Mối liên quan giữa sốt xuất huyết và biến đổi khí hậu tại Cần Thơ 2001‐2011

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