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 <br /> <br /> Nghiên cứu Y học<br /> <br />  <br /> <br /> MỐI LIÊN QUAN GIỮA SỐT XUẤT HUYẾT VÀ BIẾN ĐỔI KHÍ HẬU  <br /> TẠI CẦN THƠ 2001‐2011 <br /> Nguyễn Phương Toại*, Đặng văn Chính**, Amy Vittor***, Nguyễn Ngọc Huy****, Hồ Hữu Tính** <br /> <br /> TÓM TẮT <br /> Đặt vấn đề: Nhằm nỗ lực xác định mối liên quan giữa khí hậu và sốt xuất huyết (SXH), chúng tôi khảo sát <br /> các mối quan hệ giữa biến số khí hậu và số bệnh nhân nhập viện ở Cần Thơ từ 2001 đến 2011.  <br /> Phương pháp: Số liệu nhập viện hàng tháng và các chỉ số trung bình nhiệt độ, lượng mưa, độ ẩm đuợc thu <br /> thập 2001‐2011. Sử dụng phân tích hồi quy và mô hình Box‐Jenkins theo chuỗi thời gian với cấu tố tự hồi quy ‐ <br /> sai phân và trung bình trượt theo mùa (SARIMA) để xác định mối tương quan giữa số ca mắc và yếu tố thời tiết. <br /> Kết quả: Chỉ số mắc mới trong thời gian nghiên cứu có xu hướng tăng theo thời gian từ 2001 ‐ 2011. Số ca <br /> 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, <br /> 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. <br /> Kết luận và kiến nghị: Xu hướng dịch SXH vẫn còn tăng từ 2001 – 2011. Độ ẩm và và các chuỗi ca bệnh <br /> 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 <br /> quan trọng để dự đoán dịch. <br /> Từ khóa: Sốt xuất huyết, chỉ số mắc mới, lượng mưa, độ ẩm, độ trễ, mô hình SARIMA. <br /> <br /> ABSTRACT <br /> ASSOCIATION BETWEEN DENGUE HOSPITALIZATION AND CLIMATE IN CAN THO, VIETNAM, <br /> 2001 – 2011 <br /> Nguyen Phuong Toai, Dang Van Chinh, Amy Vittor, Nguyen Ngoc Huy, Ho Huu Tinh <br /> * Y Hoc TP. Ho Chi Minh * Vol. 18 ‐ Supplement of No 6‐ 2014: 443 – 450 <br /> Background:  In an effort to better characterize the relationship between climate and dengue, we examine <br /> here the associations between weather variables and dengue hospitalizations in Can Tho between 2001 and 2011.  <br /> Methods:  Monthly  data  on  hospitalized  dengue  cases  and  means  of  temperature,  rainfall  and  humidity  were <br /> recorded  from  2001  to  2011.  We  used  the  Box‐Jenkins  approach  to  Seasonal  Autoregressive  Integrative  Moving <br /> Average (SARIMA) modeling of time series to assess the association between dengue cases and these weather factors.  <br /> Result:  Trend  of  DF  incidence  was  increasing  between  2001‐  2011.  There  was  significant  relationship <br /> between  humidity,  rainfall  and  the  incidence  of  dengue  case.  After  adjusting  for  seasonality,  the  incidence  of <br /> dengue fever was significantly associated with humidity with a lag of one month.  <br /> Conclusions  and  suggestions:  The  trend  of  DF  incidence  was  increasing.  Humidity  and  rainfall  was <br /> asociated to incidence.These data suggest that humidity (with a one month lag) is an important determinant of <br /> dengue hospitalizations.  <br /> Keywords: Dengue fever, incidence, rainfall, humidity, lag, SARIMA model. <br /> <br /> ĐẶT VẤN ĐỀ <br /> Sốt  xuất  huyết  (SXH)  là  bệnh  truyền  nhiễm <br /> *<br /> <br /> do virus Dengue gây ra và lây truyền bởi một số <br /> loài  muỗi  thuộc  giống  Aedes,  chủ  yếu  là  A. <br /> <br />  Trường Cao đẳng Y tế Cần Thơ  **Viện Y tế công cộng Tp.HCM <br /> <br /> ***Viện đại học Pennsylvania, Philadelphia PA 19104, USA <br /> ****Nghiên Cứu Chuyển Đổi Môi Trường và Xã Hội (ISET) <br /> Tác giả liên lạc: TS.Nguyễn phương Toại    ĐT: 0939766866  <br /> <br /> Chuyên Đề Y Tế Công Cộng <br /> <br /> Email: phuongtoai@yahoo.com <br /> <br /> 443<br /> <br /> Nghiên cứu Y học <br /> <br /> Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014<br /> <br />  <br /> aegypti.  Ước  tính  thế  giới  hàng  năm  có  khoảng <br /> 50‐100  triệu  người  mắc,  trong  đó  có  500.000  ca <br /> nặng với 22.000 ca tử vong. Mặc dù số ca nặng <br /> không  nhiều,  nhưng  SXH  có  biến  chứng  nặng <br /> thường rơi vào nhóm trẻ nhỏ nên có thể gây tử <br /> vong. Hiện nay vẫn chưa có vắc‐xin phòng bệnh, <br /> nên việc loại trừ muỗi và phòng muỗi đốt chính <br /> là cách phòng bệnh chủ yếu. <br /> <br /> lượng việc chứng minh sự liên quan giữa BĐKH <br /> và SXH là rất khó khăn. Nhất là ở Việt Nam, do <br /> hiện nay cả nước chưa có hệ thống theo dõi diễn <br /> biến dịch bệnh với mối liên quan đến các yếu tố <br /> thời tiết. Các kế hoạch khống chế dịch vẫn chưa <br /> đánh  giá  tác  động  của  BĐKH,  chưa  có  các <br /> chương  trình  thích  ứng  để  phòng  ngừa  và  ứng <br /> phó với dịch bệnh SXH trong bối cảnh BĐKH(2).  <br /> <br /> SXH ở Việt Nam có khuynh hướng gia tăng <br /> những năm gần đây. Các số liệu thống kê quốc <br /> gia gần đây cho thấy, năm 2008 có 96.451 ca mắc, <br /> năm 2009 tăng lên 105.370 ca và năm 2010 số ca <br /> được  ghi  nhận  trên  cả  nước  là  128.831.  Do  đó, <br /> SXH ở Việt Nam được xếp trong nhóm 10 bệnh <br /> truyền nhiễm có nguy cơ tử vong cao nhất(15). <br /> <br /> Để  xác  định  giả  thiết  “các  hiện  tượng  dịch <br /> SXH xảy ra ở Cần Thơ có bị tác động của các yếu <br /> tố khí hậu bất thường hay không?” chúng tôi đã <br /> tiến hành khảo sát sự liên quan giữa các yếu tố <br /> thời tiết với dịch SXH. Qua đó giúp ngành y tế <br /> hoạch  định  các  chiến  lược  y  tế  thích  hợp,  chủ <br /> động hơn trong công tác phòng chống dịch, tìm <br /> ra  biện  pháp  dự  báo  thích  hợp  nhằm  ứng  phó <br /> dịch bệnh SXH trong điều kiện BĐKH. <br /> <br /> Tại Cần Thơ, theo số liệu của Trung tâm Y tế <br /> Dự phòng (TTYTDP) TP Cần Thơ, năm 2008 có <br /> 1.235 ca mắc SXH, năm 2009 số ca mắc tăng lên <br /> 1.357. Sốt xuất huyết ở Cần Thơ chủ yếu xảy ra <br /> đối với trẻ em dưới 16 tuổi, phân bố hầu hết trên <br /> địa  bàn  các  xã  phường,  nhất  là  các  khu  dân  cư <br /> nghèo, điều kiện sống còn nhiều khó khăn, môi <br /> trường  luôn  trong  trạng  thái  ô  nhiễm(13).  