Original Title: ปัจจัยที่มีความสัมพันธ์กับพฤติกรรมการป้องกันตนเองจากโรคโควิด - 19 ของผู้ป่วยโรคเรื้อรัง ในเขตรับผิดชอบโรงพยาบาลส่งเสริมสุขภาพตำบลบ้านลำพด อำเภอนาทวี จังหวัดสงขลา
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

កត្តាដែលទាក់ទងនឹងអាកប្បកិរិយាការពារខ្លួនពីជំងឺកូវីដ-១៩ របស់អ្នកជំងឺរ៉ាំរ៉ៃ នៅក្នុងតំបន់ទទួលខុសត្រូវនៃមន្ទីរពេទ្យលើកកម្ពស់សុខភាពឃុំបានឡាំផុត ស្រុកណាថាវី ខេត្តសុងខ្លា

ចំណងជើងដើម៖ ปัจจัยที่มีความสัมพันธ์กับพฤติกรรมการป้องกันตนเองจากโรคโควิด - 19 ของผู้ป่วยโรคเรื้อรัง ในเขตรับผิดชอบโรงพยาบาลส่งเสริมสุขภาพตำบลบ้านลำพด อำเภอนาทวี จังหวัดสงขลา

អ្នកនិពន្ធ៖ Chutima Isor (Ban Lumpud Health Promoting Hospital), Thanwarat Channuan (Nathawi District Health Office), Kittiporn Nawsuwan (Boromarajonani College of Nursing, Songkhla), Noppcha Singweratham (Chiang Mai University)

ឆ្នាំបោះពុម្ព៖ 2022, Journal of Public Health and Innovation

វិស័យសិក្សា៖ Public Health

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះផ្តោតលើការវាយតម្លៃកម្រិត និងការស្វែងយល់ពីកត្តាដែលជះឥទ្ធិពលដល់អាកប្បកិរិយាការពារខ្លួនពីការឆ្លងជំងឺកូវីដ-១៩ ក្នុងចំណោមអ្នកជំងឺរ៉ាំរ៉ៃនៅក្នុងស្រុកណាថាវី ខេត្តសុងខ្លា ប្រទេសថៃ។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះគឺជាការសិក្សាវិភាគកាត់ទទឹង (Cross-sectional analysis study) ដោយប្រមូលទិន្នន័យពីអ្នកជំងឺរ៉ាំរ៉ៃចំនួន ២០៨ នាក់ តាមរយៈវិធីសាស្ត្រជ្រើសរើសគំរូចៃដន្យសាមញ្ញ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Simple Logistic Regression (Bivariate Analysis)
ការវិភាគតម្រែតម្រង់ឡូជីស្ទីកសាមញ្ញ (ការវិភាគអថេរទ្វេ)
ងាយស្រួលក្នុងការគណនា និងជួយរកមើលទំនាក់ទំនងបឋមរវាងកត្តានីមួយៗជាមួយអាកប្បកិរិយាការពារជំងឺ។ មិនអាចគ្រប់គ្រងកត្តារំខាន (Confounding variables) ផ្សេងទៀតបានទេ ដែលអាចធ្វើឱ្យលទ្ធផលលម្អៀង។ បានរកឃើញទំនាក់ទំនងបឋមលើកត្តាមុខរបរ ប្រភេទជំងឺ រយៈពេលឈឺ និងការចាក់វ៉ាក់សាំង ដែលមានតម្លៃ p-value < 0.05។
Multiple Logistic Regression (Backward Elimination)
ការវិភាគតម្រែតម្រង់ឡូជីស្ទីកពហុគុណ
ផ្តល់លទ្ធផលសុក្រឹតជាងមុន ដោយសារវាអាចកែតម្រូវឥទ្ធិពលនៃកត្តារំខាន (Adjusted Odds Ratio) ដើម្បីរកកត្តាដែលជះឥទ្ធិពលពិតប្រាកដ។ ទាមទារទំហំគំរូទិន្នន័យធំ (Sample size) និងទាមទារចំណេះដឹងស្ថិតិកម្រិតខ្ពស់ក្នុងការជ្រើសរើសអថេរចូលក្នុងម៉ូដែល។ បញ្ជាក់យ៉ាងច្បាស់ថា ប្រភេទជំងឺផ្លូវដង្ហើម (OR=3.33) រយៈពេលឈឺក្រោម ៥ ឆ្នាំ (OR=5.77) និងការចាក់វ៉ាក់សាំង ៣ ដូស (OR=3.07) គឺជាកត្តាជះឥទ្ធិពលពិតប្រាកដ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រស្ទង់មតិ និងការវិភាគទិន្នន័យស្ថិតិ ដែលមិនទាមទារធនធានកុំព្យូទ័រខ្នាតធំនោះទេ ប៉ុន្តែទាមទារការប្រមូលទិន្នន័យផ្ទាល់ពីអ្នកជំងឺ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ទិន្នន័យនេះត្រូវបានប្រមូលផ្តុំតែនៅក្នុងតំបន់ជនបទមួយនៃខេត្តសុងខ្លា (Songkhla) ប្រទេសថៃ លើអ្នកជំងឺរ៉ាំរ៉ៃចំនួន ២០៨ នាក់ប៉ុណ្ណោះ ដែលធ្វើឱ្យមានការកំណត់ក្នុងការតំណាងប្រជាជនទូទៅ។ សម្រាប់ប្រទេសកម្ពុជា ទោះបីជាបរិបទសង្គមជនបទមានភាពស្រដៀងគ្នាក៏ដោយ ប៉ុន្តែកម្រិតនៃការអប់រំសុខភាព និងការផ្សព្វផ្សាយរបស់អាជ្ញាធរមូលដ្ឋានអាចមានភាពខុសគ្នា ដែលអាចជះឥទ្ធិពលដល់លទ្ធផល។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ និងរបកគំហើញនៃការសិក្សានេះមានសារៈសំខាន់សម្រាប់ការអនុវត្តក្នុងប្រព័ន្ធសុខាភិបាលសាធារណៈរបស់ប្រទេសកម្ពុជា។

