KẾT LUẬN
Mặc dù có thể hiện sự biến thiên của các yếu
tố khí hậu, nhưng chuỗi 11 năm số liệu khí hậu
chưa thể hiện rõ khuynh hướng của các yếu tố
biến đổi khí hậu. Dịch SXH ở Cần Thơ vẫn còn
xu huớng tăng trong thời gian 11 năm nghiên
cứu với ý nghĩa thống kê.
Các ca mắc mới có mối liên quan, độ ẩm và
độ trễ của một tháng của ca bệnh sốt xuất huyết.
Trong mùa nắng, mặc dù nhiệt độ tăng cao,
nhưng do độ ẩm cao nên mật độ muỗi vẫn duy
trì và có khả năng gây dịch. Độ ẩmvà ca bệnh
với độ trễ 1 tháng là yếu tố thích hợp nhất được
dùng tiên đoán sự gia tăng của ca bệnh sốt xuất
huyết ở Cần Thơ.
Đề xuất trong phòng chống dịch bệnh
Biện pháp can thiệp phải thực hiện quanh
năm, nhưng tập trung hơn diệt lăng quăng từ
đầu mùa mưa và khi các gia bệnh bắt đầu gia
tăng.Vì độ ẩm, lượng mưa và nhiệt độ ảnh
hưởng với nhau, do đó, khi có một trong các yếu
tố lượng mưa tăng hay độ ẩm tăng thì càng phải
chú ý công tác diệt lăng quăng trong tháng trước
đó, nhằm phát huy tác dụng làm giảm mật độ
côn trùng cho các tháng sau.
Sử dụng mô hình SARIMA trong nghiên cứu
có thể góp phần cho giám sát và cho việc dự
đoán trong phòng chống SXH với yếu tố độ ẩm,
theo thời gian.
9 trang |
Chia sẻ: hachi492 | Ngày: 07/02/2022 | Lượt xem: 96 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Mối liên quan giữa sốt xuất huyết và biến đổi khí hậu tại Cần Thơ 2001‐2011, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014 Nghiên cứu Y học
Chuyên Đề Y Tế Công Cộng 443
MỐI LIÊN QUAN GIỮA SỐT XUẤT HUYẾT VÀ BIẾN ĐỔI KHÍ HẬU
TẠI CẦN THƠ 2001‐2011
Nguyễn Phương Toại*, Đặng văn Chính**, Amy Vittor***, Nguyễn Ngọc Huy****, Hồ Hữu Tính**
TÓM TẮT
Đặt vấn đề: Nhằm nỗ lực xác định mối liên quan giữa khí hậu và sốt xuất huyết (SXH), chúng tôi khảo sát
các mối quan hệ giữa biến số khí hậu và số bệnh nhân nhập viện ở Cần Thơ từ 2001 đến 2011.
Phương pháp: Số liệu nhập viện hàng tháng và các chỉ số trung bình nhiệt độ, lượng mưa, độ ẩm đuợc thu
thập 2001‐2011. Sử dụng phân tích hồi quy và mô hình Box‐Jenkins theo chuỗi thời gian với cấu tố tự hồi quy ‐
sai phân và trung bình trượt theo mùa (SARIMA) để xác định mối tương quan giữa số ca mắc và yếu tố thời tiết.
Kết quả: Chỉ số mắc mới trong thời gian nghiên cứu có xu hướng tăng theo thời gian từ 2001 ‐ 2011. Số ca
mắc mới SXH có mối quan hệ ý nghĩa với độ ẩm và lượng mưa. Tuy nhiên, sau khi hiệu chỉnh theo yếu tố mùa,
mô hình chỉ sử dụng yếu tố độ ẩm với độ trễ của chuỗi ca bệnh sau một tháng là phù hợp nhất để dự báo dịch.
Kết luận và kiến nghị: Xu hướng dịch SXH vẫn còn tăng từ 2001 – 2011. Độ ẩm và và các chuỗi ca bệnh
với độ trễ một tháng là các yếu tố có liên quan thống kê với số ca mắc mới trong thời gian nghiên cứu và là chỉ số
quan trọng để dự đoán dịch.
Từ khóa: Sốt xuất huyết, chỉ số mắc mới, lượng mưa, độ ẩm, độ trễ, mô hình SARIMA.
