Faculty of Pharmacy

Assessment of Service Quality in the Outpatient Department of Public Hospitals in Yangon, Myanmar

2025-08-15T20:01:59Z

Assessment of Service Quality in the Outpatient Department of Public Hospitals in Yangon, Myanmar; Assessment of Service Quality in the Outpatient Department of Public Hospitals in Yangon, Myanmar Yin Phyu Thin Services are intangible in nature and difficult to assess as compared to the products. Measuring the quality of intangible service products has become a great challenge for managers and technical staffs in the health services industry. In Myanmar, the network of hospitals and health centers provides preventive and curative services ranging from primary to tertiary care. The service quality of public hospitals can be affected due to an imbalance between supply and demand resulting in the decline of customer satisfaction level. The assessment of patients’ expectation and perception would be necessary for policymakers and government officials to reform and rebuild the operating system and service quality in public hospitals. Therefore, this research aims to assess service quality in the outpatient department of public hospitals in Yangon, Myanmar. The study employed the SERVQUAL framework, comprising five dimensions – namely tangible, reliability, responsiveness, assurance, and empathy – to evaluate the quality of services provided in the outpatient department of public hospitals in Yangon, Myanmar. After developing a questionnaire relevant to Myanmar culture, the data collection was collected from the Yangon region because this is the most crowded and has the highest population among the 15 states and regions. So, the 806 patients were asked from the outpatient department (OPD) of the hospitals of 18 primary, 2 secondary and 6 tertiary curative care levels. Based on data collection, the scores between the perception and expectation on service quality dimensions showed positive scores in all dimensions. The mean perception score exceeded the mean expectation score and it could explain that the patients were satisfied with perceived service quality. Moreover, the result showed that residence was significantly related to the tangible, reliability, responsiveness and empathy dimensions. The monthly income was significantly related to the reliability and responsiveness dimensions. The marital status was significantly related to the assurance dimension. The results emphasize the importance of understanding the local context and demographic characteristics when designing interventions or improvements in healthcare services. Understanding the underlying factors contributing to these variations could provide valuable insights for healthcare providers to enhance their service quality based on the specific needs of different patient groups. To validate the association between the observed and the latent variables, the measurement model was assessed by the first-order and second-order confirmatory factor analyses. Based on the fit indices, the second-order confirmatory factor model did not adequately represent the data. Therefore, it could not confirm the hypothesized two-factor model of service quality, where service expectation and perception were higher-order factors encompassing the individual five dimensions of service quality. Due to the diverse nature of service industries and the complexities inherent in healthcare services, it is needed to emphasize the importance of tailoring the SERVQUAL scale to each sector's specific needs, cultural context and national context.; -

Using decision trees classification to improve the efficiency of oncology drugs inventory control in National Cancer Institute of Thailand

