The association between PM2.5 particulate matter levels and the number of patients with air pollution-related diseases in Muang Nakhon Ratchasima District, Nakhon Ratchasima Province
Keywords:
generalized linear Model, particulate matter 2.5, Number of patients with air pollution-related diseases, Nakhon Ratchasima ProvinceAbstract
This ecological time-series study aimed to develop a model linking PM2.5 levels to the number of patients with air pollution-related diseases in Muang Nakhon Ratchasima District, Nakhon Ratchasima Province. Retrospective monthly data from 2022 to 2025 (44 months) were collected, with PM2.5 concentrations obtained from CAMS Global Reanalysis and patient records from the Health Data Center (HDC). Relationships were analyzed using Generalized Linear Models (GLM) with a Log-link function, utilizing Quasi-Poisson and Negative Binomial distributions. The results showed an average PM2.5 concentration of 30.40 µg/m³, exceeding Thailand's annual national standard. The model revealed that PM2.5 significantly influenced patient numbers (p < 0.05) in respiratory conditions; for every 1 µg/m³ increase in PM2.5, the Incidence Rate Ratio (IRR) increased for bronchitis by 3% (IRR = 1.03, p = 0.043) and chronic rhinitis by 2% (IRR = 1.02, p = 0.036). For pneumonia, while the overall model fit was significant (p < 0.001), PM2.5 was not a significant independent predictor (p = 0.315). In conclusion, the developed model quantitatively identifies the health risks associated with PM2.5 in the study area. Public health and local authorities should utilize these IRR values to prepare medical resources, implement proactive risk communication, and plan health surveillance during high pollution periods to ensure community safety and well-being.
References
กรรณิการ์ คงบุญเกียรติ, และสมศักดิ์ เทียมเก่า. 2562. PM 2.5 มลภาวะทางอากาศกับโรคหลอดเลือดสมอง. วารสารประสาทวิทยาศาสตร์ ภาคตะวันออกเฉียงเหนือ, 14(1), 1-7.
กรวิภา ปุนณศิริ, อำพร บุศรังษี, เบญจวรรณ ธวัชสุภา, ทิพย์กมล ภูมิพันธ์, ณัฎฐกานต์ ฉัตรวิไล, และ ณัฏฐา ฐานีพานิชสกุล. (2564ก). ปัจจัยที่ส่งผลต่อคุณภาพอากาศในครัวเรือนในพื้นที่เขตเมืองและเขตชนบท กรณีศึกษาจังหวัดนครราชสีมา. วารสารการส่งเสริมสุขภาพและอนามัยสิ่งแวดล้อม, 44(4), 20-31.
กรวิภา ปุนณศิริ, เบญจวรรณ ธวัชสุภา, ณัฏฐกานต์ ฉัตรวิไล, และทิพย์กมล ภูมิพันธ์. (2564ข). การศึกษาปัจจัยที่ส่งผลกระทบต่อสุขภาพจากคุณภาพอากาศในครัวเรือนในพื้นที่เขตเมืองและเขตชนบท กรณีศึกษา จังหวัดนครราชสีมา. นนทบุรี: กองประเมินผลกระทบต่อสุขภาพ กรมอนามัย กระทรวงสาธารณสุข.
ประกาศคณะกรรมการสิ่งแวดล้อมแห่งชาติ เรื่อง กำหนดมาตรฐานคุณภาพอากาศในบรรยากาศโดยทั่วไป พ.ศ. 2569. (21 มกราคม พ.ศ. 2569). ราชกิจจานุเบกษา. เล่ม 143 ตอนพิเศษ 20 ง หน้า 20-24.
ผุสดี ชูชีพ, วัฒนา ชยธวัช, และพิลาส สว่างสุนทรเวศย์. (2567). ความเชื่อมโยงจำนวนผู้ป่วยด้วยโรคที่เกี่ยวข้องกับมลพิษทางอากาศกับคุณภาพอากาศ อำเภอเมืองนครราชสีมา. วารสารศูนย์อนามัยที่ 9, 18 (2), 473-484.
พิยดา นาภูวงค์, ชนัญกาญจน์ แสงประสาน, สมบูรณ์ ชาวชายโขง, และธนวรรณณ์ วงศ์จิรัฐิติ. (2568). การพยากรณ์ปริมาณฝุ่นละออง PM2.5 ในจังหวัดนครราชสีมาด้วยตัวแบบอนุกรมเวลาและการเรียนรู้ของเครื่องจักร. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี, 27(2), 52-63.
ภัควัฒน์ ทองแสง. (2560). การจำแนกแหล่งกำเนิดฝุ่นขนาดเล็กกว่า 2.5 ไมครอน ในพื้นที่เขตเมืองนครราชสีมา โดยใช้แบบจำลอง PMF [วิทยานิพนธ์ปริญญาวิศวกรรมศาสตรมหาบัณฑิต]. มหาวิทยาลัยเทคโนโลยีสุรนารี.
ศูนย์เทคโนโลยีสารสนเทศและการสื่อสาร. (16 กุมภาพันธ์ 2569). รายงานมาตรฐาน สถานะสุขภาพ การป่วยด้วยโรคจากมลพิษทางอากาศ อำเภอเมือง นครราชสีมา 2565 - 2569.
สุทธิศักดิ์ เด่นดวงใจ. (2563). ความสัมพันธ์ระหว่างปริมาณฝุ่นละออง PM2.5 รายวันในอากาศกับการมารับการรักษาด้วยโรคกลุ่มระบบทางเดินหายใจและระบบหลอดเลือด ณ โรงพยาบาลราชบุรี อ.เมือง จ.ราชบุรี. [วิทยานิพนธ์ปริญญาโท]. จุฬาลงกรณ์มหาวิทยาลัย.
สำนักข่าว กรมประชาสัมพันธ์. (2565). ข่าวสิ่งแวดล้อม: โคราช เดินเครื่องปฎิบัติการทั้งจังหวัดกำจัดฝุ่น PM2.5 หลังค่าฝุ่นพิษเกินมาตรฐานในข่วง 3ปีที่ผ่านมา. https://en.mahidol.ac.th/envinews/933-pm2-5-3
สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.). (2569). แบบตรวจสอบกิจกรรม/งานวิจัยเข้าข่ายการวิจัยในมนุษย์.
Copernicus Atmosphere Monitoring Service. (2020). CAMS global reanalysis (EAC4) monthly averaged fields [Data set]. Atmosphere Data Store (ADS). https://doi.org/10.24381/d58bbf47
Gallucci, M. (2019). GAMLj: General analyses for linear models (Version 3.6.5). [jamovi module]. https://gamlj.github.io/
Hilbe, J. M. (2011). Negative binomial regression (2nd ed.). Cambridge University Press.
Inness, A., Ades, M., Agustí-Panareda, A., Barré, J., Benedictow, A., Blechschmidt, A.-M., Dominguez, J.J., Engelen, R., Eskes, H., Flemming, J., Huijnen, V., Jones, L., Kipling, Z., Massart, S., Parrington, M., Peuch, V.-H., Razinger, M., Remy, S., Schulz, M., & Suttie, M. (2019). The CAMS reanalysis of atmospheric composition. Atmospheric Chemistry and Physics. 19(6), 3515–3556. https://doi.org/10.5194/acp-19-3515-2019
Karuchit, S., Watcharenwong, A., Boonfruang, S., & Kongritti, N. (2025). PM2.5 Emission Inventory of Urban Areas in Nakhonchaiburin Provincial Cluster. Science and Engineering Connect, 48(4), 325–345.
https://ph04.tci-thaijo.org/index.php/SEC/article/view/10821
McCullagh, P., & Nelder, J. A. (1989). Generalized linear models (2nd ed.). Chapman and Hall/CRC.
R Core Team. (2024). R: A Language and environment for statistical computing. (Version 4.4) [Computer software]. Retrieved from https://cran.r-project.org. (R packages retrieved from CRAN snapshot 2024-08-07).
Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern epidemiology (3rd ed.). Lippincott Williams & Wilkins.
Sangkham, S., Phairuang, W., Sherchan, S.P., Pansakun, N., Munkong, N., Sarndhong, S., Islam, A., & Sakunkoo, P. (2024). An update on adverse health effects from exposure to PM2.5. Environ. Adv. 18, 100603. https://doi.org/10.1016/j.envadv. 2024.100603.
The jamovi project (2024). jamovi. (Version 2.6) [Computer Software]. https://www.jamovi.org.
TomTom Traffic Index. (2025). Nakhon Ratchasima traffic report for 2025. https://www.tomtom.com/traffic-index/city/nakhon-ratchasima