ABSTRACT
ASSOCIATION BETWEEN DENGUE HOSPITALIZATION AND CLIMATE IN CAN THO, VIETNAM,
2001 – 2011
Nguyen Phuong Toai, Dang Van Chinh, Amy Vittor, Nguyen Ngoc Huy, Ho Huu Tinh
* Y Hoc TP. Ho Chi Minh * Vol. 18 ‐ Supplement of No 6‐ 2014: 443 – 450
Background: In an effort to better characterize the relationship between climate and dengue, we examine
here the associations between weather variables and dengue hospitalizations in Can Tho between 2001 and 2011.
Methods: Monthly data on hospitalized dengue cases and means of temperature, rainfall and humidity were
recorded from 2001 to 2011. We used the Box‐Jenkins approach to Seasonal Autoregressive Integrative Moving
Average (SARIMA) modeling of time series to assess the association between dengue cases and these weather factors.
Result: Trend of DF incidence was increasing between 2001‐ 2011. There was significant relationship
between humidity, rainfall and the incidence of dengue case. After adjusting for seasonality, the incidence of
dengue fever was significantly associated with humidity with a lag of one month.
Conclusions and suggestions: The trend of DF incidence was increasing. Humidity and rainfall was
asociated to incidence.These data suggest that humidity (with a one month lag) is an important determinant of
dengue hospitalizations.
Keywords: Dengue fever, incidence, rainfall, humidity, lag, SARIMA model.
ĐẶT VẤN ĐỀ
Sốt xuất huyết (SXH) là bệnh truyền nhiễm
do virus Dengue gây ra và lây truyền bởi một số
loài muỗi thuộc giống Aedes, chủ yếu là A.
* Trường Cao đẳng Y tế Cần Thơ **Viện Y tế công cộng Tp.HCM
***Viện đại học Pennsylvania, Philadelphia PA 19104, USA
****Nghiên Cứu Chuyển Đổi Môi Trường và Xã Hội (ISET)
Tác giả liên lạc: TS.Nguyễn phương Toại ĐT: 0939766866 Email: phuongtoai@yahoo.com
Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014
Chuyên Đề Y Tế Công Cộng 444
aegypti. Ước tính thế giới hàng năm có khoảng
50‐100 triệu người mắc, trong đó có 500.000 ca
nặng với 22.000 ca tử vong. Mặc dù số ca nặng
không nhiều, nhưng SXH có biến chứng nặng
thường rơi vào nhóm trẻ nhỏ nên có thể gây tử
vong. Hiện nay vẫn chưa có vắc‐xin phòng bệnh,
nên việc loại trừ muỗi và phòng muỗi đốt chính
là cách phòng bệnh chủ yếu.
SXH ở Việt Nam có khuynh hướng gia tăng
những năm gần đây. Các số liệu thống kê quốc
gia gần đây cho thấy, năm 2008 có 96.451 ca mắc,
năm 2009 tăng lên 105.370 ca và năm 2010 số ca
được ghi nhận trên cả nước là 128.831. Do đó,
SXH ở Việt Nam được xếp trong nhóm 10 bệnh
truyền nhiễm có nguy cơ tử vong cao nhất(15).
Tại Cần Thơ, theo số liệu của Trung tâm Y tế
Dự phòng (TTYTDP) TP Cần Thơ, năm 2008 có
1.235 ca mắc SXH, năm 2009 số ca mắc tăng lên
1.357. Sốt xuất huyết ở Cần Thơ chủ yếu xảy ra
đối với trẻ em dưới 16 tuổi, phân bố hầu hết trên
địa bàn các xã phường, nhất là các khu dân cư
nghèo, điều kiện sống còn nhiều khó khăn, môi
trường luôn trong trạng thái ô nhiễm(13). Xét về
khuynh hướng chung, thì tổng số ca mắc hàng
năm vẫn chưa được khống chế giảm một cách
vững chắc(11).
Trước đây, SXH ở Cần Thơ thường chỉ tập
trung xuất hiện vào mùa mưa, sau đó giảm dần
và tăng cao trở lại vào đầu mùa mưa năm sau.
Tuy nhiên, những năm gần đây dịch có khuynh
hướng diễn ra ở cả hai mùa mưa nắng và có
khuynh hướng gia tăng về mức độ nguy hiểm
và về số lượng người bị nhiễm. SXH gia tăng có
thể do nhiều nguyên nhân như đô thị hóa, tình
trạng ô nhiễm môi trường sống, hạ tầng y tế
công cộng yếu, các chương trình tiêu diệt muỗi
thiếu hiệu quả và các yếu tố khí hậu như nhiệt
độ, lượng mưa, lũ lụt và độ ẩm(12).
