การ

สถิติทางสาธารณสุข

สถิติ หมายถึงข้อเท็จจริงที่เป็นตัวเลขหรือลายลักษณ์อักษรที่เก็บรวบรวมมาได้ เช่น สถิติการเกิด สถิติการตาย สถิติผู้ป่วยเป็นโรคต่างๆ สถิติการเกิดอุบัติเหตุบนท้องถนน เป็นต้น

ระเบียบวิธีการทางสถิติ (Statistical Method) มี 4 ขั้นตอน ดังนี้

1. การเก็บรวบรวมข้อมูล
2. การนำเสนอข้อมูล
3. การวิเคราะห์ข้อมูล
4. การตีความข้อมูล

ประเภทของสถิติ  แบ่งเป็น 2 ประเภท คือ

1. สถิติเชิงพรรณนา (Descriptive Statistic) หมายถึงสถิติที่ใช้ในการบรรยายถึงข้อเท็จจริงของข้อมูลที่เรารวบรวมมาได้อันได้แก่การนำเสนอข้อมูลในลักษณะต่างๆ  และการวิเคราะห์ข้อมูลอย่างง่าย โดยไม่ต้องอาศัยทฤษฎีความน่าจะเป็นมาช่วยในการวิเคราะห์ เช่น การหามัชฌิมเลขคณิต มัธยฐาน ฐานนิยม ส่วนเบี่ยงเบนมาตรฐาน เป็นต้น
2. สถิติเชิงอนุมาน (Inferential Statistics) หมายถึงสถิติที่ใช้ในการอ้างอิง หรืออนุมาน ลักษณะของประชากรจากกลุ่มตัวอย่าง โดยอาศัยทฤษฎีความน่าจะเป็นเช่น ทฤษฎีการประมาณค่าและการทดสอบสมมุติฐาน เป็นต้น

ประโยชน์ของสถิติ

1. เป็นสิ่งชี้ให้เห็นถึงข้อเท็จจริงของเหตุการณ์ และเรื่องราวที่สนใจอยู่
2. เป็นเครื่องมือในการวางแผนของโครงการและกิจการต่างๆ
3. เป็นระเบียบวิธีสำหรับการวิเคราะห์ในงานวิจัยโดยทั่วๆ ไป
4. เป็นเครื่องมือในการประเมินผลงานที่ได้ทำไปแล้ว

ประเภทของข้อมูล

          ข้อมูลที่เก็บรวบรวมมา ไม่ว่าจะใช้ในงานวิจัย หรือวัตถุประสงค์อื่นใดก็ตาม ย่อมมีลักษณะแตกต่างกันไป โดยการจำแนกข้อมูล อาจจำแนกตามเกณฑ์ใหญ่ ๆ ได้ 3 ประการ คือ จำแนกตามแหล่งข้อมูล จำแนกตามลักษณะของข้อมูล และจำแนกตามมาตรการวัด เป็นต้น

จำแนกตามแหล่งข้อมูล

            1. ข้อมูลปฐมภูมิ (Primary Data) หมายถึง ข้อมูลที่ผู้วิจัยเป็นผู้เก็บรวบรวมข้อมูลที่สนใจเอง โดยที่อาจจะใช้วิธีเก็บแบบสอบถาม แบบสัมภาษณ์ การทดลอง เป็นต้น

            2. ข้อมูลทุติยภูมิ (Secondary Data) หมายถึง ข้อมูลที่ผู้วิจัยไม่ได้เป็นผู้เก็บรวบรวมข้อมูลที่สนใจเอง โดยนำข้อมูลที่ผู้อื่น ๆ เก็บมาใช้ เช่น ข้อมูลเกี่ยวกับการจ้างงานที่กระทรวงแรงงานรวบรวมไว้ เป็นต้น

          จำแนกตามลักษณะของข้อมูล

                1.ข้อมูลเชิงปริมาณ (Quantitative Data) หมายถึง ข้อมูลที่สามารถแสดงในรูปตัวเลขได้ เช่น น้ำหนัก อายุ คะแนน จำนวนสินค้า งบประมาณ จำนวนพนักงานในบริษัท เป็นต้น ข้อมูลเชิงปริมาณยังแบ่งได้ ๒ ประเภท คือ

                        1.1 ข้อมูลแบบต่อเนื่อง (Continuous Data) หมายถึงข้อมูลที่มีค่าต่าง ๆ ทุกค่าต่อเนื่องกัน โดยแสดงได้ทั้งเศษส่วนหรือตัวเลขที่เป็นจำนวนเต็ม เช่น ส่วนสูง น้ำหนัก ความยาวของโต๊ะ                   

1.2 ข้อมูลแบบไม่ต่อเนื่อง   (Discrete Data) หมายถึงข้อมูลที่มีค่าเป็นจำนวน

เต็มหรือจำนวนนับ  เช่น  ค่าใช้จ่าย  จำนวนสินค้า งบประมาณ จำนวนพนักงานในบริษัท 

            2.ข้อมูลเชิงคุณภาพ (Qualitative Data) หมายถึง ข้อมูลที่ไม่สามารถแสดงในรูปตัวเลขได้ หรือ อาจจ

แสดงในรูปตัวเลขได้แต่ไม่สามารถคำนวณในเชิงปริมาณได้ เนื่องจากตัวเลขเหล่านั้นไม่สามารถอธิบายได้ เช่น เพศ

สถานภาพ วุฒิการศึกษา เป็นต้น

จำแนกตามระดับของการวัด

ลักษณะของข้อมูลเป็นเครื่องชี้ให้ว่าควรเลือกใช้วิธีการทางสถิติแบบใดในการวิเคราะห์ข้อมูล ก็คือ ระดับของการวัด ระดับของการวัดแบ่งออกได้เป็น 4 ระดับ

1. มาตรานามบัญญัติ (Nominal scales) เป็นการวัดประเภท หรือกำหนดชื่อให้กับเรื่องราวต่างๆ เหตุการณ์ หรือวัตถุสิ่งของ ซึ่งมีความแตกต่างกันทางด้านคุณภาพ เช่น เพศ  โรค อาชีพ สถานภาพสมรส เป็นต้น ซึ่งไม่มีคุณลักษณะทางด้านการคิดคำนวณ หาได้เพียงจำนวนราย ร้อยละ ความถี่ ฐานนิยม สัดส่วน หรือใช้สถิติแบบนอนพาราเมตริก(non- parametric statistics)
2. มาตรเรียงอันดับ (Ordinal scales)  ใช้แสดงความเกี่ยวข้องระหว่างบุคคลหรือสิ่งของ โดยคำนึงถึงอันดับ หรือตำแหน่ง ที่เรียงตามลำดับลักษณะ ใช้ในความหมายที่มากกว่า หรือน้อยกว่า แต่ไม่ได้แสดงรายละเอียดของคุณภาพ เพียงแต่บอกถึงลักษณะส่วนรวมที่ลดหลั่นต่างกันเป็นขั้นๆ  และไม่ทราบว่าทุกขั้นเท่ากันหรือไม่ แต่ละขั้นต่างกันอยู่เท่าไร การวัดทางจิตวิทยาและการศึกษามักจะอยู่ในขั้นนี้ สถิติที่ใช้ในการวัดในระดับนี้ได้แก่ มัธยฐาน เปอร์เซ็นต์ไทล์ พิสัย ส่วนเบี่ยงเบนควอไทล์ (Quartile deviation)   การจัดอันดับต่างๆ  และสถิติแบบนอนพาราเมตริก
3. มาตราอันตรภาค (Interval scales) มีลักษณะการวัดเหมือนมาตราเรียงอันดับแต่ดีกว่าตรงที่สามารถบอกระยะห่างได้ ระหว่างจุด 2 จุด ไม่ใช่ระยะทางจากจุดเริ่มต้น จึงไม่ทราบว่าห่างจากจุดศูนย์แท้เท่าใด เช่น เทอร์โมมิเตอร์วัดไข้  ลักษณะที่ไม่มีศูนย์แท้ มิได้หมายถึง 0องศาเซลเซียส จะไม่มีความร้อนอยู่เลย คะแนนสอบ ไอคิว  ด้วยเหตุนี้จึงใช้ได้เพียงการบวกและลบเท่านั้น จะคูณหารไม่ได้ ไม่สามารถบอกได้ว่าเป็นกี่เท่าของอีกค่าหนึ่งได้ สถิติที่ใช้ในการวัดในระดับนี้ได้แก่ ค่าเฉลี่ย มัธยฐาน ฐานนิยม ส่วนเบี่ยงเบนมาตรฐาน การหาค่าสหสัมพันธ์ของเพียร์สัน และการทดสอบทางสถิติด้วยการแจกแจงปกติ
4. มาตราอัตราส่วน (Ratio scales) เป็นมาตรการวัดที่มีลักษณะสมบูรณ์ทุกอย่าง ดีกว่ามาตรอันตรภาพตรงที่มีศูนย์แท้ ซึ่งหมายถึงไม่มีอยู่เลย  เช่น ความสูง น้ำหนัก เป็นต้น สถิติที่ใช้กับการวัดในระดับนี้ก็ใช้ได้ทุกอย่าง

ลักษณะของข้อมูลที่เก็บแบ่งเป็น 2 ลักษณะ

            1. ข้อมูลที่ไม่ได้แบ่งกลุ่ม (ungrouped Data) เป็นข้อมูลที่เก็บจากลักษณะของแต่ละหน่วยประชากร หรือ หน่วยตัวอย่าง เช่นข้อมูลอายุของคนกลุ่มหนึ่ง 15 , 18 , 20 , 25 , 23 , 14 , 22 ปี เป็นต้น

2. ข้อมูลที่แบ่งกลุ่ม (grouped Data) เป็นข้อมูลที่จัดแบ่งเป็นกลุ่ม ๆ เป็นอันตรภาคชั้น เช่น อายุของคนกลุ่มหนึ่ง คือ 15-20,21-26,27-32 ปี เป็นต้น

 

วิธีการเก็บรวบรวมข้อมูล ทำได้ 2 วิธี

1. การรวบรวมจากเอกสาร คือการรวบรวมข้อมูลจากเอกสารต่างๆ ที่มีการบันทึกไว้แล้ว  การรวบรวมโดยวิธีนี้เป็นการทุ่นเวลา แรงงาน และรายจ่าย ดังนั้นก่อนที่จะทำการสำรวจเรื่องใดๆ ก็ตาม ควรจะศึกษาจากเอกสารต่างๆ ก่อนว่ามีผู้ทำไว้แล้วหรือยัง เพื่อหลีกเลี่ยงการทำซ้ำ  แหล่งที่มาของข้อมูลโดยวิธีนี้เรียกว่า แหล่งทุติยภูมิ (Secondary source)
2. การเก็บรวบรวมข้อมูลด้วยตนเอง แหล่งที่มาของข้อมูลแบบนี้เรียกว่า แหล่งปฐมภูมิ (Primary data)

