Dự báo dịch TPHCM – Tuan V. Nguyen AM

Dựa vào số liệu thực tế và mô hình dự báo, tôi nghĩ câu trả lời là ‘có lẽ’. Cái note này chia sẻ một phân tích đơn giản về tình hình dịch trong thời gian qua và mô hình dịch tễ học cho thấy số ca nhiễm bắt đầu giảm so với dự báo tình huống xấu nhứt.

Ngày hôm nay (22/7) thì TPHCM báo cáo có 2433 ca nhiễm mới, tăng gấp 5.2 lần so với đầu tháng (464 vào ngày 1/7). Con số ca nhiễm tăng mỗi ngày trong 3 tuần qua. Cụ thể, số ca nhiễm mỗi ngày tình từ 1/7 đến nay là như sau:

464, 418, 714, 599, 641, 710, 766, 915, 1229, 1320, 1397, 1764, 1797, 2229, 2691, 2420, 2786, 4692, 3074, 3322, 1739, 2433

Chúng ta có thể làm gì với số liệu đó? Không nhiều. (Đó là chưa nói đến sự mâu thuẫn về số liệu giữa HCDC và Bộ Y tế, nhưng hãy tạm gác qua). Có thể thể hiện số liệu này qua Biểu đồ 1 dưới đây.

Biểu đồ 1: Số ca nhiễm ở TPHCM tính từ ngày 1/7/21 đến 22/7/21. Biểu đồ bên trái là số ca nhiễm thực tế, biểu đồ bên phải là vẽ theo đơn vị log cho dễ thấy. Mấy con số ‘nhảy nhót’ trong vài ngày qua làm tôi hơi lo về độ chính xác của số liệu.

Tuy nhiên, tôi nghĩ có thể mô phỏng tình huống xấu nhứt. Chúng ta có thể bắt đầu bằng mô hình dịch tễ học đơn giản nhứt: SIR. Như tên gọi, mô hình này mô phỏng số ca có nguy cơ nhiễm (S = susceptible); từ nguy cơ sang nhiễm (I = infected); và sau can thiệp thì sẽ đến tình trạng hồi phục (R = recovered). Đáng lí ra tôi có thể thêm E (exposure = phơi nhiễm) nữa, nhưng tạm thời hãy đơn giản như vậy.

Mô hình này có thể mô tả như đồ thị trong một bài giảng dưới đây. Đại khái rằng chúng ta có một quần thể có nguy cơ lây nhiễm (gọi là S = 10 triệu người); một số trong những người này sẽ bị nhiễm (I); và sau một thời gian họ sẽ bình phục (R). Không cần đi vào chi tiết kĩ thuật sợ làm loảng vấn đề đằng sau của mô hình, ở đây mà chỉ nói qua về tham số và ý nghĩa của chúng. Xác suất đi từ trạng thái S đến I là beta, và từ I đến R là gamma. Vấn đề là xác định beta và gamma để mô phỏng.

May be an image of text that says 'Mô hình SIR căn bản Số người có nguy cơ (Susceptible) Số người bị nhiễm (Infed) Số người hồ“i phục (Recovered) Tham số B (xác suất nhiễ»m) dS -ßSI Tham số (xác suất bình phục) dI tlà thời gian dR S() R(t)=1 giải bằng deSolve Heesterbeek: Mathematical epidemiology of infectious diseases: model building, analysis and interpretation. Vol WS 2000 Bài giảng trực tuyến www. youtube. com/user/drnguyenvtuan/videos © Tuan Nguyen' — Giản đồ minh họa cho mô hình dịch tễ học SIR để dự báo diễn biến của dịch bệnh. Có thể dùng dữ liệu thực tế để ước tính tham số beta và gamma. Trong trường hợp TPHCM, được beta = 0.55 và gamma = 0.45. Suy ra, hệ số lây lan là R0 = 0.55 / 0.45 = 1.22.

Dùng mô hình SIR và số ca thực tế, chúng ta có thể giải vài phương trình vi phân để ước tính beta và gamma. Tôi tính được beta = 0.55 và gamma = 0.45. Suy ra, hệ số lây lan là R0 = 0.55 / 0.45 = 1.22. Không đến nổi tệ!

Biểu đồ 2: So sánh số ca nhiễm thực tế (Observed, màu hồng) và số ca nhiễm dự báo (Predicted, màu xanh) theo mô hình SIR. Dự báo có nghĩa là không can thiêp gì cả. Ba ngày qua, số ca thực tế thấp hơn số ca dự báo, và có thể xem đó là tín hiệu cho thấy chiến lược chống dịch đã bắt đầu có hiệu quả?

Số ca dự báo và thực tế

Để so sánh, tôi vẽ biểu đồ về số ca nhiễm thực tế và dự báo. Như các bạn thấy, mô hình SIR dự báo khá tốt so với số ca thực tế. Chẳng hạn như ngày 19/7, số ca thực tế là 3074 thì mô hình dự báo là 3036; ngày 20/7, số ca thực tế là 3322 và dự báo là 3368. Mô hình này không tệ.

Ý nghĩa quan trọng của mô hình này là bắt đầu từ 2 ngày qua thì số ca thực tế đã thấp hơn số ca dự báo. Điều này có lẽ nói lên rằng chiến lược chống dịch của HCM đã có hiệu quả. Thôi thì ít ra chúng ta cũng có một tin vui cho ngày hôm nay.

PS: Sẵn đây, xin cám ơn một nhà báo đã cung cấp dữ liệu về số ca nhiễm mỗi ngày. Nhưng những con số này lại hơi khác so với con số của Bộ Y tế cung cấp. Ví dụ như ngày 8/7 số liệu giữa 2 nguồn chênh lệch nhau đến 348 ca. Có ngày chênh lệch cả 1358 ca! Số liệu này là của HCDC.