Xét  về <br /> khuynh  hướng  chung,  thì  tổng  số  ca  mắc  hàng <br /> năm  vẫn  chưa  được  khống  chế  giảm  một  cách <br /> vững chắc(11). <br /> Trước  đây,  SXH  ở  Cần  Thơ  thường  chỉ  tập <br /> trung xuất hiện vào mùa mưa, sau đó giảm dần <br /> và tăng  cao trở  lại  vào đầu mùa  mưa năm  sau. <br /> Tuy nhiên, những năm gần đây dịch có khuynh <br /> hướng  diễn  ra  ở  cả  hai  mùa  mưa  nắng  và  có <br /> khuynh  hướng  gia  tăng  về  mức  độ  nguy  hiểm <br /> và về số lượng người bị nhiễm. SXH gia tăng có <br /> thể do nhiều nguyên nhân như đô thị hóa, tình <br /> trạng  ô  nhiễm  môi  trường  sống,  hạ  tầng  y  tế <br /> công cộng yếu, các chương trình tiêu diệt muỗi <br /> thiếu hiệu quả và các yếu tố khí hậu như nhiệt <br /> độ, lượng mưa, lũ lụt và độ ẩm(12). <br /> Tác động của Biến đổi khí hậu (BĐKH) trên <br /> dịch SXH vẫn chưa được nghiên cứu kỹ. Một số <br /> các nghiên cứu tiến hành ở khu vực và phương <br /> pháp  khác  nhau  nên  kết  quả  mang  lại  chưa  rõ <br /> ràng(8). Hơn nữa, do thiếu các bằng chứng định <br /> <br /> 444<br /> <br /> PHƯƠNG PHÁP NGHIÊN CỨU  <br /> Số liệu dịch tễ được thu thập trong thời gian <br /> 11  năm,  từ  2001‐2011  và  tính  toán  lại  theo  hệ <br /> thống (132 tháng), cụ thể gồm:  <br /> Số  ca mắc mới/1.000.000 dân được xác  định <br /> mắc SXH, theo tiêu chuẩn chẩn đoán thống nhất <br /> của ngành y tế quy định thống nhất trong toàn <br /> quốc(14), được báo cáo chính thức hàng năm, của <br /> TTYTDP Cần Thơ.  <br /> Số liệu quan trắc khí tượng gồm: lượng mưa <br /> trung  bình,  nhiệt  độ  tối  đa,  nhiệt  độ  tối  thiểu, <br /> nhiệt độ trung bình và độ ẩm, từ Trạm khí tượng <br /> thủy văn thành phố Cần Thơ.  <br /> Thông tin về các hoạt động can thiệp, phòng <br /> chống  dịch  sốt  xuất  huyết  đã  tiến  hành,  được <br /> lưu  trữ  trong  các  báo  cáo  hàng  năm,  5  năm  tại <br /> Trung  tâm  Y  tế  dự  phòng  Cần  Thơ,  và  các <br /> TTYTDP  quận  huyện  trong  địa  bàn  thành  phố <br /> Cần Thơ. <br /> <br /> Phương  pháp  phân  tích  và  xây  dựng  mô <br /> hình <br /> Số liệu được làm sạch và phân tích trên phần <br /> mềm thống kê Stata. <br /> Sử  dụng  phương  pháp  ARIMA  (Auto‐<br /> Regressive  Integrated  Moving  Average)  được <br /> <br /> Chuyên Đề Y Tế Công Cộng <br /> <br /> Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014 <br /> <br /> Nghiên cứu Y học<br /> <br />  <br /> mô tả bởi George Box và Gwilym Jenkins(9). Nó <br /> bao gồm cấu tố tự hồi quy‐ Auto‐Regressive (p), <br /> cấu tố sai phân‐ Integrated (d), cấu tố trung bình <br /> trượt‐  Moving  Average (q) mà  cho  là  gây  ra  sự <br /> biến  thiên  trong  chuỗi  thời  gian.  