Ở phần trước, chúng mình đã giới thiệu sơ bộ các bước xác định chủ đề cũng như các dạng mô hình thông dụng trong nghiên cứu khoa học. Để nắm rõ hơn về 1 dạng mô hình nhất định (SIR) và cách áp dụng cụ thể, sau đây là các bước thực hiện dự án nghiên cứu “Khả năng ảnh hưởng của việc thực hiện “cách ly xã hội” (social distancing) lên tình hình phát triển bệnh dịch COVID-19”.
I. Giải thích thuật ngữ:
I. Giải thích thuật ngữ:
Bắt đầu từ những bước cơ bản nhất, bạn phải đưa ra khái niệm từ khái quát tới cụ thể các thuật ngữ nghiên cứu. Do cơ sở dữ liệu trong nước có hạn, thông thường, các nhà nghiên cứu phải tham khảo các văn bản ngoài nước, dẫn đến việc dịch thuật chuẩn xác các thuật ngữ thường sử dụng trong nghiên cứu là cần thiết. Trong nghiên cứu COVID-19, gồm có:
- Epidemic (bệnh dịch): bệnh ảnh hưởng đến một số lượng lớn đối tượng trong một cộng đồng/ vùng lãnh thổ.
- Pandemic (đại dịch): bệnh dịch lan truyền rộng rãi đến nhiều quốc gia/ vùng lãnh thổ khác nhau.
- Social distancing (cách ly xã hội): Gia tăng khoảng cách giữa mọi người với nhau, hạn chế tối đa khả năng tiếp xúc để ngăn chặn dịch bệnh lây lan. Đối với COVID-19, khoảng cách quy định là 2m.
Có thể nhận thấy, từ khóa “cách ly xã hội” là trọng tâm của nghiên cứu lần này. Do vậy, bạn tập trung giải thích cụ thể hơn thông qua các trường hợp áp dụng trước, tìm hiểu và phân loại các dạng biểu hiện (nếu có). Đối với đại dịch COVID-19, chính phủ Việt Nam và các nước trên thế giới thực hiện cách ly xã hội bằng cách:
- Khuyến khích làm việc tại nhà thay vì tập trung tại văn phòng.
- Sử dụng các phương tiện điện tử, ứng dụng liên lạc để tổ chức các buổi gặp mặt, họp, trao đổi công việc hằng ngày.
- Hủy/ hoãn các trường hợp tập trung đông người, các sự kiện thể thao/ cuộc thi mang tính quốc tế.
- Đóng cửa các địa điểm tập trung đông người như cửa hàng, khu vui chơi giải trí, quán ăn,...
- Đóng cửa trường học, chuyển sang hình thức học trực tuyến.
Có 2 cấp độ cách ly tiêu biểu trong mùa dịch, tự cách ly (self-quarantined) và cách ly hoàn toàn (isolation).
II. Mô hình SIR:
Mô hình SIR là một trong những mô hình toán học đơn giản nhất để phân tích, dự đoán cho những bệnh truyền nhiễm. SIR chia quần thể (population) thành các nhóm (compartments) riêng biệt tương ứng với từng giai đoạn bệnh hoặc mang tính chất bệnh. Từ đó, chúng ta phân tích sự trao đổi cá thể giữa các nhóm riêng biệt: Susceptible - Infectious - Recovered.
- Susceptible (S): Là nhóm dễ bị phơi nhiễm khi tiếp xúc với các ca truyền nhiễm, nhóm này dễ trở thành bệnh nhân khi dịch bệnh lây lan.
- Infectious (I): Là nhóm đại diện cho thành phần nhiễm bệnh có khả năng lây nhiễm cho nhóm Susceptible và có thể được phục hồi trong một khoảng thời gian nhất định.
- Recovered (R): Là nhóm sau khi can thiệp đã được hồi phục, có khả năng miễn dịch với dịch bệnh họ mà đã mắc phải.
Chúng ta có mối quan hệ N = S + I + R với N là tổng số lượng cá thể trong mô hình phân tích. Nhưng để những con số mang ý nghĩa hơn với bạn đọc, đơn vị của N, S, I, R đã được chuẩn hóa thành phần trăm dân số, tức là N = 100% và S, I, R là phần trăm số lượng cá thể so với tổng dân số.
Hình 1: Biểu đồ minh họa mô hình SIR
Dựa trên biểu đồ minh họa trên, SIR gồm có các tham số sau:
β: xác suất trung bình để một người khỏe mạnh từ nhóm S tiếp xúc và nhiễm bệnh chuyển sang nhóm I.