    อาจทำได้ 4 วิธี คือ

2.1         การแจงนับ หมายถึง การส่งพนักงาน หรือเจ้าหน้าที่ออกไปสำรวจจากแหล่งข้อมูลที่ต้องการทราบโดยตรง

2.2         การลงทะเบียน หมายถึง การที่ให้มีบุคคลนำข้อมูลหรือข้อความไปแจ้งยังสถานที่ที่กำหนดไว้ วิธีนี้ได้ผลดีเมื่อมีกฎหมายบังคับ เช่นการแจ้งเกิด การตาย โรคติดต่อที่ต้องแจ้งความ

2.3         การส่งแบบสอบถาม หรือการสัมภาษณ์ เป็นวิธีที่ใช้กันมากในการสำรวจและการวิจัยต่างๆ

2.4         การทดลอง การรวบรวมข้อมูลวิธีนี้ต้องจัดเตรียมเครื่องมือปฏิบัติการสภาพแวดล้อมอันมีผลถึงค่าของข้อมูล เวลาที่ทำการทดลอง ตลอดจนปัจจัยต่างๆ ที่ต้องควบคุม

สถิติพื้นฐานที่ใช้ทางสาธารณสุข

การแจกแจงความถี่ ( Frequency distribution)

                ข้อมูลดิบที่มีตัวเลขซ้ำกันและใกล้เคียงกันมาก อาจนำมารวบรวมใหม่ โดยเรียงคะแนนจากน้อยไปหามาก หรือ จากมากไปหาน้อย และหาจำนวนของคะแนนแต่ละคะแนน จำนวนของคะแนนแต่ละคะแนนนี้เรียกว่า ความถี่ (Frequency) ของคะแนน วิธีจัดนับคะแนนเพื่อดูการกระจายของคะแนนนี้ เรียกว่าการแจกแจงความถี่ ( Frequency distribution)

ร้อยละ (Percentage)

                การคำนวณร้อยละต้องยึดตามวัตถุประสงค์ของการศึกษาเป็นสำคัญ โดยเฉพาะอย่างยิ่งเมื่อใช้เปรียบเทียบระหว่างกลุ่มที่มีจำนวนไม่เท่ากัน การพิจารณาในการคำนวณตัวเลขฐานที่ใช้หารจึงมีผลในการแปลผลการวิเคราะห์เพื่อใช้ในการวางแผนนำไปใช้ประโยชน์

การวัดแนวโน้มเข้าสู่ส่วนกลาง (Measures of central tendency) เป็นการวัดเพื่อหาค่า “หนึ่งค่า”  ที่ใช้เป็นตัวแทนของกลุ่ม ที่นิยมมีอยู่ 3 ชนิด

1. มัชฌิมเลขคณิต  หรือค่าเฉลี่ยเลขคณิต (Mean)ใช้เมื่อการแจกแจงของคะแนนมีลักษณะสมมาตร(Symmetry) หรือการแจกแจงของคะแนนไม่มีความเบ้ (Skewness) และเมื่อต้องการค่านี้ในการคำนวณค่าสถิติอื่นๆ เช่น ส่วนเบี่ยงเบนมาตรฐาน ส่วนเบี่ยงเบนเฉลี่ย เหมาะที่จะใช้วัดเพื่อให้เห็นภาพพจน์ทั้งหมดของข้อมูล เป็นการวัดที่ผู้อ่านเข้าใจง่าย จึงนิยมใช้กันอย่างแพร่หลาย ข้อดีคือความคลาดเคลื่อนมาตรฐานน้อยกว่า และคำนวณง่ายกว่า

         คุณสมบัติของค่าเฉลี่ย

1) เป็นตัวแทนข้อมูล ที่ใช้ข้อมูลทุกค่ามาทา การคำนวณหาขนาดของค่าเฉลี่ย

2) เนื่องจากมีการนา ข้อมูลทุกค่ามาคำนวณตามหลักคณิตศาสตร์ จึงสามารถใช้ใน การวิเคราะห์สถิติ  

    ขั้นสูงได้

3) เนื่องจากมีการใช้ข้อมูลทุกค่ามาคำนวณ ดังนั้นหากมีข้อมูลบางตัวที่มีขนาด ใหญ่มากๆ หรือเล็ก

    มากๆผิดปกติ จะมีผลต่อการคำนวณขนาดของค่าเฉลี่ยด้วย

4) ข้อมูลที่มีมาตรวัดเป็นนามบัญญัติ (nominal scale) และเรียงอันดับ (ordinal scale) ไม่สามารถใช้คำ

     นวณค่าเฉลี่ยได้

1. มัธยฐาน (Median) ใช้เมื่อการแจกแจงของคะแนนเบ้มาก หรือเมื่อข้อมูลชุดนั้นมีค่าสูงมากและต่ำมากผิดกว่าส่วนใหญ่ เช่นถ้ามีคะแนนสูงผิดไปจากคะแนนของกลุ่มมาก ค่าของตัวกลางจะสูงขึ้นไปมากแต่ค่าของมัธยฐานคงเดิม เช่นการตรวจโดยกล้องจุลทรรศน์นับไขพยาธิในอุจจาระผู้ป่วย การนับจำนวนแบคทีเรียในนม เป็นต้น

คุณสมบัติของค่ามัธยฐาน

1)              มัธยฐาน เป็นการใช้ค่าของข้อมูลที่อยู่ตำแหน่งตรงกลาง มาเป็นตัวแทน  

ดังนั้นข้อมูลที่มีค่ามาก หรือน้อยผิดปกติ จะไม่มีผลกระทบต่อค่ามัธยฐาน และถ้ามีการเปลี่ยนแปลงข้อมูลบางตัวในกลุ่มจะมีผลกระทบต่อค่ามัธยฐานน้อยมาก

2)              มัธยฐาน จะเป็นค่าตัวแทนของข้อมูลได้ใกล้เคียงกับประชากรส่วนใหญ่ มากกว่าค่าเฉลี่ย หากการแจกแจงข้อมูลเบ้ไปทางใดทางหนึ่ง

3)              ข้อมูลที่มีมาตรวัดเป็นนามบัญญัติ (nominal scale) ไม่สามารถคำนวณหาค่า   มัธยฐานได้

4)              กรณีที่มีข้อมูลกระจุกอยู่ที่ค่าต่ำสุด หรือสูงสุดมากเกินไป จะไม่สามารถหา

ค่า มัธยฐานได้ เช่น น้ำหนักของผู้ป่วย 9 คน เป็น 55 55 55 55 55 60 65 70 72 ค่ามัธยฐานเป็น 55 ซึ่งไม่ได้เป็นค่าของข้อมูลที่อยู่ครึ่งหนึ่งตามความหมายของมัธยฐาน

1. ฐานนิยม(Mode) เหมาะที่จะใช้เมื่อต้องการทราบค่าประมาณของการวัดแนวโน้มเข้าสู่ส่วนกลางของข้อมูลชุดใดชุดหนึ่งโดยเร็ว หรือต้องการทราบค่าที่เป็นลักษณะเฉพาะของข้อมูลที่เป็นสเกลอย่างหยาบ จะบอกให้ทราบว่าสิ่งใด หรือคุณลักษณะใดที่เกิดขึ้นมากที่สุด บ่อยที่สุดหรือซ้ำกันมากที่สุด อาจมีมากกว่าหนึ่งค่า หรือไม่มีเลย มักใช้กับข้อมูลเชิงคุณภาพ เช่น อาการที่พบบ่อยที่สุดของโรคเบาหวาน คือ ปัสสาวะบ่อย และกระหายน้ำ เป็นต้น มัธยฐาน และฐานนิยม เหมาะกับข้อมูลแบบท้ายเปิด (Open- end)

คุณสมบัติของฐานนิยม

1) สามารถคำนวณได้ง่าย รวดเร็ว

2) ใช้กับข้อมูลที่มีมาตรวัดนามบัญญัติ (nominal scale)

3) ข้อมูลที่มีค่ามาก หรือน้อยผิดปกติ จะไม่มีผลกระทบต่อค่าฐานนิยม และถ้ามีการเปลี่ยนแปลงข้อมูล

บางตัวในกลุ่ม จะไม่มีผลกระทบต่อค่าฐานนิยมหรือมีน้อยมาก ในการเลือกใช้การวัดแนวโน้มเข้าสู่ส่วนกลาง  ตัวใด (ค่าเฉลี่ย มัธยฐาน ฐานนิยม) จะขึ้นกับลักษณะการกระจายของข้อมูล จุดประสงค์ของการนาไปใช้ และมาตรวัดของข้อมูลนั้นๆ

 

 

 

 

 

ระดับข้อมูล	สถิติวัดแนวโน้มเข้าสู่ส่วนกลาง
Interval / Ratio	Mode,  Median,  Mean
Ordinal	Mode,  Median
Nominal	Mode

 

 

การวัดการกระจาย (Measures of variability)

            การวัดแนวโน้มเข้าสู่ส่วนกลางอย่างเดียว ไม่ได้ช่วยให้ทราบถึงลักษณะของข้อมูลได้เพียงพอ ข้อมูลที่มีแนวโน้มเข้าสู่ส่วนกลางเท่ากัน เช่น มัชฌิมเลขคณิต(ค่าเฉลี่ย) และมัธยฐาน(ค่ากลาง)เท่ากัน หรือค่าเฉลี่ยเท่ากัน อาจมีลักษณะแตกต่างกันได้ เนื่องจากการกระจายของข้อมูลแตกต่างกันไป ข้อมูลที่มีการกระจายน้อย แสดงถึงข้อมูลมีการเกาะกลุ่มอยู่ที่ค่าใกล้เคียงกัน ส่วนข้อมูลที่มีการกระจายมากแสดงว่าข้อมูลเกาะกลุ่มไม่ดี มีค่าแตกต่างกันมาก

1. พิสัย (Range) คือระยะจากคะแนนสูงสุดถึงคะแนนต่ำสุดในข้อมูล เช่นระยะฟักตัวของโรคไวรัสตับ

