวด หรืออาจมีปัญหาต้องใช้ทรัพยากรมากที่สุดว่าอยู่ตรงจุดไหน แล้ววางแผนออกมาในหลาย ๆ Scenario  เช่น หากต้องฉีดวัคซีนตั้งแต่ 2,000 คน/วัน ไปจนถึง 20,000 คน/วัน จะต้องใช้ทรัพยากรเท่าใด จากพื้นที่ในสถานีกลางบางซื่อคำนวณแล้วว่าสามารถตั้งจุดฉีดวัคซีนได้ 100 จุด ระยะเวลาให้บริการเฉลี่ยแต่ละจุดนี้จะใช้เวลา 3 นาที แล้วคำนวณย้อนกลับมาว่าก่อนจะไปถึงจุดฉีดวัคซีน โควิด 19 จะต้องผ่านการลงทะเบียน จากประสบการณ์เดิมที่จุดลงทะเบียนจะใช้เวลา 10-15 นาที เพราะฉะนั้นถ้าจุดฉีดวัคซีน โควิด 19 100 จุด จุดลงทะเบียนก็ต้องมีจำนวนเป็น 3 เท่า เพื่อให้กระบวนการทำงานสอดคล้องกัน

จุดแข็งด้านไอที จุดเด่นด้านการให้บริการสาธารณสุข

สถาบันโรคผิวหนัง ใช้ระบบสารสนเทศโรงพยาบาลในรูปแบบ Full Paperless (Softcon Phoenix) เพื่อให้บริการผู้ป่วยมานานกว่า 8 ปี มีระบบการบันทึกจัดเก็บข้อมูลสุขภาพของผู้ป่วยที่มีความปลอดภัย มีระบบสำรองข้อมูลที่ทำงานแบบเรียลไทม์ มีแบ่งระดับการเข้าถึงข้อมูลของแต่ละ User ซึ่งเตรียมแผนการรองรับด้านกฎหมาย PDPA มาตั้งแต่แรกเริ่ม โดยจากวิสัยทัศน์ที่กว้างไกลของผู้นำองค์กร เมื่อต้องตั้งศูนย์ฉีดวัคซีนนอกโรงพยาบาล จึงเป็นเรื่องที่ง่ายดายมาก หากจะนำระบบบริการของสถาบันฯ มาปรับใช้กับการให้บริการวัคซีนแก่ประชาชนทั่วไป

ผู้เขียนเองเป็นเภสัชกรที่คลุกคลีอยู่กับระบบปฏิบัติการนี้มาตั้งแต่เริ่มพัฒนาโปรแกรม จึงได้รับมอบหมายให้ดูแลระบบไอทีทั้งด้านบริหารและข้อมูลหลังบ้านของการฉีดวัคซีนไปด้วย ความรู้สึกหลังจากที่รู้ว่าตัวเองต้องเปลี่ยนจากการดูแลข้อมูลและสถิติหลักร้อยคนต่อวันเป็นหลักหมื่น ตอนแรกก็รู้สึกหนักใจ แต่ในขณะเดียวกันก็ได้รับแนะนำต่าง ๆ จาก ผศ.ดร.นพ.กฤษณ์ พงศ์พิรุฬห์ อาจารย์ประจำภาควิชาเวชศาสตร์ป้องกันและสังคม คณะแพทย์จุฬาลงกรณ์มหาวิทยาลัย ผู้ที่มีความเชี่ยวชาญการใช้ชุดข้อมูล Big Data เป็นอย่างดี อีกทั้งศูนย์ฯ เองก็ยังมีคณะกรรมการดูแลติดตามความปลอดภัยและข้อมูลผู้มารับวัคซีน ณ ศูนย์ฉีดวัคซีนกลางบางซื่อ (VSDMC) ซึ่งผู้เขียนเองก็เป็นหนึ่งในคณะนี้เช่นกัน โดยมีหน้าที่ดูแลเรื่องที่เกี่ยวข้องกับความปลอดภัยและข้อมูลผู้มารับวัคซีน การกำกับติดตามผลการดำเนินงาน การติดตามอาการไม่พึงประสงค์ภายหลังจากได้รับวัคซีน การจัดทำสถิติด้านข้อมูลสุขภาพบุคคลเพื่อใช้ในการบริหารจัดการ และการวิเคราะห์ประมวลผลเพื่อนำมาสนับสนุนข้อมูลด้านวิชาการ การวิจัยและการพัฒนาสาธารณสุข

