Tag Archives: COVID-19 Vietnam

Tại sao xét nghiệm đại trà không đem lại hiệu quả?

Câu trả lời là (a) phương pháp xét nghiệm sẽ cho ra kết quả âm tính giả và dương tính giả; (b) chi phí cao; và (c) hiệu quả kinh tế – y tế thấp. Cái note này giải thích 3 nguyên do đó, và đề nghị một phương án xét nghiệm khác mà tôi gọi là ‘focus screening’.

1. Sai sót trong xét nghiệm

Có lẽ đa số công chúng đều nghĩ rằng khi họ nhận một kết quả dương tính thì họ bị nhiễm. Ngược lại, nếu họ nhận một kết quả xét nghiệm âm tính thì họ cảm thấy an tâm là mình không bị nhiễm. Nhưng niềm tin này sai.

Sai là vì không có phương pháp xét nghiệm nào là hoàn hảo cả. Mỗi phương pháp xét nghiệm đều có 2 sai sót chánh: dương tính giả và âm tính giả. Dương tính giả là hiện tượng người không bị nhiễm nhưng xét nghiệm cho ra kết quả dương tính. Âm tính giả là tình trạng người bị nhiễm nhưng xét nghiệm cho ra kết quả âm tính.

Trong xét nghiệm đại trà, âm tính giả dẫn đến nhiều hệ luỵ. Nếu một người nhận kết quả âm tính nhưng trong thực tế họ bị nhiễm thì họ lây lan cho người khác, bởi vì họ nghĩ mình không bị nhiễm nên đi lại thoải mái. Đây chính là mối quan tâm của giới dịch tễ học.

Xét nghiệm kháng nguyên

Tỉ lệ âm tính giả là bao nhiêu? Số liệu từ Liverpool (Anh), nơi làm xét nghiệm kháng nguyên sơ khởi (pilot), cho thấy tỉ lệ âm tính giả lên đến 51.1% [1]. Tỉ lệ này dựa trên ‘chuẩn vàng’ là PCR. Kết quả của Liverpool còn cho thấy trong số 3026 người, chỉ có 23 người thật sự bị nhiễm, tức tỉ lệ 0.76%.

Số liệu của Liverpool rất quan trọng, vì nó nói lên rằng cứ 100 người có kết quả xét nghiệm kháng nguyên âm tính, thì có 51 người thật sự bị nhiễm. Đó là một con số khá lớn, nếu tính chung cho cộng đồng hàng triệu người.

Xét nghiệm PCR

Như đề cập trên, phương pháp PCR được xem là tiêu chuẩn vàng. Nhưng ngay cả PCR cũng không phải là phương pháp chính xác 100%. Và, điều này ít ai chú ý khi kêu gọi xét nghiệm đại trà.

Phương pháp PCR dựa vào một giá trị có tên tiếng Anh là ‘cycle threshold’ (Ct), tức là số chu kì cần thiết để khuếch đại RNA của virus đến mức có thể phát hiện được virus. Ct là một biến liên tục, và có giá trị từ 0 đến 50, và độ lệch chuẩn có thể là khoảng 6.5.

Khi giá trị Ct thấp thì tải lượng virus cao; và ngược lại, nếu Ct cao thì đó là tín hiệu cho thấy tải lượng virus thấp. Nhưng cũng có nghiên cứu chỉ ra rằng khi giá trị Ct càng thấp là một dấu hiệu báo trước bệnh nhân sẽ có diễn biến xấu.

Vậy thì câu hỏi là Ct bao nhiêu thì được xem là ‘dương tính’? Trả lời câu hỏi này hơi khó, vì phải có chuẩn vàng để gọi là nhiễm. Có thể lấy tỉ lệ cấy làm chuẩn vàng. Và, theo một nghiên cứu bên Pháp thì khoảng 70% mẫu với Ct <= 25 là có thể cấy [2], còn khi Ct > 35 thì tỉ lệ cấy được chỉ 3%. Nói cách khác, nghiên cứu này gợi ý là ngưỡng Ct để tuyên bố dương tính là 25 hay thấp hơn.

Riêng ở Việt Nam, các giới chức y tế dùng ngưỡng Ct < 30 để xem là ‘dương tính’. Theo một báo cáo ở TPHCM, trong số 2740 người được xét nghiệm (trong ngày 29/7 tại HCM), có đến 2030 người (hay 74%) có CT < 30 (dương tính). Điều này giải thích tại sao đa số ca dương tính không có triệu chứng.

Những phân tích trên cho thấy một kết quả dương tính từ phương pháp xét nghiệm ‘chuẩn vàng’ như PCR tuỳ thuộc vào một cái ngưỡng. Và, ở bất cứ ngưỡng nào cũng có dương tính giả và âm tính giả.

Có nhiều lí do tại sao phương pháp PCR vẫn có thể cho ra kết quả sai. Cách xử lí và bảo quản mẫu từ khâu lấy mẫu có thể không tốt nên chất lượng xét nghiệm cũng không cao. Ngay cả khi một người đã hết covid nhưng xét nghiệm PCR vẫn cho ra kết quả dương tính vì nó phát hiện những con virus chết. Nhìn chung, phương pháp xét nghiệm PCR có tỉ lệ dương tính giả khoảng 1-2% và âm tính giả khoảng 20% [3]. Mức độ sai sót còn tuỳ thuộc vào labo xét nghiệm [4].

2. Bao nhiêu người có kết quả âm tính giả và dương tính giả?

Chúng ta có thể làm vài tính toán đơn giản để trả lời câu hỏi trên. Giả dụ rằng Hà Nội có 8.4 triệu dân, và các giới chức y tế làm xét nghiệm toàn dân số.

Số người có kết quả âm tính giả và dương tính giả tuỳ thuộc vào (a) tỉ lệ nhiễm trong cộng đồng; (b) xác suất âm tính giả; và (c) xác suất dương tính giả của phương pháp xét nghiệm. Vì Hà Nội có số ca nhiễm thấp, nên chúng ta có thể giả định rằng tỉ lệ nhiễm là 1% (trong thực tế có thể thấp hơn). Chúng ta biết rằng xác suất dương tính giả của PCR là 2% và âm tính giả là 20%. Từ đó, có thể thấy:

  • Số người có kết quả dương tính nhưng không bị nhiễm: 0.99 * 8.4 triệu * 0.02 = 166,320
  • Số người có kết quả âm tính giả nhưng bị nhiễm: 0.01 * 8.4 triệu * 0.20 = 16,800

Nói cách khác, sẽ có hơn 166,000 người bị đưa đi cách li … oan. Ngược lại, sẽ có chừng 17,000 người tiếp tục lây nhiễm trong cộng đồng.

