Để trả lời cho câu hỏi biện pháp nào thực sự hiệu quả nhằm hạn chế lây lan coronavirus, các nhà khoa học đang phân tích một cơ sở dữ liệu chung về các biện pháp can thiệp khác nhau đã được áp dụng trên toàn thế giới.
Trả lời câu hỏi chiến lược nào là hiệu quả nhất trong chống dịch không hề đơn giản. Ví dụ, có thể nhìn vào trường hợp của Hồng Kông - được đánh giá là kiềm chế Covid-19 hiệu quả sau một loạt biện pháp mạnh tay như giám sát, cách ly, giãn cách xã hội, đeo khẩu trang, đóng cửa trường học – kết quả là chỉ 4 người tử vong do Covid-19 (trên 7.5 triệu dân Hồng Kông). Các biện pháp giám sát, cách ly và giãn cách xã hội nhanh chóng, chẳng hạn như sử dụng khẩu trang và đóng cửa trường học đã giúp giảm hệ số lây truyền. Nhưng trong một bài báo xuất bản trên tạp chí Lancet vào đầu tháng 5 này, GS Benjamin John Cowling, ĐH Y tế Công cộng Hồng Kông cho rằng không thể tách rời tác động của các biện pháp khác nhau mà Hồng Kông đang thực hiện cùng một lúc.
Cơ sở dữ liệu tập hợp thông tin về hàng trăm biện pháp can thiệp khác nhau đã được giới thiệu trên toàn thế giới sẽ thúc đẩy giải quyết những câu hỏi này. Các nhà nghiên cứu phải phân tích trên các mô hình, sử dụng dữ liệu từng quốc gia để hiểu tác động của các biện pháp kiểm soát. Khi bắt đầu bùng phát, nhất thiết phải dự đoán hiệu quả của các can thiệp - chủ yếu sử dụng các giả định. Sau đó, họ kết hợp dữ liệu từ khắp nơi trên thế giới để so sánh các phản ứng của từng quốc gia. Các nhà khoa học cũng có thể đưa ra các mô hình dự đoán chính xác hơn về các giai đoạn mới của đại dịch.
Cần cơ sở dữ liệu chung và chuẩn
Một nhóm tại trường Y học các bệnh nhiệt đới London (LSHTM) tập hợp dữ liệu của mười nhóm trên thế giới - bao gồm các nhóm tại Đại học Oxford, Anh, Trung tâm Khoa học Phức hợp Vienna (CSH Vienna), các tổ chức y tế công cộng và các tổ chức phi lợi nhuận như ACAPS, chuyên phân tích các cuộc khủng hoảng nhân đạo - để chuẩn bị nền tảng cho tổ chức Y tế Thế Giới (WHO) để phân tích.
“Cơ sở dữ liệu sẽ chuẩn hóa thông tin được thu thập này toàn diện hơn bất cứ một nhóm riêng lẻ có thể tạo ra”, Chris Grundy, một nhà khoa học dữ liệu của dự án LSHTM nói. “Các cơ quan như WHO thường xuyên theo dõi các biện pháp kiểm soát mà các nước đang áp dụng, nhưng đối với Covid-19, viễn cảnh rất phức tạp bởi vì tốc độ và quy mô của nó quá nhanh, quá lớn”. Grundy nói. LSHTM đã tuyển 1.100 tình nguyện viên để xử lý và kết hợp thông tin.
Nhóm của CSH Vienna đã thu được chi tiết của khoảng 170 chính sách can thiệp ở 52 quốc gia, từ các biện pháp nhỏ như dán hoặc vẽ đánh dấu khoảng cách hai mét đến các chính sách lớn như đóng cửa trường học. Họ cũng đang theo dõi những nỗ lực của một số quốc gia gần đây để khởi động lại cuộc sống hằng ngày với các biện pháp kèm theo, bao gồm cả việc đeo khẩu trang bắt buộc. Trong khi đó, dự án của Oxford, Covid-19 Government Response Tracker, đang theo dõi 13 can thiệp tại hơn 100 quốc gia. Dự án này tổng hợp 7 trong số 13 thành một chỉ số nghiêm ngặt (‘stringency’ index) để nắm bắt mức độ nghiêm trọng chung của mỗi quốc gia và cho phép so sánh giữa các quốc gia thực hiện các phương pháp khác nhau.
