DSpace Collection: Pharmacy / เภสัชศาสตร์

Web application development for medication reconciliation in patient discharge

Tue, 01 Jan 0004 00:00:00 GMT

Title: Web application development for medication reconciliation in patient discharge; การพัฒนาเว็บแอปพลิเคชันการประสานรายการยาในขั้นตอนการจำหน่ายผู้ป่วย Abstract: This study aimed to develop and evaluate a web application for medication reconciliation during patient discharge. The application was developed using PHP and MySQL. Data were prospectively collected over a 3-month period to compare medication discrepancies in patients before and after implementation. User satisfaction was assessed among 17 hospital pharmacists out of a total of 18, covering four domains: system usability, efficiency, effectiveness, and overall user satisfaction. The study revealed an increase in medication reconciliation cases from 231 before the web application’s implementation to 791 after. The reconciliation rate improved significantly from 13.51% to 40.40%. The system identified unintentional discrepancies, rising from 7 to 15 events, with a statistically significant difference (χ² = 10.51, df = 1, p-value = 0.001). User satisfaction was rated at the highest level across all aspects, with the highest average score of 4.50 ± 0.61 out of 5 for system usability. The results indicate that the developed system meets the research objectives. It has demonstrated its potential to facilitate medication reconciliation, reduce errors, and meet user requirements. It holds potential as a prototype for future health information systems, offering both efficiency and adaptability.; การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาและประเมินเว็บแอปพลิเคชันการประสานรายการยาในขั้นตอนการจำหน่ายผู้ป่วย พัฒนาด้วยภาษา PHP และฐานข้อมูล MySQL เก็บข้อมูลเปรียบเทียบความคลาดเคลื่อนทางยาก่อนและหลังการใช้งานในระยะเวลา 3 เดือน และประเมินความพึงพอใจเภสัชกรโรงพยาบาล 17 คน ทั้ง 4 ด้าน ได้แก่ ด้านการใช้งานระบบ ด้านความมีประสิทธิภาพ ด้านความมีประสิทธิผล และความพึงพอใจของผู้ใช้งาน ผลการวิจัยพบข้อมูลการประสานรายการยาก่อนใช้เว็บแอปพลิเคชัน 231 ราย และข้อมูลหลังใช้เว็บแอปพลิเคชัน 791 ราย อัตราการประสานรายการยาเพิ่มขึ้นจากร้อยละ 13.51 เป็นร้อยละ 40.40 ระบบช่วยตรวจจับความคลาดเคลื่อนเพิ่มขึ้นจาก 7 เป็น 15 เหตุการณ์ อย่างมีนัยสำคัญทางสถิติ (χ² = 10.51, df = 1, p-value = 0.001) นอกจากนี้ ความพึงพอใจของผู้ใช้งานใน 4 ด้าน อยู่ในระดับมากที่สุดในทุกด้าน โดยเฉพาะด้านการใช้งานระบบที่ได้คะแนนเฉลี่ยสูงสุด 4.50 ± 0.61 จาก 5 คะแนน ผลการพัฒนาระบบตรงตามวัตถุประสงค์ของงานวิจัย เว็บแอปพลิเคชันพัฒนาขึ้นมีศักยภาพในช่วยในการประสานรายการยาและป้องกันความคลาดเคลื่อนทางยาและการตอบสนองความต้องการของผู้ใช้งาน สามารถนำไปประยุกต์ใช้หรือพัฒนาเป็นต้นแบบสำหรับระบบสารสนเทศด้านสุขภาพในอนาคตได้อย่างมีประสิทธิภาพ

Application of AppSheet for Managing Information of Cancer Drugs: A Case Study of Oncology Pharmacy Departmentat Ratchaburi Hospital