2025-08-15T20:01:57Z

Using decision trees classification to improve the efficiency of oncology drugs inventory control in National Cancer Institute of Thailand; การใช้การจำแนกข้อมูลด้วยต้นไม้ตัดสินใจในการปรับปรุงประสิทธิภาพการควบคุมคลังยารักษาโรคมะเร็งในสถาบันมะเร็งแห่งชาติ ลลิดา มั่นในสัจจธรรม Due to lack of data linking to prescribing information and use the same drug reserve policy for all medications. Therefore, the reserves exceeded the demand. The purposes of this research were 1) to create a model for categorizing cancer drugs using decision tree classification. 2) to bring the model to simulate the situation retrospectively. In order to have enough medicines for service and to reduce the value of drug inventory. The sample of this research were National Cancer Institute daily use of cancer drugs from october 1, 2012 to september 30, 2019. Experimental design was evaluation research. The research instruments were data collection form from the Hospital Information System (HIS). Data analysis was performed with descriptive statistics and chi-square tests. using the program PSPP. Identifying drug use patterns using machine learning techniques using WEKA (Waikato Environment for Knowledge Analysis) version 3.8.6. Manage data and simulate situations using Microsoft Excel. The results of this research were as follow: 1. A decision tree classification method was chosen in WEKA program, algorithm J48, and parameters were adjusted. To simplify decision trees and increase the accuracy. The optimal decision tree is J48 [ binarySplits = TRUE, reducedErrorPruning = TRUE, minNumObj = 10, numFolds = 50 ] the tree size of 35 nodes yields 95.93 percent accuracy. 2. Use the decision trees obtained to create a conditional model to classify drug use patterns to simulate the situation retrospectively. It was found that the simulation had lower average inventory value and average days of stock compared to the actual situation without lack of medication. Service rate was 100 percent.; จากปัญหาการขาดการเชื่อมโยงข้อมูลและการใช้นโยบายในการสำรองยาเพียงนโยบายเดียวกับยาทุกรายการ ส่งผลให้เกิดการสำรองยามากเกินความจำเป็นขึ้น จึงเกิดแนวคิดที่จะนำอุปสงค์ที่แท้จริงจากความต้องการใช้ยาของผู้ป่วยมาทำการจำแนกรูปแบบการใช้ และกำหนดนโยบายในการสำรองยาใหม่ เพื่อปรับปรุงประสิทธิภาพในการบริหารเวชภัณฑ์ให้ดีขึ้น การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) สร้างตัวแบบในการจำแนกประเภทยารักษาโรคมะเร็งด้วยวิธีการจำแนกข้อมูลด้วยต้นไม้ตัดสินใจ 2) นำตัวแบบที่ได้ไปจำลองสถานการณ์ กำหนดนโยบายในการบริหารคลัง สำรองยาย้อนหลัง ให้มียาเพียงพอต่อการให้บริการและลดมูลค่าสำรองยาคงคลังลง กลุ่มตัวอย่างที่ใช้ในการวิจัยเป็นข้อมูลการใช้ยารักษาโรคมะเร็งในสถาบันมะเร็งแห่งชาติทุกวัน ตั้งแต่วันที่ 1 ตุลาคม 2555 ถึงวันที่ 30 กันยายน 2562 เป็นการวิจัยเชิงประเมินผล (evaluation research) เครื่องมือที่ใช้ในการวิจัย คือ แบบฟอร์มการเก็บข้อมูลการใช้ยารักษาโรคมะเร็งในสถาบันมะเร็งแห่งชาติรายวันจากระบบ Hospital Information System (HIS) ของโรงพยาบาล ทำการวิเคราะห์ข้อมูลด้วยสถิติพรรณนาและการทดสอบไคสแควร์ (chi-square test) โดยใช้โปรแกรม PSPP และนำชุดข้อมูลมาจำแนกรูปแบบการใช้ยาด้วยเทคนิคการเรียนรู้ของเครื่อง (machine learning) โดยใช้โปรแกรม WEKA (Waikato Environment for Knowledge Analysis) เวอร์ชั่น 3.8.6 จัดการข้อมูลและจำลองสถานการณ์โดยใช้โปรแกรม Microsoft Excel ผลการวิจัย พบว่า 1. เลือกใช้วิธีการจำแนกข้อมูลด้วยต้นไม้ตัดสินใจในโปรแกรม WEKA อัลกอริทึม J48 และมีการปรับพารามิเตอร์ เพื่อลดความซับซ้อนของต้นไม้ตัดสินใจ และเพิ่มค่าความถูกต้อง (accuracy) จนได้ต้นไม้ตัดสินใจที่เหมาะสมที่สุด คือ J48 [ binarySplits = TRUE, reducedErrorPruning = TRUE, minNumObj = 10, numFolds = 50 ] ขนาดต้นไม้ 35 โหนด ให้ค่าความถูกต้อง (accuracy) อยู่ที่ร้อยละ 95.93 2. นำต้นไม้ตัดสินใจที่ได้มาสร้างตัวแบบเงื่อนไขเพื่อจำแนกรูปแบบการใช้ยากับชุดข้อมูลสำหรับทดสอบสมมติฐาน และจำลองสถานการณ์การสำรองยาย้อนหลัง พบว่าสถานการณ์จำลอง มีมูลค่าการสำรองยาคงคลังเฉลี่ย (average inventory value) และจำนวนวันสำรองยาคงคลังเฉลี่ย (average days of stock) ลดลง เมื่อเทียบกับสถานการณ์จริง โดยที่ไม่มียาขาดเลย ระดับการให้บริการ (service rate) ร้อยละ 100