Tác động của Biến đổi khí hậu (BĐKH) trên
dịch SXH vẫn chưa được nghiên cứu kỹ. Một số
các nghiên cứu tiến hành ở khu vực và phương
pháp khác nhau nên kết quả mang lại chưa rõ
ràng(8). Hơn nữa, do thiếu các bằng chứng định
lượng việc chứng minh sự liên quan giữa BĐKH
và SXH là rất khó khăn. Nhất là ở Việt Nam, do
hiện nay cả nước chưa có hệ thống theo dõi diễn
biến dịch bệnh với mối liên quan đến các yếu tố
thời tiết. Các kế hoạch khống chế dịch vẫn chưa
đánh giá tác động của BĐKH, chưa có các
chương trình thích ứng để phòng ngừa và ứng
phó với dịch bệnh SXH trong bối cảnh BĐKH(2).
Để xác định giả thiết “các hiện tượng dịch
SXH xảy ra ở Cần Thơ có bị tác động của các yếu
tố khí hậu bất thường hay không?” chúng tôi đã
tiến hành khảo sát sự liên quan giữa các yếu tố
thời tiết với dịch SXH. Qua đó giúp ngành y tế
hoạch định các chiến lược y tế thích hợp, chủ
động hơn trong công tác phòng chống dịch, tìm
ra biện pháp dự báo thích hợp nhằm ứng phó
dịch bệnh SXH trong điều kiện BĐKH.
PHƯƠNG PHÁP NGHIÊN CỨU
Số liệu dịch tễ được thu thập trong thời gian
11 năm, từ 2001‐2011 và tính toán lại theo hệ
thống (132 tháng), cụ thể gồm:
Số ca mắc mới/1.000.000 dân được xác định
mắc SXH, theo tiêu chuẩn chẩn đoán thống nhất
của ngành y tế quy định thống nhất trong toàn
quốc(14), được báo cáo chính thức hàng năm, của
TTYTDP Cần Thơ.
Số liệu quan trắc khí tượng gồm: lượng mưa
trung bình, nhiệt độ tối đa, nhiệt độ tối thiểu,
nhiệt độ trung bình và độ ẩm, từ Trạm khí tượng
thủy văn thành phố Cần Thơ.
Thông tin về các hoạt động can thiệp, phòng
chống dịch sốt xuất huyết đã tiến hành, được
lưu trữ trong các báo cáo hàng năm, 5 năm tại
Trung tâm Y tế dự phòng Cần Thơ, và các
TTYTDP quận huyện trong địa bàn thành phố
Cần Thơ.
Phương pháp phân tích và xây dựng mô
hình
Số liệu được làm sạch và phân tích trên phần
mềm thống kê Stata.
Sử dụng phương pháp ARIMA (Auto‐
Regressive Integrated Moving Average) được
Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014 Nghiên cứu Y học
Chuyên Đề Y Tế Công Cộng 445
mô tả bởi George Box và Gwilym Jenkins(9). Nó
bao gồm cấu tố tự hồi quy‐ Auto‐Regressive (p),
cấu tố sai phân‐ Integrated (d), cấu tố trung bình
trượt‐ Moving Average (q) mà cho là gây ra sự
biến thiên trong chuỗi thời gian. Mô hình
ARIMA thường viết như ARIMA (p,d,q) hay
(P,D,Q) với chữ thường chỉ ra bậc của các cấu tố
phi mùa vụvà chữ hoa chỉ ra bậc của mỗi cấu tố
mùa vụ.
Trong phần này chúng tôi sử dụng 2 kỹ
thuật phân tích: (1) Dùng các phương pháp phân
tích tần số để mô tả các chuỗi thời gian
(frequency domain analysis) và (2) Dùng
phương pháp ARIMA để xác định các yếu tố
tiên lượng SXH trong các chuỗi thời gian, cụ thể
như sau:
1) Dùng các phương pháp phân tích tần số
để mô tả các chuỗi thời gian: bao gồm sử dụng
phương pháp hồi quy tuyến tính để thăm dò
khuynh hướng và biến thiên của các biến số
SXH và các biến số thời tiết theo tháng và năm
trong chuỗi số liệu từ 2001‐2011. Thêm vào đó,
phương pháp phân tích phổ của mô hình
cosinor (spectral analysis of cosinor model) cũng
được sử dụng để xem các mô hình lập lại của các
biến số theo thời gian.