อักเสบเอ มีค่าพิสัย 15 ถึง 50 วัน (ส่วนทางระบาด ใช้ ตั้งแต่…ถึง เช่น ระยะฟักตัว ตั้งแต่ 15 ถึง 50 วัน) ค่าเฉลี่ย 30 วัน ระยะฟักตัวของโรคหูดหงอนไก่ พิสัย 1 ถึง 6 เดือน (ระยะฟักตัว ตั้งแต่ 1 ถึง 6 เดือน) ค่าเฉลี่ย 3 เดือน เป็นต้น ใช้ประกอบในการนำเสนอฐานนิยม

1. ส่วนเบี่ยงเบนมาตรฐาน (Standaed deviation : S.D.) คือรากที่สองของ ผลรวมกำลังสองของส่วน

เบี่ยงเบนของคะแนนทุกจำนวนจากตัวกลาง หารด้วยจำนวนคะแนนทั้งหมดลบหนึ่งเป็นค่าที่วัดการกระจายของข้อมูลที่ทำให้ทราบว่าคะแนนแต่ละจำนวนนั้นมีค่าแตกต่างจากค่าเฉลี่ยมากน้อยเพียงใด ค่าเบี่ยงเบนมาตรฐานจะน้อย ถ้าข้อมูลมีค่าใกล้เคียงกับค่าเฉลี่ย และจะมีค่ามากถ้าข้อมูลมีค่าแตกต่างไปจากค่าเฉลี่ยมาก ใช้ประกอบในการนำเสนอข้อมูลกับค่าเฉลี่ย ถ้าส่วนเบี่ยงเบนมาตรฐานมากกว่าหนึ่งในสามของค่าเฉลี่ย แสดงว่าข้อมูลชุดนั้นมีการกระจายตัวมาก ค่ามากสุดกับค่าน้อยสุดห่างกันมาก ค่าเฉลี่ยที่ใช้เป็นตัวแทนได้ไม่ดี

 

1. ความคลาดเคลื่อนมาตรฐาน(Standard error of mean) เป็นการเปลี่ยนแปลงของตัวกลางของกลุ่มตัวอย่าง

ชุดต่างๆ

         สูตร                             SE  =

ค่าที่แสดงว่าโดยเฉลี่ยแล้วค่าเฉลี่ยของตัวอย่างแต่ละตัวแตกต่างจากค่าเฉลี่ยของประชากรมากน้อยเพียงใด โดยคำนวณจากค่าส่วนเบี่ยงเบนมาตรฐานหารด้วย รากที่สองของขนาดตัวอย่าง

ค่าความคลาดเคลื่อนมาตรฐาน มีหลักการมาจากการสุ่มตัวอย่างจากประชากรหนึ่งประชากรที่มีขนาดกลุ่มประชากรเท่ากับ N แล้วสุ่มตัวอย่างมาจำนวน k ตัวอย่าง เรียกว่า “Repeated sampling” นำแต่ละตัวอย่างมาหาค่าเฉลี่ย(X^–) เรียกว่า “ค่าเฉลี่ยของค่าเฉลี่ยของตัวอย่าง”(Mean of the sampling means) แล้วนำค่าเฉลี่ยของทุกกลุ่มตัวอย่างมาสร้างกราฟ Sampling distribution เพื่อศึกษาความกว้างแคบของฐานกราฟหรือคุณสมบัติการกระจาย ซึ่งการกระจายนี้เรียกว่า Distribution of Sample Means ค่าการกระจายของมันเรียกว่า Standard Error (SE) นั่นเอง คุณสมบัติของการกระจายนี้นำไปใช้ประโยชน์ในวิธีการของสถิติอ้างอิงทั้งกรณีการประมาณค่า และการทดสอบสมมติฐาน (ถ้ากลุ่มตัวอย่างมีขนาดเล็ก ค่าคลาดเคลื่อนก็มีค่าสูง ในทางตรงกันข้าม ถ้ากลุ่มตัวอย่างมีขนาดใหญ่ ค่าคลาดเคลื่อนก็มีค่าต่ำ)

1. สัมประสิทธิ์การกระจาย (Coefficient of variation ) คือ อัตราส่วนระหว่างส่วนเบี่ยงเบนมาตรฐานและ

มัชฌิมเลขคณิต คิดเป็นเปอร์เซ็นต์ 

C.V. =  100

ถ้าข้อมูลสองชุดมีหน่วยในการวัดต่างกัน หรือค่าเฉลี่ยไม่เท่ากัน จะนำส่วนเบี่ยงเบนมาตรฐานของข้อมูลแต่ละชุดมาเปรียบเทียบกันโดยตรงไม่ได้

 

ตัวอย่างที่ 1      ผู้ชายอายุ 60ปีขึ้นไปในหมู่บ้าน มีน้ำหนักเฉลี่ย 50 กิโลกรัม ส่วนเบี่ยงเบนมาตรฐาน  1 กิโลกรัม

                         ผู้หญิงอายุ 60ปีขึ้นไป ในหมู่บ้าน มีน้ำหนักเฉลี่ย 54 กิโลกรัม ส่วนเบี่ยงเบนมาตรฐาน 2 กิโลกรัม

        C.V.  ผู้ชาย =     1 100     =   2 %

                                                        50

                        C.V.  ผู้หญิง =     2 100     =  3.7%

                                                         54

จากสัมประสิทธิ์แห่งการกระจายทั้งสอง แสดงว่าผู้หญิงอายุ 60 ปีขึ้นไป มีน้ำหนักแตกต่างกันมากกว่าผู้ชาย

 

ตัวอย่างที่ 2     การรวบรวมข้อมูลจากผู้ป่วยเด็ก วินิจฉัยเป็นไข้เลือดออก พบว่า

                                                                        ค่าเฉลี่ยอุณหภูมิร่างกาย 38 องศาเซลเซียส  ส่วนเบี่ยงเบนมาตรฐาน 1.2 องศาเซลเซียส

                                                ค่าเฉลี่ยอัตราชีพจร  94 ครั้งต่อนาที  ส่วนเบี่ยงเบนมาตรฐาน 8 ครั้งต่อนาที

                                             C.V.  อุณหภูมิ =     1.2   100 =  3.16 %

                                                       38   

                                   C.V. ชีพจร   =     8   100 =  8.51 %

                                                                     94

                                                        จากสัมประสิทธิ์แห่งการกระจายทั้งสอง แสดงว่าอัตราการเต้นชีพจร เปลี่ยนแปลงมากกว่าอุณหภูมิ

ตัวอย่างที่ 3

                ผลการประเมินความวิตกกังวลของนักศึกษาพยาบาลปีที่ 4 จานวน 40 คน และนักศึกษาพยาบาลปีที่ 3 จานวน 60 คนมีดังนี้                          นักศึกษาพยาบาลปีที่ 4 คะแนนเฉลี่ย 140      SD =  12

                                         นักศึกษาพยาบาลปีที่ 3 คะแนนเฉลี่ย 160      SD =  28

                       C.V. ของนักศึกษาพยาบาลปีที่ 4 = 12/140 = .0857 หรือ 8.57%

                       C.V. ของนักศึกษาพยาบาลปีที่ 3 = 28/160 = .0175 หรือ 17.5%

คะแนนการประเมินของนักศึกษาพยาบาลปีที่ 3 มีการกระจายเป็น 17.5/8.57 = 2.04 เท่าของการประเมินของนักศึกษาพยาบาลปีที่ 4

 

 

 

ตัวอย่างที่ 4

ศึกษาการเจริญเติบโตของเด็กกลุ่มหนึ่งจานวน 200 คน โดยวัดค่าส่วนสูงและน้ำหนัก ได้ผลดังนี้

ส่วนสูง ค่าเฉลี่ย 142.7 ซม. ส่วนเบี่ยงเบนมาตรฐาน 15.2

น้ำหนัก ค่าเฉลี่ย 38.8 กก. ส่วนเบี่ยงเบนมาตรฐาน 6.5

              C.V. ของส่วนสูง = 15.2/142.7 = 0.1065 หรือ 10.65%

                  C.V. ของน้ำหนัก = 6.5/38.8 = 0.1657 หรือ 16.57%

           เนื่องจาก C.V. ของน้ำหนักมีค่ามากกว่า CV ของส่วนสูง

 แสดงว่า น้ำหนักมีการกระจายมากกว่าส่วนสูง

การวัดการแจกแจงข้อมูล

เป็นการศึกษาข้อมูลด้วยโค้งความถี่ของข้อมูล ค่าที่ใช้ในการวัดการแจกแจงข้อมูล แบ่งเป็น ความเบ้ของข้อมูล (skewness) และความโด่งของข้อมูล (kurtosis)

เป็นการแจกแจงความถี่ของข้อมูลต่อเนื่อง โดยเมื่อนาเสนอในรูปโค้งความถี่ จะได้โค้งสมมาตรมีลักษณะเป็นรูประฆังคว่ำโค้งปกติ (normal curve) ดังรูป

 

 

 

                                      

                เบ้ซ้าย (เบ้ทางลบ) ค่าสัมประสิทธิ์ความเบ้เป็นค่าลบ                                      เบ้ขวา (เบ้ทางบวก) ค่าสัมประสิทธิ์ความเบ้เป็นค่าบวก

ค่าสัมประสิทธิ์ความเบ้    < 0                                0                               > 0

                                        เบ้ซ้าย                         สมมาตร                 เบ้ขวา

ความเบ้   คือ   ระดับความเอนเอียงหรือความไม่สมมาตรของการแจกแจงของข้อมูล  โดยพิจารณาได้จากโค้งความถี่   (frequency  curve)   ซึ่งความเบ้ของโค้งความถี่ของข้อมูลอาจเกิดขึ้นได้ 3 ลักษณะ

การวัดความเบ้  (measure of skewness)

                การคำนวณหาค่าความเบ้ แล้วพิจารณาว่า โค้งความถี่ของข้อมูลนั้นมีการแจกแจงที่สมมาตร  เบ้ซ้าย  หรือเบ้ขวา โดยจะเป็นการคำนวณหาค่าสัมประสิทธิ์ความเบ้  ซึ่งมีวิธีต่าง ๆ ดังนี้

1. พิจารณาจากความสัมพันธ์ของค่ากลางเลขคณิต  มัธยฐาน  ฐานนิยม  และส่วนเบี่ยงเบนมาตรฐาน หรือเรียกว่า  วิธีของ Karl Pearson  =

