Category: Uncategorized
Herd immunity for Dentist
ครั้งแรกที่ได้ยินคำว่า Herd immunty คือ ข่าวจากหัวหน้าที่ปรึกษาด้านวิทยาศาสตร์ของรัฐบาลอังกฤษ ที่พูดถึงแนวคิดที่จะให้คนอังกฤษใช้ชีวิตกันตามปกติ จนเกิดการติดเชื้อเป็นจำนวนมาก แล้วเกิดภูมิคุ้มกันตามธรรมชาติ จนทำให้เกิดภูมิคุ้มกันของคนทั้งประเทศ (เป็นช่วงต้นปี พ.ศ. 2563 ตอนนั้น vaccine COVID-19 ยังเป็นวุ้น)
ยอมรับว่า งง เพราะแม้จะลืมไปหลายสิ่งที่ท่านอาจารย์เคยสอน แต่มั่นใจว่า ไม่เคยได้ยินคำว่า herd immunity จากวิชา immuno แน่นอน เลยคิดไปว่า มันน่าจะเป็นศัพท์ใหม่ ที่เกิดขึ้นหลังจากผมเรียนจบมานานแล้ว จึงไม่กระดิกหูเลย
Sir Patrick John Thompson Vallance FRS FMedSci FRCP
ตำแหน่ง Chief Scientific Adviser ของ UK Government (ค.ศ.2018-ปัจจุบัน)
ผู้แนะนำให้ใช้ herd immunity ต่อรัฐบาลอังกฤษ
จนได้มาเจอบทความนึงที่อธิบายเรื่องแนวคิดของการเกิด herd immunity ครับ
ความสำคัญคือ ถ้าเรามีความเข้าใจพื้นฐาน จะเข้าใจความสำคัญของประสิทธิภาพ vaccine ในการป้องกันการติดเชื้อได้ดีขึ้น และยอมรับว่า ทำไมเราจึงต้องการ vaccine ที่มีประสิทธิภาพสูงมาก มี VE (Vaccine Efficacy)ในระดับ 80-100%
และสาเหตุที่ผม recall herd immunity จากวิชา immuno ไม่ได้ ก็เพราะมันไม่ใช่เรื่องของวิชา immuno แต่ herd immunity มาจากแนวคิดในวิชาระบาดวิทยา (epidemiology) ต่างหาก
ความหมายทั่วไปของ herd
“herd”จาก OALD
ก่อนจะทำความรู้จักกับ herd immunity ต้องเข้าใจสิ่งที่ผูกพันกับมันอย่างลึกซึ้ง นั่นคือ
ค่า Basic reproduction number แทนด้วย R0 ( อ่านว่า R nought: อาร์ นอท)
เมื่อพูดถึง โรคติดเชื้อ เช่น COVID-19 ค่า R0 หมายถึง ค่าเฉลี่ยของประชากรที่ถูกทำให้ติดเชื้อจากการแพร่กระจายโดย Pt ที่เป็นโรค 1 คน (เงื่อนไขสำคัญของ R0 ถือว่า ประชากรทุกคนมีโอกาสติดเชื้อได้เท่ากันหมด)
สำหรับ COVID-19 สายพันธุ์เดิม ค่า R0 = 2-2.5
โรคไข้หวัดตามฤดูกาล R0 = 0.9-2.1
measles ค่า R0 = 12-18
จะเห็นว่า โรคติดเชื้อที่มีค่า R0 สูง ยิ่งทำให้ติดเชื้อได้เร็วและแพร่กระจายได้ง่ายมาก
สมมติในสถานการณ์ที่โรคชนิดหนึ่ง มี R0 = 2
เราจะได้ในวงรอบที่ 1 Pt คนแรก จะทำให้เกิด ผู้ติดเชื้อใหม่ 2 คน
ในรอบที่ 2 จาก Pt 2 คน ทำให้เกิด ผู้ติดเชื้อใหม่ 4 คน
รอบที่ 3 Pt 4 คน ทำให้เกิด new case 8 คน
รอบที่ 4 Pt 8 คน เกิด new case 16 คน
คือ การติดเชื้อรอบที่ n จะทำให้เกิดผู้ติดเชื้อใหม่ = 2^n คน
plot เป็นกราฟได้ดังนี้
จากกราฟ จะเห็นว่า มันคือกราฟ Exponential
ถ้า R0=2 และวงรอบการติดเชื้อเกิดในทุก 1 wk