2) Dùng phương pháp ARIMA để xác định
các yếu tố tiên lượng SXH trong các chuỗi thời
gian, bằng cách tiến hành phân tích chuỗi thời
gian để tiên lượng ca mắc mới SXH ở Cần Thơ
bằng phương pháp trung bình trượt tự hồi quy
đa biến với điều chỉnh theo chu kỳ mùa (The
Seasonal Autoregressive Integrated Moving
Average _SARIMA) theo mùa nắng và mưa
trong năm.
Mô hình ARIMA truyền thống dùng trong
kinh tế lượng. Tuy nhiên, gần đây phương pháp
này được sử dụng ngày càng nhiều trong các
lĩnh vực y học. Ưu điểm lớn của mô hình là xem
xét sự khác biệt mùa vụ mà có thể hữu ích trong
dự đoán các bệnh nhiễm trùng khác nhau.
KẾT QUẢ
Phân bố chỉ số mắc mới theo tháng/triệu
dân và các yếu tố thời tiết
Bảng 1: Tần số mắc mới trung bình/triệu dân và
trung bình lượng mưa, nhiệt độ tối thiểu, trung bình
và tối đa từ 2001 đến 2011
Biến số Chỉ số trung
bình
Độ lệch
chuẩn
Tổng số ca 98,2 76,2
Số ca mắc mới 79,7 67,0
Lượng mưa (mm) 126,8 106,8
Nhiệt độ (oC) 27,1 1,0
Độ ẩm 95,2 2,4
Nhiệt độ tối đa (oC) 31,8 1,2
Nhiệt độ trung bình (oC) 27,1 1,0
Nhiệt độ tối thiểu (oC) 24,3 0,9
Có sự biến thiên lớn giữa trung bình tổng số
ca, chỉ số mắc mới, lượng mưa giữa các năm.
Trong khi đó, độ ẩm ít có sự biến thiên hơn.
Đồ thị lượng mưa và số ca theo tháng trong
11 năm
Đường cong cosinor fit của tần xuất mắc mới
ca SXH và lượng mưa theo tháng từ 2001‐2011
Biểu đồ 1: Biểu diễn lượng mưa và số ca mắc mới
theo tháng trong 11 năm
Ký hiệu: Hình tam giác (lượng mưa); Hình
tròn (ca bệnh); đường cong fit phía trên là lượng
mưa; đường cong fit phía dưới là ca bệnh SXH.
Đồ thị mô tả mối quan hệ giữa tần xuất mắc
mới SXH và lượng mưa trong các tháng. Theo
phân tích số ca bệnh trung bình trong tháng là
khoảng 80 ca, với sai số chuẩn 5.3; lượng mưa
Raw Data (ooo) & Cosinor Fit (---)
y_variables : caseinc rainf
month
0 5 10 15
0
200
400
Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014
Chuyên Đề Y Tế Công Cộng 446
trung bình tháng là 127mm, độ lệch chuẩn 6.
Đường cong nằm trên từ tháng 4 đến tháng 11 là
lượng mưa ở Cần Thơ và đường cong ở phía
dưới là tần xuất mắc mới ca bệnh. Đồ thị gợi ý
khi lượng mưa bắt đầu gia tăng tháng 2‐3, đạt
đỉnh cao ở tháng 8 sau đó giảm xuống. Trong
khi tần suất mắc mới bắt đầu gia tăng ở tháng
thứ 4 và đạt đỉnh ở tháng 10 sau đó giảm xuống.
Độ ẩm trung bình và số ca theo tháng trong 11 năm
Biểu đồ 2: Đường cong cosinor fit của tần xuất mắc mới sxh và độ ẩm theo tháng 2001‐2011
Biểu đồ mô hình hóa cho thấy độ ẩm luôn
duy trì ở mức cao và ít biến động giữa các năm,
số ca tăng cao vào tháng 10. Phân tích tương
quan đơn biến không cho thấy có mối tương
quan giữa độ ẩm trung bình và số ca.
Nhiệt độ trung bình và ca mắc mới
Biểu đồ 3: Đường cong cosinor fit tần xuất mắc mới sxh và nhiệt độ trung bình theo tháng từ 2001‐2011
Biểu đồ mô hình hóa cho thấy nhiệt độ trung
bình các tháng ít biến thiên giữa các năm.Không
có sự biến thiên tương quan giữa chỉ số mắc mới
với nhiệt độ trung bình trong năm.
