Thai University RankingsRESEARCH RADAR
มีหลักฐานผลกระทบระดับโลก

โมเดล CBC ชี้ eosinophil และ monocyte เป็นสัญญาณคัดกรองโรคปอดดำในคนงานเหมืองอินโดนีเซีย

Artificial neural network modelling using complete blood count for the early detection of black lung disease among Indonesian coal miner: A retrospective longitudinal study

การติดตามผลตรวจสุขภาพประจำปีของคนงานเหมืองถ่านหินอินโดนีเซีย 807 คนระหว่างปี 2013-2021 พบอุบัติการณ์สะสมโรคปอดดำ 13.9% และพัฒนา artificial neural network จาก complete blood count โดย eosinophil กับ monocyte เป็นตัวแปรเด่นทั้งใน ANN และ Cox model

01

ข้อค้นพบสำคัญ

  • อุบัติการณ์สะสม 13.9% สะท้อนภาระโรคใน cohort นี้ eosinophil aHR 1.286 (95% CI 1.254-1.319) และ monocyte aHR 1.136 (95% CI 1.034-1.247) เป็นตัวทำนายสม่ำเสมอ อย่างไรก็ดี ค่า hazard ratio ต้องตีความตามหน่วยและการปรับตัวแปรในฉบับเต็ม
02

ทำไมจึงมีความสำคัญระดับโลก

CBC ราคาต่ำและมีในระบบอาชีวอนามัย หากโมเดลยืนยันภายนอกอาจช่วยเลือกผู้ที่ควรตรวจภาพรังสีหรือประเมินฝุ่นอย่างเร่งด่วน แต่ไม่ควรแทนการควบคุมฝุ่น การเฝ้าระวังตามมาตรฐาน หรือการวินิจฉัยโดยผู้เชี่ยวชาญ

03

บทบาทของนักวิจัยไทย

นักวิจัยจากวิทยาลัยวิทยาศาสตร์สาธารณสุข จุฬาลงกรณ์มหาวิทยาลัย และคณะสาธารณสุขศาสตร์ มหาวิทยาลัยเชียงใหม่ ร่วมวิเคราะห์ข้อมูลอาชีวอนามัยอินโดนีเซียในเครือข่ายระดับภูมิภาค ข้อมูลผู้ป่วยไม่ใช่คนงานไทย

04

ข้อจำกัดที่ควรรู้

ข้อมูลจากอุตสาหกรรมและประเทศเดียวอาจไม่ขยายไปเหมืองอื่น CBC ถูกกระทบจากภูมิแพ้ การติดเชื้อ สูบบุหรี่ ยา และปัจจัยอักเสบหลายชนิด บทคัดย่อไม่ระบุนิยามโรค ข้อมูลฝุ่น missing data หรือ external validation และคำว่า high performance ไม่มีตัวเลขให้ตรวจสอบ

05

ตรวจสอบแหล่งต้นทาง

Journal of Infection and Public HealthJournal of Infection and Public Health

DOI: 10.1016/j.jiph.2026.103302

KEEP EXPLORING

งานวิจัยไทยที่น่าติดตามต่อ