Journal of the Thai Medical Informatics Association

Venomous snake classification by computer vision

Boonsak Hanterdsith — Sat, 01 Jun 2024 00:00:00 +0700

The identification of venomous snake species for the treatment of snakebite victims is crucial in clinical practice. One approach for diagnosis involves visually inspecting the snake that caused the bite. However, this method can be challenging and prone to errors. To address this issue, author has developed a tool to classify venomous snakes based on images, utilizing computer vision and machine learning technology. Computer vision utilizes the intelligence of computers to recognize and differentiate objects or photographs. This information is then used to diagnose the type of venomous snake. During the training process, images of seven common venomous snake species in Thailand, including Cobras, King cobras, Band krait, Malayan krait, Malayan-pit viper, Green-pit viper, and Russel viper were used. A total of 154 images were utilized to train the computer model. This training enabled the computer to accurately recognize and differentiate images of various venomous snake species with up to 80% accuracy. This tool proves to be highly efficient in classifying venomous snake species based on images. Furthermore, the developed tool can be applied in real-life situations. It allows quick and precise diagnosis by capturing images of the snake and using the developed program. This efficient method significantly enhances the effectiveness of snakebite treatments. This application stands as a prime example of employing cutting-edge technology to solve medical issues, facilitating healthcare professionals in diagnosing complex diseases with ease and precision.

References

อรรถวิทย์ วัชรธรรมรักษ์. โรคงูพิษกัด (Snake bite envenoming) ใน สรุปรายงานการเฝ้าระวังโรค จากการ ประกอบอาชีพและสิ่งแวดล้อม โรคไม่ติดต่อ และโรคจาก การป้องกันการบาดเจ็บ ประจำปี 2562 [Internet]. 2562 [cited 2023 Sep 30]. Available from: https://apps-doe. moph.go.th/boeeng/download/MIX_AW_2_AESR_ 6410-12.pdf

ศูนย์พิษวิทยารามาธิบดี คณะแพทยศาสตร์โรงพยาบาล รามาธิบดี มหาวิทยาลัยมหิดล. Common poisoning: งูพิษ [Internet]. [cited 2023 Sep 28]; Available from: https://www.rama.mahidol.ac.th/poisoncenter/th/ pois-cov/snake

Microsoft. Analyze images with the Computer Vision service [Internet]. [cited 2023 Sep 28]; Available from: https://learn.microsoft.com/en-us/training/ modules/analyze-images-computer-vision

Microsoft. Characteristics and Limitations of Custom Vision [Internet]. [cited 2023 Sep 28]; Available from: https://learn.microsoft.com/en-us/legal/cognitiveservices/custom-vision/custom-vision-cvs-characteris tics-and-limitations

Google. Cloud vision API [Internet]. [cited 2023 Sep 29]; Available from: https://cloud.google.com/vision

สิทธิณัฐ วัฒนมงคล. หนังสือภาพ 7 อสรพิษแห่งประเทศไทย. คราม; 2559.

สวนงู สถานเสาวภา สภากาชาดไทย.ความรู้เบื้องต้นเกี่ยวกับงู. 2554.

image search. https://www.google.com/imghp

A James. Snake classification from images. PeerJ Preprints 2017; 5:1–15.

Patel A, Cheung L, Khatod N, Matijosaitiene I, Arteaga A, Gilkey JW. Revealing the unknown: Real-time recognition of Galápagos snake species using deep learning. Animals 2020;10(5).

Rajabizadeh M, Rezghi M. A comparative study on image-based snake identification using machine learning. Sci Rep 2021;11(1).

Zhang J, Chen X, Song A, Li X. Artificial intelligence -based snakebite identification using snake images, snakebite wound images, and other modalities of information: A systematic review. Int J Med Inform2023;173.

Predictive prognostic factors for stroke mortality in Thailand

Somchai Towanabut, Chidapha Traicharoenwong — Sat, 01 Jun 2024 00:00:00 +0700

Stroke is the second leading cause of death worldwide and a significant public health concern in Thailand. This article presents predictive factors for in-hospital stroke mortality, utilizing data mining techniques from the Neurological Institute of Thailand's stroke database. Initially, 41 predictive variables were considered. However, after employing the CFS Subset Evaluator method for variable selection, five key predictive variables emerged: age, first diagnosis (IH, SH), the need for ventilator support, inability to receive a rehabilitation assessment, and the occurrence of pressure sores. Using these selected predictive variables, a classification model was created. The top three classifiers, with the highest F-Measure value of 0.971, were Naïve Bayes, Naïve Bayes Updateable, and Bayesian Network. The knowledge gained from this analysis can be valuable in enhancing the care provided to stroke patients and predicting high-risk stroke-related mortality.

References

World Bank. "World Development Indicators." World Bank. [Online]. Available: http://wdi.worldbank.org/ table/2.1. Accessed: April 28, 2021.

World Health Organization (WHO)."The top 10 causes of death." WHO. [Online]. Available: https://www. who.int/en/news-room/fact-sheets/detail/the-top-10- causes-of-death. Accessed: April, 2021.

Strategy and Planning Division Ministry of Public Health, "Public Health Statistics A.D. 2019," Nonthaburi, 2020.

"Overview of Ischemic Stroke Prognosis in Adults - UpToDate," UpToDate, https://www.uptodate.com/ contents/overview-of-ischemic-stroke-prognosis-inadults. Accessed: Sep. 12, 2023.

P.-N. Tan, M. Steinbach, and V. Kumar, "Introduction to Data Mining," Addison-Wesley, 2005.