                                =

1. พิจารณาจากควอไทล์  หรือเรียกว่า  วิธีของ Bowley   = 

1. พิจารณาจากเปอร์เซนต์ไทล์     = 

การเปรียบเทียบฐานนิยม มัธยฐาน และค่าเฉลี่ย สรุปได้ดังนี้

                1. ในกรณีที่ข้อมูลชุดเดียวกัน มีค่าเฉลี่ย = ค่ามัธยฐาน = ค่าฐานนิยม

    จะมีการแจกแจงเป็นปกติ

2. ในกรณี ค่าเฉลี่ย < มัธยฐาน < ฐานนิยม จะมีการแจกแจงเบ้ซ้าย

3. ในกรณี ฐานนิยม< มัธยฐาน< ค่าเฉลี่ย จะมีการแจกแจงที่เบ้ขวา

4. กรณีมีข้อมูลมากๆ ต้องการหาค่ากลางอย่างรวดเร็ว ควรใช้ฐานนิยม แต่ถ้าข้อมูลมีความผิดปกติหรือแตกต่างกัน   

    มาก หรือมีการแจกแจงเป็นรูปโค้งเบ้ไปทางใดทางหนึ่ง ควรใช้ค่ามัธยฐาน

5. ในกรณีข้อมูลมีการแจกแจงเป็นรูปโค้งเบ้ ควรนำเสนอค่ากลางทุกค่าดีกว่าเลือกใช้เพียงค่าเดียว หากการแจก

    แจงเป็นรูปโค้งปกติ ควรใช้ค่าเฉลี่ย เพราะค่าเฉลี่ยเป็นค่าที่มีความเสถียรภาพมากที่สุด

6.ค่าเฉลี่ย เหมาะสำหรับการคำนวณขั้นสูงต่อไป

7.ถ้าข้อมูลมีบางค่าที่มีค่าสูงหรือต่ำกว่าคะแนนอื่นๆ มากๆ การหาค่ามัธยฐาน หรือ ฐานนิยมจะเหมาะสมกว่าค่าเฉลี่ย

8.ในตารางแจกแจงความถี่ที่มีอัตรภาคชั้นช่วงเปิด เราไม่สามารถหาค่าเฉลี่ยได้

9.ในตารางแจกแจงความถี่ที่มีอัตรภาคชั้นในแต่ละชั้นไม่เท่ากัน การใช้ค่าเฉลี่ย และฐานนิยม เป็นค่ากลางจะคลาดเคลื่อน จึงควรใช้ค่ามัธยฐานเป็นค่ากลาง

10.ลักษณะของข้อมูลเชิงคุณภาพ (มาตรวัด Nominal or Ordinal Scale) ควรใช้ฐานนิยมเป็นค่ากลางของข้อมูล

ความโด่ง  คือ  ระดับความสูงโด่งของการแจกแจงของข้อมูล  โดยพิจารณาจากโค้งความถี่ ว่ามีความโด่งมากน้อยเพียงใด ซึ่งในกรณีที่ข้อมูลมีการแจกแจงแบบสมมาตรหรือโค้งปกตินั้น  ความโด่งของเส้นโค้งความถี่จะต้องได้สัดส่วนกันในลักษณะรูประฆังคว่ำ  ความโด่งของโค้งความถี่แบ่งได้เป็น  3 ระดับ

การวัดความโด่ง  (measure of kurtosis)

            คือ การคำนวณหาค่าความโด่ง เพื่อพิจารณาว่า  โค้งความถี่ของข้อมูลมีการแจกแจงที่โด่งปกติ  โด่งมาก หรือโด่งน้อย   โดยจะเป็นการคำนวณหาค่าสัมประสิทธิ์ความโด่ง ซึ่งมีวิธีการคำนวณ ดังนี้

                สัมประสิทธิ์ความโด่ง           =

โดย QD คือ ส่วนเบี่ยงเบนควอไทล์    =    

ความโด่งของข้อมูล

เป็นลักษณะความสูงของโค้งความถี่ จำแนกได้เป็น 3 แบบ คือ

1. โด่งปกติ (mesokurtic) เป็นลักษณะความสูงของโค้งสมมาตรที่มีความสูงในระดับปานกลาง

 มีค่าสัมประสิทธิ์ความโด่ง = 0.263

2.    โด่งสูง (leptokurtic) ความสูงของโค้งอยู่ในระดับสูง มีค่าสัมประสิทธิ์ความโด่ง > 0.263

3.    โด่งต่ำ (platykurtic) ความสูงของโค้งอยู่ในระดับต่า มีค่าสัมประสิทธิ์ความโด่ง < 0.263

การกำหนดตำแหน่งของข้อมูล

นอกจากการศึกษาการวัดแนวโน้มเข้าสู่ส่วนกลาง ซึ่งเป็นคุณลักษณะอย่างหนึ่งของข้อมูลแล้ว ยังอาจศึกษาลักษณะเฉพาะเจาะจงของค่าของข้อมูลบางค่าได้ เช่น ผู้ป่วยรายหนึ่งในกลุ่มตัวอย่าง มีรายได้ 72,000 บาทต่อปี อยากทราบว่าสถานะของผู้ป่วยคนนี้เป็นอย่างไร เมื่อพิจารณาเทียบรายได้ของผู้ป่วยที่เป็นกลุ่มตัวอย่างทั้งหมด ควรอยู่ในระดับสูงหรือต่ำอย่างไร หรืออยากทราบว่ามีผู้ป่วยในกลุ่มตัวอย่างเท่าไรที่มีรายได้สูงกว่า หรือต่ำกว่าผู้ป่วยรายนี้

การศึกษาดังกล่าวนี้ เราเรียกว่าการกำหนดตำแหน่งของข้อมูล โดยทั่วไปมี 3 แบบคือ การกำหนดตำแหน่งของข้อมูลเป็น ควอร์ไทล์ (quartile) เดไซล์ (decile) และ เปอร์เซ็นไทล์ (percentile) ซึ่งมีรายละเอียดดังนี้

1. ควอไทล์ (Quartile)

                เป็นการแบ่งข้อมูลออกเป็น 4 ส่วนเท่าๆ กัน เมื่อเรียงข้อมูลตามค่าของข้อมูลแล้ว

เรียกค่าของข้อมูลที่ตรงกับจุดแบ่งข้อมูลดังกล่าวว่า ควอร์ไทล์ที่ 1, 2 และ 3 (Q_X) เป็นค่าที่แสดงให้ทราบว่า ค่า (X) ที่ตำแหน่ง (Q_X) นั้น  มีข้อมูลที่มีค่าต่ำกว่าอยู่กี่ส่วนใน 4 ส่วน

                – กรณีที่ข้อมูลไม่ได้แจกแจงความถี่

                    ข้อมูลในตำแหน่งควอร์ไตล์ที่ r (Qr ) จะอยู่ในตำแหน่งที่ r (n+1) / 4

                – กรณีที่ข้อมูลแจกแจงความถี่

                    ข้อมูลในตำแหน่งควอร์ไตล์ที่ r (Qr ) จะอยู่ในตำแหน่งที่ r n / 4

2. เดไซล์ (Decile)

เป็นการแบ่งข้อมูลออกเป็น 10 ส่วนเท่าๆ กัน เมื่อเรียงข้อมูลตามค่าของข้อมูลแล้ว เรียกค่าของข้อมูลที่ตรงกับจุดแบ่งข้อมูลดังกล่าวว่า เดไซล์ที่ 1, 2, 3, …., 9 (D_X) เป็นค่าที่แสดงให้ทราบว่า ค่า(X) ที่ตำแหน่ง (D_X) นั้น  ข้อมูลที่มีค่าต่ำกว่าอยู่กี่ส่วนใน 10 ส่วน

– กรณีที่ข้อมูลไม่ได้แจกแจงความถี่

                                ข้อมูลในตำแหน่งเดไซล์ที่ r (Dr ) จะอยู่ในตาแหน่งที่ r(n+1) / 10

– กรณีที่ข้อมูลแจกแจงความถี่

ข้อมูลในตำแหน่งเดไซล์ที่ r (Dr ) จะอยู่ในตาแหน่งที่ r n / 10

3. เปอร์เซ็นไทล์ (Percentile)

เป็นการแบ่งข้อมูลออกเป็น 100 ส่วนเท่าๆ กัน เมื่อเรียงข้อมูลตามค่าของข้อมูลแล้ว เรียกค่าของข้อมูลที่ตรงกับจุดแบ่งข้อมูลดังกล่าวว่า เปอร์เซ็นไตล์ ที่ 1, 2, 3, …, 99 (P_X)   เป็นค่าที่แสดงให้ทราบว่า  ค่า (X)

ที่ตำแหน่ง (P_X) นั้น มีข้อมูลที่มีค่าต่ำกว่าอยู่ร้อยละเท่าไร

                – กรณีที่ข้อมูลไม่ได้แจกแจงความถี่

ข้อมูลในตำแหน่งเปอร์เซ็นไตล์ ที่ r (Qr ) จะอยู่ในตาแหน่งที่ r(n+1) / 100

                – กรณีที่ข้อมูลแจกแจงความถี่

ข้อมูลในตำแหน่งเปอร์เซ็นไตล์ ที่ r (Qr ) จะอยู่ในตาแหน่งที่ r n / 100

 

 

 

 

 

การนำเสนอข้อมูลทางระบาดวิทยาด้วยตาราง กราฟ และแผนภูมิ สิ่งสำคัญที่ต้องคำนึงถึง

คือ ประเด็นที่ต้องการแสดง เช่น ต้องการเน้นข้อมูลที่เปลี่ยนแปลงไปจากอดีต (change) แสดงค่า

แตกต่างของอุบัติการณ์ตามพื้นที่ทางภูมิศาสตร์หรือตามปัจจัยเสี่ยง หรือต้องการสื่ออะไรให้ผู้อ่าน

เข้าใจ ประเด็นเหล่านี้เป็นตัวกำหนดในการเลือกรูปแบบของการนำเสนอ

การที่จะวิเคราะห์ข้อมูลได้อย่างมีประสิทธิภาพ นักระบาดวิทยาจะต้องคุ้นเคยกับลักษณะ

ของข้อมูล โดยเริ่มจากบันทึกข้อมูลแต่ละราย (individual record) ที่อยู่ในบัญชีรายชื่อ (line listing)

ซึ่งจะนำไปสู่การสร้างตารางสรุปข้อมูล บางครั้งตารางที่สร้างขึ้นเป็นวิธีการวิเคราะห์ข้อมูลที่

จำเป็นเพียงวิธีเดียว เมื่อข้อมูลนั้นมีจำนวนไม่มาก และต้องการแสดงความสัมพันธ์โดยตรงของ