Classification of Waiting Times in Out-patient Pharmacy Using Multi-Layer Perceptron Neural Networks

2025-08-15T20:01:55Z

Classification of Waiting Times in Out-patient Pharmacy Using Multi-Layer Perceptron Neural Networks; การจำแนกเวลารอคอยรับยาในแผนกผู้ป่วยนอกโดยใช้โครงข่ายประสาทเทียมแบบเพอร์เซปตรอนหลายชั้น น้ำทิพย์ จุติพงษ์ The purpose of this study was to investigate patient factors and prescription filling process factors associated with waiting times in outpatient pharmacy department of tertiary care hospital. This was retrospective study of the medical records of patients received services at outpatient pharmacy department of Rajavithi hospital in Bangkok province during the period of October 2018 to September 2019. The 12,840 samples were collected using stratified random sampling method and were analyzed by descriptive, Chi-square test (method 1) and Binary logistic regression (method 2). Statistical significance was set at p < 0.05. The analyzed factors were used to develop a model by using multilayer perceptron neural network technique, Models 1 and 2, respectively. A total of 78 factors were analyzed. There were 37 factors related to waiting time in outpatient pharmacy from Method 1, and 30 from Analysis 2. When the factors were used to develop the model with the multi-layer perceptron, It was able to predict the waiting time for medication with 78.57% accuracy, 77.57% sensitivity, 79.63% specificity and 80.37% precision. Therefore, the factors from the logistic regression analysis can be used as a guideline for improvement in order to reduce the waiting time for outpatient pharmacy and applied this model to predict the waiting time for medicines of outpatients to communicate to patients about the waiting time for medicines in the hospital. As for the limitations of this study, it was conducted in only one hospital and was a retrospective study, therefore, the results of the analysis of factors may be inaccurate due to the lack of control for confounding factors. Further studies in a multi-institutional setting in similar hospitals are needed to clarify the factors influencing waiting time in outpatient pharmacy.; การศึกษานี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีความสัมพันธ์กับการรอคอยรับยานานของผู้ป่วยนอก ในโรงพยาบาลระดับตติยภูมิ โรงพาบาลราชวิถี กรุงเทพมหานคร และนำผลการศึกษานั้นมาใช้ในการวางแผนการดำเนินงานเพื่อลดเวลารอคอยรับยานานของผู้ป่วยนอก โดยเป็นการศึกษาเชิงสังเกตแบบย้อนหลังจากเวชระเบียน ของผู้ป่วยนอกที่มารับบริการในเวลาราชการ ณ โรงพยาบาลราชวิถี กรุงเทพมหานคร ในช่วง 1 ปี ตั้งแต่ เดือนตุลาคม พ.ศ. 2561 ถึง เดือนกันยายน พ.ศ. 2562 จำนวน สุ่มตัวอย่างแบบแบ่งชั้นจำนวน 12,840 ใบสั่งยา โดยวิเคราะห์ปัจจัยที่มีผลต่อเวลารอคอยรับยา 2 วิธี ได้แก่ วิธีที่ 1 วิธีทดสอบไคสแควร์ และวิธีที่ 2 วิธีวิเคราะห์ความถดถอยโลจิสติค โดยกำหนดค่านัยสำคัญทางสถิติที่ระดับ p < 0.05 นำปัจจัยที่ผ่านวิธีวิเคราะห์มาพัฒนาแบบจำลองด้วยเทคนิคโครงข่ายประสาทเทียมแบบเพอร์เซปตรอนหลายชั้น แบบจำลองที่ 1 และ 2 ตามลำดับ จากผลการวิจัยปัจจัยที่นำมาวิเคราะห์ทั้งหมด 78 ปัจจัย มีปัจจัยที่มีความสัมพันธ์ต่อเวลารอคอยรับยาจากวิธีวิเคราะห์ที่ 1 จำนวน 37 ปัจจัย ได้แก่ และจากวิธิเคราะห์ที่ 2 จำนวน 30 ปัจจัย เมื่อนำปัจจัยมาพัฒนาแบบจำลองด้วย Multi-layer perceptron พบว่าแบบจำลองที่ 2 มีความถูกต้องมากกว่าแบบจำลองที่ 1 โดยที่สามารถทำนายจำแนกเวลารอคอยรับยาได้ถูกต้องร้อยละ 78.57 มีความไวร้อยละ 77.57 มีความจำเพาะร้อยละ 79.63 มีความเที่ยงตรงร้อยละ 80.37 ดังนั้นสามารถนำปัจจัยจากการวิเคราะห์ความถดถอยโลจิสติคมาเป็นแนวทางในการปรับปรุงแก้ไขเพื่อลดเวลารอคอยรับยา และประยุกต์ใช้แบบจำลองนี้ในการทำนายเวลารอคอยรับยาของผู้ป่วยนอกเพื่อสื่อสารให้ผู้ป่วยทราบเวลาในการรอคอยรับยาในโรงพยาบาล สำหรับข้อจำกัดในการศึกษานี้ทำการศึกษาเพียงโรงพยาบาลเดียวและเป็นการศึกษาข้อมูลย้อนหลังจึงอาจทำให้ผลของการวิเคราะห์ปัจจัยคลาดเคลื่อนได้จากการที่ไม่มีการควบคุมปัจจัยรบกวน จึงควรมีการศึกษาเพิ่มเติมในพหุสถาบันในโรงพยาบาลที่มีบริบทคล้ายกันเพื่อให้เห็นความชัดเจนของปัจจัยที่มีอิทธิพลต่อเวลารอคอยรับยาเพิ่มมากขึ้น