សរុបមក ការស្វែងយល់ពីកត្តាដែលជំរុញអាកប្បកិរិយាការពាររបស់អ្នកជំងឺរ៉ាំរ៉ៃ ជួយឱ្យកម្ពុជាអាចរៀបចំគោលនយោបាយ និងបែងចែកធនធានសុខាភិបាលបានចំគោលដៅ ដើម្បីកាត់បន្ថយអត្រាឈឺធ្ងន់ និងស្លាប់។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. រៀនពីវិធីសាស្ត្ររចនាកម្រងសំណួរ: សិក្សាពីរបៀបបង្កើតកម្រងសំណួរស្រាវជ្រាវបរិមាណ (Quantitative Questionnaire) និងការធ្វើតេស្តភាពជឿជាក់ (Reliability test) ដោយប្រើប្រាស់រូបមន្ត Cronbach's Alpha និង KR20
  2. អភិវឌ្ឍជំនាញវិភាគស្ថិតិ: អនុវត្តការប្រើប្រាស់កម្មវិធី SPSS, STATA, ឬ R ដើម្បីធ្វើការវិភាគ Descriptive Statistics និងការវិភាគម៉ូដែល Multiple Logistic Regression (Backward Elimination) លើទិន្នន័យសុខភាព។
  3. អនុវត្តការប្រមូលទិន្នន័យសាកល្បង (Pilot Study): សាកល្បងចុះទៅសហគមន៍ ឬមណ្ឌលសុខភាពក្បែរខ្លួន ដើម្បីប្រមូលទិន្នន័យគំរូតូចមួយ (ប្រហែល ៣០ នាក់) ដោយត្រូវអនុវត្តតាមគោលការណ៍សីលធម៌ស្រាវជ្រាវ (Research Ethics) ដូចជាការសុំការអនុញ្ញាត និងរក្សាការសម្ងាត់។
  4. បកស្រាយលទ្ធផលវិទ្យាសាស្ត្រ: ហ្វឹកហាត់ការអាន និងបកស្រាយតម្លៃ Odds Ratio (OR), កម្រិតជឿជាក់ 95% CI, និង p-value ដើម្បីអាចទាញសេចក្តីសន្និដ្ឋានអំពីកត្តាហានិភ័យ និងសរសេររបាយការណ៍ស្រាវជ្រាវប្រកបដោយវិជ្ជាជីវៈ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Cross-sectional analysis study ការសិក្សាស្រាវជ្រាវដែលប្រមូលទិន្នន័យពីចំនួនប្រជាជនគោលដៅនៅចំណុចពេលវេលាតែមួយជាក់លាក់ ដើម្បីវិភាគទំនាក់ទំនងរវាងកត្តាផ្សេងៗ និងលទ្ធផលនៅពេលនោះ។ ដូចជាការថតរូបមួយសន្លឹក ដើម្បីមើលថាមាននរណាខ្លះកំពុងញញឹម ឬយំ នៅវិនាទីនោះដោយមិនបានតាមដានពួកគេបន្តទៅមុខទៀត។
Cronbach's alpha coefficient រង្វាស់ស្ថិតិដែលប្រើសម្រាប់វាស់ស្ទង់ភាពជឿជាក់ (Reliability) ឬភាពសង្គតិភាពខាងក្នុងនៃកម្រងសំណួរ ថាតើសំណួរទាំងអស់វាស់ស្ទង់ពីគំនិតតែមួយឬអត់។ ដូចជាការសួរសំណួរប្រឡងដែលសិស្សពូកែតែងតែឆ្លើយត្រូវទាំងអស់ ឯសិស្សខ្សោយតែងតែឆ្លើយខុស ដែលបង្ហាញថាសំណួរនោះមានស្តង់ដារត្រឹមត្រូវ។