Raw Data (ooo) & Cosinor Fit (---)
y_variables : caseinc humid
month
0 5 10 15
0
100
200
300
400
Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014 Nghiên cứu Y học
Chuyên Đề Y Tế Công Cộng 447
Khuynh hướng số ca mắc mới theo thời gian từ 2001‐2011
Biểu đồ 4: Đường thẳng hồi quy tuyến tính của số ca mắc mới SXH theo thời gian từ 2001 đến 2011. (y = ‐7563.8
+ 3.8* t); t là thời gian tính bằng năm) (p< 0.05)
Khuynh hướng số ca gia tăng theo thời gian
trong 11 năm, sự gia tăng này tuy nhỏ nhưng có
ý nghĩa thống kê.
Khuynh hướng của lượng mưa theo tháng
Xem xét phương trình hồi quy của lượng
mưa trung bình theo tháng trong 11 năm từ
2001‐2011 cho thấy khuynh hướng của lượng
mưa giữa các tháng 10 (là tháng có lượng mưa
cao nhất trong năm) có xu hướng giảm hàng
năm, biểu thị bằng phương trình: y = 29785,4 + (‐
14,7)* t; (t tính bằng thời gian theo tháng); p
<0,05; CI = ‐ 27,8 ‐1,65. Lượng mưa của các tháng
10 giảm hàng năm, sự giảm này có giá trị thống
kê, trong suốt 11 năm từ 2001‐2011
Khuynh hướng nhiệt độ tối đa trong 11 năm
Xem xét phương trình hồi quy của nhiệt độ
tối đa theo tháng trong 11 năm từ 2001‐2011 cho
thấy khuynh hướng của nhiệt độ tối đa trong các
tháng 8 có xu hướng tăng hàng năm, biểu thị
bằng phương trình:y = ‐220,2 + 0,125 * t; (t: thời
gian (tháng)); p< 0,01.
Nhiệt độ trong các tháng 8 tăng có giá trị
thống kê, trong suốt 11 năm từ 2001 – 2011.
Khuynh hướng lượng mưa gia tăng và số ca
theo tháng trong 11 năm
Trong phân tích hồi quy đơn biến số ca mắc
mới tăng khi lượng mưa tăng, có sự tương quan
có giá trị thống kê giữa luợng mưa và số ca mắc
mới, theo 2 phương trình sau:
yc = 23,3 + 8,7*t ; (p <0,001) ;
yr = 29,1 + 15,0*t ; (p <0,001)
t
Fitted values case incidence
2000 2005 2010 2015
0
100
200
300
400
Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014
Chuyên Đề Y Tế Công Cộng 448
Biểu đồ 5: Biểu diễn khuynh hướng lượng mưa và số ca mắc mới theo tháng trong 11 năm
Xác định mô hình dự báo diễn biến dịch theo tháng trong năm
Biểu đồ 6: Đồ thị biểu diễn cosino fit để mô tả tần số mắc SXH theo tháng từ 2001‐2011
Đồ thị cho thấy sự biến thiên của ca bệnh
SXH của các tháng trong năm. Số ca hàng năm
có xu hướng bắt đầu gia tăng trong tháng 4 và
cao nhất ở tháng 10 sau đó có xu hướng bắt đầu
giảm và lập đi lập lại như thế trong thời gian
nghiên cứu.
Xác định mô hình ước lượng SARIMA
Bảng 2: Ước lượng các tham số của mô hình
SARIMA
Biến số
độc lập
Mô hình
SARIMA
Tham số Hệ
số
Sai số
chuẩn
Giá trị
p
Độ ẩm AR(1),
MAR(1, 12)
2,290 1,12 0,042
AR(1) 0,567 0,096 0,005
MAR(1, 12) 0,421 0,108 0,005
month
Fitted values Fitted values
case incidence rainfall
0 5 10 15
0
200
400
Raw Data (ooo) & Cosinor Fit (---)
y_variables : caseinc
month
0 5 10 15
0
100
200
300
400
Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014 Nghiên cứu Y học
Chuyên Đề Y Tế Công Cộng 449
Sau khi điều chỉnh theo mùa, kết quả mô
hình phù hợp nhất với chuỗi thời gian là
SARIMA, AR(1); MAR(1,12), cho thấy độ ẩm, là
yếu tố có liên quan để dự báo dịch SXH với
chuỗi tự tưong quan độ trễ 1 tháng. Chỉ số AR(1)
là các yếu tố tiên đoán có độ thích hợp với chuỗi
tự tuơng quan số ca bệnh mắc mới sốt xuất
huyết với độ trễ là 1 tháng MAR(1,2) thể hiện
chuỗi dữ liệu đuợc chỉnh theo mùa của 12 tháng.