Wikipedia Contributors, “Bayes’ theorem,” Wikipedia, Sep.21,2023.https://en.wikipedia.org/wiki/Bayes%27_ theorem (accessed Sep. 22, 2023).

M. Kantardzic, "Data Mining: Concepts, Models, Methods, and Algorithms," 2nd ed. Wiley, 2011.

S. Ray,“Naive Bayes Classifier Explained: Applications and Practice Problems of Naive Bayes Classifier,” Analytics Vidhya, Sep. 11, 2017. https://www. analyticsvidhya.com/blog/2017/09/naive-bayesexplained/ (accessed Sep. 19, 2023).

Wikipedia Contributors, “Naive Bayes classifier,” Wikipedia, Sep. 03, 2023. https://en.wikipedia.org/ wiki/Naive_Bayes_classifier (accessed Sep. 19, 2023).

The use of a program to enhance the accuracy and speed of data transmission through the E-claim system at Jainat Narendra Hospital

Narit Boonphet — Sat, 01 Jun 2024 00:00:00 +0700

The main source of income for the public hospital comes from three main funds. Nevertheless, due to incorrect, incomplete, and delay of data transmission, the hospital’s income is decreasing.

Objectives: The aim of this study was to use the program to verify the accuracy of data and increase the speed of data transmission processes within public health services through the E-claim system.

Methods: The comparison between percentage of incomplete data (data error type C) to the hospital admission per month, the amount of money lost due to incomplete monthly data, and the duration of the reimbursement process for public health services through the E-claim system in the years 2022 and 2023.

The study revealed a significant difference between percentage of incomplete data (data error type C) to the hospital admission per month, the amount of money lost due to incomplete monthly data, and the duration of the reimbursement process for public health services through the E-claim system in the years 2022 and 2023.

Summary: The use of program can enhance data accuracy and increase processing speed of data transmission through the E-claim system.

References

(2022).คู่มือแนวทางปฎิบัติในการขอรับค่าใช้จ่ายเพื่อบริการ สาธารณสุข ปีงบประมาณ 2565. [Online] Available: https://ucapps1.nhso.go.th/eclaimdownload/download/ file/คู่มือแนวทางปฏิบัติในการขอรับค่าใช้จ่าย_เพื่อบริการ สาธารณสุข_ปี_2565.zip

ว.ริ้วสุวรรณ,"การวิเคราะห์สภาพคล่องทางการเงิน ประสิทธิภาพ ในการดำเนินงาน ภาระหนี้สิน และความสามารถในการ อยู่รอดของโรงพยาบาลรัฐบาลในจังหวัดเชียงราย," วารสาร สังคมศาสตร์วิชาการ, vol. 13, no. 1, pp. 118-138, 27/06 2020. [Online]. Available: https://so04.tci-thaijo.org/ index.php/social_crru/article/view/240839.

ช.นุชผ่อง, "รูปแบบความสัมพันธ์ของการจัดเก็บรายได้ โรงพยาบาลในสังกัดสำนักงานปลัดกระทรวงสาธารณสุข," วารสารสำนักงานสาธารณสุขจังหวัดขอนแก่น, vol.4,no.2, p. 115, 01/09 2023. [Online]. Available: https://he02. tci-thaijo.org/index.php/jkkpho/article/view/259585.

ไพลิน แซ่อิ๋ว, ธนวรรธน์ ฟองศรี "FMEA Techniques Application For Medical Reimbursement : The Case Study At Patong Hospital in Phuket," Region 11 Medical Journal, vol. 32, no. 1, pp. 881-898, 01/01 2018. [Online]. Available: https://he02.tci-thaijo.org/ index.php/Reg11MedJ/article/view/155387.

W. Hadi Saputra and A. Prima, "E-Claim System For Health Insurance And Social Security (BPJS) Types In Indonesia: Innovation And Effectiveness Of Services," Journal of Society Medicine, vol.1, no.1, pp. 14-24, 10/07 2022, doi: 10.47353/jsocmed.v1i1.4.

A. Anzelika, L. D. Putri, and M. Hidayati, "TINJAUAN KETIDAKLENGKAPAN BERKAS E-KLAIM RAWAT JALAN DI RS X BANDUNG Ajeung Anzelika, Lienda Dwi Putri, Meira Hidayati," Jurnal Kesehatan Tambusai, vol.2, no.3, pp.18-22, 09/30 2021, doi: 10.31004/jkt. v2i3.1913.

(2564).สรุปผลการตรวจราชการ ประเด็นที่ 6 ระบบธรรมา ภิบาล หัวข้อ การบริหารจัดการด้านการเงินการคลัง สุขภาพ ศูนย์จัดเก็บรายได้คุณภาพ. [Online] Available: https://dhes.moph.go.th

มัทนีย์พร ขันคำกาศ, กุลวดี อภิชาติบุตร, "การพัฒนา คุณภาพการบันทึกในระบบการเรียกเก็บค่าบริการทางการ แพทย์ กลุ่มงานการพยาบาลตรวจรักษาพิเศษโรงพยาบาล ลำพูน," วารสารพยาบาลสาร มหาวิทยาลัยเชียงใหม่, vol.50, no.2,pp.158-169, 30/06 2023. [Online]. Available: https://he02.tci-thaijo.org/index.php/ cmunursing/article/view/261021.

ค.สิทธิบุศย์, ส.โตรักษา, and ก.สัญชาตวิรุฬห์, "A Develop ment of hospital revenue collection in Bamrasnaradura Infectious Diseases Institute by team involvement, fiscal year 2015," Disease Control Journal, vol. 43, no. 1, pp. 66-75, 03/31 2017, doi: 10.14456/dcj.2017.37.