ประชากรทั้งโลก (ประมาณ 7800 ล้านคน) จะติดโรคนี้ทั้งหมดหลัง wk ที่ 32
แต่ในอีกสถานการณ์ถ้าเราเปลี่ยน R0 ของโรคนี้จาก = 2 ให้มาเป็น = 0.5
นั่นคือ Pt ที่ติดเชื้อ 1 คน จะแพร่กระจายเชื้อไปให้ 1/2 คน หรือ พูดอีกอย่างว่า
Pt 10 คน จะทำให้เกิดผู้ติดเชื้อใหม่ 5 คน หรือ Pt 100 คน จะแพร่กระจายเชื้อไปให้คนได้ 50 คน
plot กราฟเหมือนกราฟรูปที่ 1 อีกครั้ง (แกนตั้งแทน จำนวนประชากร, แกนนอนแทน เวลา)
เมื่อ R0 = 0.5
ในวงรอบแรก Pt คนที่ 1 จะแพร่กระจายเชื้อไปให้ 0.5 คน
รอบที่ 2 Pt 0.5 คน จะแพร่เชื้อไปให้ 0.25 คน (0.5×0.5)
รอบที่ 3 Pt 0.25 คน จะแพร่เชื้อไปให้ 0.125 คน (0.5×0.25)
ได้กราฟ การติดเชื้อรอบที่ n จะทำให้เกิดผู้ติดเชื้อใหม่ = 0.5^n
ยิ่งเวลาผ่านไป การสิ้นสุดของการแพร่เชื้อยิ่งมาถึง คือ จำนวนผู้ติดเชื้อเคสใหม่กลายเป็น 0 ในที่สุด
และถ้าค่า R0 ของโรค = 1 จะได้กราฟเส้นตรงที่มี slope คงที่ นั่นคือ โรคนี้จะกลายร่างจาก epidemic เป็น endemic (คือจากโรคระบาด กลายเป็นโรคประจำถิ่น)
จากตัวอย่างข้างต้น จะเห็นว่า ค่า R0 ทำให้การระบาดของโรค แตกต่างกันออกไปตามค่าของมัน
คำถามคือ แล้วถ้าเราเจอโรคระบาดที่มีค่า R0 = 2 ทำไมโรคนั้นจึงไม่ระบาดไปทั่วทั้งโลกในชีวิตจริง?
เหตุผล ก็คือ Pt ที่ติดเชื้ออาจอยู่ที่ส่วนใดส่วนหนึ่งของโลก โดยไม่ได้เดินทางหรือเคลื่อนย้ายไปที่อื่นๆ ในระยะเวลาที่นานพอที่จะหายจากโรคที่เป็น แล้วเกิดภูมิต้านทานขึ้น หรือ ประชากรในชุมชนนั้นเกิดภูมิต้านทานโรคนี้อยู่ก่อนแล้วตามธรรมขาติ (ผิดเงื่อนไขแรกของ R0 ที่เป็นค่าเฉลี่ยที่ประชากรทุกคนมีโอกาสติดเชื้อได้เท่ากัน แต่ในชีวิตจริง มีบางคนที่มีภูมิต้านทานอยู่แล้ว จึงทำให้โอกาสติดเชื้อลดลง)
นั่นคือ สำหรับชีวิตจริง จะมีค่า Effective reproduction number แทนด้วย R
Effective reproduction number (R) = ค่าเฉลี่ยของคนที่ถูกทำให้ติดเชื้อจากการแพร่เชื้อของ Pt 1 คน ในกลุ่มประชากรที่บางคนมีภูมิต้านทาน (จากธรรมชาติหรือจากการฉีด vaccine)
ถ้าเราเขียนความสัมพันธ์ระหว่าง R และ R0 จะได้
R = sR0
เมื่อ s = ค่าสัมประสิทธิ์ของคนที่ได้รับเชื้อแล้วจะติดเชื้อ (คือสัดส่วนของคนที่ไม่มีภูมิต้านทานในกลุ่มประชากร)
ตัวอย่างเช่น ถ้าครึ่งหนึ่งของประชากร สามารถติดเชื้อได้เมื่อรับเชื้อ –> s=0.5
จะได้ ค่า R = 0.5 R0
ถ้าโรคมี R0 = 2 –> R = 0.5 x 2 = 1
และถ้าโรคมี R0<2 เช่น = 1 –> R = 0.5 x 1 = 0.5
จะเห็นว่า ถ้า s = 0.5 และ R0 น้อยกว่าหรือเท่ากับ 2 จะทำให้ค่า R น้อยกว่าหรือเท่ากับ 1
เมื่อ R < หรือ = 1
จะเข้าเงื่อนไขที่ทำให้โรคนี้ไม่เป็น โรคระบาด
เป้าหมายของเราจึงเป็นการทำยังไงก็ได้ เพื่อให้ตัวคูณ (s) ของ R0 น้อยกว่า 1 เพื่อทำให้ R น้อยกว่า 1