เพราะการฉีดวัคซีนไม่ใช่แค่ฉีดให้เสร็จๆ ไป หรือแค่นับเข็ม นับโด๊ส (Dose)

ในช่วงทดสอบระบบ ได้ทำการฉีดวัคซีนให้เฉพาะกับกลุ่มขนส่งสาธารณะ ตั้งแต่แอร์โฮสเตสบนฟ้าลงมาถึงพื้นดินแบบคนขับแท็กซี่และวินมอเตอร์ไซค์ ตั้งแต่เช้าจรดมืด หลังจากปิดบริการในเวลาสองทุ่ม จะเป็นเวลาของผู้เขียนที่จะเริ่มดึงรายงาน เช็คตัวเลข จนถึงเวลาประมาณตีสองของทุกวัน เพื่อนำข้อมูลมาวิเคราะห์ตัวเลขในแต่ละวัน ที่จะบ่งบอกได้ว่าหน่วยงานหรือองค์กรใดที่มารับบริการวัคซีนแล้วบ้าง เพื่อที่ทางต้นสังกัดจะได้นำไปวิเคราะห์ต่อว่าบุคลากรได้รับวัคซีนไปแล้วกี่เปอร์เซ็นต์ มีความพร้อมที่จะทำงานให้บริการในฐานะด่านหน้ามากน้อยเพียงใด ผลข้างเคียงหลังรับวัคซีนที่รายงานเข้ามาในแต่ละวัน ทั้งรูปแบบที่เกิดขึ้นภายใน 30 นาที, จำนวนการรับเคสที่จุดปฐมพยาบาล รวมถึงสาเหตุที่เกิดขึ้น เพื่อนำไปประเมินว่าควรจะเร่งสื่อสารให้ความรู้ผู้มารับบริการอย่างไร และเมื่อถึงช่วงการรับวัคซีนเข็มที่ 2 ก็จะต้องวิเคราะห์ว่าโดยรวมแล้วเกิดการ Drop Off (ไม่มารับเข็มที่ 2 ตามนัด) จำนวนเท่าใด ในฐานะกระทรวงสาธารณสุขค่อนข้างตระหนักในข้อนี้มาก เฝ้าระวังว่าหากเมื่อใดที่เริ่มพบ % Drop Off ของวัคซีนซิโนแวคสูง ๆ เช่นเดียวกับต่างประเทศ (อาจเป็นเพราะกลัวผลข้างเคียงเข็มที่ 2 จาก Fake News) นั่นหมายถึงว่าต้องเร่งทำความเข้าใจที่ถูกต้องเพิ่มขึ้น สุดท้ายเราพบว่า % Drop Off ค่อนข้างต่ำ กลุ่มขนส่งสาธารณะมารับบริการเข็มที่ 2 ตามนัด เมื่อสิ้นสุดระยะทดสอบระบบจำนวน 150,000 คน ก็เป็นสัญญาณที่ดีของการให้บริการกับประชาชนกลุ่มใหญ่ต่อไป

ไม่มี Honeymoon Period

เมื่อเริ่มดำเนินการในวันที่ 24 พ.ค. 2564 ตั้งแต่นั้นเป็นต้นมาไม่มีช่วง Honeymoon Period เลย จะมีเพียงวันแรกที่เปิดดำเนินการครึ่งวันและฉีดวัคซีนไปได้ประมาณ 4,900-5,000 คน แต่หลังจากนั้นคือวันละ 10,000 คนขึ้นไปมาโดยตลอด โดยหลังจากที่นายกรัฐมนตรีมาเป็นประธานในพิธีเปิดศูนย์อย่างเป็นทางการในวันที่ 7 มิ.ย. 2564 จึงเริ่มดำเนินการฉีดวัคซีนแก่ประชาชนทั่วไปในรูปแบบจองคิวล่วงหน้า 100% ระหว่างนี้ก็ได้มีการวิเคราะห์ข้อมูลพบว่าคนที่มาฉีดที่นี่ส่วนใหญ่เป็นประชากรแฝง (ผู้ที่ภูมิลำเนาต่างจังหวัดแต่เข้ามาใช้ชีวิต, เรียน, ทำงาน ในกทม.) ทำให้ไม่ต้องเดินทางกลับไปรับวัคซีนที่ภูมิลำเนา ซึ่งทำให้ลดการเดินทาง ลดการเคลื่อนย้าย ลดค่าใช้จ่าย อีกทั้งยังแบ่งเบาภาระของหน่วยงานอนามัยของ กทม.