N. AlJarallah, "Investigating the influence of artificial intelligence on quality management in healthcare centers [version 1; peer review: 1 not approved]," F1000Research, vol. 12, no. 110, 2023, doi: 10.12688 f1000research.128739.1.

ชนกพร ภูมิการีย์, "การพัฒนากระบวนการเบิกชดเชยค่า บริการสาธารณสุขในระบบกลุ่มวินิจฉัยโรคร่วม (DRG) โรงพยาบาลพระศรีมหาโพธิ์ จังหวัดอุบลราชธานี," วารสาร วิชาการสาธารณสุขชุมชน, vol. 6, no. 3, pp. 62-72, 19/07/2020 2020. [Online]. Available: https://he02 tci-thaijo.org/index.php/ajcph/article/view/247450.

จอมศักดิ์ สุรกิจบวร, ธีรวุฒิ บุณยโสภณ, "การพัฒนารูป แบบการจัดการธุรกิจแบบองค์รวมในการให้บริการสุขภาพ ระบบสิทธิการรักษาพยาบาลจากรัฐของโรงพยาบาลใน ประเทศไทย," วารสารวิชาการพระจอมเกล้าพระนครเหนือ, vol.30, no.1, pp. 148-158, 30/01/2020 2020. [Online]. Available: https://ph01.tci-thaijo.org/index.php/ kmutnb-journal/article/view/238899.

H. S. Kim, H. Cho, and I. K. Lee, "Development of an Electronic Claim System Based on an Integrated Electronic Health Record Platform to Guarantee Interoperability," hir, vol.17, no.2, pp. 101-110, 06 2011, doi: 10.4258/hir.2011.17.2.101.

S.Bae and B.-K. Yi, "Development of eClaim system for private indemnity health insurance in South Korea: Compatibility and interoperability," Health Informatics Journal, vol.28, no.1, p. 14604582211071019, 2022/01/01 2022, doi:10.1177/14604582211071019.

G.Adzakpah and D.Dwomoh, "Impact of digital health technology on health insurance claims rejection rate in Ghana: a quasi-experimental study," BMC Digital Health, vol.1, no.1, p.5, 2023/02/02 2023, doi: 10. 1186/s44247-023-00006-3.

ผ.สุขสวย,"การมีส ่วนร ่วมของบุคลากรในระบบการใช้ ซอฟแวร์ อีเอ็มอาร์ ซอฟ ในการเรียกเก็บเงินค่ารักษา พยาบาล ของโรงพยาบาลศูนย์การแพทย์ สมเด็จพระเทพ รัตนราชสุดา ฯ สยามบรมราชกุมารี (หน่วยงานนอกระบบ ราชการ) มหาวิทยาลัยศรีนครินทร์วิโรฒ," คณะบริหารธุรกิจ. สาขาวิชาเอกการบัญชี, มหาวิทยาลัยเทคโนโลยีราชมงคล ธัญบุรี., 2554. [Online]. Available: http://www.repos itory.rmutt.ac.th/xmlui/handle/123456789/726

P.K.Zacharia, "Operational Factors Related To Perfor mance of Health Facilities in Implementing National Health Insurance Fund Online Claims Management Information System," Muhimbili University of Health and Allied Sciences, 2022. [Online]. Available: http:// dspace.muhas.ac.tz:8080/xmlui/hadle/123456789/2883

Fast Track Alert System Timer (FAST): Reducing time to antibiotics for septic patients in the emergency department

Sirasit Satiracharoenkul — Sat, 01 Jun 2024 00:00:00 +0700

INTRODUCTION – Timely antibiotic administration in sepsis patients is critical in reducing mortality. Many studies apply the alert system or timer to alert care team members to improve time in each care process. This study aims to evaluate the impact of the timer countdown on Time to antibiotic in septic patients.

METHODS – This study is a prospective cohort study, collecting data between April 2023 and September 2023 in the ED of a tertiary care hospital. By comparing the pre and post-implementation process (3 months each), the primary outcome is Time to antibiotic, and the secondary outcome is the Mortality rate.

RESULTS – Comparing the average Time to antibiotics, the pre-implementation process time is 54 minutes (SD=35.6), and the post-implementation process time is 34 minutes (SD=19.5) (p= 0.0315). The in-hospital mortality rate is significantly improved in the Post-implementation group compared to the Pre-implementation group, with average mortality rates of 29% and 45% (p= 0.029), respectively.

CONCLUSION – Fast track Alert System Timer can improve the Time to antibiotic in septic patients. This study outlines an easy-to-implement, low-cost solution for emergency departments looking to shorten the Time to antibiotic.

References

Singer M, Deutschman CS, Seymour CW, Shankar-Hari M, Annane D, Bauer M, et al. The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3). JAMA. 2016 Feb 23;315(8):801-10.

Champunot R, Kamsawang N, Tuandoung P, Tansuphas wasdikul S. Saving 500 Lives Campaign: another way to improve the mortality rate of patients with severe sepsis and septic shock. Crit Care. 2012;16 (Suppl 3):P105.

Angus DC, Barnato AE, Bell D, Bellomo R, Chong CR, Coats TJ, et al. A systematic review and me ta-analysis of early goal-directed therapy for septic shock: the ARISE, ProCESS and ProMISe Investigators. Intensive Care Med 2015;41:1549–1560.