ตัว s ที่จะน้อยกว่า 1 ได้จึงมาจากการทำ Social distancing หรือ การให้ vaccine แก่ประชากรที่เสี่ยงตอการติดเชื้อนั่นเอง
จาก R = sR0
เรารู้ว่า โรคที่จะกลายเป็นโรคระบาดได้ ค่า R0 ของมันต้อง > 1 และถ้าเราจะกดการระบาดของมันได้ เราต้องทำให้ R < 1
นั่นคือ จะได้
sR0 < 1
จัดรูปอสมการใหม่
s < 1/R0
จากเงื่อนไขของ s เราให้ s แทนสัดส่วนของประชากรที่ติดเชื้อเมื่อได้รับเชื้อ (คือ ประชากรกลุ่มที่ไม่มีภูมิต้านทาน)
ดังนั้น สัดส่วนประชากรที่มีภูมิต้านทานโรคอยู่แล้ว จะ = สัดส่วนประชากรทั้งหมด – สัดส่วนประชากรที่ไม่มีภูมิ
(สัดส่วนประชากรทั้งหมด = 100% = 100/100 =1)
สัดส่วนประชากรที่มีภูมิต้านทานจึง = 1 – s
เมื่อ
s < 1/R0
ดังนั้น
1 – s > 1 – (1/R0)
[มาจากการพิสูจน์ ถ้า b < a แล้ว (1 – b) > (1 – a) ]
เราได้
1 – s > 1 – ( 1/R0)
แปลความหมายของอสมการคือ
ประชากรกลุ่ม (1 – s) = ประชากรกลุ่มที่มีภูมิต้านทาน = ประชากรที่มี herd immunity นั่นเอง
ยกตัวอย่าง โรคติดเชื้อโรคหนึ่ง มีค่า R0 = 2.5
เราจะทำให้ประชากรมีภูมิคุ้มกันกลุ่ม มากพอที่จะทำให้ประชากรทั้งหมดได้ภูมิไปด้วย
คือ ต้องมีประชากรที่มีภูมิคุ้มกัน = 1 – (1/R0) = 1 – (1/2.5) = 0.6 = 60%
แปลเป็นไทยให้เข้ากับสถานการณ์จริง หมายความว่า ถ้าโรคมีค่า R0 = 2.5 เราต้องฉีด vaccine ให้ได้ 60% ของประชากรทั้งประเทศ จึงจะเกิด herd immunity ได้นั่นเอง (ไม่จำเป็นต้องฉีด 100% เพราะด้วยอานุภาพของ vaccine ทำให้เราฉีดแค่ 60% จะทำให้คนที่เหลืออีก 40% ได้ภูมิคุ้มกันป้องกันไปด้วย –> ตรงนี้ต้องละไว้ในฐานที่เข้าไจว่า vaccine ที่ใช้ต้องมี VE = 100%)
แล้วสมมติว่า เราไม่มี vaccine ล่ะ
herd immunity ก็จะเกิดได้จาก การปล่อยให้ประชากรในประเทศติดเชื้อไปเรื่อยๆ จนถึง 60% ก็จะได้ภูมิต้านทานจนถึง herd เช่นกัน แต่แลกมาด้วย เราจะเจอคนที่ติดเชื้อแล้วแสดงอาการป่วย จนถึงติดเชื้อแล้วเสียชีวิตเป็นจำนวนมาก จนกว่าจะถึง herd ซึ่งทำให้เกิดความสูญเสีย และเกินขีดการรับได้ของระบบสาธารณสุขของประเทศ
จึงเป็นไปไม่ได้ ที่จะทำให้เกิด immunity จากการติดเชื้อเพียงทางเดียว โดยไม่ต้องใช้เครื่องมืออื่นๆ เช่น social distancing, lock down, vaccine
ในเวลาที่ยังไม่มี vaccine เราจึงทำได้ด้วยการเว้นระยะห่าง เช่น social distancing และการ lock down เพื่อลดการติดเชื้อ และประคับประคองระบบสาธารณสุข (แต่ในอีกทางนึง การ lock down ก็ทำให้การติดเชื้อลดลง เมื่อการติดเชื้อในกลุ่มประชากรลดลง การได้ภูมิคุ้มกันกลุ่ม ก็จะลดตามลงไปด้วย)