ข้อมูลนั้น

ถ้าข้อมูลนั้นมีความสลับซับซ้อน กราฟและแผนภูมิจะช่วยให้นักระบาดวิทยามองเห็น

รูปแบบ (patterns) และแนวโน้ม (trends) ได้ชัดเจนขึ้น ข้อมูลที่เปลี่ยนแปลงไป อาจแสดงให้เห็น

ถึงการค้นพบใหม่ ๆ ที่สำคัญ หรืออาจแสดงเพียงแค่ข้อผิดพลาดอันเกิดจากการพิมพ์หรือลงรหัส

(coding) ซึ่งจะต้องได้รับการแก้ไขต่อไป ดังนั้น ตาราง กราฟ และแผนภูมิ จึงเป็นเครื่องมือที่สำคัญ

ในการช่วยตรวจสอบและวิเคราะห์ข้อมูล

หลังจากวิเคราะห์ข้อมูลเสร็จสิ้นลงแล้ว ตาราง กราฟ และแผนภูมิ ยังใช้เป็น visual aids ที่

มีประโยชน์ในการอธิบายหรือพรรณนาข้อมูลเพื่อสื่อให้ผู้อื่นได้เข้าใจ

วัตถุประสงค์ของการนำเสนอข้อมูล

• • เพื่อจัดข้อมูลต่าง ๆ ให้อยู่ในรูปแบบที่มองเห็นและเข้าใจง่าย
• • เพื่อสื่อข้อมูลข่าวสารให้ผู้อื่นได้เข้าใจ
• • เพื่อให้ผู้อื่นได้ทราบผลอย่างถูกต้องตรงตามวัตถุประสงค์
• • เพื่อเตรียมพร้อมสำหรับการวิเคราะห์และแปลความหมายต่อไป

 

 

วิธีการนำเสนอข้อมูลทางระบาดวิทยา

                1. การนำเสนอโดยปราศจากแบบแผน (Informal presentation)

1.1 การนำเสนอเป็นบทความ (Textual presentation)

1.2 การนำเสนอเป็นบทความกึ่งตาราง (Semi-tabular presentation)

2. การนำเสนอโดยมีแบบแผน (Formal presentation)

2.1 การนำเสนอเป็นตาราง (Tabular presentation)

2.1.1 ตารางตัวแปรตัวเดียว (One-variable tables)

2.1.2 ตารางสองและสามตัวแปร (Two- and three- variable tables)

2.2 การนำเสนอด้วยกราฟ (Graphic presentation)

2.2.1 กราฟเส้น (Line graphs)

2.2.1.1 กราฟเส้นมาตราส่วนเลขคณิต (Arithmetic-scale line graphs)

2.2.1.2 กราฟเส้นมาตราส่วนกึ่งลอการิทึม (Semi-logarithmic scale line

graphs)

2.2.2 ฮิสโตแกรม (Histograms)

2.2.3 รูปหลายเหลี่ยมแห่งความถี่ (Frequency polygons)

2.3 การนำเสนอด้วยแผนภูมิ (Chart presentation)

2.3.1 แผนภูมิแท่ง (Bar charts)

2.3.1.1 แผนภูมิแท่งเชิงเดี่ยว (Simple bar charts)

2.3.1.2 แผนภูมิแท่งซับซ้อน (Multiple bar charts)

2.3.1.3 แผนภูมิแท่งเชิงประกอบ (Component bar charts)

2.3.1.4 แผนภูมิแท่งสัดส่วน (Proportional bar charts)

2.3.1.5 แผนภูมิแท่งแรเงาซ้อนเหลื่อมกัน (Shaded and overlapping bar

charts)

2.3.2 แผนภูมิวงกลม (Pie charts)

2.3.3 แผนภูมิภาพ (Pictograms)

2.3.4 แผนภูมิทางภูมิศาสตร์ (Geographical charts)

2.3.4.1 แผนที่แบบจุด (Spot maps)

2.3.4.2 แผนที่แสดงพื้นที่ (area maps)

1. การนำเสนอโดยปราศจากแบบแผน (Informal presentation)

เป็นการนำเสนอโดยไม่มีระเบียบแบบแผนหรือกฎเกณฑ์แต่อย่างใด ได้แก่

                1.1 การนำเสนอเป็นบทความ (Textual presentation)

เป็นการนำเสนอเกี่ยวกับรายงานต่าง ๆ โดยการนำสถิติมาแทรกลงในบทความ แต่

ข้อความไม่ควรยาวจนเกินไป ซึ่งเหมาะสำหรับข้อมูลที่มีรายการจำนวนน้อย นับว่าเป็นการ

นำเสนอที่ธรรมดาและง่ายที่สุด การนำเสนอแบบนี้มักจะปรากฏในรายงานทางวิทยุ โทรทัศน์

หรือรายงานต่าง ๆ ดังตัวอย่าง

               ในปี พ.ศ. 2544 มีรายงานผู้ป่วยไข้เลือดออกทั่วประเทศจำนวน 139,355 ราย และ

มีผู้เสียชีวิต 245 ราย คิดเป็นอัตราป่วยเท่ากับ 224.43 ต่อประชากรแสนคน และอัตราป่วย

ตายเท่ากับ ร้อยละ 0.181 เมื่อจำแนกตามกลุ่มอาการของผู้ป่วย 3 กลุ่ม คือ DF (Dengue fever), DHF

(Dengue haemorrhagic fever) และ DSS (Dengue shock syndrome) พบว่ามีสัดส่วนของ

DF ร้อยละ 21.69, DHF ร้อยละ 76.29 และ DSS ร้อยละ 2.02 ภาคใต้มีอัตราป่วยสูงสุด คือ 321.85 ต่อประชาการแสนคน รองลงมา คือ ภาคกลาง, ภาคเหนือ และภาคตะวันออกเฉียงเหนือ เท่ากับ 284.04, 227.54 และ 128.99 ต่อ ประชากรแสนคน ตามลำดับ สัดส่วนของผู้ป่วยใน ร้อยละ 80.14 และผู้ป่วยนอก ร้อยละ 19.86

อัตราส่วนผู้ป่วยเพศหญิงต่อเพศชายท่ากับ 1 : 1.1

1.2 การนำเสนอเป็นบทความกึ่งตาราง (Semi-tabular presentation)

   เป็นการนำเสนอแบบบทความ แต่นำเอาตัวเลขต่าง ๆ มาจัดเป็นหมวดหมู่ให้อยู่ใกล้กัน ซึ่ง

มีจำนวนไม่มาก ให้ดูเด่นชัดขึ้น เหมาะแก่การเปรียบเทียบ และไม่จำเป็นต้องทำเป็นรูปตาราง

ดังตัวอย่าง

จากสรุปรายงานการเฝ้าระวังโรค 2547 ของสำนักระบาดวิทยา กรมควบคุมโรค

พบอัตราป่วยด้วยโรคที่เฝ้าระวังทางระบาดวิทยา 10 อันดับแรก ของประเทศไทย ในปี

พ.ศ. 2547 ดังนี้ :-

1. Acute diarrhea 1,858.21 / 100,000 ประชากร

2. Pyrexia of unknown origin 294.38 / 100,000 ประชากร

3. Food poisoning 247.35 / 100,000 ประชากร

4. Pneumonia 218.02 / 100,000 ประชากร

5. Haemorrhagic conjunctivitis 165.47 / 100,000 ประชากร

6. Chickenpox 136.78 / 100,000 ประชากร

7. D.H.F, Total 62.59 / 100,000 ประชากร

8. Tuberculosis, Total 59.63 / 100,000 ประชากร

9. Dysentery, Total 41.21 / 100,000 ประชากร

10. Malaria 37.83 / 100,000 ประชากร

 

 

 

 

 

2. การนำเสนอโดยมีแบบแผน (Formal presentation)

เป็นการนำเสนอที่มีระเบียบแบบแผนและกฎเกณฑ์ต่าง ๆ โดยนำเสนอเป็นตาราง กราฟ

หรือแผนภูมิ เพื่อให้การนำเสนอง่ายและรัดกุมขึ้น ผู้อ่านสามารถหาข้อความที่ต้องการได้สะดวก

รวดเร็ว และช่วยให้การเปรียบเทียบได้ง่ายขึ้น เนื่องจากข้อความต่าง ๆ ที่ต้องการ ได้มารวมกันอยู่

อย่างเป็นระเบียบ

2.1 การนำเสนอเป็นตาราง (Tabular presentation)

เป็นการจัดข้อมูลให้อยู่ในระเบียบแบบแผน กล่าวคือ นำข้อมูลที่มีหลาย ๆ รายการ หรือ

ซ้ำๆ กัน มาแสดงไว้ในตาราง ตามแนวตั้ง (columns) และแนวนอน (rows) เพื่อให้ข้อมูลต่าง ๆ

เข้ารูปเป็นระเบียบเรียบร้อย ตามลำดับความสัมพันธ์ซึ่งกันและกัน สั้น กะทัดรัด ดูง่าย เข้าใจง่าย

และสะดวกในการเปรียบเทียบตารางเป็นวิธีหนึ่งที่นิยมใช้กันมาก ใช้แสดงข้อยกเว้น, ข้อแตกต่าง และความสัมพันธ์กัน

และยังใช้เป็นข้อมูลพื้นฐานสำหรับกราฟ และแผนภูมิต่อไป

ตารางที่นำเสนอข้อมูลให้ผู้อื่น ควรออกแบบให้ง่ายที่สุด ตารางเล็ก ๆ 2-3 ตาราง เข้าใจได้

ง่ายกว่าตารางยุ่งยากซับซ้อนเพียงตารางเดียว สำหรับลักษณะของตารางนั้น ขึ้นอยู่กับความมุ่ง

หมายของผู้จัดทำ

 

                                     

                                          

                                        

                                                             

                                      

 

 

 

อธิบายส่วนต่าง ๆ ของตาราง

1)              หมายเลขตาราง (Table number) : เป็นหมายเลขที่บ่งบอกถึงลำดับที่ของตาราง

2)             ชื่อเรื่อง (Title) : ปรากฏอยู่เหนือตาราง ถัดจากหมายเลขตารางและอยู่แถวเดียวกัน

 เช่น “จำนวนผู้ป่วยด้วยโรคโปลิโอของประเทศไทย จำแนกตามหมวดอายุ พ.ศ. 2519”

3)              ต้นขั้ว (Stub) : ประกอบด้วย หัวขั้ว (Stub head) และตัวขั้ว (Stub entries)

4)              หัวเรื่อง (Caption) : เป็นคำอธิบายเกี่ยวกับข้อมูลที่ปรากฏในแนวตั้ง (Column)

