วิเชียร บุญญะประภาธนกร บุญลาภณัฐวุฒิ รุ่งเกียรติ์เตชากร2025-08-182025-08-182568-08-132568https://repository.li.mahidol.ac.th/handle/123456789/111718การประชุมวิชาการศูนย์การแพทย์กาญจนาภิเษก คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล ประจำปี 2568 หัวข้อ R2R @ GJ : เรียนรู้ร่วมกัน สรรค์สร้างองค์กร. ณ ห้องประชุมภักดีบดินทร์ อาคารกาญจนาบริพัฒน์ ศูนย์การแพทย์กาญจนาภิเษก มหาวิทยาลัยมหิดล ศาลายา, นครปฐม. 25 กรกฎาคม 2568. หน้า 88-101โรคไตเรื้อรัง (Chronic Kidney Disease: CKD) เป็นปัญหาสุขภาพที่สำคัญในประเทศไทยและทั่วโลก โดยค่า eGFR เป็นตัวชี้วัดสำคัญในการวินิจฉัยและติดตามการเสื่อมของไต ปัจจุบันอายุรแพทย์ ที่คลินิกโรคไต ของศูนย์การแพทย์การจนาภิเษก ยังคงใช้วิธีประเมินแนวโน้มด้วยตนเองจากตัวเลข อาจทำให้เกิดความคลาดเคลื่อนและไม่ทันต่อสถานการณ์ปัจจุบันของสภาวะสุขภาพในผู้ป่วยโรคไตเรื้อรั้ง การศึกษานี้จึงมีวัตถุประสงค์เพื่อศึกษาการพัฒนาระบบวิเคราะห์แนวโน้มค่าประมาณอัตราการกรองของไต (eGFR) ในผู้ป่วยโรคไตเรื้อรัง ตลอดช่วงระยะเวลา โดยใช้โปรแกรม Microsoft Power BI และแบบจำลองทางคณิตศาสตร์ วิเคราะห์และแสดงแนวโน้มค่า eGFR ตลอดช่วงระยะเวลาการรักษา เพื่อลดข้อผิดพลาดและเพิ่มความแม่นยำในการสนับสนุนการวินิจฉัยของอายุรแพทย์ การศึกษานี้เป็นการศึกษาเชิงปริมาณ โดยใช้ข้อมูลย้อนหลังของผู้ป่วยโรคไตเรื้อรังจากระบบเวชระเบียนของศูนย์การแพทย์กาญจนาภิเษก จำนวน 300 ราย และสุ่มตัวอย่าง จำนวน 169 ราย เพื่อทำการวิเคราะห์ความแม่นยำของแนวโน้มค่า eGFR และรวบรวมแบบสอบถามจากแพทย์ที่ใช้ระบบวิเคราะห์แนวโน้มค่า eGFR ผลการศึกษาพบว่าอายุรแพทย์ พบว่ามีความต้องการใช้ระบบวิเคราะห์ผ่านโปรแกรม Microsoft Power BI สูง และมีความพึงพอใจในระดับมาก ระบบสามารถประมวลผลแนวโน้มค่า eGFR และสนับสนุนการตัดสินใจรักษาได้อย่างมีประสิทธิภาพChronic Kidney Disease (CKD) remains a critical public health challenge worldwide, with the estimated Glomerular Filtration Rate (eGFR) being a key indicator for assessing kidney function and disease progression. At the Golden Jubilee Medical Center, nephrologists currently evaluate eGFR trends manually, which may lead to interpretation errors and delayed clinical responses. This study aimed to develop a trend analysis system using Microsoft Power BI to monitor eGFR changes over time in CKD patients, enhancing accuracy and supporting timely medical decisions. A quantitative research design was applied using retrospective clinical data from 300 CKD patients stored in the hospital's electronic medical records. A stratified random sample of 169 patients was selected for trend accuracy analysis. The system utilized mathematical modeling and data visualization techniques via Microsoft Power BI to automate trend computation and presentation. Additionally, a structured questionnaire was used to gather feedback from nephrologists on the system’s usability and effectiveness. The results revealed high satisfaction among physicians, with the system significantly improving efficiency, reducing the cognitive burden of manual assessment, and enhancing diagnostic confidence. The Microsoft Power BI-based platform proved effective in visualizing eGFR trends over time, offering valuable decision-support tools for CKD management. This system has the potential to be integrated into routine clinical workflows, contributing to better outcomes and continuity of care for CKD patients.application/pdfthaผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้าโรคไตเรื้อรังค่า eGFRระบบวิเคราะห์ข้อมูลChronic Kidney Disease (CKD)Estimated Glomerular Filtration Rate (eGFR)Data Analysis SystemMicrosoft Power BIProceeding Articleศูนย์การแพทย์กาญจนาภิเษก คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดลhttp://doi.org/10.14457/MU.res.2025.3