ทั้งที่เราต้องการให้ประชากรในประเทศเกิด herd immunity แต่การ lock down ก็เป็นตัวขัดขวางการเกิด herd ไปด้วยเช่นกัน
ทางเลือกที่ทำได้คือ
1.lock down ไปยาวๆ จนกว่า vaccine ที่ดีจะมา แต่ก็เกิดความเสียหายต่อ economic
2. ทำการ lock down เป็นช่วงเวลา เพื่อให้ economic ยังไปได้ และจำนวนผู้ป่วยไม่มากเกินกว่าระบบสาธารณสุขจะรับไหว
model ของการเกิด herd immunity จึงเป็นเครื่องมือสำคัญที่จะชี้ให้เห็นถึง ความสำคัญของ vaccine ที่มีประสิทธิภาพดี ในระดับที่ป้องกันการติดเชื้อ ( herd immunity ให้ความสำคัญสำหรับการป้องกันการ admit หรือ ป้องกันการตาย เป็นผลพลอยได้มากกว่า การป้องกันการติดเชื้อ)
herd immunity จาก vaccine ไม่ได้มุ่งเฉพาะ individual ที่ลดความเสียหายจากโรคติดเชื้อในคนหนึ่งคน แต่ใช้สร้างภูมิคุ้มกันให้สำหรับสังคมทั้งในระดับชุมขน ระดับประเทศ และสำหรับโลกไปพร้อมกันด้วย
สรุปของบทความนี้คือ Herd immunity = 1 – (1/R0)
ทีนี้เรามาลองทดสอบความเข้าใจนี้กันหน่อย
จาก fb ของท่านอาจารย์ ศ.นพ.มานพ พิทักษ์ภากร หัวหน้าศูนย์วิจัยการแพทย์แม่นยำ คณะแพทยศาสตร์ศิริราช
เมื่อวันที่ 19 มิถุนายน พ.ศ. 2564 (ประมาณ 1 เดือนที่แล้วนับจากวันที่เขียนบทความนี้)
เรามาพิจารณาที่ข้อ 4 ครับ
ยกมาเฉพาะข้อ 4
1. ค่า R0 ของ COVID-19 wild type (aka occurs in Wuhan) = 2.2
ค่า R ของ Delta variant สูงกว่า wild type = 97%
= (97/100) x 2.2 = 2.134
ค่า R ของ Delta variant = 2.2+2.134 = 4.334 ~ 4.3
2. จากค่า R0 ของ Delta variant = 4.3
จะเกิด herd immunity ได้ ประชากรต้องมีภูมิคุ้มกันอย่างน้อย
= 1-(1/R0)
= 1 – (1/4.3)
= 0.767
= 76.7% ~ 77%
3. ถ้า vaccine มีประสิทธิภาพ 90% จะต้องฉีดประชากรกี่ % จึงจะได้ herd immunity?
ให้ประชากรที่ต้องได้รับการฉีด vaccine = a คน
ดังนั้น vaccine ที่ฉีดมีประสิทธิภาพ 90% = ฉีดประชากร 100 คน จะได้ผล 90 คน
ถ้านำมาฉีด a คน จะได้
(90/100) x a = (77/100)
a = (77/99) x 100 = 85.56% ~ 86%
คือต้องฉีดให้ได้จำนวน 86% ของประชากรทั้งหมด เพื่อให้ได้ herd immunity
มา check คำตอบจากท่านอาจารย์กัน
จากข้อ 3 ถ้าเรารู้ประสิทธิภาพของ vaccine (VE) เราสามารถคิด % ของประชากรที่ต้องได้รับ vaccine ได้เลยครับ เพราะทราบค่า R0 ของเชื้อโรคอยู่แล้ว
จำนวนประชากรที่ต้องได้รับ vaccine (%)
= (herd immunity/VE) x 100
ถ้าโจทย์คือ คลินิกที่ผมทำอยู่ มีหมอเพื่อนร่วมงาน 3 คน, ผู้ช่วย 5 คน โดยทุกคนได้รับ Sinovac ครบ 2 dose แล้วเมื่อ 4 wk ที่แล้ว ผมเป็นคนเดียวที่ไม่ได้รับ vaccine ใดๆ เลย
ถามว่า ถ้าไม่คิดรวมคนไข้ คลินิกที่ทำงานอยู่ มี herd immunity ต่อ COVID-19 Delta variant สำหรับผมหรือไม่?