ซึ่งอาจจะประกอบด้วยหัวแถว (Column head)

    5)     ตัวเรื่อง (Body) : ประกอบด้วยตัวเลขซึ่งได้จัดอยู่ในแนวตั้ง (Column) และตรงกับ

รายการข้อมูลตามแนวนอน (Row)

       6)    หมายเหตุคำนำ (Prefactory note) : เป็นข้อความที่อยู่ใต้ชื่อเรื่อง เป็นส่วนที่ช่วยให้

                เข้าใจเนื้อหาของตารางหรือส่วนสำคัญบางส่วนให้ดีขึ้น เช่น การบอกหน่วยที่ใช้ในตาราง

        7)     หมายเหตุล่างหรือเชิงอรรถ (Foot note) : เป็นคำอธิบายข้อความบางตอนของตารางให้

                 ดีขึ้น

         8)    หมายเหตุแหล่งที่มา (Source note) : เป็นหมายเหตุที่จะบอกให้ทราบว่าข้อมูลที่ได้มา

                นั้นได้มาจากไหน

         2.1.1 ตารางตัวแปรตัวเดียว (One-variable tables) บางตำราก็เรียกว่า ตารางลักษณะ

เดียว หรือตารางทางเดียว (One-characteristic tables หรือ One-way tables)

         2.1.2 ตารางสองและสามตัวแปร (Two- and three- variable tables) เป็นตารางที่มีการ

จำแนกลักษณะบนหัวเรื่อง (caption) และต้นขั้ว (stub) ทั้งสองด้าน หรือตารางที่มีการจำแนก

ลักษณะ 2-3 ลักษณะ

 

คำแนะนำเพิ่มเติมในการสร้างตาราง

• ชื่อของตารางต้องสั้นและชัดเจน ซึ่งอธิบาย person , place and time หรือ what, where

and when ของข้อมูลในตาราง และมีหมายเลขตารางอยู่ข้างหน้าชื่อเรื่อง

• เขียนคำอธิบายย่อๆ (label) ในแต่ละ row และ column รวมทั้งหน่วยวัดของข้อมูลนั้น

เช่น ปี, มม.ปรอท, ร้อยละ, อัตราต่อ 100,000

• แสดงผลรวมของ row และ column ถ้าแสดงด้วย ร้อยละ (%) ผลรวมต้องเท่ากับ

100.0 % เสมอ

• แสดงข้อมูลที่ขาดหายไปหรือไม่ทราบไว้ในตาราง หรือไว้ที่หมายเหตุล่าง (footnote)

ใต้ตาราง

• อธิบายรหัส, คำย่อ หรือสัญลักษณ์ไว้ที่หมายเหตุล่าง (footnote) เช่น syphilis P+S =

primary and secondary syphilis

• อธิบายข้อมูลที่ถูกแยกออกไปหรือไม่นับรวมไว้ที่ footnote เช่น 1 case และ 2 controls

ที่ไม่ทราบประวัติครอบครัวถูกแยกออกจากการวิเคราะห์

• ให้บอกแหล่งข้อมูลไว้ใต้ตาราง หรือที่ footnote ถ้าไม่ใช่ข้อมูลปฐมภูมิ

• แสดงจำนวนที่เป็นศูนย์ด้วยเลข “ 0 ” อย่าใช้เลขศูนย์เพื่อแสดงข้อความที่ไม่ได้รับ

ข้อมูลหรือไม่มีข้อมูล ถ้าเป็นเช่นนั้น ควรแสดงด้วยขีด ( – )

• ควรหลีกเลี่ยงการใช้คำย่อ โดยเฉพาะอย่างยิ่งเกี่ยวกับชื่อเรื่องและหัวเรื่อง เช่น คำว่า

ผู้ป่วย ควรเขียนให้เต็ม แทนที่จะย่อว่า “ ผ.ป. ” เป็นต้น

• ไม่ควรใช้เครื่องหมายละ (—”—) ถ้ามีตัวเลขซ้ำกันในบรรทัดที่ตรงกัน แต่ควรเขียน

เลขจำนวนนั้น ๆ ลงไปทุกครั้ง

• ข้อความที่ใช้ ควรให้แจ่มแจ้ง ชัดเจน เช่น ไม่ควรใช้ “ ฯลฯ ” ในตาราง เพราะผู้อ่าน

จะไม่ทราบในทันทีว่าหมายถึงอะไรบ้าง

• หมายเหตุล่าง/เชิงอรรถ (footnote) ไม่ควรใช้เลขกำกับ เพราะอาจสับสนกับเลขของ

เอกสารอ้างอิง ให้ใช้เครื่องหมายตามลำดับ ดังนี้ * † ‡ § # ¶

สิ่งที่ควรจำในการสร้างตาราง

1. ต้องเน้นรายการที่สำคัญให้เห็นเด่นชัด

2. ต้องง่ายและสะดวกต่อการเปรียบเทียบ

3. ต้องเน้นข้อเปรียบเทียบที่สำคัญ

4. ต้องกะช่องไฟให้ได้สัดส่วนและกะทัดรัด

5. ต้องให้สะอาด เรียบร้อย และสวยงาม

2.2 การนำเสนอด้วยกราฟ (Graphic Presentation)

เป็นวิธีการนำเสนอข้อมูลเชิงปริมาณชนิดต่อเนื่อง (continuous quantitative data) โดยใช้

เส้นที่เกิดจากการลากเส้นเชื่อมต่อกันระหว่างจุดต่อจุด ตามลำดับ ซึ่งจุดต่าง ๆ เหล่านี้ได้จากการลง

จุด (plotting) ระหว่างค่า x และ y   กราฟใช้แสดงรูปแบบ, แนวโน้ม, ลักษณะที่ผิดปกติ, ความเหมือนกัน และความแตกต่างของข้อมูลซึ่งมองเห็นได้ไม่ชัดเจนในตาราง

 

หลักทั่วๆไปในการสร้างกราฟ

                1) จุดกำเนิด (Origin) : โดยปกติเราถือว่าแกน x เป็นเส้นศูนย์ (Zero line) จุดต่าง ๆ บน

เส้นโค้งมีระยะต่าง ๆ กัน โดยวัดจากเส้นศูนย์

2) ระยะห่างเท่ากันหมายถึงจำนวนเท่ากัน บนมาตราส่วนเลขคณิตอันหนึ่ง เราแสดง

มาตราส่วนที่เท่ากันด้วยระยะที่เท่ากัน เราอาจใช้มาตราส่วนอย่างเดียวกันทั้งบนแกน x และแกน y

ก็ได้ หรือจะใช้มาตราส่วนอย่างหนึ่งสำหรับแกน x และอีกอย่างหนึ่งสำหรับแกน y ก็ได้

3) แกนตั้งควรมีมาตราส่วนเพียงอย่างเดียวเท่านั้น เรานิยมใช้มาตราส่วน สำหรับแกนตั้ง

เพียงอย่างเดียว

4) การเลือกมาตราส่วน (Choice scale) : การจะเลือกมาตราส่วนได้เหมาะสม ต้องมีความ

เข้าใจในข้อมูลและการกระเพื่อมขึ้นลง ตลอดจนความมุ่งหมายของการนำเสนอข้อมูล

                5) การลงจุดข้อมูล (Plotting) ค่า x และ y ประกอบขึ้นเป็นคู่ ๆ ซึ่งแต่ละคู่นั้นเป็นตัวแทน

ของจุดหนึ่งบนกระดาษกราฟ จุด (x,y) เรียกว่าจุด Co-ordinate

6) ความต้องการของแบบแผน (Formal requirements) : ความต้องการตามแบบแผน

เกี่ยวกับชื่อ หมายเหตุคำนำ หมายเหตุล่าง และหมายเหตุแหล่งที่มา ในกราฟก็คงเป็นไปในทำนอง

เดียวกันกับในตาราง

7) ความต้องการในด้านเทคนิค (Technical aspects) : ตามปกติ เส้นกราฟมักจะเป็นเส้นที่

หนักกว่าเส้นแกน ส่วนเส้นตารางต่าง ๆ เป็นเครื่องช่วยให้แลเห็นมาตราส่วนได้ดี

                2.2.1 กราฟเส้น (line graphs) : วัตถุประสงค์ของการนำเสนอด้วยกราฟเส้น เพื่อที่จะให้

มองเห็นการกระเพื่อมขึ้นลง (fluctuation) หรือแนวโน้ม (trend) หรือการเปลี่ยนแปลง (change)

      2.2.1.1 กราฟเส้นมาตราส่วนเลขคณิต (Arithmetic–scale line graphs) : เป็นกราฟที่มีมาตราส่วนแบบเลขคณิตบนแกน x และแกน y ใช้แสดงแนวโน้ม หรือการเปลี่ยนแปลงของเหตุการณ์ไปตามเวลาหรืออายุ ในทางระบาดวิทยา ข้อมูลที่ใช้แสดงแนวโน้ม ต้องมีเวลาไม่น้อยกว่า 10 ปี อาจแสดงด้วยจำนวน, อัตรา หรือสัดส่วน บนแกน y ในขณะที่แกน x ใช้แสดงเวลาที่เกิดเหตุการณ์, เวลาที่รวบรวมข้อมูล หรือเวลาที่รายงานข้อมูล  กราฟที่ plot จากค่าความถี่สะสม หรือ ร้อยละของความถี่สะสม แทนที่จะplot จากค่าความถี่ที่แท้จริง กราฟความถี่สะสม (cumulative frequency curve) นี้มีชื่อเรียกว่า Ogive (อ่านว่า O’-jive) กราฟชนิดนี้ สามารถประมาณค่า medians, quartiles และ percentiles ได้ ค่า median จะอยู่ที่ 50 % หรือ จุดกึ่งกลางบนแกน y ที่ลากขนานกับแกน x แล้วลากเส้นดิ่งจาก จุดตัดที่ 50 % กับเส้นกราฟ ลงมาจรดที่แกน x ก็จะประมาณค่า median ได้

 

 

 

 

 

 

 

 

 

    2.2.2 ฮิสโตแกรม (Histograms) : เป็นกราฟแสดงเฉพาะข้อมูลเชิงปริมาณชนิดต่อเนื่อง(continuous quantitative

data) ที่มีการแจกแจงความถี่แบบมีอันตรภาคชั้น มีลักษณะเป็นแท่งติดต่อกัน (columns) พื้นที่ของแต่ละ column เป็นสัดส่วนโดยตรงกับความถี่บนค่าอันตรภาคชั้นนั้น ๆ รูปที่ 16 แสดงตัวอย่างของ Histogram ที่มีการกระจายความถี่ที่มีค่าอันตรภาคชั้นเท่า ๆ กันทุกชั้น ดังนั้น ส่วนสูงของแต่ละ column จึงเป็นสัดส่วนโดยตรงกับความถี่ (จำนวน)