Kalil AC, Johnson DW, Lisco SJ, Sun J. Early goal-directed therapy for sepsis: a novel solution for discordant survival outcomes in clinical trials. Crit Care Med 2017;45:607–614.

Im, Y., Kang, D., Ko, RE. et al. Time-to-antibiotics and clinical outcomes in patients with sepsis and septic shock: a prospective nationwide multicenter cohort study. Crit Care 26, 19 (2022). https://doi. org/10.1186/s13054-021-03883-0

Makam, A. N., Nguyen, O. K. & Auerbach, A. D. Diagnostic accuracy and effectiveness of automated electronic sepsis alert systems: a systematic review. J. Hosp. Med. 10, 396–402 (2015).

Jung, A. D. et al. Sooner is better: use of a real-time automated bedside dashboard improves sepsis care. J. Surg. Res. 231, 373–379 (2018).

Alberto, L., Marshall, A. P., Walker, R. & Aitken, L. M. Screening for sepsis in general hospitalized patients: a systematic review. J. Hosp. Infect. 96, 305–315 (2017).

Wulff, A., Montag, S., Marschollek, M. & Jack, T. Clinical decision-support systems for detection of systemic inflammatory response syndrome, sepsis, and septic shock in critically Ill patients: a systematic review. Methods Inf. Med. 58, e43–e57 (2019).

Joshi, M. et al. Digital alerting and outcomes in patients with sepsis: systematic review and metaanalysis. J. Med. Internet Res. 21, e15166 (2019).

p Hwang, M. I., Bond, W. F. & Powell, E. S. Sepsis alerts in emergency departments: a systematic review of accuracy and quality measure impact. West J. Emerg. Med. 21, 1201–1210 (2020).

สมาคมเวชบบัดวิกฤต. (2558). การดูแลรักษาผู้ป่วย Severe Sepsis และ Septic Shock (ฉบับร่าง) แนวทาง เวชปฏิบัติ. กรุงเทพฯ : สมาคมเวชบ าบัดวิกฤต.

Beale R, Reinhart K, Brunkhorst FM, et al. Promoting Global Research Excellence in Severe Sepsis (PROG RESS): lessons from an international sepsis registry. Infection. 2009;37(3):222-32.

Marto JP, Borbinha C, Calado S, Viana-Baptista M. The Stroke Chronometer-A New Strategy to Reduce Door-to-Needle Time. J Stroke Cerebrovasc Dis. 2016 Sep;25(9):2305-7. doi: 10.1016/j.jstrokecere brovasdis.2016.05.023. Epub 2016 Jun 23. PMID: 27345463.

Matsumoto S, Koyama H, Nakahara I, Ishii A, Hatano T, Ohta T, Tanaka K, Ando M, Chihara H, Takita W, Tokunaga K, Hashikawa T, Funakoshi Y, Kamata T, Higashi E, Watanabe S, Kondo D, Tsujimoto A, Furuta K, Ishihara T, Hashimoto T, Koge J, Sonoda K, Torii T, Nakagaki H, Yamasaki R, Nagata I, Kira JI. A Visual Task Management Application for Acute Ischemic Stroke Care. Front Neurol. 2019 Oct 30;10:1118. doi: 10.3389/ fneur.2019.01118. PMID: 31736851; PMCID: PMC6831722.

Kamal N, Smith EE, Stephenson C, Choi PM, Goyal M, Hill MD, et al. Visualizing acute stroke data to improve clinical outcomes. Stroke. (2015) 46:e170–2. doi: 10.1161/STROKEAHA.115.009517

Lin CB, Cox M, Olson DM, Britz GW, Constable M, Fonarow GC, et al. Perception versus actual performance in timely tissue plasminogen activation administration in the management of acute ischemic stroke. J AmHeart Assoc. (2015) 4:e00129. doi: 10.1161/JAHA.114.001298

Seoane L, Winterbottom F, Nash T, Behrhorst J, Chacko E, Shum L, Pavlov A, Briski D, Thibeau S, Bergeron D, Rafael T, Sundell E. Using quality improvement principles to improve the care of patients with severe sepsis and septic shock. Ochsner J. 2013 Fall;13(3):359-66. PMID: 24052765; PMCID: PMC3776511.

Seymour CW, Gesten F, Prescott HC, Friedrich ME, Iwashyna TJ, Phillips GS, et al. Time to treatment and mortality during mandated emergency care for sepsis. N Engl J Med. 2017;376(23):2235–44.

Liu VX, Fielding-Singh V, Greene JD, Baker JM, Iwashyna TJ, Bhattacharya J, et al. The timing of early antibiotics and hospital mortality in sepsis. Am J Respir Crit Care Med. 2017;196(7):856–63.

Barie PS, Hydo LJ, Shou J, Larone DH, Eachempati SR. Influence of antibiotic therapy on mortality of critical surgical illness caused or complicated by infection. Surg Infect (Larchmt). 2005;6(1):41–54

Reducing the waiting time for out patient department of Bantak Hospital, Tak Province

Hassanai Srichaiwit — Sat, 01 Jun 2024 00:00:00 +0700

The long waiting time at outpatient departments (OPDs) is a common problem in many hospitals, including Bantak Hospital in Tak Province, Thailand. In July 2023, the average waiting time for outpatient services at Bantak Hospital was 177 minutes, and it causes some annoyance and inconvenience for patients.