จำนวนประชากรที่ต้องได้รับ vaccine ในคลินิก = (77/51) x 100 = 150.98% ~ 151%
คำตอบคือ ผมยังไม่ได้ herd immunity จากคลินิกที่ทำงานครับ เพราะ ประสิทธิภาพของ Sinovac ที่ ป้องกันการติดเชื้อที่ 51% ทำให้เพื่อนร่วมงานทุกคนต้องฉีด วนรอบที่ 2
คือ รอบที่ 1 ฉีดทุกคนทั้ง 8 คน (100%) และทันทีที่ฉีดครบ ต้องสุ่มมาฉีดอีก 5 คน (51% = 4.08 คน) จึงจะได้ herd immunity ทั้งคลินิกครับ
คำอธิบายปรากฏการณ์แปลกประหลาดนี้ คือ ถ้าประสิทธิภาพของ vaccine ที่ฉีดต่ำกว่า ค่า herd immunity ในประชากรนั้น เราจะไม่สามารถทำให้เกิด herd ขึ้นได้เลย แม้จะฉีดครบทุกคน 100%
จึงแสดงให้เห็นความสำคัญของ vaccine ที่มีประสิทธิภาพสูงในระดับที่ชนะ R0 ของ Delta variant ได้ คือ vaccine ที่มี VE ในระดับ minimum 80-90% เท่านั้นครับ (มากกว่าค่าตัวเลข 77% ของ herd จาก Delta variant) จึงจะ practical ในชีวิตจริง
(update วันที่ 30/7/64)
ล่าสุดมีการปรับค่า R0 ของ Delta variant มาที่ 5 – 9.5 (เกือบเท่า Chickenpox เลยครับ)
จะเห็นค่า herd Immunity ทาง column ซ้ายมือของคุณหมอ ก็ขยับจาก 77% มาที่ 80-89%
Ref:
1. https://www.canstockphoto.at/dentist-icon-44141072.html
2. https://www.bbc.com/news/world-asia-china-57322504
3. https://en.wikipedia.org/wiki/Patrick_Wallace
4. https://youtu.be/2XRc389TvG8
5. http://itunes.apple.com/app/dr-wits-library-edition-thai/id313155850?mt=8
6. https://apps.apple.com/us/app/oald-9th-edition/id442911228
7. https://plus.maths.org/content/maths-minute-r0-and-herd-immunity
8.https://apps.apple.com/us/app/wolframalpha/id334989259
9. https://m.facebook.com/manopsi?tsid=0.38330315952333405&source=result
เมื่อการทำ NP swab กับการหา Occlusal plane มาบรรจบกัน
ปกติที่สังเกตเห็นเวลาผู้ตรวจนั่งอยู่ในตู้ความดันบวก แล้วคนไข้อยู่นอกตู้ จะให้คนไข้ tilt chin ขึ้นแล้วทำ swab บางคนก็ tilt น้อย แต่บางคนก็แหงนซะอย่างเยอะ ตอนแรกคิดว่า น่าจะเป็นเรื่องของ access ในการทำงาน จนมาอ่านเจอเรื่องนี้จึงรู้ว่า มันไม่ใช่อย่างที่คิดครับ
รายงานเคส Skull base injury จากการทำ nasopharyngeal swab เพื่อหาเชื้อ COVID-19 ครับ
Pt ญ อายุ 67 ปี ที่อยู่ระหว่างการรักษา Bacterial meningitis มา 2 เดือนแล้ว ก่อนจะถูกนำส่ง ER และ ENT ตามลำดับ ด้วย CSF leak ทางจมูกหลังจากการ NP swab แล้วมีอาการปวดมาก (extremely painful) โดยไม่มีประวัติเคย surgey หรือ trauma บริเวณ skull base มาก่อน
รูปจาก endoscope พบ defect ที่ post. cribiform plate ด้านซ้าย
รูป CT ลูกศรชี้จุดที่ perforate
เคสนี้เป็นเคสแรกที่มีรายงานใน Australia
แต่ incidence จากที่พบทั่วโลก อยู่ที่ 1: 7,393,693 (ในปี 2020 มีรายงานเกิดขึ้นในการทำ swab คนไข้ที่เคยมีประวัติ เช่น idiopathic intracranial hypertension, nasal encephalocele และเคยทำ sinus surgery มาก่อน แตกต่างจากเคสนี้ ซึ่งไม่มี Hx เหล่านี้)
Cross section ใน Sagittal view
เส้น Blue line จาก A ถึง รูปดาวสีเหลือง คือ path และ target ที่ใช้ swab ที่ถูกต้อง
จะเห็นว่า Cribiform plate จะอยู่สูงขึ้นไปประมาณ 4-5 cm ดังนั้นถ้าให้คนไข้ tilt head โดยยกคางขึ้น (aka Gnathion: Gn) ยิ่งยก Gn มากเท่าไหร่ ตำแหน่ง Cribiform plate จะลดต่ำลงมากขึ้น เมื่อเทียบกับ Frankfort horizontal plane
