Mô hình dự đoán ca nhiễm COVID-19 toàn cầu của Viện Robert Koch

Nhóm dự án dịch tễ học tính toán của Viện Robert Koch, Berlin, Đức vừa công bố website dự đoán số ca bệnh COVID-19 trong 6 ngày tiếp theo cho gần 120 quốc gia dựa trên mô hình SIR-X.

Mô hình này được phát triển từ mô hình toán học đơn giản của dịch bệnh (SIR) truyền thống. Trong điều kiện không ràng buộc, mô hình truyền thống sẽ cho thấy số ca ghi nhận tăng trưởng theo cấp số nhân. Nhưng trên thực tế, mỗi quốc gia đều đã bắt đầu triển khai các biện pháp ngăn chặn khác nhau, dẫn đến dịch bệnh không lây lan một cách “tự nhiên” như thông thường.

Do vậy, nhóm nghiên cứu đã tích hợp thêm hiệu ứng thay đổi hành vi của người dân do các biện pháp của chính phủ như cách li; truy vết các trường hợp tiếp xúc; đóng cửa trường học, công sở; đóng cửa khẩu; phong tỏa thành phố và hoặc giãn cách xã hội vào mô hình SIR-X.

Mô hình này được mô tả đầy đủ tại nghiên cứu “Effective containment explains sub-exponential growth in confirmed cases of recent COVID-19 outbreak in Mainland China, B. F. Maier & D. Brockmann, medRxiv, https://doi.org/10.1101/2020.02.18.20024414, (2020)”

Trên biểu đồ, dấu chấm tròn trắng cho biết tổng số ca nhiễm ghi nhận theo thời gian. Các cột màu xanh là số ca nhiễm mới xác nhận mỗi ngày. Đường nét liền mô tả sự phù hợp của mô hình và dự đoán số lượng ca nhiễm trong 6 ngày từ 3 đến 9/4. Vùng tô màu xám và màu đỏ tương ứng với khoảng tin cậy lần lượt là 98% và 68% (tức xác suất số ca nhiễm thực tế rơi vào vùng màu xám là 98% và rơi vào vùng màu đỏ là 68%)

Tất cả các nước được giả thiết có hệ số lây nhiễm cơ bản R0= 3.07 và thời gian lây nhiễm TI = 2.6 ngày, phù hợp với báo cáo về số ca lây nhiễm ở các nước hiện nay và bằng khoảng một phần ba thời gian lây nhiễm trung bình được báo cáo với các ca nhiễm ở Trung Quốc đại lục thời kỳ đầu dịch.

Dữ liệu các ca nhiễm trên thế giới để chạy mô hình được lấy từ bản đồ GIS theo thời gian thực của Trung tâm Khoa học và Kỹ thuật Hệ thống (CSSE) thuộc Đại học Johns Hopkins, Mỹ. Dữ liệu này hiện đang cập nhật liên tục từ các nguồn chính thống của mỗi quốc gia. Tuy nhiên, Viện Robert Koch chưa cho biết liệu có cập nhật dự đoán tiếp theo sau ngày 9/4 trên website.

Đến ngày 9/4/2020, theo mô hình của Viện Robert Koch, Việt Nam được dự đoán có khoảng 300 ca nhiễm với khoảng tin cậy 68% là từ 270-350 ca, khoảng tin cậy 98% là từ 240-440 ca.

Hiện số liệu cập nhật của Bộ Y tế Việt Nam đến giữa ngày 6/4 là 241 ca nhiễm. So với dự đoán của Viện Robert-Koch, số ca nhiễm thực tế ghi nhận trong vài ngày qua của Việt Nam thấp hơn chút ít.

Mô hình này có thể dự đoán tốt đến đâu? Theo nhóm nghiên cứu ghi trên website, việc dự đoán ca nhiễm COVID-19 cũng giống như dự báo thời tiết vậy. Trong ngày, sẽ có nhiều yếu tố ảnh hưởng đến thay đổi lượng người bị nhiễm được báo cáo, gồm cả các lỗi hệ thống như chậm xét nghiệm, lỗi cơ sở hạ tầng khi báo cáo, virus thay đổi đột ngột cách thức truyền bệnh hoặc nhiễu dữ liệu. Tuy vậy, quy tắc trung vị của các dự đoán trong mô hình này cho thấy giá trị của chúng vẫn ổn định trong ít nhất 5 ngày.

Kết quả dự đoán có thể giúp các quốc gia đánh giá hiệu quả của những chiến lược đang triển khai, từ đó có kế hoạch ứng phó trong tương lai.

Bên cạnh việc dự báo các ca nhiễm, nhóm tính toán của Viện Robert Koch cũng xây dựng một mô hình rủi ro nhập khẩu (Import Risk) để đánh giá rủi ro lây lan thông qua mạng lưới các sân bay trên toàn thế giới.

Lý thuyết của mô hình Import Risk được mô tả đầy đủ tại nghiên cứu “The Hidden Geometry of Complex, Network-Driven Contagion Phenomena, D. Brockmann & D. Helbing, Science: 342, 1337-1342 (2013)."

Mô hình này mô tả tình hình trong giai đoạn đầu của đại dịch, trước khi SARS-CoV-2 lây nhiễm tràn lan ở các quốc gia bên ngoài Trung Quốc đại lục. Ca nhiễm đầu tiên trên thế giới ghi nhận ở Trung Quốc vào ngày 8/12/2019. Đến cuối tháng 12/2019, ổ dịch này thu hút được sự chú ý toàn cầu.

Theo đó, nếu một người bị nhiễm lên máy bay tại sân bay Vũ Hán trong thời điểm đầu dịch khi việc đi lại vẫn còn tự do, thì mô hình sẽ tính xác suất rủi ro nhập khẩu bệnh dịch cho sân bay B là điểm cuối mà cá nhân đó xuống (không phân biệt chuyến bay thẳng hay đường bay có quá cảnh)

Chẳng hạn, nếu có 1.000 người bị nhiễm lên máy bay ở Vũ Hán, theo tính toán, rủi ro nhập khẩu của sân bay Nội Bài (Việt Nam) lúc đó là 0,656%, có nghĩa là trong số 1.000 người đó chỉ có khoảng 7 người dự kiến sẽ đến Hà Nội. Tương tự có thể xem xét con số rủi ro của sân bay Đà Nẵng (0,827%) và Tân Sơn Nhất (0,593%) để dự đoán số người có nguy cơ mang bệnh vào Việt Nam.

Rủi ro nhập khẩu của cả quốc gia bằng tổng rủi ro tích lũy của tất cả sân bay quốc tế trong nước. Chẳng hạn, rủi ro nhập khẩu của Việt Nam là 2,615%, hiện là quốc gia có rủi ro cao thứ 3 ở châu Á sau Iran và Nhật Bản. Ba sân bay Tân Sơn Nhất, Hà Nội, Đà Nẵng cũng thuộc danh sách 40 sân bay ngoài lãnh thổ Trung Quốc có rủi ro nhập khẩu corona virus cao nhất.

Giờ đây, dịch COVID-19 đã đạt đến mức độ đại dịch và có mặt ở hơn 120 quốc gia nên mô hình này không còn được áp dụng. Tuy vậy, việc hiểu nền tảng này sẽ có ý nghĩa trong việc phản ứng sớm với các dịch bệnh tương tự sau này.