Nhưng tính toán trên là dựa vào giả định tỉ lệ nhiễm là 1%. Trong thực tế, tỉ lệ này có thể thấp hơn, và do đó con số dương tính giả sẽ cao hơn (xem Biểu đồ 1).

Biểu đồ 1: Số người có kết quả dương tính giả (trái) và âm tính giả (phải), với giả định: dân số Hà Nội 8.4 triệu; độ nhạy của PCR là 80% và độ đặc hiệu là 98%.

3. Xét nghiệm ‘gộp’

Một phương án khác có thể tiết kiệm tiền là xét nghiệm gộp. Thật ra, phương án này không phải là mới, vì nó đã triển khai từ năm 1943 và được ứng dụng cho tầm soát ung thư ruột. Nhưng cũng như bất cứ phương án nào, xét nghiệm gộp có những điểm mạnh và điểm yếu.

Xét nghiệp gộp mẫu có nghĩa là trộn mẫu từ nhiều nhiều người (n) thành một mẫu chung, rồi dùng phương pháp xét nghiệm trên mẫu chung đó. Nhiều người ở đây có thể là những cá nhân trong một gia đình, hay trong một con hẽm, hay trong một nhóm. Có hai tình huống xảy ra:

  • Nếu kết quả xét nghiệm là âm tính, thì có nghĩa là tất cả người đều âm tính.
  • Nếu kết quả là dương tính, tức là có ít nhứt 1 người trong mẫu chung đó có thể bị nhiễm. Điều này cũng có nghĩa là phải tiếp tục xét nghiệm, nhưng lần này thì làm xét nghiệm từng mẫu một.

Nhưng bởi vì phương pháp xét nghiệm có sai sót về dương tính giả và âm tính giả (thể hiện qua độ nhạy và đặc hiệu), nên vấn đề không đơn giản như trên. Khi chúng ta trộn nhiều mẫu từ nhiều người thành 1 mẫu gộp thì nó tiết kiệm, nhưng nếu số mẫu càng nhiều thì sẽ tăng xác suất âm tính giả (vì mẫu trở tên loãng). Ngược lại, còn nếu thấp thì có thể tăng xác suất dương tính giả.

Thành ra, vấn đề là xác định số mẫu cần gộp là bao nhiêu thì sẽ tối ưu? Ông bộ trưởng đưa ra ví dụ con số n = 10, nhưng chưa rõ dựa vào giả định nào. Tôi thì nghĩ khác ông bộ trưởng.

Thật ra, con số này lệ thuộc vào các tham số sau đây: tỉ lệ nhiễm trong cộng đồng (p); độ nhạy của phương pháp xét nghiệm (se); độ đặc hiệu của phương pháp xét nghiệm (sp); và sai số mà chúng ta chấp nhận. Có thể đặt vấn đề thành bài toán kiểm định đa giả thuyết (multiple tests of hypothesis), nhưng để ngắn gọn, chúng ta có thể dùng cách tính xấp xỉ. Và, theo cách tính xấp xỉ, số mẫu cần gộp trong một xét nghiệm là:

n = 0.35 / p

Ở Hà Nội hiện nay, tỉ lệ nhiễm còn thấp, nên chúng ta có thể giả định rằng p = 1%. Và, với giả định này thì cần gộp 35 mẫu trong một xét nghiệm.

Nhưng vấn đề không dừng ở đó. Lí do là nếu kết quả xét nghiệm mẫu gộp là dương tính, thì phải làm xét nghiệm lại cho mỗi cá nhân trong mẫu. Đến đây thì bài toán bắt đầu phức tạp hơn. Tôi phải dùng một chút kí hiệu:

  • p = tỉ lệ nhiễm covid trong cộng đồng = 1%
  • N = số người sẽ xét nghiệm toàn thành phố = 8.4 triệu
  • n = số cá nhân trong mẫu gộp = 35
  • se là độ nhạy của phương pháp xét nghiệm = 80%
  • sp là độ đặc hiệu của phương pháp xét nghiệm = 98%

Xác suất một mẫu cho ra kết quả dương tính:

P.spec = (p * se) + (1 – sp)*(1 – p) = 0.028

Xác suất có ít nhứt một mẫu gộp cho ra kết quả dương tính:

P.pool = 1 – (1 – P.spec)^n  = 0.627

Số mẫu gộp sẽ cho ra kết quả dương tính:

N.pos = (N / n)*P.pool = 150,534

Từ đó, số ca cần xét nghiệm lại (bước 2):

N.pos * n = 5,268,691

Thành ra, trên lí thuyết xét nghiệm gộp có thể tiết kiệm, nhưng nếu tính toán cụ thể và điều chỉnh cho độ chính xác của phương pháp xét nghiệm thì vẫn rất tốn kém.  

4. Hiệu quả kinh tế – y tế

Trong thực tế, chúng ta đã thấy chi phí tốn kém như thế nào ở Hà Nội. Theo một nguồn tin [5], Hà Nội đã tiêu ra 572.1 tỉ đồng để làm xét nghiệm sàng lọc trên 3,128,380 mẫu, với 74% là PCR và 26% là xét nghiệm nhanh.

Các nhà chức trách chỉ phát hiện 19 ca dương tính. Tính trung bình, để phát hiện 1 ca dương tính, Hà Nội mất 30.1 tỉ đồng (hơn 1.3 triệu USD).  

Đó là một sự tốn kém thấy trước. Thật ra, con số đó cao hơn là những gì tôi tính toán ở trên.

Thế nhưng có bạn lí giải rằng chi phí đó (30 tỉ đồng để phát hiện 1 ca dương tính) là chấp nhận được vì nếu không phát hiện thì số ca này sẽ lây lan ra nhiều số ca khác và gây tử vong. Cách lí giải này như sau:

  • 1 ca nhiễm biến thể Delta sẽ lây cho 7 người khác và với “chu kỳ là 2 ngày” thì trong 10 ngày sẽ có 7^5 = 16807 ca.
  • Tỉ lệ tử vong 2.5% có nghĩa là sẽ có 300 ca tử vong.

Rất tiếc không thấy tác giả lí giải thêm là thế nào thì có hiệu quả kinh tế – y tế, vì tính toán dừng ở đó.

Tuy nhiên, cách lí giải này dựa trên sự hiểu lầm (?) về ý nghĩa của chỉ số lây lan và sai sót trong tính toán. Tôi giải thích ngắn gọn như sau:

Thứ nhứt, không ai biết có bao nhiêu ca nhiễm ở Hà Nội là liên quan đến biến thể Delta. Biến thể Delta có chỉ số lây lan trung bình là 7. Thật ra, không ai biết chính xác hệ số lây lan của biến thể Delta là bao nhiêu, nên nó là một con số bất định. Con số này không có nghĩa là 1 người sẽ lây cho đúng 7 người; nó có nghĩa là xác suất lây lan cho 7 người hay thấp hơn là 50% (không phải 100%). Có một số người tiếp xúc với người bị nhiễm biến thể Delta sẽ không bị lây nhiễm. Do đó, dùng chỉ số lây lan 7 cho cách tính đơn giản đó là… sai.