Test chẩn đoàn độ phù hợp của mô hình
Qua sử dụng White‐Noise Test cho các mô
hình dự báo thường dùng, cho thấy có tính
tương thích cao của mô hình dự báo ARIMA và
SARIMA đối với bố dữ liệu trong nghiên cứu.
Đồ thị phần dư của mô hình dự báo dựa vào độ
ẩm không còn tự tương quan (nhiễu trắng).
Biểu đồ 7: White‐Noise Test tính tương thích cao của mô hình dự báo SARIMA
Phân bố phần dư của mô hình dự báo
SARIMA, cho thấy mô hình xây dựng là nhiễu
trắng, không có sự tương quan trong dữ liệu
chuỗi thời gian đang nghiên cứu. Nghĩa là mô
hình thích hợp với chuỗi số liệu đuợc phân tích.
BÀN LUẬN
Về tổng quát, chưa phát hiện xu hướng của
biến đổi khí hậu đối với nhiệt độ, lượng mưa, và
độ ẩm trong suốt 11 năm từ 2001 đến 2011, có
thể do chuỗi số liệu dùng trong phân tích không
đủ dài để phát hiện ra các xu hướng của BĐKH.
Tuy nhiên, qua phân tích hồi quy tuyến tính về
khuynh hướng riêng theo từng yếu tố thời tiết
của từng tháng trong 11 năm nhận thấy có sự
thay đổi có ý nghĩa thống kê ở lượng mưa trung
bình của các tháng 10 giảm, nhiệt độ tối đa trung
bình các tháng 8 tăng (số liệu không trình bày).
Điều này phù hợp với các ghi nhận có sự thay
đổi bất thường khí hậu địa phương đặc biệt là
lượng mưa(7), do đó cần được lưu ý khi triển
khai hoạt động phòng chống dịch hàng năm
được thực hiện kịp thời và đúng thời điểm hơn.
Qua bộ số liệu nghiên cứu, dịch SXH ở Cần
Thơ trong 11 năm, chưa cho thấy dịch diễn ra có
tính chu kỳ năm. Trong đó, năm 2002 có số ca
thấp nhất và năm 2004 có số ca cao nhất, chiếm
gần 1/5 tổng số ca của 11 năm quan sát. Về phát
triển dịch SXH cho thấy một xu hướng tăng
hàng năm có ý nghĩa thống kê. Đặc biệt là các
năm gần đây, sau 2004 đều duy trì số ca ở mức
cao, số ca nặng và tử vong có tăng, là điều cần
được quan tâm.
Về yếu tố độ trễ, kết quả phân tích tự tương
quan diễn biến số ca mắc mới cho thấy có sự
tương quan lớn nhất ở độ trễ 1 tháng.Yếu tố độ
trễ cho thấy các ca bệnh bộc phát ra có thể là hậu
0.
00
0.
20
0.
40
0.
60
0.
80
1.
00
C
um
ul
at
iv
e
pe
rio
do
gr
am
fo
r p
ha
nd
u
0.00 0.10 0.20 0.30 0.40 0.50
Frequency
Bartlett's (B) statistic = 0.72 Prob > B = 0.6745
Cumulative Periodogram White-Noise Test
Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014
Chuyên Đề Y Tế Công Cộng 450
quả của giai đoạn tiềm tàng về phát triển côn
trùng, mầm bệnh trước đó. Tác dụng trễ của khí
hậu trên tỷ lệ mắc SXH có thể giải thích bởi
những yếu tố khí hậu không ảnh hưởng trực
tiếp trên số mắc mới nhưng chỉ ảnh hưởng gián
tiếp qua tác động của nó trên quá trình dịch. Kết
quả này về độ trễ khá phù hợp với nhóm nghiên
cứu New Caledonia phân tích giữa khí hậu, dịch
SXH và A. aegypti từ 1971‐2010 nhằm xây dựng
mô hình dự báo dịch, cũng cho thấy độ trễ so với
đỉnh dịch là 1‐2 tháng. Tương quan có ý nghĩa
giữa dịch với nhiệt độ, lượng mưa, và độ ẩm(5).