Tue, 01 Jan 0004 00:00:00 GMT

Title: Application of AppSheet for Managing Information of Cancer Drugs: A Case Study of Oncology Pharmacy Departmentat Ratchaburi Hospital; การประยุกต์ AppSheet สำหรับจัดการข้อมูลยารักษามะเร็ง:กรณีศึกษาในห้องยาเคมีบำบัด โรงพยาบาลราชบุรี Abstract: This developmental research aimed to design and implement an application for managing cancer medication data by utilizing the AppSheet platform, with a case study in the chemotherapy unit of Ratchaburi Hospital. The developed system enables verification and recording of medications under the Category J(2) drug list and patient-specific drugs, as well as searching for injectable medications required in the chemotherapy preparation room. It also includes an automated alert system for advanced drug requisition via LINE. The backend was built using Google Sheets, and the notification feature was developed using JavaScript through Google Apps Script. The application underwent expert review by three health informatics specialists before being evaluated by 15 relevant personnel. The performance assessment compared the time required to retrieve medication information using the application versus the traditional method. Results showed a significant reduction in search time when using the application (mean = 8.70 seconds) compared to the conventional method (mean = 123.15 seconds), with statistical significance at the 0.05 level (p < 0.001). User satisfaction was also high, with an average score of 4.75 ± 0.43 out of 5. In conclusion, the application developed through the AppSheet platform effectively achieved its objectives, significantly reduced information retrieval time, and received a high level of user satisfaction.; การวิจัยนี้เป็นการวิจัยเชิงพัฒนาโดยมีวัตถุประสงค์เพื่อพัฒนาแอปพลิเคชันสำหรับจัดการข้อมูลยารักษาโรคมะเร็ง โดยประยุกต์ใช้แพลตฟอร์ม AppSheet กรณีศึกษาในห้องยาเคมีบำบัด โรงพยาบาลราชบุรี ระบบที่พัฒนาขึ้นสามารถตรวจสอบและบันทึกข้อมูลยา ตลอดจนเงื่อนไขการใช้ยาบัญชี จ(2) และยาเฉพาะรายของผู้ป่วยแต่ละราย รวมถึงสามารถค้นหาข้อมูลยาเคมีบำบัดที่ต้องเตรียมในห้องผสมยา และมีระบบแจ้งเตือนการเบิกยาล่วงหน้าผ่าน LINE โดยใช้ Google Sheets เป็นฐานข้อมูลและเขียนคำสั่งการแจ้งเตือนด้วย Google Apps Script (JavaScript) แอปพลิเคชันได้รับการตรวจสอบความถูกต้องโดยผู้เชี่ยวชาญด้านสารสนเทศทางสุขภาพจำนวน 3 ท่าน และทดสอบการใช้งานจริงโดยบุคลากรที่เกี่ยวข้องจำนวน 15 คน มีการประเมินประสิทธิภาพโดยเปรียบเทียบระยะเวลาในการค้นหาข้อมูลยาแบบเดิมกับการใช้แอปพลิเคชัน พบว่า การใช้แอปพลิเคชันช่วยลดระยะเวลาในการค้นหาข้อมูลได้อย่างมีนัยสำคัญทางสถิติ (ค่าเฉลี่ยเวลา 8.70 วินาที เทียบกับ 123.15 วินาที; p < 0.001) นอกจากนี้ ผู้ใช้งานให้ระดับความพึงพอใจเฉลี่ย 4.75 ± 0.43 จากคะแนนเต็ม 5 คะแนน สรุปได้ว่า แอปพลิเคชันที่พัฒนาขึ้นสามารถตอบสนองต่อความต้องการในการจัดการข้อมูลยาเคมีบำบัดได้อย่างมีประสิทธิภาพ และได้รับการยอมรับในระดับสูงจากผู้ใช้งาน

Development and validation of a risk assessment tool for imported food sampled by Import and Export Inspection Division: Case Study in vegetable and products.