ฉีดวัคซีนแล้วได้อะไร

เมื่อเริ่มดำเนินการฉีดวัคซีนให้ประชาชนทั่วไปแล้วระยะหนึ่ง จึงเริ่มมีแนวคิดที่อยากจะทราบว่าการฉีดวัคซีนไปแล้ว ได้ผลการป้องกันการติดเชื้อเป็นอย่างไร โดยที่ไม่ต้องให้ผู้รับบริการมาเจาะเลือดตรวจภูมิคุ้มกัน ทางสถาบันวิจัยกรมการแพทย์ ร่วมกับสถาบันส่งเสริมการวิเคราะห์และบริหารข้อมูลขนาดใหญ่ภาครัฐ (สวข.) (GBDi) โดยมีดร.นนทวิทย์ ชีวเรืองโรจน์ เป็นหัวหน้าทีมที่แข็งแกร่งด้าน Big Data ได้เข้ามาดำเนินการในส่วนของการทำ Data Integration ซึ่งต้องนำชุดข้อมูลหลายล้านแถว จากหลาย ๆ ระบบ ไม่ว่าจะเป็นจากหน่วยฉีดวัคซีน ผลจากการติดเชื้อโควิดจากระบบ Co-lab ผลการเข้าพักรักษาในโรงพยาบาลด้วยโรคโควิด-19 จากระบบ Co-ward แล้วส่งชุดข้อมูลเหล่านี้ในรูปแบบที่ไม่สามารถระบุตัวตนบุคคลย้อนกลับได้ (ตามกฎหมายPDPA) เพื่อให้ศูนย์ฯ และคณะแพทยศาสตร์จุฬาลงกรณ์มหาวิทยาลัย นำไปวิเคราะห์ในรูปแบบการวิจัย Prospective Cohort Study

อีกทั้งยังมีคณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย เข้ามาช่วยในด้านการนำเสนอ Visual Graphic ให้เข้าใจง่ายขึ้น จนสามารถตีพิมพ์งานวิจัยนี้สำเร็จใน The Lancet Regional Health – Southeast Asia นับเป็นการยกระดับความร่วมมือที่ถือเป็น Big Step ซึ่งจะเห็นได้จากพิธีลงนามความร่วมมือ “โครงการพัฒนาเพิ่มคุณภาพการบริการด้านการแพทย์และสาธารณสุขผ่านเทคโนโลยีดิจิทัล” ด้วยสาเหตุจากสถานการณ์การแพร่ระบาดโควิด-19 ได้ส่งผลกระทบต่อสุขภาพคนไทยเป็นอย่างมาก เป็นเหตุผลสำคัญที่ต้องนำข้อมูลขนาดใหญ่มาช่วยในการบริหารจัดการระบบสาธารณสุขและการวิเคราะห์เพื่อพัฒนางานบริการ ซึ่งจำเป็นต้องอาศัยการเชื่อมโยงฐานข้อมูลสุขภาพ และการแลกเปลี่ยนข้อมูลสุขภาพ (Health Information Exchange) อย่างมีประสิทธิภาพ

ผู้เขียนเชื่อมั่นว่าจากนี้ไปการสาธารณสุขจะไม่ใช่แค่การรักษา แต่การนำผลที่ได้จากการรักษา จะเป็นข้อมูลสำคัญที่จะให้สามารถนำไปเชื่อมโยงในหลายมิติ แล้วเกิดประโยชน์สูงสุดกลับมาสู่ประชาชนที่รักของเราต่อไป

เนื้อหาโดย ภญ.กฤติยาภรณ์ สุนัน
ตรวจทานและปรับปรุงโดย ดวงใจ จิตคงชื่น

Pharmacist at Institute of dermatology, Department of medical services

แบ่งปันบทความ

กลุ่มเนื้อหา

แท็กยอดนิยม

แจ้งเรื่องที่อยากอ่าน

คุณสามารถแจ้งเรื่องที่อยากอ่านให้เราทราบได้ !
และเราจะนำไปพัฒนาบทความให้มีเนื้อหาที่น่าสนใจมากขึ้น