Điều này phù hợp với nghiên cứu của Hà Nội
phân tích chỉ số mắc mới ở Hà Nội, Việt Nam, từ
1998 – 2009, để xem có sự tăng theo thời gian với
các chỉ số thời tiết và tìm thấy độ trễ 1‐2 tháng; ở
độ ẩm và tốc độ gió (với độ trễ 4‐5 tháng)(4).
SXH ở Cần Thơ thể hiện mang tính mùa,
dịch tăng vào mùa mưa và giảm vào tháng nắng.
Phân tích hồi quy tuyến tính đơn biến cho thấy,
khi lượng mưa tăng thì số ca mắc mới SXH có xu
hướng tăng theo(10). Tuy nhiên trong phân tích
đa biến SARIMA mối quan hệ này không có ý
nghĩa thống kê. Về phương pháp dự báo thì
phân tích phù hợp với cách dự báo của
Brunkard và cộng sự, sử dụng mô hình tự tương
quan phân tích mối tương quan giữa chỉ số mắc
mới tuần và nhiệt độ, lượng mưa và hiện tượng
El Nino, từ 1995 – 2005. Đã tìm thấy tương quan
dương giữa chỉ số mắc mới SXH với các yếu tố
thời tiết này(3).
Trong phân tích mô hình dự báo SARIMA
thì yếu tố lượng mưa không cho dự báo có ý
nghĩa trên số ca SXH. Kết quả nầy phù hợp với
nghiên cứu của Banu cộng sự, thực hiện thống
kê các nghiên cứu SXH và thời tiết ở Châu Á,
cho thấy có sự liên quan giữa SXH và lượng
mưa nhưng không bền vững, mặc dù lượng
mưa tăng quá lại có tương quan âm với dịch ở
Thailand, Indonesia, Taiwan(1).
Trong khi đó, yếu tố độ ẩm không có liên
quan tuyến tính với dịch, nhưng khi phân tích
các yếu tố thời tiết trong mô hình SARIMA, cho
thấy độ ẩm trung bình có thể làm dự báo tốt hơn
cho số ca mắc mới. Vì độ ẩm tương đối liên quan
chặt chẽ với nhiệt độ và lượng mưa, mà trị số độ
ẩm luôn hiện diện ở mức cao trong năm dù là
trong mùa khô, nên có ảnh hưởng trên số ca mắc
mới. Kết quả này cũng phù hợp với nghiên cứu
của Hales và cộng sựl(6), của Myriam Gharbi, và
cộng sự(10) và nhất là phù hợp với kết quả của
nhóm nghiên cứu New Caledonia(5).
Mô hình SARIMA được sử dụng tốt hơn các
mô hình tuyến tính thông thường vì nó khắc
phục tính tương quan trong chuỗi số liệu theo
thời gian và tính mùa.
KẾT LUẬN
Mặc dù có thể hiện sự biến thiên của các yếu
tố khí hậu, nhưng chuỗi 11 năm số liệu khí hậu
chưa thể hiện rõ khuynh hướng của các yếu tố
biến đổi khí hậu. Dịch SXH ở Cần Thơ vẫn còn
xu huớng tăng trong thời gian 11 năm nghiên
cứu với ý nghĩa thống kê.
Các ca mắc mới có mối liên quan, độ ẩm và
độ trễ của một tháng của ca bệnh sốt xuất huyết.
Trong mùa nắng, mặc dù nhiệt độ tăng cao,
nhưng do độ ẩm cao nên mật độ muỗi vẫn duy
trì và có khả năng gây dịch. Độ ẩmvà ca bệnh
với độ trễ 1 tháng là yếu tố thích hợp nhất được
dùng tiên đoán sự gia tăng của ca bệnh sốt xuất
huyết ở Cần Thơ.
Đề xuất trong phòng chống dịch bệnh
Biện pháp can thiệp phải thực hiện quanh
năm, nhưng tập trung hơn diệt lăng quăng từ
đầu mùa mưa và khi các gia bệnh bắt đầu gia
tăng.Vì độ ẩm, lượng mưa và nhiệt độ ảnh
hưởng với nhau, do đó, khi có một trong các yếu
tố lượng mưa tăng hay độ ẩm tăng thì càng phải
chú ý công tác diệt lăng quăng trong tháng trước
đó, nhằm phát huy tác dụng làm giảm mật độ
côn trùng cho các tháng sau.