Logistic multiple regression វិធីសាស្ត្រវិភាគស្ថិតិដែលប្រើដើម្បីព្យាករណ៍ពីលទ្ធផលដែលមានតែពីរជម្រើស (ឧទាហរណ៍៖ ការពារ ឬ មិនការពារ) ដោយផ្អែកលើអថេរឯករាជ្យច្រើនចូលគ្នា (ឧទាហរណ៍៖ អាយុ ភេទ ប្រភេទជំងឺ)។ ដូចជាការទស្សន៍ទាយថាមនុស្សម្នាក់នឹងទិញ ឬមិនទិញទូរស័ព្ទ ដោយមើលលើកត្តាច្រើនចូលគ្នាដូចជា ប្រាក់ខែ អាយុ និងម៉ាកដែលគេចូលចិត្ត។
Odds Ratio (OR) តម្លៃស្ថិតិដែលវាស់ស្ទង់ទំហំនៃទំនាក់ទំនងរវាងកត្តាហានិភ័យ និងលទ្ធផល ដោយប្រៀបធៀបឱកាសនៃការកើតឡើងនៃព្រឹត្តិការណ៍មួយធៀបនឹងក្រុមមួយទៀត។ ដូចជាការប្រៀបធៀបថា អ្នកជក់បារីមានឱកាសកើតជំងឺសួត ៥ដង ច្រើនជាងអ្នកមិនជក់បារី។
p-value តម្លៃប្រូបាប៊ីលីតេដែលបង្ហាញថា លទ្ធផលដែលទទួលបានពីការសិក្សាគឺកើតឡើងដោយចៃដន្យឬយ៉ាងណា។ បើ p-value តូចជាង ០.០៥ មានន័យថាលទ្ធផលនោះមានភាពជឿជាក់ខ្ពស់ខាងស្ថិតិ។ ដូចជាការបោះកាក់១០ដងចេញរូបក្បាលទាំងអស់ ដែលមានភាគរយតិចតួចណាស់ក្នុងការកើតឡើងដោយចៃដន្យ បង្ហាញថាកាក់នោះប្រហែលជាមានការកែច្នៃ។
95% Confidence Interval (95%CI) ចន្លោះតម្លៃដែលគេប៉ាន់ស្មានថា តម្លៃពិតប្រាកដនៃប្រជាជនគោលដៅទាំងមូលនឹងស្ថិតនៅក្នុងចន្លោះនេះ ដោយមានកម្រិតទំនុកចិត្ត ៩៥% បើសិនជាធ្វើការស្រាវជ្រាវម្តងទៀតច្រើនដង។ ដូចជាការទាយថាមិត្តរបស់អ្នកនឹងមកដល់ចន្លោះម៉ោង ១០:០០ ដល់ ១០:១៥ ព្រឹក ដោយមានទំនុកចិត្ត ៩៥% ថាគេមិនហួសម៉ោងនេះទេ។
Backward Elimination វិធីសាស្ត្រកាត់ចេញជាបន្តបន្ទាប់នៅក្នុងការវិភាគតម្រែតម្រង់ ដោយចាប់ផ្តើមបញ្ចូលអថេរទាំងអស់ រួចដកអថេរណាដែលមិនមានទំនាក់ទំនងច្បាស់លាស់ (p-value ធំ) ចេញម្តងមួយៗ រហូតសល់តែអថេរដែលសំខាន់បំផុត។ ដូចជាការចម្រាញ់ក្រុមបាល់ទាត់ ដោយដកកីឡាករដែលលេងមិនសូវល្អចេញម្តងម្នាក់ៗ រហូតទាល់តែសល់ត្រឹមកីឡាករឆ្នើមៗសម្រាប់ប្រកួតផ្តាច់ព្រ័ត្រ។
Content Validity ការវាយតម្លៃដោយអ្នកជំនាញ (ប្រើសន្ទស្សន៍ IOC) ដើម្បីបញ្ជាក់ថាសំណួរនីមួយៗក្នុងកម្រងសំណួរពិតជាវាស់ស្ទង់ចំវត្ថុបំណងនៃការស្រាវជ្រាវមែន។ ដូចជាការអោយមេចុងភៅ៣នាក់ ភ្លក់ស៊ុបដើម្បីសម្រេចថាតើវាពិតជាមានរសជាតិត្រូវតាមរូបមន្តដើមឬអត់ មុននឹងលក់អោយភ្ញៀវ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