γ: phần trăm người bị nhiễm sẽ hồi phục và miễn dịch với dịch bệnh trong một đơn vị thời gian - đơn vị ngày (khoảng thời gian hồi phục trung bình cho một người bị bệnh là D = 1/γ)
→ Vì tổng dân số là N = S(t) + I(t) + R(t) nên chúng ta thấy được tổng các biến đổi trong các nhóm đối tượng được bảo toàn
Mô hình SIR không bị ảnh hưởng bởi số người sinh ra/ tử vong tự nhiên bởi ràng buộc - quá trình diễn ra dịch bệnh ngắn hơn rất nhiều so với một vòng đời. Bên cạnh các chỉ số kể trên, chúng ra có thể nhìn nhận bản chất của dịch bệnh thông qua khả năng truyền nhiễm.
R0 (basic reproduction number) là số người trung bình bị lây nhiễm từ một người nhiễm bệnh khác. Chúng ta giới thiệu N là tổng số lượng người trong quần thể mà bài toán quan tâm, thì số lượng người một cá thể lây nhiễm trong quần thể là β, với thời gian trung bình cá thể này hồi phục (thoát khỏi trạng thái có thể lây nhiễm bệnh) là D = 1/γ. Nếu chỉ số R0 cao, tức khả năng trở thành đại dịch cao.
Khi thay hệ số này vào phương trình dI/ dt, ta được:
* Lưu ý: khi thời gian t = 0, tức chưa xảy ra dịch bệnh thì S(0) = N, chúng ta bắt đầu phân tích tại thời điểm t = 0, nếu
Tham số dI/ dt thể hiện sự thay đổi (tăng giảm) của nhóm bị nhiễm bệnh qua thời gian, vậy nếu ngay từ thời điểm bắt đầu dI/ dt(0) > 0 thì bệnh dịch tất nhiên sẽ xảy ra. Ngược lại, nếu tham số đó tại t = 0 là âm thì bệnh dịch sẽ không lây lan. Dưới đây là chỉ số R0 của một số các dịch bệnh có khả năng lan truyền rộng rãi.
Hình 2: Khả năng lây nhiễm của một số dịch bệnh
Ngoài ra, chỉ số này còn được dùng để ước tính ngưỡng miễn dịch (Herd Immune Threshold - HIT) của cộng đồng. Nếu R0 x S (non-immune compartment percentage) = 1, dịch bệnh đang ở trạng thái cân bằng. Giả sử số người nhiễm bệnh là cố định, tỷ lệ người có khả năng miễn dịch là p, trạng thái cân bằng của dịch bệnh còn có thể được thể hiện như sau:
Do đó, pc là chỉ số HIT cần thiết để ngăn chặn sự lây lan của dịch bệnh. Chúng ta có thể áp dụng tiêm vaccine một cách rộng rãi để tăng cường số người miễn dịch. Nhằm hiểu rõ hơn về SIR, các bạn có thể theo dõi mô hình minh họa trên 3Blue1Brown.
Giả định của mô hình
- Hệ số β và γ là cố định, không đổi.
Đánh giá ưu - nhược điểm
Những mô hình mở rộng của SIR
III. Thiết kế thí nghiệm nghiên cứu:
Sau khi xác định mô hình nghiên cứu phù hợp, chúng ta áp dụng mô hình này vào đề tài nghiên cứu thông qua thí nghiệm nhằm xác nhận, củng cố, hay bác bỏ giả thuyết nghiên cứu. Dựa trên các kết quả thí nghiệm, chúng ta có thể phân tích các mối quan hệ nguyên nhân- kết quả, từ đó kết luận mức độ chính xác của giả thuyết đề ra ban đầu.
Chúng ta có thể phân loại thiết kế thí nghiệm thành 2 nhóm lớn:
- Thiết kế thí nghiệm không chính thức (informal experimental designs): dùng những phương pháp tính toán/ thí nghiệm ít phức tạp hơn dựa trên sự chênh lệch cường độ của các biến trong thí nghiệm. Gồm:
· Before-and-after without control design.
· After-only with control design.
· Before-and-after with control design.
- Thiết kế thí nghiệm chính thức (formal experimental designs): dùng nhiều biến kiểm soát và các quy trình thống kê chính xác hơn để phân tích dữ liệu. Gồm:
· Completely randomized design (C.R. Design).
- Thiết kế thí nghiệm chính thức (formal experimental designs): dùng nhiều biến kiểm soát và các quy trình thống kê chính xác hơn để phân tích dữ liệu. Gồm:
· Completely randomized design (C.R. Design).
· Randomized block design (R.B. Design).
· Latin square design (L.S. Design).
· Factorial designs.