Thứ hai, tỉ lệ tử vong 2.5% là tính theo khái niệm ‘case fatality rate‘ và nó không thể nói lên nguy cơ tử vong của covid. Cái cần tính là ‘infection fatality rate‘, và con số này thì thấp hơn nhiều, chỉ chừng 0.5% mà thôi. Nên nhớ rằng, không ai biết tỉ lệ tử vong đối với biến thể Delta, nhưng số liệu bên Anh cho thấy nó có nguy cơ tử vong thấp hơn biến thể gốc.

Thứ ba, tôi không rõ ‘chu kỳ là 2 ngày’ là gì. Trong dịch tễ học người ta dùng khái niệm incubation period (IP, thời gian ủ bệnh), và IP đối với biến thể Delta giống như biến thể Alpha, tức trung bình 4 ngày [6]. Do đó, nếu nói IP = 2 thì sai, không có cơ sở khoa học nào cả.

Thứ tư, để tính toán số ca nhiễm trong tương lai, thì không ai tính theo kiểu lấy chỉ số lây lan rồi nhân theo hàm số mũ của số ngày IP cả. Đó là cách tính … rợ. Tính theo khoa học thì phải có mô hình, và mô hình phổ biến là SEIR mà tôi có giải thích sơ qua trước đây [6]. Nhưng đây là một đề tài khác; ở đây chỉ nói ngắn gọn để thấy cách tính rợ đó không có ý nghĩa gì cả.

Tóm lại, rất khó biện minh cái chi phí 30 tỉ đồng để phát hiện 1 ca dương tính. Những lí giải đơn giản và không dựa vào khoa học khó có thể làm sáng tỏ vấn đề.

5. Thay đổi phương án xét nghiệm

Xét nghiệm là cần thiết trong chiến lược kiểm soát dịch, nhưng xét nghiệm đại trà thì không phải là phương án tối ưu. Lí do là xét nghiệm giống như chụp hình tại 1 thời điểm, mà dịch thì diễn biến liên tục. Người ta có thể không bị nhiễm ngày 1, nhưng bị nhiễm vào ngày thứ 5, và trong trường hợp này thì nếu xét nghiệm ngày 1 sẽ không phát hiện. Do đó, con số 19 ca phát hiện ở Hà Nội là chỉ tại một thời điểm, và trong cộng đồng vẫn còn nhiều ca khác nữa.

Mục đích chánh của xét nghiệm là đi tìm bệnh, không phải tìm ca dương tính. Theo tôi, nên áp dụng xét nghiệm tôi gọi là ‘focused screening‘. Theo phương án này, chúng ta chỉ xét nghiệm những nhóm có nguy cơ cao. Theo đó, nên ưu tiên xét nghiệm cho những cá nhân sau đây:

  • Người có triệu chứng giống như covid. Những người này có nguy cơ nhiễm cao, và vì đã có triệu chứng nên phương pháp xét nghiệm sẽ nhạy hơn (cho ra kết qủa chính xác hơn).
  • Người đã từng tiếp xúc với người bị nhiễm. Những người này cũng có nguy cơ nhiễm cao, và xét nghiệm họ có thể cho ra kết quả đáng tin cậy hơn là những người không có triệu chứng và không bị phơi nhiễm.
  • Người có nguy cơ phơi nhiễm như đi lại nhiều, người chăm sóc bệnh nhân, người về từ nơi khác, nhân viên y tế, v.v.
  • Người sống ở những nơi có mật độ dân số cao. Lây nhiễm xảy ra cao ở những vùng có mật độ dân cư cao, và xét nghiệm ở những nơi này sẽ đem lại lợi ích y tế – kinh tế cao hơn là xét nghiệm đại trà.

Dĩ nhiên, phương án trình bày trên mới là phác hoạ. Chúng ta cần phải có dữ liệu để mô hình hoá chiến lược và đánh giá hiệu quả kinh tế (cost-effectiveness) trước khi triển khai xét nghiệm.

Ngay từ năm ngoái khi dịch bùng phát ở Anh, các giới chức y tế đã đi đến kết luận rằng xét nghiệm đại trà không phải là cách chính xác để truy tìm các ca covid trong dân số [8]. Trong lá thư gởi Chánh phủ, Bộ trưởng Y tế Anh viết rằng xét nghiệm trên những người không có triệu chứng bằng que là không chính xác và có thể cho ra kết quả làm cho người bị nhiễm tưởng rằng mình không bị nhiễm (do sai sót trong xét nghiệm).

Thiết nghĩ bài học ở Anh cùng với kinh nghiệm thực tế ở TPHCM và Hà Nội đã quá đủ để ngưng chương trình xét nghiệm đại trà, và suy nghĩ đến một chương trình xét nghiệm có hiệu quả kinh tế và y tế hơn.

____

[1] https://www.gov.uk/government/publications/innova-lateral-flow-sars-cov-2-antigen-test-accuracy-in-liverpool-pilot-preliminary-data-26-november-2020

[2] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7386165/pdf/40121_2020_Article_324.pdf

[3] https://www.cap.org/member-resources/articles/how-good-are-covid-19-sars-cov-2-diagnostic-pcr-tests

[4] https://www.health.gov.au/resources/publications/post-market-validation-of-the-beijing-genomics-institute-bgi-sars-cov-2-real-time-pcr-platform

[5] https://www.facebook.com/vu.k.hanh.52/posts/10159974232286122

[6] https://www.uq.edu.au/news/article/2021/06/whats-delta-covid-variant-found-melbourne-it-more-infectious-and-does-it-spread-more

[7] https://tuanvnguyen.medium.com/move-away-from-lockdowns-ad24fe2d995b

[8] https://www.bmj.com/content/371/bmj.m4916

Tại sao Việt Nam có số ca tử vong cao? Phân biệt “chết vì” và “chết với” coronavirus

Việt Nam đã vượt cái mốc 15,000 người tử vong liên quan đến covid (con số chính xác là 16186). Tôi cứ phân vân về cách diễn giải con số này, và tự hỏi cách mà giới chức y tế xác định thế nào là một ca tử vong vì covid. Câu này này đơn giản nhưng rất quan trọng. Tôi nghĩ phải phân biệt ‘chết vì covid’ và ‘chết với covid’.

Nhiều người so sánh tỉ lệ tử vong giữ Việt Nam và Thái Lan. Thái Lan có số ca nhiễm cao gấp 2 lần Việt Nam, nhưng số ca tử vong thì thấp hơn Việt Nam 8%. Thật ra, tỉ lệ tử vong ở Việt Nam (2.5%) còn cao hơn cả Cambodia (2.0%) (Xem Hình 1).