Các nhà khoa học ở cả hai nhóm đang phân tích dữ liệu của họ để tìm ra sự khác biệt trong các phản ứng của mỗi quốc gia. Nhóm Vienna đang tìm kiếm các mô hình và phương pháp, bao gồm cách phân cụm các quốc gia theo thời gian thực hiện [chính sách can thiệp] và tổng số các biện pháp hạn chế được áp dụng. Ví dụ, Thụy Điển, Anh và Hà Lan là những quốc gia hành động tương đối chậm. Trong giai đoạn đầu của dịch bệnh, cả ba đều thực hiện chiến lược ‘miễn dịch cộng đồng’, bao gồm một số biện pháp dựa trên sự tuân thủ tự nguyện, mặc dù sau đó, Anh và Hà Lan đã chuyển sang các phản ứng mạnh hơn, kể cả việc phong tỏa toàn quốc. Trong khi đó, Đức và Áo nổi bật là những quốc gia áp dụng các chiến lược kiểm soát chặt chẽ từ sớm và tích cực hơn so với Ý, Pháp và Tây Ban Nha. Còn các quốc gia nghèo có xu hướng đưa ra các biện pháp chặt chẽ hơn so với các nước giàu. Ví dụ, quốc gia Haiti đã phong tỏa khi xác nhận trường hợp đầu tiên, trong khi Hoa Kỳ đã đợi đến hơn hai tuần sau trường hợp tử vong đầu tiên để áp dụng lệnh cách li tại nhà. “Điều đó có thể là do các nước thu nhập thấp - với hệ thống chăm sóc sức khỏe kém phát triển - hành động thận trọng hơn”, Anna Petherick, nhà nghiên cứu chính sách công tại Oxford, nói.
Mô hình và dự đoán
Ngoài việc giúp đánh giá sự khác biệt của các phản ứng chính sách ở các nước, điều quan trọng hơn mà cơ sở dữ liệu LSHTM cho biết là hiệu quả của các chiến lược này trong việc hạn chế sự bùng phát dịch bệnh. Lý tưởng nhất, các nhà nghiên cứu sẽ có thể dự báo cách thêm và loại bỏ các chính sách can thiệp sẽ làm thay đổi số lượng người nhiễm theo thời gian. Nils Haug, nhà vật lý toán học tại CSH Vienna và Đại học Y Vienna cho biết, các nhà hoạch định chính sách có thể sử dụng các dự đoán đó cùng với dữ liệu về năng lực chăm sóc chuyên sâu để đưa ra quyết định - ví dụ về việc có nên mở lại trường học hay không.
Haug là một trong 15 người điều hành xác định phương pháp thống kê nào sẽ sử dụng. Thay vì xác định hiệu quả chính xác của từng can thiệp, những phương pháp này có thể được sử dụng và dự đoán tốt nhất tỷ lệ lây nhiễm. Một tiếp cận liên quan đến máy học (machine-learning) gọi là mạng thần kinh hồi quy có thể học từ các mẫu trong dữ liệu và đưa ra dự đoán. Các nhà nghiên cứu có thể tìm hiểu tầm quan trọng của một can thiệp nhất định, bằng cách xem xét dự đoán thay đổi như thế nào khi họ xóa thông tin của nó khỏi mạng.
Một kỹ thuật khác liên quan đến phân tích hồi quy, trong đó ước tính sức mạnh của mối quan hệ giữa một biện pháp đặc biệt, chẳng hạn như việc đóng cửa trường học, và một số liệu, chẳng hạn như tỉ lệ lây nhiễm R, trên tất cả các quốc gia. Sử dụng một kỹ thuật hồi quy như Lasso, các nhà nghiên cứu có thể xác định các biện pháp giảm R nhất.
Nhưng tất cả các phương pháp đều có những hạn chế, Haug nói. Phương pháp Lasso giả định rằng một biện pháp nhất định luôn dẫn đến cùng mức giảm R theo thời gian, bất kể quốc gia nào áp dụng. Đây là một trong những thách thức lớn nhất khi áp dụng trên nhiều quốc gia. Các yếu tố như tỷ lệ hộ gia đình nhiều thế hệ lớn, có thể đẩy nhanh sự lây lan ở quốc gia đó. Nhóm Vienna đang cố gắng đưa thêm các tính năng khác nhau như trên vào mô hình của họ.
Nếu không có vaccine hoặc phương pháp điều trị hiệu quả, thì ngăn chặn quá trình lây nhiễm vẫn là biện pháp bảo vệ duy nhất chống lại Covid-19. Do đó, phân tích một cách rõ ràng được tác động của từng biện pháp kiểm soát là rất quan trọng để tìm ra phương pháp nên được tăng cường, phương pháp nào cần loại bỏ vì không hữu dụng, Petherick nói.
Nguồn: Nature 581, 15-16 (2020) doi: 10.1038/d41586-020-01248-1