To reduce the waiting time for outpatient services, Bantak Hospital implemented a process improvement project in 2023. The project aims to find out and fix the main reasons for the long waiting time such as the number of patients, inadequate staffing, and inefficient workflow. One of the key interventions implemented was to streamline the workflow for outpatient services since it can help reduce the number of steps required to complete a patient visit and eliminate unnecessary delays. This study has also altered the procedure of examination by physicians through the classification of patients based on their degree of disease control, thereby facilitating the management of staff and expediting the testing process for patients exhibiting well disease control with minimal delay. In addition, while patients are awaiting services at different intervals, education videos are displayed to enlighten patients about a range of diseases, thus rendering the waiting period advantageous.

As a result of the process improvement, the average waiting time for outpatient services at Bantak Hospital was reduced from 177 minutes to 159 minutes in August 2023. It indicates a significant improvement in the quality of care for patients at Bantak Hospital.

References

B. A. Ahmad, K. Khairatul, and F. Ariffin, "An assessment of patient waiting and consultation time in a primary healthcare clinic," Malaysian Family Physician : the Official Journal of the Academy of Family Physicians of Malaysia, vol. 12, pp. 14-21, 04/30 2017.

S. Thi Thao Nguyen et al., "Waiting time in the outpatient clinic at a national hospital in Vietnam," Nagoya J Med Sci, vol. 80, no. 2, pp. 227-239, May 2018, doi: 10.18999/nagjms.80.2.227.

ภ.ปริญญารักษ์, ว.รักผกาวงศ์, จ.สาชะรุง, ร.ทวีเฉลิมดิษฐ์, อ.ฉันทวุฒินันท์, และ ธ.ฉัตรทวีลาภ, "ระยะเวลาการ รอคอยและระยะเวลารับบริการแผนกผู้ป่วยนอกโรงพยาบาล ทั่วไปขนาดกลาง ภาคเอกชนแห่งหนึ่ง," เภสัชกรรมคลินิก, vol. 27, no. 2, pp. 53-63, 05/16 2022. [Online]. Available: https:// thaidj.org/index.php/TJCP/article/ view/11476.

C. Bai-lian, L. I. En-dong, Y. Kazunobu, K. Ken, N. Shinji, and M. Wei-jun, "Impact of adjustment measures on reducing outpatient waiting time in a community hospital: application of a computer simulation," Chinese Medical Journal, vol. 123, no. 05, pp. 574-580, 2010/03/05 2010, doi: 10.3760/ cma.j.issn.0366-6999.2010.05.013.

S. M. E. Fazl Hashemi, A. Sarabi Asiabar, A. Rezapour, S. Azami-Aghdash, H. Hosseini Amnab, and S. A. Mirabedini, "Patient waiting time in hospital emergency departments of Iran: A systematic review and meta-analysis," Med J Islam Repub Iran, vol. 31, p. 79, 2017, doi: 10.14196/mjiri.31.79.

ก.จันทรสมัย และ อ.ลาสุนนท, “การปรับปรุงผังโรงพยาบาล เพื่อลดระยะทางและลดเวลาในการให้บริการ,” วารสารวิศว กรรมศาสตร์ และนวัตกรรม, vol. 16, no. 1, p. 93, 2565.

ฉ.ศรีพยงค์, "การเปรียบเทียบระบบการรอคอยบริการ ในช่วงสถานการณ์ก่อนโควิดและช่วงโควิด กรณีศึกษา แผนกจักษุ โรงพยาบาลเมตตาประชารักษ์ (วัดไร่ขิง), " วารสารชุมชนวิจัย มหาวิทยาลัยราชภัฏนครราชสีมา, vol. 16, no. 4, pp. 231–242, 2565, doi: https://doi. org/10.14456/nrru-rdi.2022.78.

W. Artsom, "System development to reduce waiting time of non-communicable diseases patient service in Napho hospital," Journal of the Thai Medical Informatics Association, vol. 7, no. 1, pp. 41-46, 04/14 2022. [Online]. Available: https://he03.tci-thai jo.org/index.php/jtmi/article /view/128.

D. Tansui, "Simulation of Queuing Systems: A case study of the gynecological clinic, Songkhlanagarind hospital," Princess of Naradhiwas University Journal of Humanities and Social Sciences, vol. 8, no. 1, pp. 95-111, 10/28 2020. [Online]. Available: https:// so05.tci-thaijo.org/index.php/pnuhuso/article/ view/243419.

ส.ศรีละคร, “การเพิ่มประสิทธิภาพการให้บริการผู้ป่วย ด้วยการจำลองแบบปัญหา : กรณีศึกษา แผนกผู้ป่วยนอก โรงพยาบาลวารินชราบ จังหวัดอุบลราชธานี,” thesis, 2560

P. Kithammakunnit, "Reducing waiting time out patient department service in community hospital," Journal of the Thai Medical Informatics Association, vol. 6, no. 1, pp. 28-31, 04/14 2022. [Online]. Available: https://he03.tci-thaijo.org/index.php/jtmi/ article/view/109.

ค. วสุธาดา, "การพัฒนารูปแบบการดเนินงานเพื่อลดระยะ เวลารอคอยการรับบริการในผู้ป่วยโรคเรื้อรัง ศูนย์สุขภาพ ชุมชนเมืองท่าช้าง จังหวัดจันทบุรี," 2017.