Hình 1: Số ca nhiễm và tử vong ở các nước trong vùng. Chỉ có China là … ngoại lệ. Cho đến nay, China ghi nhận 123,808 ca nhiễm và 5688 ca tử vong (tỉ lệ 4.6%).

Tại sao có sự khác biệt quá lớn giữa các nước trong vùng? Ai trong chúng ta cũng có thể nghĩ ra một lí do để giải thích, và lí do có thể là do hệ thống y tế của Việt Nam còn yếu trong điều kiện quá tải, có thể là thiếu thốn máy móc và thuốc men, có thể là tình trạng phong toả kéo dài, v.v. Tất cả những lí do đó có thể đúng, nhưng các nước khác như Lào hay Cambodia thì cũng như chúng ta thôi, tức cũng thiếu thốn tư bề (có lẽ Thái Lan thì hơn một chút). Tôi e rằng các ‘lí do cơ‘ đó khó giải thích tại sao Việt Nam có quá nhiều ca tử vong trong trận dịch này.

Tôi nghĩ đến lí do kĩ thuật: cách đếm và xác định nguyên nhân tử vong.

Để các bạn hiểu vấn đề tôi xin tóm tắt 1 trường hợp ở Úc như sau. Năm ngoái, một thanh niên tên Nathan Turner, tuổi 30s, qua đời ở nhà sau khi có triệu chứng giống như cúm. Khi bệnh viện làm xét nghiệm tử thi, họ tuyên bố anh ta dương tính cho covid. Thế là cái chết của anh được xem là ‘chết vì covid.’ Nhưng sau đó, người ta điều tra kĩ về nguyên nhân tử vong, thì mới biết anh ta có nhiều bệnh lí phức tạp, và làm xét nghiệm lại, nhưng lần này thì kết quả là âm tính! Do đó, đếm anh ta vào con số thống kê tử vong vì covid là sai. Câu chuyện nói lên tính phức tạp trong việc xác định nguyên nhân tử vong.

1. Xác định nguyên nhân tử vong và covid

Ở Úc, các giới chức thống kê có hướng dẫn cụ thể về các xác định nguyên nhân tử vong. Hướng dẫn của Úc viết đại khái rằng nếu người qua đời bị nhiễm nCov thì trên giấy chứng tử nên ghi rằng COVID-19 là nguyên nhân tử vong, bất kể Covid-19 là nguyên nhân trực tiếp, hay được giả định là nguyên nhân gây ra hay đóng góp vào sự tử vong [1]. Nói cách khác, nếu bệnh nhân bị đột quị và covid, thì nguyên nhân tử vong phải ghi là covid.

Ở Mĩ, lúc số ca tử vong tăng cao, có một cuộc tranh luận về nguyên nhân tử vong liên quan đến covid. CDC có hẳn một tài liệu hướng dẫn ghi nguyên nhân tử vong, và đọc tài liệu đó mới thấy phức tạp ra sao [2].

Nhưng nếu đọc kĩ thì thấy là bất cứ ai từng bị nhiễm nCov và qua đời sau đó thì phải ghi Covid-19 là nguyên nhân tử vong. Qui định này rất giống với Úc. Nhiều người trong y khoa không đồng ý với cách phân loại này, nhưng qui định là qui định và bác sĩ viết giấy chứng tử phải tuân theo!

Vấn đề là nguyên nhân tử vong nhiều khi tuỳ thuộc vào cá nhân bác sĩ. Trên trang cdc.gov [3] có một cuộc đối thoại thú vị về cách viết nguyên nhân tử vong, và tôi có thể tóm tắt như sau:

Hỏi: Đối với những trường hợp mà người ta chết vì các bệnh như ung thư hay Alzheimer’s ở giai đoạn cuối, và trước khi chết họ bị nhiễm covid, bác sĩ phán xét như thế nào về nguyên nhân tử vong?

Đáp (tóm tắt): Không hề đơn giản để xác định nguyên nhân tử vong của một cá nhân, nhứt là họ bị bệnh ở giai đoạn cuối. Chẳng hạn như nếu bệnh nhân bị ung thư ở giai đoạn cuối và bác sĩ nghĩ anh ta còn sống được 6 tháng, nhưng vì anh ta bị covid và chết trước 6 tháng, thì bác sĩ có thể sẽ ghi nguyên nhân tử vong là covid. Nhưng nói cho cùng thì tuỳ thuộc vào người viết giấy chứng tử.

Cái câu tuỳ thuộc vào người viết giấy chứng tử rất quan trọng. Sự thật này nói lên rằng nguyên nhân tử vong không phải được xác định một cách khách quan. Nếu 2 người bị covid và qua đời, bác sĩ A có thể xem qua tiền sử và nói nguyên nhân tử vong là suy thận, nhưng bác sĩ B có thể viết nguyên nhân là covid.

Đó chính là một lí do tại sao số ca tử vong liên quan đến Covoid-19 tăng cao.

2. ‘Chết vì virus’ hay ‘chết với virus’?

Đa số hay tuyệt đại đa số những người chết liên quan với covid là người trên 60 tuổi. Mà, người ở độ tuổi đó thì thường có những bệnh đi kèm (gọi là ‘comorbidities’). Ở Úc, theo một phân tích, 73% ca tử vong covid có những bệnh đi kèm [4]. Những bệnh phổ biến là mất trí nhớ (dementia), tim mạch mãn tính, tiểu đường, cao huyết áp, bệnh đường hô hấp, ung thư, và các bệnh xương khớp (xem Hình 2).

Những bệnh lí đi kèm ở những người chết có liên quan đến covid.

Hai tuần trước, Chánh phủ tiểu bang New South Wales đã đổi cách nói về tử vong covid. Họ tuyên bố rằng từ nay trở đi, các giới chức y tế sẽ viết/nói rằng “death with virus” (chết với con virus) thay vì “death from virus ” (chết vì con virus). Cách nói ‘chết với con virus’ là kém xác định và khiêm tốn hơn câu ‘chết vì con virus’. Thật ra, cá nhân tôi từ năm ngoái đã dùng cách nói đó: covid-associated deaths.

3. Nguyên nhân tử vong covid ở Việt Nam có chính xác?

Quay lại câu hỏi tại sao Việt Nam ghi nhận nhiều ca tử vong covid hơn các nước khác (như Thái Lan chẳng hạn) dù số ca nhiễm thì thấp hơn. Tôi nghĩ rất có thể là do lí do kĩ thuật trong việc xác định nguyên nhân tử vong.

Như đề cập trên, ở Úc và Mĩ, người ta có qui định về cách viết nguyên nhân tử vong trên giấy chứng tử. Tôi không rõ ở Việt Nam có qui định như thế hay không. Tìm trong trang web của Bộ Y tế thì không thấy có qui định nào về ghi nhận nguyên nhân tử vong. Nếu chưa có thì tôi nghĩ nên soạn một qui định về chứng tử để bác sĩ căn cứ vào đó mà xác định nguyên nhân chính xác hơn.