Sử dụng mô hình SARIMA trong nghiên cứu
có thể góp phần cho giám sát và cho việc dự
đoán trong phòng chống SXH với yếu tố độ ẩm,
theo thời gian.
Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014 Nghiên cứu Y học
Chuyên Đề Y Tế Công Cộng 451
TÀI LIỆU THAM KHẢO
1. Banu S, Hu W, Hurst C, Tong S (2011) Dengue transmission
in the Asia‐Pacific region: impact of climate change and socio‐
economic factors. Trop Med Int Health. 16(5):598‐607.
2. Bộ Y tế (2007) Chương trình tổng thể dự án chiến lược quốc
gia về y tế dự phòng và kế hoạch tổng thể 5 năm về phát triển
hệ thống chăm sóc sức khỏeViệt Nam. Tr. 78‐94.
3. Brunkard JMCE, Rothenberg SJ (2008) Assessing the roles of
temperature, precipitation, and ENSO in dengue re‐
emergence on the Texas‐Mexico border region. Salud Publica
Mex. 50:227‐234.
4. Cuong HQ, Hien NT, Duong TN, Phong TV, Cam NN, Farrar
J, Nam VS, Thai KT, Horby P (2011) Quantifying the
emergence of dengue in Hanoi,Vietnam: 1998 – 2009. PLoS
NTD. 5(9):e1322.
5. Descloux E, Mangeas M, Menkes CE, Lengaigne M, Leroy A,
Tehei T, Guillaumot L, Teurlai M, Gourinat AC, Benzler J,
Pfannstiel A, Grangeon JP, Degallier N, Lamballerie XD (2012)
Climate‐based models for understanding and forecasting
dengue epidemics. PLoS NTD, 6(2):e1470.
6. Hales SW, de Wet N, Maindonald J, Woodward A. (2002)
Potential effect of population and climate changes on global
distribution of dengue fever: an empirical model. Lancet.
360:830‐834.
7. Intergovernmental Panel of Climate Change (2007) Climate
Change: Impacts, Adaptation and Vulnerability. Cambridge:
Cambridge University Press. Pp. 123‐234.
8. Johansson MA, Dominici F, Glass GE,(2009) Local and global
effects of climate on dengue transmission in Puerto Rico. PLoS
NTD. 3(2):382.
9. Luz PM, Mendes BV, Codeço CT, Struchiner CJ, Galvani AP.
(2008) Time series analysis of dengue incidence in Rio de
Janeiro, Brazil. Am J Trop Med Hyg. 79(6):933‐939.
10. Myriam GPQ, Joël G, Sylvie C, Guy LR, Laurent G, Laurence
M (2011) Time series analysis of dengue incidence in
Guadeloupe, French West Indies: Forecasting models using
climate variables as predictors. BMC Infectious Diseases.
11(166).
11. Sở Y tế Cần Thơ (2011) Số liệu báo cáo công tác Y tế 5 năm
2006 – 2010. Thành phố Cần Thơ. Tr. 3‐4.
12. Thai KT, Anders KL (2011) The role of climate variability and
change in the transmission dynamics and geographic
distribution of dengue. ExpBiol Med (Maywood). 236(8):944‐
954.
13. Trung tâm Y tế dự phòng Cần Thơ (2009) Báo cáo hoạt động
YTDP năm 2008 – Kế hoạch YTDP năm 2009. Thành phố Cần
Thơ. Tr. 12‐13.
14. Viện Pasteur thành phố Hồ Chí Minh (2012) Chẩn đoán sốt
Dengue/sốt xuất huyết Dengue. Chuyên mục Y tế cộng đồng.
Viện Pasteur thành phố Hồ Chí Minh. Tr. 2‐6.
15. Viện Vệ sinh dịch tễ trung ương (2010) Báo cáo số liệu thống
kê sốt xuất huyết dengue. Hà Nội. Tr. 5‐8.
Ngày nhận bài báo: 9/5/2014
Ngày phản biện nhận xét bài báo: 15/6/2014
Ngày bài báo được đăng: 14/11/2014
Các file đính kèm theo tài liệu này:
moi_lien_quan_giua_sot_xuat_huyet_va_bien_doi_khi_hau_tai_ca.pdf