Tue, 01 Jan 0004 00:00:00 GMT

Title: Development and validation of a risk assessment tool for imported food sampled by Import and Export Inspection Division: Case Study in vegetable and products.; การพัฒนาและทดสอบเกณฑ์ประเมินความเสี่ยงในผลิตภัณฑ์อาหารนำเข้าที่เก็บตัวอย่างโดยกองด่านอาหารและยา : กรณีศึกษากลุ่มพืชและผลิตภัณฑ์ Abstract: Sampling for the surveillance of imported food safety is a risk reduction measure aimed at minimizing potential hazards from substandard products that could impact consumer health. Developing a risk assessment criterion can serve as a screening tool to identify unsafe food during the sampling stage. This study employed a cross-sectional analytical approach using data from 1,936 imported vegetables and related products samples collected under the Food and Drug Administration’s sampling plan from fiscal years 2019 to 2021. Data were analyzed using chi-square tests and logistic regression to identify factors significantly associated with product quality outcomes, which were then used to develop a risk assessment criterion. Findings revealed that 169 samples (8.73%) did not meet safety standards, with the highest non-compliance found in fresh and dried processed vegetables (17.55% and 9%, respectively). Statistically significant factors influencing product quality (p < 0.05) included the quarter of sampling and food type. The resulting risk assessment criterion showed relatively low predictive performance. Using a cut-off score of 2.5 based on Youden’s Index, the criterion yielded a sensitivity of 49.11%, specificity of 66.96%, accuracy of 63.33%, positive predictive value (PPV) of 11.74%, and negative predictive value (NPV) of 93.00%. When applied to 2022 sampling data, the criterion achieved 56.52% sensitivity, 42.81% specificity, 43.79% accuracy, 7.07% PPV, and 92.75% NPV. While the risk assessment criterion may aid in guiding sample selection, further development is needed incorporating broader factors and ensuring more even data distribution to improve predictive accuracy and efficiency.; การเก็บตัวอย่างเฝ้าระวังความปลอดภัยในผลิตภัณฑ์อาหารนำเข้า เป็นการลดความเสี่ยงที่อาจเกิดขึ้นจากผลิตภัณฑ์ที่ไม่ได้มาตรฐานและส่งผลต่อสุขภาพของผู้บริโภค การพัฒนาเกณฑ์ประเมินความเสี่ยงจะช่วยเป็นเครื่องมือคัดกรองผลิตภัณฑ์ที่ไม่ปลอดภัย การศึกษานี้เป็นการศึกษาเชิงวิเคราะห์แบบภาคตัดขวาง โดยใช้ข้อมูลอาหารนำเข้ากลุ่มพืชและผลิตภัณฑ์ที่ถูกเก็บตัวอย่างตามแผนเก็บตัวอย่างของกองด่านอาหารและยา ในปีงบประมาณ พ.ศ. 2562-2564 จำนวน 1,936 ตัวอย่าง วิเคราะห์ข้อมูลโดยสถิติการทดสอบไคสแควร์ และสถิติการถดถอยแบบโลจิสติก เพื่อหาปัจจัยที่มีความสัมพันธ์และส่งผลต่อผลวิเคราะห์คุณภาพของผลิตภัณฑ์ จากนั้นจึงพัฒนาเกณฑ์ประเมินความเสี่ยง ผลการศึกษาพบว่า มีผลิตภัณฑ์ตกมาตรฐาน 169 ตัวอย่าง (ร้อยละ 8.73) ลักษณะอาหารที่ตกมาตรฐานมากที่สุดคือ ผักสดและผักแปรรูปแห้ง จำนวน 53 ตัวอย่าง (ร้อยละ 17.55 และ ร้อยละ 9 ตามลำดับ) ปัจจัยที่มีความสัมพันธ์และส่งผลต่อผลวิเคราะห์คุณภาพของผลิตภัณฑ์อย่างมีนัยสำคัญ (p < 0.05) คือ ไตรมาสที่เก็บตัวอย่าง และลักษณะของอาหาร เกณฑ์ประเมินความเสี่ยงที่ได้สามารถทำนายผลอยู่ในระดับค่อนข้างต่ำ วิเคราะห์ประสิทธิภาพของเกณฑ์พัฒนาความเสี่ยงที่ได้ โดยเลือกค่า Youden’s index ที่จุดตัด (cut-off point) 2.5 คะแนน พบว่ามีค่าความไวเท่ากับ 49.11% ค่าความจำเพาะเท่ากับ 66.96% ค่าความถูกต้องเท่ากับ 63.33% ค่าคาดทำนายผลบวกเท่ากับ 11.74% ค่าคาดทำนายผลลบเท่ากับ 93.00% เมื่อทดสอบในอาหารนำเข้ากลุ่มพืชและผลิตภัณฑ์ที่ถูกเก็บตัวอย่างในปีงบประมาณ พ.ศ. 2565 เกณฑ์ประเมินความเสี่ยงที่ใช้มีค่าความไวเท่ากับ 56.52% ค่าความจำเพาะเท่ากับ 42.81% ค่าความถูกต้องเท่ากับ 43.79% ค่าคาดทำนายผลบวกเท่ากับ 7.07% และค่าคาดทำนายผลลบเท่ากับ 92.75% เกณฑ์ประเมินความเสี่ยงสามารถช่วยเป็นเครื่องมือในการสุ่มเก็บตัวอย่างได้ อย่างไรก็ตามยังต้องมีการพัฒนาเกณฑ์ประเมินความเสี่ยงต่อไป โดยพิจารณาปัจจัยให้ครอบคลุมและแบ่งกลุ่มตัวอย่างให้มีการกระจายตัวของข้อมูล เพื่อให้ได้เกณฑ์ประเมินความเสี่ยงที่ทำนายผลได้อย่างแม่นยำและมีประสิทธิภาพมากขึ้น