ช. รัตนพันธ์ และ ป. พีรพัฒนา. "การปรับปรุงกระบวนการ ให้บริการเพื่อลดการรอคอยโดยใช้แนวคิดลีนและการ จำลองสถานการณ์ : กรณีศึกษาคลินิกทันตกรรม จังหวัด ขอนแก่น," vol. 9, no. 1, pp. 135–150, 2016, [Online]. Available: https://so04.tci-thaijo.org/index.php/ mbakkujournal/ article/view/62469/51426

ซ.ศุภศิริ, ส.พุทธาพิทักษ์ผล, และ ด.เปลี่ยนบรุง, "ผลของ รูปแบบบริการผู้ป่วยนอกโรคเบาหวาน ต่อระยะเวลารอคอย และความพึงพอใจในบริการ," Thai Journal of Cardio-Tho racic Nursing, vol. 28, no. 1, pp. 44-56, 10/17 2017. [Online]. Available: https://he02.tci-thaijo.org/index.php/ journalthaicvtnurse/article/view/101615.

พ.ทิ้งแสน and อ.นัยพินิจ, "การกำหนดแนวทางการลด ระยะเวลาการรอคอยการให้บริการตรวจโรคทั่วไป ของ โรงพยาบาลค่ายประจักษ์ศิลปาคม จังหวัดอุดรธานี," วารสาร วิชาการและวิจัย มหาวิทยาลัยภาคตะวันออกเฉียงเหนือ, vol. 10, no. 1, pp. 59-72, 04/30 2020. [Online]. Available: https://so04.tci-thaijo.org/index.php/neuarj/ article/view/226505.

“เพิ่มประสิทธิภาพการทำงานด้วยแนวคิด Kaizen,” [Online]. Available:https://www.stou.ac.th/study/sumrit/5-58 (500)/page5-5-58(500).html (accessed Sep. 26, 2023).

อ.ศรสว่าง, "ผลการใช้แนวปฏิบัติลดระยะเวลารอคอยแผนก ผู้ป่วยนอก โรงพยาบาลพระนารายณ์มหาราช," วารสารสุขภาพ และสิ่งแวดล้อมศึกษา, vol. 6, no. 4, pp. 181 - 189, 04/17 2022. [Online]. Available: https://so06.tci-thaijo. org/ index.php/hej/article/view/253490.

“ความหมายของ Lean”. Available: http://medinfo2. psu.ac.th /qc/index.php?option=com_content& view=article&id=72&Itemid=95

ม.คำรินทร์, "การประยุกต์ใช้ Lean Six Sigma ในการ พัฒนาคุณภาพการบริการผู้ป่วยที่รับบริการที่แผนกผู้ป่วยนอก ของศูนย์สามัคคี โรงพยาบาลมหาสารคาม," วารสาร โรงพยาบาลมหาสารคาม, vol. 16, no. 3, pp. 109-115, 08/28 2020. [Online]. Available: https://he02.tci-thaijo. org/index.php/ MKHJ/article/view/244929.

จ.ประจิตร et al., "การพัฒนาระบบบริการผู้ป่วยโรคไม่ ติดต่อเรื้อรัง โรงพยาบาลชุมพวง โดยใช้หลักการพื้นฐาน ของลีนและการเว้นระยะห่างทางกายภาพ," วารสารวิจัย และพัฒนาด้านสุขภาพ, vol. 8, no. 1, pp. 18-37, 09/27 2022. [Online]. Available: https://he02.tci-thaijo.org/ index.php/ journalkorat/article/view/252035.

ช.เยยโพธิ์, "การพัฒนารูปแบบบริการคลินิกเบาหวาน โดยประยุกต์ใช้แนวคิดแบบลีน โรงพยาบาลพยัคฆภูมิพิสัย จังหวัดมหาสารคาม," วารสารโรงพยาบาลมหาสารคาม, vol. 17, no. 3, pp. 54-63, 02/25 2021. [Online]. Available: https://he02.tci-thaijo.org/index.php/MKHJ/ article/view/ 247825

Improving registration processes with the use of technology to reduce crowding and waiting time for patients at the registration counters in tertiary care hospital

Phatharaporn Kiatpanabhikul — Sat, 01 Jun 2024 00:00:00 +0700

The process of registration and approval of rights before receiving medical services in the hospital is the important and necessary first step in utilizing healthcare rights and verifying the identity of the service recipients or patients. Due to a high volume of service recipients every early morning, these have resulted in crowded and long waiting time at the registration counters. Therefore, there has been an improvement in the registration processes by Lean principles in conjunction with using technology, such as automated registration or queue management kiosk at three locations in crowded clinic buildings. This has effectively reduced the congestion of service recipients during the period before 8 AM. Prior to the improvement in April 2023, an average of 1,764 service recipients were cleared per day comparing with improving in June, July, and August 2023, the clearance increased to an average of 1,901, 1,990, and 2,133 service recipients per day, with statistical significance (p< 0.05) and did not increase the waiting time even though the number of service recipients increased each month after the improvement, it was 1.3-1.5 times the amount of the month before the improvement. In addition, the number of service recipients using the kiosk has been steadily increasing each month, accounting for 17.4 percent in August compared to July

References

คณะทำงานคู่มือการปฏิบัติงานการให้บริการผู้ป่วยนอก, “คู่มือการปฏิบัติงาน การให้บริการผู้ป่วยนอก (OPD)”, 1ed, สำนักการแพทย์ กรุงเทพมหานคร: 2 July 2022. pp.2-9

R. Yadav, “Reducing Waiting Time of Patients in Outpatient Services of Large Teaching Hospital: A Systematic Quailty Approach,” IOSR-JDMS, vol. 16. no. 11, Ver. III, Nov. 2017, pp. 01-07.

