Bài liên quan: |
Tuy không xử lý virus trong phòng thí nghiệm hoặc điều trị cho những người bệnh trong các bệnh viện, nhưng Adam là một nhà toán học và sử dụng toán học để tìm hiểu sự bùng phát của các dịch bệnh như Ebola, SARS, cúm thông thường và giờ là Covid-19. Mục tiêu của anh là thiết kế những mô hình tốt hơn để kiểm soát dịch bệnh.
Trong một sự trùng hợp kỳ lạ, anh ấy đã viết một cuốn sách tên là “Quy tắc lây nhiễm”, trước khi dịch bệnh Covid-19 bùng phát, đã được xuất bản ở Anh và sắp tới sẽ được lưu hành tại Hoa Kỳ. Trong cuốn sách thú vị, anh phân tích dưới góc độ toán học về sự lây nhiễm không chỉ liên quan đến các bệnh về thể chất, mà còn về các ý tưởng, tin đồn và thậm chí cả các cuộc khủng hoảng tài chính.
Tin tức về dịch bệnh coronavirus trên khắp thế giới tạo ra một cơn bão số liệu và dữ liệu mà để tiêu hóa được hết sẽ là một thách thức đối với bất kỳ nhà khoa học nào.
Sau đây là tóm tắt một số nội dung phỏng vấn giữa Adam Kucharski và Thời báo New York
Chúng tôi nghe rất nhiều về tỷ lệ người bệnh tử vong. Liệu đó có phải là tỷ lệ tử vong ca nhiễm?
Tỷ lệ tử vong ca nhiễm sẽ đo lường nguy cơ người nào đó phát triển các triệu chứng bệnh mà cuối cùng sẽ chết vì nhiễm bệnh.
Và tỷ lệ đó được tính như thế nào?
Lý tưởng nhất, chúng tôi sẽ theo dõi một nhóm lớn bệnh nhân từ thời điểm họ phát triển các triệu chứng cho đến khi họ tử vong hoặc hồi phục, sau đó tính tỷ lệ của tất cả những trường hợp đã tử vong.
Vì vậy, chúng ta có thể chỉ cần nhìn vào tổng số người tử vong và số trường hợp nhiễm bệnh hiện tại?
Vấn đề đối với việc chỉ chia tổng số người tử vong cho tổng số trường hợp nhiễm là nó không tính đến các ca nhiễm chưa được thống kê hoặc bị thống kê trễ. Yếu tố thống kê trễ là rất quan trọng: nếu 100 người nhập viện vì dương tính Covid-19 vào một ngày nhất định và tất cả họ hiện vẫn còn sống, thì rõ ràng điều đó không có nghĩa là tỷ lệ tử vong chỉ là 0%. Chúng ta cần đợi cho đến khi chúng ta biết cuối cùng thì điều gì xảy ra đối với họ (tử vong hay hồi phục).
Bất kỳ bệnh nhân tử vong nào cũng sẽ là những người bị nhiễm bệnh từ hai đến ba tuần trước, vì vậy, không chỉ đơn giản là lấy số tử vong tại thời điểm hiện tại chia cho số ca nhiễm cùng thời điểm. Ngoài ra, một số ca nhiễm có thể bị bỏ sót: ví dụ, nếu bạn xét đến 2 trường hợp tử vong trên tổng số chỉ 2 ca nhiễm (100%), như đã xảy ra ở Iran vào tháng trước, điều đó rất có thể có nghĩa là bạn đã bỏ sót một loạt các ca nhiễm khác.
Chúng tôi đã thấy nhiều biến động về tỷ lệ tử vong. Liệu ước tính mới nhất là 3,4% trên toàn cầu có ý nghĩa gì không?
Ban đầu, mọi người chỉ xem xét tổng số ca nhiễm và số ca tử vong hiện tại, như tôi đã nói, là một tính toán thiếu sót, và kết luận rằng tỷ lệ tử vong trên ca nhiễm là 2% dựa trên dữ liệu của Trung Quốc. Nếu bạn thực hiện phép tính tương tự trên số liệu ngày hôm qua đối với Trung Quốc, bạn sẽ nhận được CFR (tỷ lệ tử vong trên ca nhiễm) rõ ràng là gần 4%.
Công chúng thì đang suy đoán rằng có điều gì đó đang xảy ra với con vi-rút này, nhưng thực tế chỉ là do những ảo ảnh thống kê mà chúng ta đã biết từ Ngày 1 của dịch bệnh. Tôi đã nói về dữ liệu có sẵn tốt nhất, khi chúng tôi điều chỉnh các ca nhiễm không được báo cáo và các độ trễ khác nhau có liên quan, có lẽ chúng tôi đang cân nhắc nguy cơ tử vong có thể từ 0,5-2% trên tổng số những người có triệu chứng.
Chúng tôi cũng nghe nhiều về chỉ số R (Reproductive number – chỉ số lây bệnh), hoặc một bệnh nhân nhất định có khả năng lây nhiễm cho bao nhiêu người. Tại sao chỉ số R lại quan trọng và những gì dùng để tính toán ra nó?
Đơn giản nhất, R là câu trả lời cho câu hỏi: Chúng ta nên lo lắng về việc lây nhiễm đến mức nào? Nếu trung bình R cao hơn một, thì mỗi ca nhiễm sẽ lây cho hơn một ca khác. Bạn sẽ thấy nó sẽ tăng mãi.
Nếu R nhỏ hơn một, thì một nhóm người nhiễm bệnh sẽ tạo ra ít sự lây nhiễm hơn. Từ quan điểm hoạch định chính sách, nó cung cấp cho bạn một mục tiêu rất rõ ràng. Ví dụ, trong việc ứng phó trước dịch bệnh Ebola năm 2014, nó là một phần thực sự nổi bật của kế hoạch ứng phó. Mục đích là để có được R nhỏ hơn một.
Điều đó có vẻ rất đơn giản và dễ hiểu, nhưng thực ra nó phức tạp hơn có vẻ vậy . Trong cuốn sách của bạn, bạn nói rằng để tính R, bạn cần biết được các yếu tố trong mô hình DOST gồm (1) Duration/Thời gian ủ bệnh, (2) Opportunity/Cơ hội lây nhiễm, (3) Transmission probability/Khả năng lây nhiễm và (4) Susceptibility/Khả năng bị nhiễm. Bây giờ chúng ta tìm hiểu về từng yếu tố. Trước hết, Duration/Thời gian ủ bệnh là gì?
Đó là khoảng thời gian một người bị nhiễm bệnh. Nếu một người nào đó bị nhiễm bệnh lâu gấp đôi, thì thời gian mà người đó có thể gây lây nhiễm xung quanh cũng dài gấp đôi.
Chúng ta có biết thời gian của coronavirus này là bao lâu không?
Trung bình, chúng tôi có thể thấy là vào một hoặc hai tuần. Tất nhiên, nếu người bệnh nhập viện, thì họ không còn ở trong cộng đồng để lây nhiễm theo cách tương tự.
>>> Xem tiếp Phần 2
ĐIỆN ẢNH |
THỜI SỰ |
KHOA HỌC |
Không có nhận xét nào:
Đăng nhận xét