Detection of Look-alike Drug Names by Applying Levenshtein Distance

Tue, 01 Jan 0004 00:00:00 GMT

Title: Detection of Look-alike Drug Names by Applying Levenshtein Distance; การตรวจหาชื่อยามองคล้ายโดยประยุกต์ใช้ระยะทางเลเวนชเตย์น Abstract: Look-alike drug names are one of the potential causes of medication errors, impacting patient safety both internationally and in Thailand, including at Krabi hospital (KBH). Objectives: 1) To study the drug name similarity from KBH that humans perceive as look-alike drug name pairs. 2) To study if the difference in job positions of staff in pharmacy department affects perception in look-alike drug name pairs. 3) To apply the Levenshtein distance algorithm (LEV) to detect look-alike drug names. Methods: This mixed-method experimental study applied the LEV to detect look-alike drug names in the KBH’s drug list for the fiscal year 2024, focusing on drug names and their strength shown on the drug labels dispensed to patients in the pharmacy department. The study began by analyzing the initial similarity threshold to determine look-alike drug name pairs using the LEV. A total of 150 drug name pairs from KBH were evaluated by 45 participants who were staff of the pharmacy department to determine whether they were perceived as look-alike drug name pairs. Results were analyzed using Tree-based algorithms and compared across different job positions. The application of LEV to detect look-alike drug names was evaluated by comparing the assessment results of drug name pairs from KBH using LEV at thresholds of 45, 50, 55, 60, 65, and 70, as well as the Tree-based adaptive Levenshtein distance algorithm (TreeLEV), against the evaluations provided by participants. Algorithm performance was evaluated by the F1 and the number of false negatives (FNs), defined as drug name pairs not detected by the algorithm but perceived as look-alike by participants. Results: Perception of look-alike drug name pairs was influenced mainly by prefix similarity rather than suffix or strength. There were no statistically significant differences (p > 0.05) in the perception of look-alike drug name pairs among pharmacists, pharmacy technicians, and pharmacy support staff. There were no statistically significant differences between the results of applying LEV at thresholds of 50, 55, and 60, as well as TreeLEV, and those assessed by the participants (p > 0.05). TreeLEV performed best (F1 = 0.975, 2 FNs), followed by LEV at a threshold of 50 (F1 = 0.795, 12 FNs). Conclusion: TreeLEV and LEV at a threshold of 50 are effective tools for detecting look-alike drug names, with results that align with human perception.; ชื่อยามองคล้ายเป็นหนึ่งในสาเหตุที่อาจก่อให้เกิดความคลาดเคลื่อนทางยา ซึ่งส่งผลกระทบต่อความปลอดภัยของผู้ป่วยทั้งในระดับนานาชาติ และประเทศไทย รวมถึงโรงพยาบาลกระบี่ (รพ. กระบี่) วัตถุประสงค์: 1) เพื่อศึกษาความคล้ายคลึงกันของชื่อยาของ รพ. กระบี่ที่บุคคลรับรู้เป็นคู่ชื่อยามองคล้าย 2) เพื่อศึกษาความแตกต่างของตำแหน่งงานของบุคลากรที่ปฏิบัติอยู่ในกลุ่มงานเภสัชกรรมที่มีผลต่อการรับรู้คู่ชื่อยามองคล้าย และ 3) เพื่อศึกษาประยุกต์ใช้อัลกอริทึมระยะทางเลเวนชเตย์น (Levenshtein distance algorithm: LEV) ตรวจหาชื่อยามองคล้าย วิธีการ: การวิจัยเชิงทดลองแบบผสมผสานครั้งนี้ประยุกต์ใช้ LEV ตรวจหาชื่อยามองคล้ายในบัญชียาของ รพ. กระบี่ในปีงบประมาณ 2567 โดยตรวจสอบเฉพาะส่วนที่เกี่ยวข้องกับชื่อยา และความแรงยาที่ปรากฏบนฉลากยาที่จ่ายให้ผู้ป่วยในงานบริการเภสัชกรรม เริ่มจากการวิเคราะห์หาเกณฑ์ความคล้ายขั้นต่ำ (ระดับ threshold) เบื้องต้นของ LEV สำหรับตัดสินคู่ชื่อยามองคล้าย จากนั้นให้อาสาสมัครในกลุ่มงานเภสัชกรรม 45 คน ประเมินคู่ชื่อยาของ รพ. กระบี่ 150 คู่ว่ามองคล้ายหรือไม่ เพื่อวิเคราะห์ผลด้วยอัลกอริทึมกลุ่มต้นไม้ และเปรียบเทียบผลการประเมินระหว่างกลุ่มตำแหน่งงานของอาสาสมัคร การประยุกต์ใช้ LEV ตรวจหาชื่อยามองคล้าย พิจารณาจากผลการประเมินคู่ชื่อยาของ รพ. กระบี่โดย LEV ที่ระดับ threshold 45 50 55 60 65 70 และ Tree-based adaptive Levenshtein distance algorithm (TreeLEV) เทียบกับการประเมินโดยอาสาสมัคร ส่วนประสิทธิภาพของอัลกอริทึมพิจารณาจากค่า F1 และจำนวนผลลบปลอมซึ่งหมายถึง ผลการประเมินโดยอัลกอริทึมเป็นคู่ชื่อยามองไม่คล้าย แต่อาสาสมัครประเมินเป็นคู่ชื่อยามองคล้าย ผลการศึกษา: คู่ชื่อยาของ รพ. กระบี่ที่อาสาสมัครรับรู้เป็นคู่ชื่อยามองคล้ายได้รับอิทธิพลหลักจากความคล้ายส่วนต้นมากกว่าความคล้ายส่วนท้ายของคู่ชื่อยา หรือความคล้ายส่วนความแรงยา ผลการประเมินระหว่างกลุ่มเภสัชกร เจ้าพนักงานเภสัชกรรม เจ้าหน้าที่ห้องยาในคู่ชื่อยามองคล้ายไม่แตกต่างอย่างมีนัยสำคัญทางสถิติ (p>0.05) ผลการประเมินโดย LEV ที่ระดับ threshold 50 55 60 และ TreeLEV ไม่ต่างจากผลการประเมินโดยอาสาสมัครอย่างมีนัยสำคัญทางสถิติ (p>0.05) TreeLEV ให้ผลดีที่สุด โดย F1 = 0.975 ผลลบปลอมเท่ากับ 2 คู่ รองลงมาคือ LEV ที่ระดับ threshold 50 โดย F1 = 0.795 ผลลบปลอมเท่ากับ 12 คู่ สรุป: TreeLEV และ LEV ที่ระดับ threshold 50 สามารถใช้เป็นเครื่องมือตรวจหาชื่อยามองคล้ายที่สอดคล้องกับการรับรู้ของบุคคล