D.P.I.M. Pathirana and N.D. Silva, “Efficient Work place Planning and Designing Strategies to Reduce Waiting Time in the Outpatient Departments (OPD) of Government Hospitals in Sri Lanka,” Proceedings of the 10th World Construction Symposium, Sri Lanka, pp. 404-414, 24-26 June 2022, DOI: https://doi.org/10.31705/WCS.2022.33.

W. Xie, X. Yang, X. Cao, and P. Liu, “Effects of a comprehensive reservation service for non-emer gency registration on appointment registration rate, patient waiting time, patient satisfaction and outpatient volume in a tertiary hospital in China,” BMC Health Serv Res. vol. 19, no. 782, pp. 1-7, 2019.

M. Melesse, M. Woldie, N. Berhanu, and M. Tamiru, “The determinants of patient waiting time in the general outpatient department of Debre Markos and Felege Hiwot hospitals in Amhara regional state,” North West, Ethiopia. vol. 6, no. 5, pp. 17, 2017.

S. T. T. Nguyen, E. Yamamoto, M. T. N. Nguyen, H. B. Le, T. Kariya, Y. M. Saw, et al, “Waiting time in the outpatient clinic at a national hospital in Vietnam,” Nagoya J Med Sci, vol. 80, no. 2, pp. 227-39, 2018.

ประวัติ กิจธรรมกูลนิจ, “การลดระยะเวลาการรอคอย การรักษาแบบผู้ป่วยนอก.” J Thai Med Inform Assoc, vol. 1, pp. 28-31, 2020.

ปอแก้ว เรืองเพ็ง. “การจำลองระบบแถวคอยแผนกผู้ป่วยนอก: กรณีศึกษา คลินิกอายุรกรรม โรงพยาบาลพัทลุง.” วารสาร วิชาการ Veridian E-Journal, vol. 6, no. 3, pp. 834-845, 2013.

ไพรฑูรย์ ทิ้งแสน และ อารีย์ นัยพินิจ, “การกำหนด แนวทางการลดระยะเวลาการรอคอยการให้บริการตรวจโรค ทั่วไปของโรงพยาบาลค ่ายประจักษ์ศิลปาคม จังหวัด อุดรธานี.” NEUARJ NEU Academic and Research Journal, vol. 10, no. 1, pp. 59-72,2020.

ปริตรา มั่นเหมาะ และ ธนัญญา วสุศรี. “การจำลอง สถานการณ์เพื่อลดเวลารอคอยของผู้ป่วย แผนกผู้ป่วยนอก โรงพยาบาลชุมชน จังหวัดสุพรรณบุรี.” ว เภสัชศาสตร์ อีสาน, vol. 15, no. 2, pp. 51-62, 2019.

กฤต จันทรสมัย และ อรอุมา ลาสุนนท์, “การปรับปรุง ผังโรงพยาบาลเพื่อลดระยะทางและลดเวลาในการให้ บริการ.” วารสารวิศวกรรมศาสตร์และนวัตกรรม, vol. 16 no. 1, pp 93-106, 2023

S. Kavanagh and D. Krings, “The 8 Sources of Waste and How to Eliminate Them.” Government Finance Review, Dec. 2011. [online]. Available:https:// www.gfoa.org.

Comparative study of waiting time for emergency operative case between online queue and conventional queue at Ratchaburi hospital

Sorawit Chanpen — Sat, 01 Jun 2024 00:00:00 +0700

Prolonged waiting times for emergency surgery patients often result in surgical complications and higher patient mortality rates. Currently, applications have been developed in hospitals to improve patient care and convenience. This study compared the waiting times for emergency surgery cases between using an online queue system and the traditional queue system. Data were obtained from the operating room database and analyzed for the waiting times of patients who underwent surgery at Ratchaburi Hospital. This analysis covered a period of 3 months before using the online queue program (October 1, 2022 to December 31, 2022) and 3 months after using the program (January 1, 2023 to March 31, 2023). There were 1,784 emergency surgery patients at Ratchaburi Hospital in the 3 months before using the online queue program, and 1,643 patients in the 3 months after. The average waiting time was 5.4 hours, which decreased to 4 hours, a reduction of 1.4 hours (25.47%) with statistical significance (p-value < 0.01). However, subgroup analysis showed that surgeries like hollow viscus organ perforation, craniectomy, craniotomy, and caesarean section had reduced average waiting times but without statistical significance. We can conclude that the use of an online queue system can reduce waiting times for emergency surgery cases and provide convenience for surgeons to monitor their surgery queue via a web browser over the internet.

References

A. Adamu, M. Maigatari, and K. Lawal, “Waiting time for emergency abdominal surgery in Zaria,” African Health Sciences, vol. 10, no. 1, March 2010.

J.T. van Essen, E.W. Hans, J.L. Hurink, and A. Oversberg, “Minimizing the waiting time for emergency surgery,” Operations Research for Health Care, vol. 1, pp. 34-44, June–September 2012.

P. Cramon, K. Rasmussen, S. Bonnema, J. Bjorner, U. Feldt-Rasmussen, M. Groenvold, et al. “Development and implementation of progmatic: A clinical trial management system for pragmatic multi-centre trials, optimised for electronic data capture and patientreported outcomes,” Clinical trials, vol. 11, no. 3, 2014.

สุวิมล ผาบแก้ว และธนากร อุยพานิชย์, “แอปพลิเคชัน สำหรับนัดผู้ป่วยทางทันตกรรมผ่านระบบปฏิบัติการ แอนดรอยด์,” วารสารมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยราชภัฏสวนสุนันทา, vol. 1, no. 2, 2561.