Trong thí nghiệm này, nhóm nghiên cứu chọn Thiết kế thí nghiệm không chính thức (Informal experimental designs) với mô hình Hai nhóm hậu kiểm (After-only with control design),
Chúng ta phân đối tượng nghiên cứu thành hai nhóm (nhóm kiểm tra và nhóm đối chứng). Tuy nhiên, ta chỉ áp dụng phương pháp (cách điều trị) đang nghiên cứu lên những cá thể trong nhóm kiểm tra và tiến hành đánh giá, đo lường biến phụ thuộc trong cả hai nhóm cùng một lúc.
→ Hiệu quả phương pháp (cách điều trị) đang nghiên cứu được đánh giá bằng hiệu của các biến phụ thuộc trong nhóm kiểm tra và nhóm đối chứng.
Hình 3: Mô hình Hai nhóm Hậu kiểm (After-only with control design)
Đối với mô hình này, chúng ta giả định rằng hai nhóm thí nghiệm sẽ có những phản ứng tương đồng đối với dịch bệnh nghiên cứu. Nếu giả thuyết này không đúng, tức là có khả năng có sự tác động của biến khác vào hiệu quả điều trị. Tuy nhiên, mô hình nghiên cứu này có thể áp dụng kể cả khi nhà nghiên cứu không có dữ liệu về trường hợp tương tự trước đây.
Để có thể hiểu rõ hơn về các loại mô hình khác cùng trường hợp áp dụng cụ thể, các bạn có thể tham khảo thêm tại đây.
IV. Mô tả cụ thể thí nghiệm nghiên cứu:
Để có thể có một cái nhìn cụ thể về thí nghiệm đề ra, chúng ta phải xác định mục đích, các biến kiểm soát, nguồn dữ liệu đầu vào và so sánh đối chiếu kết quả các thí nghiệm với nhau.
Thí nghiệm mô hình SIR:
Mục đích: So sánh giữa 2 phương pháp khác nhau nhằm đối ứng với dịch bệnh COVID-19, Hàn - có cách ly xã hội và Anh - không có cách ly xã hội, miễn dịch cộng đồng.
Biến kiểm soát:
- Tỷ lệ lây nhiễm: tính toán dựa trên mức độ cách ly xã hội từ những dữ liệu thực tế trong giai đoạn đầu tháng 3 của Hàn Quốc - Anh với n là tổng dân số cố định từng nước và tỷ lệ phục hồi là cố định.
So sánh, đối chiếu những biểu đồ của tỷ lệ dân số được khoanh vùng theo thời gian và thể hiện việc cách ly xã hội đã làm “flattening the curve”, hay nói cách khác là kéo dài thời gian lây nhiễm và tốc độ lây lan của dịch.
Gợi ý: Có thể áp dụng hàm số đã tính của Hàn Quốc qua Anh để cho thấy sự khác biệt so với số liệu thực nếu nước này có áp dụng cách ly xã hội (Giả định rằng những nhân tố ảnh hưởng khác đều được giữ cố định, “ceteris paribus”).
→ Kết luận dựa trên những lý thuyết và phân tích
Thí nghiệm mô hình SIR-D:
Mục đích: Thay đổi những giả định ban đầu về tỷ lệ lây nhiễm β và tỉ lệ hồi phục gamma là cố định, đồng thời bác bỏ giả định về không sử dụng tỷ lệ tử vong (fatality rate). Chúng ta quan sát được mô hình không cân nhắc tỉ lệ tử vong không hề thể hiện tốt tính chất của bệnh dịch COVID-19 (bệnh dịch có tỷ lệ tử vong cao).
Biến kiểm soát:
- Tỷ lệ lây nhiễm, tỷ lệ phục hồi: Tính toán dựa theo dữ liệu của Ý (tương tự Thí nghiệm 1).
- Tỷ lệ tử vong: Tuỳ thuộc vào số lượng cung cấp giường bệnh ICU, cơ sở ý tế, v.v dựa vào số liệu của Ý. (Ví dụ: Nếu số ca nhiễm vượt quá số lượng giường ICU thì tỷ lệ tử vong sẽ thay đổi xấp xỉ 2.5% đến 10% như tình hình hiện tại ở Ý) → Tính toán kết quả đầu ra của tổng số ca tử vong.
→ Kết luận dựa trên kết quả đã tính toán
Thông qua các thí nghiệm thiết kế như đã được trình bày, chúng ta đã có thể thống kê và dự đoán xu hướng phát triển của dịch bệnh dựa trên các biến thay đổi tuyến đính đề ra. Vậy, những con số biết nói ấy cho chúng ta điều gì, hãy chờ đón chúng mình tại Blog 3: Thảo luận và tổng kết thí nghiệm nghiên cứu.
0 comments: