ฝันของผู้ทำวิจัยจากข้อมูลซึ่งเก็บในงานประจำ (Administrative data) คือการนำข้อมูลเหล่านั้น มาใช้วางแผนเชิงนโยบายได้
*ขอบคุณมากค่ะที่ให้ความสำคัญของข้อมูลที่จำเป็นต่อการพิจารณาเชิงนโยบาย..และการสร้าง scenario บน hypothesis ต่างๆ ..
*ทั้งนี้แต่ละช่วงเวลาของข้อมูล ยังมีปัจจัยแวดล้อมที่ต้องคำนึงถึงด้วย เพื่อการอธิบายเชิง rational ที่ถูกต้อง..
Medical Research which involves 'hard outcome' or life and death, is not easy.
We can see that it is a 'game' and can't be tested and tried like in politics or socio-economics.
No one wants to hear "Ooops" from researchers nor patients.
But patients are not 'stereotype'. They may only have 'one label' in common among many more different labels.
Some say 'better patient history' (in time, place, work, environment, etc.) would make better medical precision.
But would medical services be able to cope with extra amount of information (to record and to process)?
I think not. Not without much more advanced information/knowledge systems.
[ Currently, doctors work by a process of classification (IF<label>THEN<treatment>ELSE<refer?>) to meet demand from patients (who mostly want 'instant cure' not prolonged procedural rehabilitation) -- 8 minutes per consultation!
Is inadequate information a source of 'confounders'?
How many common labels are necessary to minimize confounders? ]
อาจารย์เขียนได้ใจครับ...ได้ความรู้มากมายครับ
ความรู้ใหม่หลายประเด็นเลยครับ
ขอให้อาจารย์ได้ทำตามความฝันนะครับ
ลุยเลยครับ
ขอบคุณมากคะ อาจารย์ขจิต ได้เรียนรู้ศัพท์ใหม่อีกตัว "Triangulation"
เท่าที่อ่าน เป็นกระบวนการยืนยันความถูกต้อง (validation) ของข้อมูลอีกวิธีหนึ่ง
จะเป็นกำลังใจ และติดตามเรียนรู้ Action research คะ
ขอบคุณพี่ใหญ่คะ ที่ให้ข้อคิดสำคัญว่า การนำข้อมูลมาใช้เชิงนโยบาย
มิใช่ฟันธงไปตามตัวเลข แต่ให้คำนึงถึงเวลา และสภาพแวดล้อม ในการเก็บข้อมูลด้วย
ขอบคุณสำหรับความเห็นน่าคิดคะ คุณ Sr,
[ Currently, doctors work by a process of classification (IF<label>THEN<treatment>ELSE<refer?>)
ชอบใจตรงนี้ :-) เป็นความจริงคะว่า ใน โรงพยาบาล ที่ผู้ป่วยวันละ 200-300 คน
แพทย์ผู้ตรวจ ใช้เวลา 2-5 นาที/คน โดยเฉลี่ย
ปัญหาจึง ไม่ใช่จำนวนข้อมูลไม่พอ แต่ "ระบบ" ไม่เอื้อให้นำข้อมูลมาใช้ประโยชน์ในระดับองค์กร..
เมื่อข้อมูลไม่ถูกนำมาใช้ประโยชน์ ก็ไม่มีแรงจูงใจพัฒนาระบบจัดเก็บข้อมูลของ รพ./อ.
ซึ่งกระทบไปถึงส่วนกลาง เวลาต้องการข้อมูลสุขภาพที ก็ต้องจัดเก็บเอง ดึงเอาขององค์กรย่อยๆ มักมีปัญหา ไม่ครบ เข้าใจไม่ตรงกัน
Is inadequate information a source of 'confounders'?
How many common labels are necessary to minimize confounders?
คำถามนี้ ขึ้นกับหลากหลายความเห็นคะ บางท่านคิดว่าน่าจะเก็บให้ละเอียด labels ยิ่งเยอะยิ่งดี แต่ส่วนตัวเห็นว่า..เลือกเอา labels ปัจจัยที่สำคัญ แล้วจัดเก็บให้ถูกต้อง เข้าใจตรงกัน ดีกว่า
ขอบคุณคะ จะพยายามทำตามฝัน
แต่ฝันคนเดียวคงกลายเป็นฝันกลางวันคะ :-)
การขยายผลขึ้นกับว่าหาแนวร่วมฝันคล้ายกันได้หรือเปล่า
กลับไปคงขอดูตัวอย่าง R2R อีสานที่เข้มแข็งนะคะ
สวัสดีค่ะ การนำข้อมูลซึ่งเก็บจากงานประจำ (Administrative data) มาใช้วางแผนเชิงนโยบายสามารถทำได้ในการวิจัยทางสังคมศาสตร์ ...แต่ต้องเก็บ ปัจจัยรบกวน (confounders) ที่วัดไม่ได้ (unmeasurable confounders) เช่นทัศนคติ ค่านิยม ความเชื่อมาด้วยโดยเก็บแยกจาก observational study ที่ศึกษาอยู่ เพราะการวิจัยทางสังคมศาสตร์เพื่อการวางแผนเชิงนโยบาย ต้องนำข้อมูลดังกล่าว มาศึกษาหา 'Factors Affecting' หรือ 'Factors Influencing' ว่าปัจจัยใดมีผลและไม่มีผลต่อ outcome ในการวางแผนเชิงนโยบาย
คุณหมอปัทมาครับ.
อ่านงานของคุณหมอ รู้สึกถึงความตั้งใจ และแรงบันดาลใจเลย..ละเอียดและประณีตมากครับ.. วันนี้ผมเลยขอร่วมแลกเปลี่ยนเรียนรู้เรื่องปัจจัยรบกวนนะครับ วันนี้ผมเลยเขียนเรื่องนี้ครับ..(คลิ๊ก) เป็นมุมมองแบบเชิงคุณภาพ (AI, OD, KM, R2R, LO, AR)
ขอบคุณอาจารย์ที่แนะนำ น่าสนใจมากคะ
ความท้าทายอยู่ที่ การเชื่อมโยงปัจจัยนามธรรมจิตสังคม กับผลลัพท์ที่เป็นรูปธรรม (เช่น จำนวนผู้ป่วยเสียชีวิตใน ICU, การมาห้องฉุกเฉินโดยสาเหตุป้องกันได้ )
..
เท่าที่สังเกต น่าเสียดายว่า ปัจจัยที่เป็น ทัศนคติ ค่านิยม ความเชื่อ จาก survey และ งานวิจัยเชิงคุณภาพ ยังมีสัดส่วนการนำมาใช้ประโยชน์น้อย อาจเพราะ "ข้อต่อ การวิเคราะห์ และ นำมาสังเคราะห์บูรณาการ กับข้อมูลเชิงปริมาณ"
...
หากเป็นไปได้จึงขออาจารย์แนะนำ แหล่งศึกษาเพิ่มเติม กระบวนการวิเคราะห์ factor affecting/influencing analysis ด้วยก็จะดียิ่งเลยคะ
อ่านเรื่องที่อาจารย์เขียน แล้วร้องโอ้..
เป็นการช่วยให้คิดนอกกรอบ
ในงานวิจัยเรามักพยายาม "กำจัด" บรรดา confounders สารพัดวิธี
แต่สุดท้าย เมื่อผลลัพท์ ซึ่งผู้วิจัยได้มาอย่างยากลำบากปรากฎ ก็ยังไม่นำไปสู่การปฎิบัติ /เปลี่ยนแปลงนโยบาย
เพราะขาดตัวสำคัญ "การมีส่วนร่วม (what's matter them?") ของผู้เกี่ยวข้อง
ที่นำไปสู่ "การยอมรับ"
ขอบคุณจริงๆ คะ :-)