วิไลลักษณ์ ลูกอินทร์ และอดุลย์ โต๊ะบก, “ระบบการจัดการ คลินิกทันตกรรม,” การประชุมวิชาการระดับปริญญาตรี ด้านคอมพิวเตอร์ภูมิภาคคอาเซียน, 2015.

M. Ngorsed, and P. Suesaowaluk, “Hospital Service Queue Management System with Wireless Approach,” The 4th international conference on frontier comput ing, pp. 550-559, 2015.

ปายือรี นาแว, ศรุต แมเร๊าะ, และดินาถ หลำสุบ, “ระบบจัดการข้อมูลการเข้ารับบริการคลินิกทันตกรรม โรงพยาบาลเทพา, “วารสารวิชาการวิทยาศาสตร์และ เทคโนโลยีมหาวิทยาลัยราชภัฏสงขลา, vol. 2, no. 1, pp. 11-22, 2563.

Reducing the patient waiting time for radiological examination appointments at Khon Kaen Hospital using the radiological information program system and the process redesign concept

Suthee Tharakulphan — Sat, 01 Jun 2024 00:00:00 +0700

Introduction : Radiology delivery systems play a crucial role in supporting diagnosis and treatment. Currently, Khon Kaen Hospital conducts an average of approximately 20,000 radiological examinations per month and schedules around 4,000 radiological appointments per month. This has led to increased waiting times for radiation appointment requests. Therefore, the development of a radiological information program system and the implementation of new processes are expected to further reduce patient waiting times.

Objective : Patient waiting times for radiology appointments have been reduced compared to before the adjustment of the radiology appointment request process.

Material and Methods : Outpatients who received services from the internal medicine department, specifically from the specialized gastrointestinal and liver clinic, and had appointments for ultrasound examinations between June 2023 and September 2023 were initially categorized based on the original radiological appointment process and then reassessed after the implementation of the new process.

Results : The average waiting time for a radiology appointment decreased by 37.98 minutes with statistical significance (p < 0.05) after adjusting the new radiology appointment process.

Conclusions : The development of radiological information programs, coupled with the adjustment of the new radiological examination process, helps reduce the waiting time for patients to schedule radiation tests.

References

วิบูลย์ สุริยจักรยุทธนา, ชัชชาญ คงพานิช, ปภาวี สุวรรณพันธ์, กลนิษฐ์ สายเสมา.“ผลลัพธ์ในการแจ้งผลการวินิจฉัยโรค ทางรังสีวิทยาที่เป็นภาวะวิกฤติอย่างเร่งด่วนของโรงพยาบาล รามาธิบดี” รามาธิบดีเวชสาร. ปีที่ 40, ฉบับที่ 4 (ต.ค.-ธ.ค. 2560), 20-28.

เกศราภรณ์ ขาววิเศษ, ศรสุภา ลิ้มเจริญ. “คุณภาพใบส่ง ตรวจทางรังสีวิทยาของงานรังสีวิทยาและเวชศาสตร์นิวเคลียร์ โรงพยาบาลมหาวิทยาลัยบูรพา” บูรพาเวชสาร ปี ที่ 4 ฉบับ ที่ 1 มกราคม – มิถุนายน 2560).

M. J. Mills, J. X. Nguyen, B. Himelhoch, A. Souala, A. Khashola, S. Joseph, P. Rathousky, R. Gonda, M. C. Y. Juan, , "Project to Improve the Transcription of Clinical Order Information into a Radiology Information System," (in eng), Spartan Med Res J, vol. 3, no. 2, p. 6936, Sep 26 2018, doi: 10.51894/001c.6936.

P. Troude, A. Dozol, P. Soyer, D. Girard, F. Martinez, B. Montagne, C. Segouin, , "Improvement of radiology requisition," (in eng), Diagn Interv Imaging, vol. 95, no. 1, pp. 69-75, Jan 2014, doi: 10.1016/j. diii.2013.07.002.

Chitwiset S, "The Completeness of CT Scan Request forms in the Emergency Period of Rajavithi Hospital," j dept med ser, vol. 44, no. 1, pp. 144-148, 2019.

B. Olisemeke, Y. F. Chen, K. Hemming, and A. Girling, "The effectiveness of service delivery initiatives at improving patients' waiting times in clinical radiology departments: a systematic review," (in eng), J Digit Imaging, vol. 27, no. 6, pp. 751-78, Dec 2014, doi: 10.1007/s10278-014-9706-z.

A. J. Towbin, L. A. Perry, and D. B. Larson, "Improving efficiency in the radiology department," (in eng), Pediatr Radiol, vol. 47, no. 7, pp. 783-792, Jun 2017, doi: 10.1007/s00247-017-3828-7.

E. Vecellio and A. Georgiou, "Integrating the Radiology Information System with Computerised Provider Order Entry: The Impact on Repeat Medical Imaging Investigations," (in eng), Stud Health Technol Inform, vol. 227, pp. 126-31, 2016.

H. S. Mekhjian, R. R. Kumar, L. Kuehn, T. D. Bentley, P. Teater, A. Thomas, B. Payne, A. Ahmad, , "Immediate benefits realized following implementation of physician order entry at an academic medical center," (in eng), J Am Med Inform Assoc, vol. 9, no. 5, pp. 529-39, Sep-Oct 2002, doi: 10.1197/jamia.m1038.

J. W. Nance, Jr., C. Meenan, and P. G. Nagy, "The future of the radiology information system," (in eng), AJR Am J Roentgenol, vol. 200, no. 5, pp. 1064-70, May 2013, doi: 10.2214/ajr.12.10326.