Mà, dù có hay chưa có qui định, thì nguyên nhân tử vong vẫn là một thông tin không khách quan, bởi vì nó tuỳ thuộc vào đánh giá của bác sĩ. Như thấy qua đoạn đối thoại trên ở CDC (Mĩ), xác định nguyên nhân tử vong covid nhiều khi chỉ là một phán xét cá nhân. Do đó, giả thuyết là số ca tử vong covid ở Việt Nam chắc chắn không phản ảnh đúng thực trạng, và những so sánh giữa các nước chỉ có ý nghĩa thông tin hơn là tham khảo.

Các bạn nào trực tiếp ghi giấy chứng tử có thể chia xẻ kinh nghiệm với các bạn khác xem sao.

______

[1] https://www.abs.gov.au/ausstats/abs@.nsf/mf/1205.0.55.001

[2] https://www.cdc.gov/nchs/data/nvss/vsrg/vsrg03-508.pdf

[3] https://www.cdc.gov/nchs/pressroom/podcasts/2021/20210319/TRANSCRIPT_STATCAST_031921.pdf

[4] https://www.abs.gov.au/articles/covid-19-mortality-0

Chi phí khám và điều trị covid: Việt Nam và thế giới

Ít ai biết rằng chi phí khám và điều trị bệnh nhân covid khá mắc. Ở Việt Nam hình như chưa có nghiên cứu về vấn đề này, nhưng nghiên cứu ở nước ngoài cho thấy chi phí khá cao so với thu nhập bình quân của người dân.  

Trên trang fb của anh Võ Xuân Sơn có trình bày chi phí khám và điều trị cho một bệnh nhân covid nằm viện 41 ngày [1]. Tổng chi phí là 1.6 tỉ đồng (tức khoảng 72,000 USD). Trong đó, chi phí điều trị là 720 triệu đồng (gần 33,000 USD). Vì có bảo hiểm, nên bệnh nhân chi trả 166 triệu đồng. Nếu đây là cái giá tiêu biểu (hi vọng không phải) thì chi phí khám và điều trị bệnh covid ở Việt Nam rất mắc.

Thu nhập bình quân ở Việt Nam vẫn còn thấp, nên nếu lấy chi phí covid chia cho thu nhập thì tỉ số rất cao. Giả dụ rằng chi phí điều trị là 10,000 USD (thay vì 72000 USD như bệnh nhân trên) thì vẫn cao gấp 26 lần lương tháng tiêu biểu của một người dân.

Còn ở nước ngoài thì sao?

Có một nghiên cứu trên 1422 bệnh nhân ở Saudi Arabia cho thấy chi phí liên quan đến covid cũng rất mắc. Tính trung bình, chi phí nằm viện tính trên mỗi bệnh nhân là 38,436 USD, với 75% bệnh nhân có chi phí dưới 52,194 USD [2].

Nghiên cứu này còn tính chi tiết chí phí nằm viện mỗi ngày. Nếu chỉ nằm trong ward thì chi phí (mỗi ngày) là 5192 USD, nhưng ICU thì lên đến 7810 USD, và mắc nhứt là ICU + thở máy là 11,215 USD. Thu nhập bình quân mỗi tháng ở Saudi Arabia là khoảng 3195 USD. Chi phí điều trị và khám covid như vậy cao gấp 2.6 lần so với lương tháng của dân.

Ở Mĩ thì sao? Theo một bài báo [3] thì chi phí bệnh viện cho bệnh nhân covid dao động từ 51,389 USD cho bệnh nhân tuổi 21-40, nhưng có thể lên đến 78,569 USD cho tuổi 41-60. Tuổi càng cao, chi phí càng tăng, có lẽ là do các bệnh nền đi kèm. Thu nhập bình quân mỗi tháng ở Mĩ  là khoảng 5420 USD. Chi phí covid làm mất 12 tháng lương của một người Mĩ trung bình!

Tóm lại, như các bạn thấy, chi phí khám và điều trị bệnh nhân covid là rất mắc. Chi phí khám và điều trị viêm phổi ở Mĩ (theo y văn) là khoảng 429 USD (giá năm 2018), tức chỉ bằng số lẻ (dưới 1%) chi phí covid. Điều này cũng nói lên rằng giảm nguy cơ nhập viện là một ưu tiên trong chiến lược kiểm soát dịch.

Việt Nam rất cần một nghiên cứu về chi phí khám và điều trị covid và so sánh với lợi ích lâm sàng. Câu hỏi là xã hội phải chi bao nhiêu tiền để cứu 1 bệnh nhân covid rất cần được trả lời càng sớm càng tốt.

___

[1] https://www.facebook.com/xuanson.vo.5/posts/2126120604211721

[2] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7602112

Tại sao phong toả không đạt hiệu quả?

Mấy hôm nay, báo chí nước ngoài [1-3] hay hỏi tôi câu hỏi trên (tại sao phong toả ở TPHCM không có hiệu quả), và tôi cũng chỉ có thể giải thích qua 3 giả thuyết liên quan đến thời gian và bối cảnh.

Xét dưới bất cứ góc độ nào thì chánh sách phong toả TPHCM đã không đạt mục tiêu. Số ca nhiễm vẫn tăng và chưa có xu hướng giảm. Tỉ lệ tử vong tăng vượt mốc (gấp 2 lần) trung bình trên thế giới. Tất cả các dự báo đều sai thảm hại. Kinh tế bị ảnh hưởng trầm trọng, doanh nghiệp bỏ đi. Quan trọng hơn là cảnh dân đói khát đã xuất hiện. Thành ra, nói cách gì thì nói, phong toả đã không thành công.

Một người xin ăn trên đường phố TPHCM trong thời gian phong tỏa. Ảnh của Bs Phan Xuân Trung chụp trong lúc đi khám bệnh.

1.  Tại sao phong toả không đem lại hiệu quả?

Hiện nay thì chưa ai phân tích vấn đề đến nơi đến chốn vì còn quá thiếu dữ liệu. Tôi nghĩ đến 2 giả thuyết: thời gian phong toả và đặc điểm dân số của Thành phố.

Giả thuyết thứ nhứt là biện pháp phong toả áp dụng hơi trễ. Khi chánh sách phong toả được ban hành thì số ca nhiễm hàng ngày ở TPHCM đã đạt con số 464 một ngày, tăng gấp 2 so với những người trước đó. Điều này có nghĩa là dịch đã ‘bén rễ’, và lúc đó thì phong toả ít có tác dụng.