Histogram ที่มีลักษณะจำเพาะ เป็นเครื่องมือที่สำคัญในการสอบสวนทางระบาดวิทยา เรียกว่า Epidemic curve หรือ epi curve ซึ่งแสดงจำนวนผู้ป่วย ในช่วงที่มี outbreak หรือ epidemic (แกน y) ตามเวลาเริ่มป่วย (time of onset) (แกน x)

Histogram บางรูปที่ใช้รูปสี่เหลี่ยมจัตุรัสตั้งซ้อนกัน และแต่ละรูปสี่เหลี่ยมจัตุรัสนั้นแทน

ผู้ป่วย 1 ราย เมื่อเกิดการระบาดเล็ก ๆ

 

 

 

 

 

 

 

 

 

 

 

 

 

2.2.3                                                    รูปหลายเหลี่ยมแห่งความถี่ (Frequency polygons) : เป็นกราฟแสดงการแจกแจงความถี่เช่นเดียวกับ

Histogram ซึ่งแสดงพื้นที่ภายใต้กราฟโดยการลากเส้นตรงเชื่อมโยงจุดกลาง(mid point) ของ interval ในแต่ละ column บนยอด Histogram แล้วต่อปลายเส้นกราฟทั้งสองให้จรดแกน x โดยลากผ่านจุดกึ่งกลางของความสูงของ column แรกและ column สุดท้าย ซึ่งจะทำให้มองเห็น peak ของการระบาด

2.3 การนำเสนอด้วยแผนภูมิ (Chart presentation)

เป็นวิธีการนำเสนอข้อมูลเชิงปริมาณชนิดไม่ต่อเนื่อง (discrete quantitative data) หรือ

ข้อมูลเชิงคุณภาพ (qualitative data) เพื่อแสดงการเปลี่ยนแปลงหรือเปรียบเทียบข้อมูลบนแกน y

เพียงแกนเดียว โดยใช้แท่ง, เครื่องหมาย หรือสัญลักษณ์ต่าง ๆ ตั้งอยู่บนเส้นฐาน (ซึ่งไม่ใช่แกน x

เพราะไม่มีคุณสมบัติของแกน)

2.3.1 แผนภูมิแท่ง (Bar charts) มีลักษณะเป็นแท่งสูงหรือยาวที่เปลี่ยนไปตามขนาด แต่มี

ความกว้างเท่ากันหมด และเว้นช่องว่างตามสมควร (ซึ่งต่างจาก column ของ histogram ที่อยู่ชิด

ติดกันโดยไม่เว้นช่องว่าง) อาจทำตามแนวตั้งหรือแนวนอนก็ได้ และจะต้องเขียนโครงเรื่องจำแนก

แต่ละแท่งให้ชัดเจนด้วย แผนภูมิแท่งอาจจะมีการแรเงาหรือระบายสีเพื่อให้ดูเด่น

                              2.3.1.1 แผนภูมิแท่งเชิงเดี่ยว (Simple bar charts) เป็นแผนภูมิแท่งแสดงข้อมูลที่มีตัวแปรลักษณะเดียว แต่ละ cell มีแท่ง ๆ เดียว เปรียบเทียบกัน

                                2.3.1.2 แผนภูมิแท่งซับซ้อน (Multiple or grouped bar charts) เป็นแผนภูมิแท่งที่ในหนึ่ง cell มีมากกว่า 1 แท่ง ซ้อนติดกัน และมีการเว้นว่างระหว่าง cells แต่ละแท่งมีการแรเงาหรือระบายสี และมีคำอธิบายความหมาย (legend)          

 

 

 

 

 

 

 

2.3.1.3 แผนภูมิแท่งเชิงประกอบ (Component bar charts) เป็นแผนภูมิแท่งที่ในหนึ่งแท่งมีมากกว่า 1

ลักษณะ (ตัวแปร) ประกอบกันบนแท่งเดียวกัน มีการแรเงาหรือระบายสีในแต่ละแท่ง               

2.3.1.4 แผนภูมิแท่งสัดส่วน (Proportional bar charts) เป็นแผนภูมิแท่งที่ในหนึ่ง

แท่งประกอบด้วยร้อยละ (สัดส่วน) ของส่วนย่อย ๆ จากทั้งหมด 100 % แทนจำนวน

2.3.1.5 แผนภูมิแท่งแรเงาซ้อนเหลื่อมกัน (Shaded and overlapping bar charts)เป็นแผนภูมิแท่งที่ใน

หนึ่ง cell มีมากกว่า 1 แท่งซ้อนเหลื่อมกัน และมีการแรเงาหรือระบายสี ซึ่งมีลักษณะเหมือนกับแผนภูมิแท่งซับซ้อน เพียงแต่จัดให้ซ้อนเหลื่อมกัน แทนที่จะซ้อนติดกัน

2.3.2 แผนภูมิวงกลม (Pie charts) เป็นการนำเสนอข้อมูลด้วยวงกลม โดยใช้เสี้ยวต่าง ๆ

ของพื้นที่วงกลม (ลักษณะเป็นลิ่ม) เพื่อเปรียบเทียบร้อยละของข้อมูลที่มีการแจกแจงความถี่ของตัว

แปรลักษณะเดียว

หลักในการสร้าง Pie charts

• ให้เปรียบวงกลมเป็นเสมือนหน้าปัดนาฬิกา

• ให้เริ่มต้นจาก 12 นาฬิกา

• สร้างตามเข็มนาฬิกาจากส่วนที่ใหญ่ที่สุด ลดหลั่นลงไปหาส่วนที่เล็กที่สุด ตามลำดับ

โดยที่ “อื่น ๆ” หรือ “ไม่ทราบ” อาจจะอยู่ท้ายสุด

• ให้ใส่ตัวเลขร้อยละกำกับลงในแต่ละส่วนของวงกลมหรือไว้ข้าง ๆ ก็ได้

2.3.3 แผนภูมิภาพ (Pictograms) เป็นการนำเสนอด้วยจำนวนรูป ภาพ หรือสัญลักษณ์ที่

เหมือน ๆ กัน และมีขนาดเท่า ๆ กัน และมี legend หรือ key อธิบายว่า ภาพหนึ่งแทนจำนวนเท่าใด

2.3.4 แผนภูมิทางภูมิศาสตร์ (Geographical charts) เป็นแผนภูมิที่ใช้แผนที่แสดง

ตำแหน่งทางภูมิศาสตร์ของเหตุการณ์หรือลักษณะต่าง ๆ เป็นการเปรียบเทียบทางภูมิศาสตร์ และ

ใช้แสดงการกระจายและความหนาแน่นของเหตุการณ์ มีแผนที่อยู่ 2 รูปแบบที่ใช้กันมากใน

การศึกษาระบาดวิทยาภาคสนาม คือ spot maps และ area maps

2.3.4.1 แผนที่แบบจุด (Spot maps) ใช้จุดหรือสัญลักษณ์อื่น ๆ ลงบนแผนที่เพื่อบอก

ตำแหน่งของผู้ป่วยหรือเหตุการณ์ ใช้สอบสวนติดตามค้นหาสาเหตุของโรคและการกระจายของ

โรค อาจใช้ขนาดของจุด บอกปริมาณ โดยมีหน่วยกำกับไว้

 

แผนที่จุดผู้ป่วยหรือแผนที่จุด (Spot map) นำผู้ป่วยแต่ละรายมาจุดลงบนแผนที่ตามเขตที่อาศัยของผู้ป่วย เพื่อดูว่ามีการรวมเป็นกลุ่มของผู้ป่วย (Clustering of cases) ในเขตเหรืออำเภอใดบ้างหรือไม่ เป็นแนวทางในการที่จะเข้าไปสืบสวนสาเหตุการระบาดได้ ข้อเสียของแผนที่จุดอยู่ตรงที่จำนวนผู้ป่วยขึ้นอยู่กับจำนวนของประชากรในเขตนั้นด้วย ถ้าเขตใดมีประชากรหนาแน่นเขตนั้นอาจพบมีจำนวนผู้ป่วยมากขึ้น ทำให้การแปลผลข้อมูลผิดพลาดไปได้

รูปที่ 41 : Example of spot map: Histoplasmosis by residence Austin, Minnesota,

October- November 1984

 

Source: CDC. unpublished data, 1985.

2.3.4.2 แผนที่แสดงพื้นที่ (Area maps) ใช้การแรเงาหรือระบายสีบนแผนที่ตามความเข้ม/จาง ของการ

แรเงาหรือสี แสดงอัตราการเกิดโรคหรืออุบัติการณ์ต่าง ๆ ทำให้สามารถเปรียบเทียบความเสี่ยงของการเกิดโรคในพื้นที่ต่าง ๆ ได้

 

 

 

 

 

 

 

 

บทสรุป

ในการนำเสนอข้อมูลข่าวสารทางระบาดวิทยา สิ่งแรกที่ต้องคำนึงถึง คือ การสื่อข้อมูล

ข่าวสารทางระบาดวิทยาให้กับผู้อ่านได้อย่างมีประสิทธิภาพและประสิทธิผล โดยการเลือกรูปแบบ

การนำเสนอที่ดีที่สุด และถูกต้องตรงตามวัตถุประสงค์ที่ต้องการ

ตารางเป็นรูปแบบที่นิยมใช้กันทั่วไปเพื่อแสดงจำนวน อัตรา ร้อยละ และร้อยละสะสม เนื่องจากตารางต้องการสื่อข้อมูลข่าวสารที่เป็นตัวเลข ดังนั้น ตารางจึงไม่ควรมีตัวแปรมากกว่า 2 ลักษณะ และแต่ละตัวแปร ไม่ควรจำแนก

เกินกว่า 8 กลุ่ม/ประเภท (class intervals) ทุกตารางจะต้องมีชื่อเรื่อง คำอธิบาย และการอ้างอิงที่