จุด F คือ Sphenoid ostium opening เป็นจุดเริ่มต้นของ Danger zone ที่จะเข้า Skull base ด้วยระยะ 13.5 cm ที่ปลาย swab เข้าถึง
เมื่อคนไข้มองตรง โดยไม่เงยหน้า จึงมีระยะที่ path ของ NP swab เข้าไปได้ไม่เกินมุมเงย 30 °
(คือ ถ้าสูงกว่า 30° จะเข้าส่วนที่บอบบางของ skull base ทันที)
เมื่อใช้ Landmark จากภายนอก แนว safe zone ก็คือ แนวด้านล่างของปีกจมูก เล็งไปที่ตำแหน่งของติ่งหน้ารูหู
มันก็คือ Camper’s line นั่นเอง
จาก definition ใน GPT-9 ปี ค.ศ. 2017 Ala-tragus line ยังเหมือนที่ผมเคยเรียนครั้งแรกตอนปี 3
ความหมายค่อนข้างนิ่ง ไม่เปลี่ยนกลับไปมาเหมือน CR
(คนแรกที่ให้คำจำกัดความของ CR คือ Hanau ในปี ค.ศ. 1929 : position of the mandible in which the condyle heads are resting upon the menisci in the sockets of the glenoid fossae, regardless of the opening of the jaws, and have stated that the relation is either strained or unstrained. Hanau เป็นวิศวกร ไม่ใช่ทันตแพทย์ และ definition นี้ยังไม่มี GPT ในสมัยนั้น
ส่วนอันนี้คือ CR ล่าสุดที่อยู่ใน GPT : “maxillomandibular relationship, independent of tooth contact, in which the condyles articulate in the anterior-superior position against the posterior slopes of the articular eminences; in this position, the mandible is restricted to a purely rotary movement; from this unstrained, physiologic, max- illomandibular relationship, the patient can make vertical, lateral or protrusive movements; it is a clinically useful, repeatable reference position.”
แบบยาวโคตร)
Camper’s line คือ เส้นที่ลากจากขอบล่างของปีกจมูกไปที่ขอบบนของติ่งหน้ารูหู
แต่ถ้าลองสืบค้นย้อนกลับไปดู definition ของ Camper’s line ครั้งแรก ก็จะพบความประหลาดใจครับ
Petrus Camper ในปี ค.ศ. 1780 (พ.ศ. 2323 กรุงธนบุรีใกล้สลาย) ผู้ให้กำเนิด definition เป็น
เส้นที่ลากจาก ala of nose ไปที่ center of ext auditory meatus ครับ (ไม่ใช้ Tragus)
คือใช้จุดที่รูหู (ext auditory meatus) เป็นตำแหน่งเดียวกับ Frankfort horizontal plane เลย (paper นี้ เก่าขนาดเรียก X-ray ว่า roentgen ray )
เรารู้ว่า ถ้าใช้ FH เป็นระนาบอ้างอิง จะได้ Occlusal plane ทำมุมกับ FH ประมาณ 12 ° ครับ (ใน Skeletal ปกติ, GPT-9 ให้ทำมุมกัน 10 °)
สิ่งที่น่าสนใจคือ ใน Skeletal ปกติ ถ้าใช้ 3 ตำแหน่งในการวัด Occlusal plane
คือ T1 = ขอบบน tragus, T2 = ตรงกลาง tragus, T3 = ขอบล่าง tragus
พบว่า ตำแหน่ง T3 และ T2 ตรงกับ Occlusal plane จริงๆ มากที่สุดครับ (ถ้าเชื่อ GPT-9 ขอบบนของ tragus (คือ T1) ไม่ค่อยไปกับ Occlusal plane)
EEP = FH
ดังนั้นการทำ NP swab ที่ปลอดภัยที่สุดคือ ให้ Pt หัน Sagittal view เข้าหาเรา แล้วใช้มือซ้ายประคองศรีษะไว้ จากนั้นใช้มือขวา swab โดยใช้แนว Camper’s line เป็น guide ด้วยความนุ่มนวล ในระยะที่ถูกต้อง (ทำให้ถึง Pt จะเงยหน้าเล็กน้อย เราก็ไม่หลง plane ครับ)
Ref:
1. https://scgnewschannel.com/th/scg-news/pressure-isolation-chamber/
2. https://onlinelibrary.wiley.com/doi/full/10.5694/mja2.51082
3. https://www.thejpd.org/article/S0022-3913(16)30683-7/fulltext
4. https://pubmed.ncbi.nlm.nih.gov/29475757/
พรีวิว iOS 15 (beta 1) part II
หลังจาก up iOS 15 เสร็จช่วงเช้า ก็นำเครื่องมาใช้งานในชีวิตประจำวันตามปกติ
notification แรกที่เข้ามาก็เป็น Focus ตามรูปเลยครับ
ถ้าเข้าไปดู Settings ของเครื่อง โดยทั่วไปคล้ายๆ เดิม แต่พบว่ามีความแตกต่างจาก iOS 14 เดิมซ่อนอยู่
ตัวอย่างเช่น เมื่อเข้าไปดู iPhone Storage
พบว่า เมื่อเลื่อนมาล่างสุด พื้นที่ในส่วนของ File Others ไปซ่อนอยู่ใน System Data อีกที
มีคำอธิบายเรียบร้อย ว่า File Other หมายถึงอะไร
ตรงนี้น่าจะช่วยลดความวิตกกังวลสำหรับผู้ใช้ทั่วไปที่บางครั้งไปเห็น File Other มีขนาดใหญ่ จนรู้สึกว่าเป็น storage ที่ไม่มีความสำคัญ ทำไมมันจึงมีเยอะขนาดนั้น
Apple เปลี่ยนใน Other เข้ามาอยู่ใน System Data น่าจะทำให้ลดความวิตกกังวลของ user ได้มาก
มาดูความเช้ากันได้กับ Apps ที่มีอยู่ในเครื่อง
รูปแสดง Apps ที่อยู่ในเครื่องผมทั้งหมดครับ มี 15 หน้า
พบว่า Apps ส่วนใหญ่ 95% ที่ผมมีทั้งหมด ใช้งานได้ปกติครับ
มีบางตัวที่ต้อง download ข้อมูลใหม่ เพราะการ Restore ข้อมูลใน app นั้นไม่ยอม backup ให้
เช่น Dictionary ของ Oxford ตัวนี้
แต่ก็ download ข้อมูลกลับมาได้ใหม่ครบถ้วน ไม่มีปัญหา
App บางตัวมีอาการคือ เปิดไม่ได้ครับ เช่น Lazada คาดว่าเพราะ library ของ app ยังไม่ update ให้เข้ากับ iOS 15 จึงเรียก app ไม่ขึ้น
อาการจะเป็นแบบใน clip นี้
อีกตัวที่พบปัญหาคือ Paypal ครับ เรียก app ได้แต่ไม่แสดงผล
เป็นแบบใน clip นี้
อีกตัวคือ app Fuji
อาการคือ หน้าขาวไปเลยทุกหน้าที่เรียก
ไม่มีข้อมูลใดๆแสดง
Function ใหม่ๆ ของ iOS 15 เท่าที่เล่นมา 1 วัน มีเยอะมาก หลายสิ่งที่ Apple ไม่ได้บอกในงาน WWDC 2021 เช่น เราสามารถจัดเรียงหน้า Home ได้แล้ว ดังแสดงใน clip
สมัยก่อนความสามารถนี้จะอยู่ใน iTunes แล้ว Apple ตัดการลง app ผ่าน iTunes ออกไป
แต่ตอนนี้สามารถจัดเรียงหน้าอย่างสมบูรณ์ได้ด้วยตัว iPhone เองแล้ว
ต่อไปน่าจะเป็นสิ่งที่อยู่ในความสนใจของหลายคน คือ อัตราการใช้ Battery ใน iOS 15
เนื่องจากเป็น beta 1 เราจีงไม่คาดหวังว่า การจัดงานของระบบปฎิบัติการตัวทดสอบจะจัดการเรื่องนี้ได้ดีนัก แต่ก็ค่อนข้างประหลาดใจที่มันทำได้ดีมาก
รูปแสดงกราฟ การใช้ battery ของเครื่อง 24 ชม. แรกหลัง up เป็น iOS 15 beta 1
การใช้งานเครื่องในวันนี้ หนักมาก เพราะผมทดสอบการเข้ากันได้ของ Apps ทุกตัวที่มีในเครื่อง คือ เปิด apps ทีละตัวตั้งแต่หน้า Home จนถึงหน้าสุดท้ายครับ และจะเห็นว่า ผมออกไปจับ Pokemon ตามปกติช่วงเดินออกกำลังกายตอนเย็น เวลา 4 – 5โมงเย็น
app Pokemon Go กินแบตเป็นอันดับต้นๆ ของ app ที่ผมใช้งานเพราะต้องต่อ net, เปิดความสว่างหน้าจอสูงมาก จากการใช้งาน Outdoor, ต่อ GPS เพื่อระบุตำแหน่งตลอดเวลา
กราฟการใช้งาน battery เขียนรายละเอียดได้ดังนี้
ช่วงที่ 1 คือ ตื่นนอนแล้วเริ่มใช้งาน app พื้นฐาน เช่น นาฬิกาปลุก, เปิด Line, FB
ช่วงที่ 2 ออกจากบ้านไปที่ทำงาน มีการใช้กล้องถ่ายรูป, คุยโทรศัพท์, เปิด Line, FB, เปิด app เป๋าตังค์, ใช้ app 7-11
ช่วงที่ 3 เริ่มทดสอบ Apps แบบจริงจังตั้งแต่ตัวที่ 1 ไปเรื่อยๆ จะเห็นว่า batt จะลดมากสุด เพราะใช้งานต่อเนื่อง และเป็นช่วงที่เปิด app Pokemon Go ตอนเดินออกกำลังกายต่อเนื่อง 1 ชม.