Đa số các phân tích mô hình mà tôi đọc được đều chứng minh rằng nếu áp dụng phong toả ngay sau khi dịch phát sanh thì mới có hiệu quả. Các phân tích đó còn chỉ ra rằng phong toả chỉ nên ngắn, chớ nếu kéo dài thì tác dụng cũng sẽ suy giảm theo thời gian (còn gọi là hiện tượng ‘lockdown fatigue’).

Giả thuyết thứ hai là đặc điểm dân cư ở TPHCM. Chúng ta biết rằng HCM có mật độ dân số khá cao, và một phần lớn cư dân sống trong các con hẻm chật chội. Một phần lớn cư dân có thu nhập thấp và họ sống nhờ đồng lương hàng tuần hay hàng tháng. Đây chính là những nhóm người ‘yếu ớt’ nhứt, hiểu theo nghĩa dễ bị bệnh và khi bị thì chịu hậu quả nặng nề.

Kinh nghiệm về phong toả ở các nước nghèo (như bên Phi châu) [4] cho thấy ở những nơi mà mật độ dân số cao và thiếu điều kiện vệ sinh, thì phong toả chẳng đem lại hiệu quả nào cả. Tình hình ở Nam Phi đúng như dự báo: sau vài tháng phong toả, số ca nhiễm và số ca tử vong vẫn tăng. Điều lạ lùng là sau khi phong toả thì số ca tử vong có vẻ giảm.

Giả thuyết thư ba là biến thể Delta. Chắc chắn biến thể này đã xuất hiện ở Việt Nam. Với hệ số lây lan rất cao (6-7), và khi con virus đã vào một gia đình thì xác suất cao là toàn bộ gia đình đều bị nhiễm. (Trước đây, thì chỉ khoảng 1/3 gia đình bị nhiễm). Biến thể Delta có thời gian ủ bệnh khá ngắn, và điều này làm cho việc truy vất hoặc ‘xét nghiệm thần tốc’ không có hiệu quả gì nhiều, vì trước khi phát hiện thì nó đã lây lan sang cho người khác.

Do đó, tôi nghĩ 3 yếu tố trên (thời gian phong toả và đặc điểm cư dân) có thể giải thích tại sao phong toả không đem lại hiệu quả.

2.  Phong toả = lựa chọn

Khi quyết định phong toả thì tức là chúng ta đã làm một lựa chọn. Lựa chọn là cứu người bị nhiễm covid và (gián tiếp) hi sinh những người với bệnh khác. Đó là những bệnh mãn tính như tiểu đường, tiêm mạch, ung thư, thận, xương khớp, miễn dịch, v.v.

Chúng ta hay nói đến con số hơn 10,000 người tử vong ở TPHCM trong trận dịch này, nhưng chưa ai biết bao nhiêu là chết VÌ covid và bao nhiêu là chết VỚI covid. Tôi có lí do để tin rằng đa số là chết với covid.

Tại sao tôi tin vậy? Tại vì nhìn vào con số tử vong (xem hình), tôi thấy 35% tổng số ca tử vong là ở người dưới 60 tuổi. Ba mươi lăm phần trăm. (Xin ghi thêm rằng ở Úc này số người chết dưới 60 tuổi chỉ chiếm chừng 1%). Con số 35% nhiều người chết ở tuổi dưới 60 nói lên rằng họ có lẽ chết vì các bệnh lí đi kèm hơn là vì virus. Khi phong toả, chúng ta đã ‘hi sinh’ họ.

Phân bố số ca tử vong liên quan đến covid theo độ tuổi ở TPHCM. Chú ý: trên 35% tổng số ca tử vong covid là dưới 60 tuổi.

3.  Phải làm gì?

Nếu đã xác định phong toả không đem lại hiệu quả thì phải nghĩ đến dỡ bỏ chánh sách phong toả. Nếu theo WHO thì số ca nhiễm phải được kiểm soát (hiểu theo nghĩa giảm suốt 14 ngày), hệ thống y tế sẵn sàng, v.v. Nhưng có cần theo WHO không? Tôi nghĩ không, vì những tiêu chuẩn họ đề ra là chung cho thế giới, còn áp dụng cho từng nơi thì tuỳ thuộc vào điều kiện nơi đó. Vả lại, mấy tiêu chuẩn của WHO lạc hậu trong tình huống đã có vaccine.

Vaccine mới là chìa khoá thoát phong toả. Số ca dương tính không phải và không nên là tiêu chuẩn thoát phong toả. Ở TPHCM, số người trên 18 tuổi được tiêm 1 liều đã khá cao (trên 90%?) và số được tiêm đủ 2 liều cũng đã gần 50% (?). Tôi nghĩ đó là tiêu chuẩn để thoát phong toả. Thoát theo lộ trình 4 bước mà tôi phác hoạ hôm trước [5].

Một lộ trình thoát phong toả.

____

[1] https://asiatimes.com/2021/09/counting-the-cost-of-vietnams-covid-meltdown

Counting the cost of Vietnam’s Covid meltdown

[2] https://asia.nikkei.com/Spotlight/Coronavirus/Vietnam-s-Ho-Chi-Minh-City-has-highest-COVID-death-rate-in-region

Vietnam’s Ho Chi Minh City has highest COVID death rate in region

[3] https://asia.nikkei.com/Spotlight/Coronavirus/Vietnam-vows-to-curb-COVID-in-Ho-Chi-Minh-City-as-deaths-spike

Vietnam vows to curb COVID in Ho Chi Minh City as deaths spike

[4] https://www.globalepidemiology.com/article/S2590-1133(20)30018-3/fulltext

[5] Có người quan tâm chánh đáng rằng nếu ngưng phong toả thì thành phố sẽ ‘toang’. Tôi không thích cách dùng chữ mù mờ đó (‘toang’ là gì? là sao?) Phải suy nghĩ cụ thể hơn là ‘toang’ chung chung. Có thể đoán trước rằng sau khi thoát phong tỏa số ca có thể sẽ tăng, nhưng số ca nhập viện thì giảm. Thử tưởng tượng có 10,000 ca dương tính, và trong số này có 1500 ca cần nhập viện lúc phong toả, nhưng sau vaccine thì chỉ còn 300 ca (do hiệu quả vaccine giảm nhập viện 80%). Chúng ta có thể mô hình như thế cho mỗi ngày. Tuy nhiên, để mô hình đàng hoàng thì cần dữ liệu về số ca nhập viện trong thời gian phong toả.

Thẻ xanh,  thẻ vàng, và vài bất cập

Một trong những nguyên tắc của y tế công cộng là đơn giản. Thế nhưng trong thực tế, chánh sách chống dịch ở Việt Nam rất khó hiểu đối với người dân. Câu chuyện ‘thẻ xanh’, ‘thẻ vàng’ là một ví dụ đi ngược lại khoa học.