ถูกต้อง แต่ละตารางสามารถแยกออกมาได้โดยลำพังจากคำบรรยายได้

กราฟเป็นการนำเสนอข้อมูลข่าวสารที่รวดเร็วและมองเห็นได้ชัดเจน กราฟเส้นมาตรา

ส่วนเลขคณิตใช้แสดงแนวโน้มหรือการเปลี่ยนแปลงของจำนวนเหตุการณ์หรืออัตราไปตามเวลา

หรืออายุ ส่วนกราฟมาตราส่วนกึ่งลอการิทึม ใช้แสดงอัตราป่วยของชุดข้อมูลที่มีค่าแตกต่าง

ระหว่างค่าต่ำสุดและค่าสูงสุดมากกว่ากัน 100 เท่าขึ้นไป (2 ลำดับของ cycles ใน log-scale)

Histogram และรูปหลายเหลี่ยมแห่งความถี่ ใช้แสดงข้อมูลเชิงปริมาณชนิดต่อเนื่องที่มี

การแจกแจงความถี่ histogram ชนิดพิเศษที่เรียกว่า epidemic curve ใช้แสดงจำนวนผู้ป่วยตาม

เวลาเริ่มป่วยในช่วงที่มีการระบาดของโรค ผู้ป่วยแต่ละรายแทนด้วยรูปสี่เหลี่ยมจัตุรัสตั้งซ้อนกัน

เป็นแท่ง histogram อาจมีการแรเงาหรือระบายสีบนแท่งสี่เหลี่ยมจัตุรัส เพื่อแสดงลักษณะข้อมูลให้

ชัดเจน เช่น ผู้ป่วย ผู้เสียชีวิต เป็นต้น

แผนภูมิแท่งเชิงเดี่ยว แผนภูมิวงกลม และแผนภูมิภาพ ใช้แสดงข้อมูลตัวแปรลักษณะ

เดียว ส่วนแผนภูมิแท่งซับซ้อนหรือแผนภูมิแท่งเชิงประกอบ ใช้แสดงข้อมูลตัวแปร 2-3 ลักษณะ

แผนที่แบบจุด เน้นแสดงตำแหน่งของผู้ป่วยหรือเหตุการณ์บนแผนที่ ส่วน area map ใช้

การแรเงาหรือระบายสีแสดงระดับความแตกต่างของจำนวนหรืออัตราป่วยในพื้นที่ต่าง ๆ

การนำเสนอข้อมูลในแต่ละรูปแบบ มีจุดประสงค์เฉพาะแตกต่างกัน นักระบาดวิทยาจึง

ต้องมีความรู้ในรูปแบบต่าง ๆ ของการนำเสนอ และสามารถสร้าง ตาราง กราฟ และแผนภูมิได้

อย่างถูกต้อง มิฉะนั้นข่าวสารบางอย่างก็จะขาดหายไป หรือไม่สามารถสื่อข้อมูลข่าวสารได้ และ

อาจนำไปสู่การเข้าใจที่ไม่ถูกต้อง

สรุปการนำเสนอด้วยตาราง กราฟและแผนภูมิ

• รูปแบบ

1. Tables ลักษณะที่ใช้แสดงใช้สรุปหรือย่อข้อมูลที่มีจำนวนมาก ๆ ให้อยู่

ในรูปแบบที่มีความหมาย เข้าใจง่าย และสะดวกในการเปรียบเทียบ

2. Graphs

2.1 Line graphs

2.1.1 Arithmetic scale line graphsใช้แสดงแนวโน้มหรือการเปลี่ยนแปลงของ

เหตุการณ์ (จำนวน ร้อยละ หรืออัตรา) ไปตามเวลาหรืออายุ

2.1.2 Semilog scale line graphsใช้แสดงอัตราการเปลี่ยนแปลง (rates of change) ไปตามเวลา เหมาะ

สำหรับข้อมูลที่มีค่าสูงสุดและต่ำสุดแตกต่างกันมากกว่า 100เท่า (หรือ 2 cycles)

2.1.3 Cumulative frequency curve/Ogiveใช้แสดงข้อมูลเชิงปริมาณชนิดต่อเนื่องที่มีการแจกแจง

ความถี่ (ร้อยละ) สะสม แบบมีอันตรภาคชั้น ใช้ประมาณค่า median ได้ จึงสามารถมองเห็นการเปลี่ยนแปลงค่า median ได้ชัดเจน

                2.2 Histograms ใช้แสดงข้อมูลเชิงปริมาณชนิดต่อเนื่องที่มีการแจกแจงความถี่แบบมีอันตรภาคชั้น,

แสดง epidemic curve

2.3 Frequency polygonsใช้แสดงข้อมูลเชิงปริมาณชนิดต่อเนื่องที่มีการแจกแจงความถี่แบบมีอันตรภาคชั้น เมื่อ

มีข้อมูลมากกว่า 1 ชุด

3. Charts

3.1 Bar charts

3.1.1 Simple bar charts ใช้แสดงการเปลี่ยนแปลงหรือเปรียบเทียบข้อมูลที่มีตัวแปรตัวเดียว ทั้งจำนวน ร้อยละ หรืออัตรา

3.1.2 Multiple bar charts ใช้แสดงการเปลี่ยนแปลงหรือเปรียบเทียบข้อมูลที่มีการจำแนกตัว

แปรออกไปอีก 2-4 ประเภท

3.1.3                        Component bar charts ใช้แสดงการเปลี่ยนแปลงหรือเปรียบเทียบยอดรวมของข้อมูล และ

ลักษณะ (ตัวแปร) ที่ประกอบกันบนแท่งต่าง ๆ

3.1.4                        Proportional bar charts ใช้แสดงการเปลี่ยนแปลงหรือเปรียบเทียบร้อยละ (สัดส่วน) ของ

ส่วนย่อยๆ จากทั้งหมด 100.0 %

3.1.5                        Shaded and overlapping bar charts มีลักษณะเหมือน multiple bar charts เพียงแต่จัดให้ซ้อน

เหลื่อมกัน แทนที่จะซ้อนติดกัน

3.2 Pie charts ใช้เสี้ยวต่าง ๆ ของพื้นที่วงกลม เพื่อเปรียบเทียบร้อยละของส่วนย่อย ๆ จาก ทั้งหมด

3.3 Pictograms ใช้รูป ภาพ เครื่องหมาย หรือสัญลักษณ์แสดงการเปรียบเทียบ

3.4 Geographical charts

3.4.1 Spot maps ใช้แสดงตำแหน่งของผู้ป่วยหรือเหตุการณ์

                                3.4.2 Area maps ใช้แสดงอัตราการเกิดโรคหรืออุบัติการณ์ตามพื้นที่ทางภูมิศาสตร์

 

 

 

 

เอกสารอ้างอิง

1. กระทรวงสาธารณสุข, กรมควบคุมโรค, สำนักระบาดวิทยา. สรุปรายงานการเฝ้าระวังโรค

2544, โรงพิมพ์องค์การรับส่งสินค้าและพัสดุภัณฑ์ กทม.

2. กระทรวงสาธารณสุข, กรมควบคุมโรค, สำนักระบาดวิทยา (2547). สรุปรายงานการเฝ้าระวัง

โรค 2545, พิมพ์ครั้งที่ 1, โรงพิมพ์องค์การรับส่งสินค้าและพัสดุภัณฑ์ กทม.

3. กระทรวงสาธารณสุข, กรมควบคุมโรค, สำนักระบาดวิทยา (2548). สรุปรายงานการเฝ้าระวัง

โรค 2546, พิมพ์ครั้งที่ 1, โรงพิมพ์องค์การรับส่งสินค้าและพัสดุภัณฑ์ กทม.

4. กระทรวงสาธารณสุข, กรมควบคุมโรค, สำนักระบาดวิทยา (2548). สรุปรายงานการเฝ้าระวัง

โรค 2547, พิมพ์ครั้งที่ 1. โรงพิมพ์องค์การรับส่งสินค้าและพัสดุภัณฑ์ กทม.

5. กระทรวงสาธารณสุข, กรมควบคุมโรค, สำนักระบาดวิทยา (2549). สรุปรายงานการเฝ้าระวัง

โรค 2548, พิมพ์ครั้งที่ 1. โรงพิมพ์องค์การรับส่งสินค้าและพัสดุภัณฑ์ กทม.

6. กระทรวงสาธารณสุข, กรมส่งเสริมสาธารณสุข, กองสถิติพยากรณ์ชีพ. สถิติสาธารณสุข

2515.

7. กระทรวงสาธารณสุข, สำนักงานปลัดกระทรวง, กองระบาดวิทยา. รายงานประจำปี 2520.

8. กระทรวงสาธารณสุข, สำนักงานปลัดกระทรวง, กองระบาดวิทยา. สรุปรายงานการเฝ้าระวัง

โรค 2543, โรงพิมพ์องค์การรับส่งสินค้าและพัสดุภัณฑ์ กทม.

9. ประยูร กุนาศล (2520) โรคโปลิโอ_ลักษณะทางระบาดวิทยาในประเทศไทย, เวชปฏิบัติ

บันทึก เล่ม 1 ตอนที่ 6

10. ศิริชัย วงศ์วัฒนไพบูลย์ (2541) ชีวสถิติเชิงพรรณนา, พิมพ์ครั้งที่ 4

11. สมชาย สุพันธุ์วณิช (2526) หลักชีวสถิติ : โรงพิมพ์สามมิตร กทม.

12. Ferrata, C. P. (1979) Vital and Health Statistics, Techniques of Community Health Analysis.

USDHEW, PHS, CDC : U.S. Government Printing Office.

13. Hill, A.B. (1966) Principles of Medical Statistics, 8th ed., E.L.B.S. Bd. Edinburgh : R.R.

Clark.

14. Ipsen, J. & Feigl, P. (1970) Bancroft’s Introduction to Biostatistics, 2nd ed. Harper

International Edition : Harpers & Row.

15. USDHHS, CDC (2006) Displaying Public Health Data. Principles of Epidemiology in

Public Health Practices, 3rd Ed., An Introduction to Applied Epidemiology and Biostatistics,

Self-Study Course SS1000 : Atlanta, GA 30333.

52

16. USDHHS, CDC (2006) Investigating an Outbreak. Principles of Epidemiology in Public

Health Practices, 3rd Ed., An Introduction to Applied Epidemiology and Biostatistics, Self-

Study Course SS1000 : Atlanta, GA 30333.

17. USDHHS, PHS, CDC (1977) Descriptive Statistics Tables, Graphs & Charts, Reprinted ed.:

Atlanta, Georgia 30333.

18. USDHHS, PHS, CDC (1992) Organizing Epidemiologic Data. Principles of Epidemiology,

2nd ed., An Introduction to Applied Epidemiology and Biostatistics, Self-Study Course 3030-

G : Atlanta, Georgia 30333.__