ช่วงที่ 4 กลับบ้านต่อ WiFi เพื่อทดสอบ apps ต่อ จนถึงตัวสุดท้ายครบที่ 298 ตัว
รหว่างช่วงที่ 3 กับ 4 มีการ charge batt สั้นๆ 1 ครั้ง
และก่อนนอนมีการ charge จนเต็มหลอด 100% อีกครั้ง ซึ่งหลังจากถอดสายชาร์จ batt ยังเต็ม 100% โดยไม่มีการ drain ออก ในช่วงที่ 5 (ประมาณตี 1 – ตี 3)
ถือว่า iOS 15 แม้จะเป็น beta 1 แต่การจัดการพลังงานก็น่าประทับใจมาก
อุณหภูมิเครื่อง วัดหลังจากเพิ่งถอดสายชาร์จเต็ม 100% แล้วอยู่ในช่วงปกติ คือ รู้สึกอุ่นนิดๆ
บทความนี้ไม่ได้มีจุดประสงค์เพื่อให้ผู้อ่าน สนใจหันมาใช้งาน iOS 15 ในช่วงที่ Apple ออกมาเพื่อทดสอบนะครับ เพราะยังมี bugs ที่เรายังไม่พบ และจะเจอได้มากขึ้นเรื่อย ตลอดการใช้งาน beta 1, beta 2, beta 3,…. จนกว่าจะมีการปล่อบ iOS 15 RC ออกมาในช่วงเดือน กันยายน – ตุลาคม 2564
หลายครั้งพบว่า beta 1 ดีมาก แต่ beta 2 โคตรแย่ ใช้งานเครื่องร้อน พอใช้ beta 3 ไม่ร้อนแล้ว แต่เปิด app พื้นฐานเช่น app Camera ไม่ได้เลย เป็นต้น
นี่ยังไม่พูดถึงความยุ่งยากในการ downgrade กลับมาใน iOS version ที่ต่ำกว่า หรืออาจจะต้อง up/down กลับไปมาระหว่าง version ซึ่งเป็นเรื่องที่เสียเวลาและพลังงาน ไม่สนุกเลย
อย่าไปเชื่อว่า beta version ไม่มีปัญหาอะไรครับ ที่เราคิดว่า มันไม่มี ก็เพราะเรายังไม่ใช้งานจนไปเจอมันเท่านั้นเอง
ยกตัวอย่างปัญหาที่พบได้ใน iOS 15 beta 1 นะครับ อันนี้เป็นที่ Apple list มาให้แล้ว เช่น
ปัญหาการใช้กล้องใน app Facetime
ปัญหาการพิมพ์ keyboard
ปัญหา Safari ไม่ load บางเวบ
ปัญหาการ Update software เมื่อมี space ไม่พอ
และปัญหาอื่นๆ list ยาวเป็นหางว่าวเลยครับ แต่ผมไม่ได้เอามาลงให้ดูกัน
ปัญหาเหล่านี้ ไม่ได้หมายความว่า ผู้ใช้งาน iOS 15 beta version ต้องเจอเหมือนกัน เจอพร้อมกันทุกคน แต่ก็เหมือนปัญหาการใช้งาน iOS version ปกติ (ที่ไม่ใช่ beta) ที่บางคนอาจเจอ และหลายคนบอกว่า ใช้ได้ปกติ ไม่เจออะไร แบบที่มีการถาม และการแสดงความเห็นกันในกระทู้ของกลุ่มนั่นแหละครับ
ดังนั้นการใช้งานให้อยู่ใน iOS 14 จึงเป็นสิ่งที่สมเหตุผลที่สุด ใช้งานได้เสถียรที่สุด มีปัญหาน้อยที่สุด ในช่วงเวลานี้ครับ
Dentdiary 