Theo tôi tìm hiểu [1] và mô tả đơn giản cho dễ theo dõi thì thẻ xanh là cho người đã tiêm đủ liều 2 vaccine (AstraZeneca, Pfizer, Moderna, Sinopharm, Sputnik), còn thẻ vàng là cho người đã tiêu 1 liều.

Nếu vậy thì tại sao phải gọi là thẻ xanh, thẻ vàng để gây thêm một tầng phức tạp. Tại sao không gọi là đã tiêm đủ 2 liều và tiêm 1 liều cho dễ hiểu.

Ở Úc này, người ta không có thẻ xanh, thẻ vàng; chỉ có một chứng chỉ điện tử đã tiêm đủ 2 liều vaccine. Và, theo tôi biết ở Anh, Mĩ, Canada cũng không có thẻ xanh, thẻ vàng; họ chỉ có một chứng chỉ kiểu Úc nhưng tên gọi khác một chút (như ‘Covid Pass’, ‘Vaccination Card’). Do đó, thẻ xanh, thẻ vàng là một ‘sáng kiến’ chỉ ở Việt Nam, nhưng là không cần thiết.

Càng không cần thiết khi có tiêu chuẩn về xét nghiệm sau khi tiêm chủng vaccine. Thật ra, qui định về thẻ xanh còn thêm một tiêu chuẩn là ‘xét nghiệm kháng nguyên định kì‘. Nhưng câu hỏi là tại sao lại cần xét nghiệm kháng nguyên sau khi đã tiêm vaccine?

Trong quá khứ đã có trường hợp người đã tiêm vaccine rồi sau đó đi xét nghiệm PCR hoặc/và kháng nguyên và có kết quả dương tính. Diễn giải kết quả này khá tế nhị. Trên lí thuyết, tiêm chủng vaccine không thể cho ra kết quả dương tính. Rất có thể kết quả dương tính là tín hiệu cho thấy người đó bị nhiễm trước hay sau khi tiêm vaccine.

Câu hỏi đặt ra là người đã tiêm vaccine có cần làm xét nghiệm kháng thể? Nhiều người nghi ngờ là sau khi tiêm vaccine, chưa chắc nó có hiệu quả, nên đòi đi xét nghiệm kháng thể. Nhưng có lẽ đây là việc không nên làm. Lí do là các phương pháp xét nghiệm này cho chúng ta biết một người đã bị phơi nhiễm virus trong quá khứ, chúng không phải là thước đo tin cậy về sự miễn dịch chống virus.

Tại sao xét nghiệm kháng thể không phải là thước đo đáng tin cậy? Tại vì các phương pháp xét nghiệm này chỉ cho chúng ta biết kháng thể chống nCov là hiện diện hay không hiện diện, nhưng chúng ta không định lượng, không cho biết bao nhiêu kháng thể trong cơ thể. Điều này có nghĩa là một người có thể có kết quả dương tính, nhưng lượng kháng thể có thể không đủ để bảo vệ chống lại virus. Mặt khác, nếu kết quả xét nghiệm là âm tính, thì nó cũng không có nghĩa là người đó không có miễn dịch, bởi vì các thành phần khác của hệ miễn dịch (như tế bào T) có thể đóng vai trò quan trọng trong việc chống virus.

Vì những lí do trên, các giới chức y tế không khuyến cáo làm xét nghiệm cho những người đã tiêm vaccine [1].

Tóm lại, tôi thấy việc ban hành thẻ màu là không cần thiết. Càng không cần thiết đòi hỏi xét nghiệm covid cho những người đã tiêm đủ liều vaccine. Chỉ cần một giấy chứng nhận là họ đã được tiêm 1 hay 2 liều vaccine. Không nên bày chuyện để làm phức tạp thêm một vấn đề vốn rất đơn giản.

____

[1] https://www.fda.gov/medical-devices/safety-communications/antibody-testing-not-currently-recommended-assess-immunity-after-covid-19-vaccination-fda-safety

____

[1] Thật ra, điều kiện hơi phức tạp hơn những gì tôi tóm tắt. Theo tôi biết qua tìm hiểu thì như sau:

Thẻ xanh:

  • Đối với loại vắc xin tiêm 2 mũi (AstraZeneca, Pfizer, Moderna, Sinopharm, Sputnik V): 14 ngày sau mũi thứ 2 và xét nghiệm kháng nguyên định kỳ đối với một số môi trường làm việc.  
  • Người nhiễm SARS-CoV-2 khỏi bệnh, đã hoàn thành thời gian cách ly, trong vòng 180 ngày tính từ khi khỏi bệnh.
  • Người nhiễm SARS-CoV-2, tự làm xét nghiệm, tự cách ly sau đó khỏi bệnh thì phải xét nghiệm chứng minh có kháng thể.

Thẻ vàng:

  • Tiêm 1 mũi đối với vắc xin có yêu cầu 2 mũi (AstraZeneca, Pfizer, Moderna, Sinopharm, Sputnik V) và đã qua 14 ngày.
  • Có kết quả xét nghiệm định kỳ (3 ngày/lần) âm tính (có xác nhận theo hướng dẫn của Sở Y tế và được cập nhật vào hệ thống cơ sở dữ liệu điện tử để cấp và gia hạn thẻ).

Tại sao đã tiêm vaccine đầy đủ mà vẫn bị nhiễm?

Một bạn đọc là phóng viên muốn tôi bình luận về ý kiến cho rằng tại vì có những vaccine với hiệu quả 50-60% nên một số người đã được tiêm đầy đủ vẫn có thể lây bệnh cho người khác. Tôi thì muốn có một cách giải thích khác liên quan đến 5 yếu tố liên quan đến loại vaccine, thời gian, biến thể virus và tiền sử lâm sàng.

‘Hiện tượng’ bị nhiễm virus sau khi tiêm vaccine (đầy đủ 2 liều) không phải là mới. Trong dịch tễ học, người ta gọi đó là những ca ‘breakthrough infection’ (tôi tạm dịch là ‘nhiễm đột phá’).

Nhiễm đột phá xảy ra không phổ biến. Theo một nghiên cứu bên Anh, cứ 500 người tiêm vaccine đầy đủ thì sẽ có 1 người bị nhiễm. Do đó, các bạn có thể nói rằng xác suất các bạn đã tiêm vaccine bị nhiễm nCov là khoảng 0.2%, tức là thấp. Ở Mĩ, số liệu của CDC cho thấy tỉ lệ này là 0.01%.

May be an image of text that says 'According to the CDC, there were: 10,262 breakthrough SARS-CoV-2 CoV-2 infections in the U.S. among the first 101 million fully vaccinated people. Healio'
Số liệu từ CDC (tính đến tháng 25/5/2021) trong số 101 triệu người được tiêm vaccine, chỉ có 10262 người (hay 0.01%) bị ‘nhiễm đột phá’.