ไอคอน PDPA

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ “นโยบายคุ้กกี้” และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ “ตั้งค่า”

ตั้งค่าความเป็นส่วนตัว

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
จัดการความเป็นส่วนตัว
  • คุกกี้ที่มีความจำเป็น (Strictly Necessary Cookies)
    เปิดใช้งานตลอด

    คุกกี้ประเภทนี้มีความจำเป็นต่อการให้บริการเว็บไซต์ของ สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล เพื่อให้ท่านสามารถเข้าใช้งานในส่วนต่าง ๆ ของเว็บไซต์ได้ รวมถึงช่วยจดจำข้อมูลที่ท่านเคยให้ไว้ผ่านเว็บไซต์ การปิดการใช้งานคุกกี้ประเภทนี้จะส่งผลให้ท่านไม่สามารถใช้บริการในสาระสำคัญของ สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล ซึ่งจำเป็นต้องเรียกใช้คุกกี้ได้
    รายละเอียดคุกกี้

  • คุกกี้เพื่อการวิเคราะห์และประเมินผลการใช้งาน (Performance Cookies)

    คุกกี้ประเภทนี้ช่วยให้ BDI ทราบถึงการปฏิสัมพันธ์ของผู้ใช้งานในการใช้บริการเว็บไซต์ของ BDI รวมถึงหน้าเพจหรือพื้นที่ใดของเว็บไซต์ที่ได้รับความนิยม ตลอดจนการวิเคราะห์ข้อมูลด้านอื่น ๆ BDI ยังใช้ข้อมูลนี้เพื่อการปรับปรุงการทำงานของเว็บไซต์ และเพื่อเข้าใจพฤติกรรมของผู้ใช้งานมากขึ้น ถึงแม้ว่า ข้อมูลที่คุกกี้นี้เก็บรวบรวมจะเป็นข้อมูลที่ไม่สามารถระบุตัวตนได้ และนำมาใช้วิเคราะห์ทางสถิติเท่านั้น การปิดการใช้งานคุกกี้ประเภทนี้จะส่งผลให้ BDI ไม่สามารถทราบปริมาณผู้เข้าเยี่ยมชมเว็บไซต์ และไม่สามารถประเมินคุณภาพการให้บริการได้

  • คุกกี้เพื่อการใช้งานเว็บไซต์ (Functional Cookies)

    คุกกี้ประเภทนี้จะช่วยให้เว็บไซต์ของ BDI จดจำตัวเลือกต่าง ๆ ที่ท่านได้ตั้งค่าไว้และช่วยให้เว็บไซต์ส่งมอบคุณสมบัติและเนื้อหาเพิ่มเติมให้ตรงกับการใช้งานของท่านได้ เช่น ช่วยจดจำชื่อบัญชีผู้ใช้งานของท่าน หรือจดจำการเปลี่ยนแปลงการตั้งค่าขนาดฟอนต์หรือการตั้งค่าต่าง ๆ ของหน้าเพจซึ่งท่านสามารถปรับแต่งได้ การปิดการใช้งานคุกกี้ประเภทนี้อาจส่งผลให้เว็บไซต์ไม่สามารถทำงานได้อย่างสมบูรณ์

  • คุกกี้เพื่อการโฆษณาไปยังกลุ่มเป้าหมาย (Targeting Cookies)

    คุกกี้ประเภทนี้เป็นคุกกี้ที่เกิดจากการเชื่อมโยงเว็บไซต์ของบุคคลที่สาม ซึ่งเก็บข้อมูลการเข้าใช้งานและเว็บไซต์ที่ท่านได้เข้าเยี่ยมชม เพื่อนำเสนอสินค้าหรือบริการบนเว็บไซต์อื่นที่ไม่ใช่เว็บไซต์ของ BDI ทั้งนี้ หากท่านปิดการใช้งานคุกกี้ประเภทนี้จะไม่ส่งผลต่อการใช้งานเว็บไซต์ของ BDI แต่จะส่งผลให้การนำเสนอสินค้าหรือบริการบนเว็บไซต์อื่น ๆ ไม่สอดคล้องกับความสนใจของท่าน

บันทึกการตั้งค่า