Synthesis of octenyl succinate pineapple starch and evaluation for its application as nanoemulsion stabilizer

2025-08-15T20:01:52Z

Synthesis of octenyl succinate pineapple starch and evaluation for its application as nanoemulsion stabilizer; Synthesis of octenyl succinate pineapple starch and evaluation for its application as nanoemulsion stabilizer Su Su LATT The stem and rhizome waste of pineapple plant (Ananas comosus L. Merr.) is normally disposed of via a burning process, which can cause environmental pollution. In order to improve the limited properties of native pineapple starch (NPS) and to minimize waste, pineapple starch extracted from stem and rhizome was synthesized by octenyl succinic anhydride (OSA) using a fractional factorial central composite face centered (CCF) design. The Fourier transform infrared (FTIR) spectra results showed that new peak formation of ester carbonyl groups was found at 1716 cm−1 for octenyl succinate pineapple starch or OSA modified pineapple starch (OSAPS), indicating that the synthesis of pineapple starch by OSA was successful. Moreover, optimization of reaction conditions of OSAPS with multiple responses was successfully performed using response surface methodology (RSM). The OSA concentration was found to be the principal factor for the degree of substitution (DS), surface tension, and enthalpy model. The obtained OSAPS showed an increase in viscosity, clustering of granules and a decrease in surface tension, gelatinization temperature and enthalpy when compared with NPS. Moreover, the functional properties of OSAPS such as surface & interfacial tension, viscosity and emulsifying activity index were evaluated in order to apply as nanoemulsion stabilizer. An increase DS of OSAPS tended to statistically decrease the surface tension, interfacial tension, and increase the viscosity (p; -