Nhưng không phải ai cũng có xác suất nhiễm đột phá như nhau. Có người có nguy cơ cao, người có nguy cơ thấp. (Xin nói thêm rằng tôi dùng chữ ‘nguy cơ’ hay risk ở đây là đồng nghĩa với ‘xác suất’). Vậy câu hỏi đặt ra là yếu tố nào có thể nhận dạng những người có nguy cơ nhiễm cao hay thấp? Xin thưa là có, và tôi tóm tắt các yếu tố đó như sau:

Yếu tố 1: loại vaccine

Chúng ta đã biết rằng vaccine chống covid có nhiều loại và được bào chế khác nhau. Chẳng những thế, hiệu quả của vaccine cũng có thể khác nhau. Nếu dựa vào thử nghiệm lâm sàng thì hiệu quả vaccine của Pfizer là 95%, Moderna 94%, AstraZeneca 70-81% (tuỳ thời gian tiêm). Riêng vaccine Tàu thì họ báo cáo có hiệu quả như AstraZeneca, nhưng trong thực tế thì có vẻ thấp hơn, nên người ta vẫn phải tiêm thêm vaccine phương Tây.

Xin nói thêm rằng khi nói ‘hiệu quả 95%’ KHÔNG có nghĩa là cứ 100 người tiêm thì 95 người sẽ không bị nhiễm. Hoàn toàn không phải như vậy. Nó có nghĩa là xác suất bị nhiễm ở những người được tiêm vaccine thấp hơn 95% xác suất ở những người không tiêm vaccine.

Đơn vị tính toán của hiệu quả là xác suất, không phải cá nhân. Mà, xác suất thì áp dụng cho một nhóm người, chớ không phải cho một cá nhân. Một nhóm người sẽ có người bị nhiễm và người không bị nhiễm. Còn cá nhân thì chỉ bị hay không bị nhiễm, chớ không có xác suất nhiễm. Điều này có nghĩa là con số hiệu quả vaccine chỉ áp dụng cho 1 quần thể hay nhóm người, nó không có ý nghĩa thực tế cho 1 cá nhân.

Yếu tố 2: thời gian giữa 2 liều

Theo kết quả nghiên cứu vaccine AstraZeneca báo cáo trên Lancet [1], thì khoảng cách thời gian mà vaccine có hiệu quả cao nhứt là chừng 3 tháng. Các chuyên gia lí giải rằng 3 tháng là thời gian đủ để cơ thể chúng ta ‘làm quen’ với vaccine trước khi nhận liều mới. Các bạn có thể đọc xem biểu đồ mà tôi trích dẫn dưới đây để thấy khoảng 12 tuần là tối ưu. Khi khoảng cách giữa 2 liều là 12 tuần thì hiệu quả vaccine lên đến 81%, nhưng khi khoảng cách 6 tuần thì hiệu quả chỉ 55%.

Mối liên quan giữa thời gian giữa 2 liều vaccine và hiệu quả vaccine AstraZeneca. Thời gian 3 tháng trở lên có hiệu quả cao hơn thời gian dưới 3 tháng.

Đó cũng chính là lí do mà Úc chọn khoảng cách 3 tháng để đạt hiệu quả cao nhứt. Nhưng ở những nơi hiếm vaccine (như Việt Nam chẳng hạn) nhà chức trách có xu hướng rút ngắn thời gian tiêm chủng giữa 2 liều.

Yếu tố 3: thời gian của hiệu quả

Không có vaccine nào có hiệu quả ‘muôn năm’, mà chỉ trong một thời gian. Theo nghiên cứu (chưa qua bình duyệt) thì hiệu quả của vaccine Pfizer có vẻ suy giảm sau 6 tháng sau liều thứ 2 [2]. Nghiên cứu bên Do Thái [3] cũng cho ra kết luận như thế.

Yếu tố 4: biến thể của virus

Lí do thứ tư là do con virus có biến thể giúp nó thoát khỏi tầm kiểm soát của hệ miễn dịch. Chất liệu di truyền của con virus nCov là RNA (khác với con người là DNA). RNA có mức độ đột biến rất rất nhanh hơn DNA. Khi chúng ta có vaccine để chống, thì chúng đã biến thể sang dạng khác rồi, vì chúng thường đi trước con người rất xa.

Điều này có thể giải thích tại sao con virus bị đột biến mới gíup chúng thoát khỏi cái radar của hệ miễn dịch và tha hồ tấn công con nguời. Đó là lí do mà giới khoa học quan tâm khi Ấn Độ phát hiện một biến thể mới của con virus Vũ Hán, vì nó có thể làm cho vaccine hiện hành kém hiệu quả.

Yếu tố 5: tuổi tác và sức khoẻ

Lí do thứ năm là độ tuổi, tình trạng sức khoẻ, và nhứt là tiền sử dùng thuốc. So với những người trẻ, hệ miễn dịch ‘già nua’ (như của tôi và các bạn cùng tuổi) không đáp ứng tốt với các kháng nguyên mới. (Kháng nguyên là các yếu tố ngoại tại làm cho hệ miễn dịch chúng ta sản xuất kháng thể để chống lại virus).

Điều này tôi viết thì có vẻ vui vui, nhưng sự thật là đã có nghiên cứu giải thích về sự tương quan giữa tuổi tác và đáp ứng miễn dịch ở những người được tiêm vaccine Pfizer [4]. Do đó, tôi đoán rằng những ca bị nhiễm đột phá có thể, tính trung bình, cao tuổi hơn và khoẻ mạnh hơn những ca không bị nhiễm đột phá.

Tóm lại, điểm qua y văn, tôi nghĩ lí do bị nhiễm dù đã tiêm đủ 2 liều vaccine là do (a) loại vaccine; (b) khoảng cách thời gian giữa 2 liều chưa đủ tối ưu hoá hiệu quả của vaccine; (c) hiệu quả của vaccine suy giảm theo thời gian; (d) biến thể của virus; và (e) các yếu tố liên quan đến tuổi tác và bệnh lí đi kèm.

Dù lời giải thích gì thì chúng ta phải nhận thức rằng tiêm vaccine đầy đủ 2 liều chúng ta vẫn có nguy cơ bị nhiễm (dù nguy cơ rất thấp). Cần nhớ rằng vaccine tuy quan trọng nhưng không phải là ‘viên đạn bạc’ phòng chống dịch covid-19 mà các chuyên gia WHO đã cảnh báo. Các biện pháp y tế công cộng (như hạn chế tụ tập đông người) vẫn phải áp dụng một thời gian.

___

[1] https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(21)00432-3/fulltext

[2] https://www.medrxiv.org/content/10.1101/2021.07.28.21261159v1

[3] https://www.medrxiv.org/content/10.1101/2021.08.24.21262423v1

[4] https://www.medrxiv.org/content/10.1101/2021.03.03.21251066v1.full