การใช้ Data ในการวางแผนฉีดวัคซีนโควิด-19

การใช้ Data ในการวางแผนฉีดวัคซีนโควิด-19

13 ธันวาคม 2565
โควิด 19

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

Krittiyaporn Sunan

Pharmacist at Institute of dermatology, Department of medical services

Vice President, Manpower Development Division at Big Data Institute (Public Organization), BDI

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
ไซต์นี้ลงทะเบียนกับ wpml.org ในฐานะไซต์พัฒนา สลับไปยังไซต์การผลิตโดยใช้รหัส remove this banner.