Mô  hình <br /> ARIMA  thường  viết  như  ARIMA  (p,d,q)  hay <br /> (P,D,Q) với chữ thường chỉ ra bậc của các cấu tố <br /> phi mùa vụvà chữ hoa chỉ ra bậc của mỗi cấu tố <br /> mùa vụ. <br /> Trong  phần  này  chúng  tôi  sử  dụng  2  kỹ <br /> thuật phân tích: (1) Dùng các phương pháp phân <br /> tích  tần  số  để  mô  tả  các  chuỗi  thời  gian <br /> (frequency  domain  analysis)  và  (2)  Dùng <br /> phương  pháp  ARIMA  để  xác  định  các  yếu  tố <br /> tiên lượng SXH trong các chuỗi thời gian, cụ thể <br /> như sau: <br /> 1)  Dùng  các  phương  pháp  phân  tích  tần  số <br /> để mô tả các chuỗi thời gian: bao gồm sử dụng <br /> phương  pháp  hồi  quy  tuyến  tính  để  thăm  dò <br /> khuynh  hướng  và  biến  thiên  của  các  biến  số <br /> SXH và các biến số thời tiết theo tháng và năm <br /> trong  chuỗi  số  liệu  từ  2001‐2011.  Thêm  vào  đó, <br /> phương  pháp  phân  tích  phổ  của  mô  hình <br /> cosinor (spectral analysis of cosinor model) cũng <br /> được sử dụng để xem các mô hình lập lại của các <br /> biến số theo thời gian. <br /> 2)  Dùng  phương  pháp  ARIMA  để  xác  định <br /> các  yếu  tố  tiên  lượng  SXH  trong  các  chuỗi  thời <br /> gian,  bằng  cách  tiến  hành  phân  tích  chuỗi  thời <br /> gian để tiên lượng ca mắc mới SXH ở Cần Thơ <br /> bằng phương pháp trung bình trượt tự hồi quy <br /> đa  biến  với  điều  chỉnh  theo  chu  kỳ  mùa  (The <br /> Seasonal  Autoregressive  Integrated  Moving <br /> Average  _SARIMA)  theo  mùa  nắng  và  mưa <br /> trong năm.  <br /> Mô  hình  ARIMA  truyền  thống  dùng  trong <br /> kinh tế lượng. Tuy nhiên, gần đây phương pháp <br /> này  được  sử  dụng  ngày  càng  nhiều  trong  các <br /> lĩnh vực y học. Ưu điểm lớn của mô hình là xem <br /> xét sự khác biệt mùa vụ mà có thể hữu ích trong <br /> dự đoán các bệnh nhiễm trùng khác nhau. <br /> <br /> Chuyên Đề Y Tế Công Cộng <br /> <br /> KẾT QUẢ <br /> Phân  bố  chỉ  số  mắc  mới  theo  tháng/triệu <br /> dân và các yếu tố thời tiết <br /> Bảng 1: Tần số mắc mới trung bình/triệu dân và <br /> trung bình lượng mưa, nhiệt độ tối thiểu, trung bình <br /> và tối đa từ 2001 đến 2011 <br /> Biến số<br /> Tổng số ca<br /> Số ca mắc mới<br /> Lượng mưa (mm)<br /> Nhiệt độ (oC)<br /> Độ ẩm<br /> Nhiệt độ tối đa (oC)<br /> Nhiệt độ trung bình (oC)<br /> Nhiệt độ tối thiểu (oC)<br /> <br /> Chỉ số trung<br /> bình<br /> 98,2<br /> 79,7<br /> 126,8<br /> 27,1<br /> 95,2<br /> 31,8<br /> 27,1<br /> 24,3<br /> <br /> Độ lệch<br /> chuẩn<br /> 76,2<br /> 67,0<br /> 106,8<br /> 1,0<br /> 2,4<br /> 1,2<br /> 1,0<br /> 0,9<br /> <br /> Có sự biến thiên lớn giữa trung bình tổng số <br /> ca,  chỉ  số  mắc  mới,  lượng  mưa  giữa  các  năm. <br /> Trong khi đó, độ ẩm ít có sự biến thiên hơn. <br /> <br /> Đồ thị lượng mưa và số ca theo tháng trong <br /> 11 năm <br /> Đường cong cosinor fit của tần xuất mắc mới <br /> ca SXH và lượng mưa theo tháng từ 2001‐2011 <br /> Raw Data (ooo) & Cosinor Fit (---)<br /> y_variables : caseinc rainf<br /> <br /> 400<br /> <br /> 200<br /> <br /> 0<br /> 0<br /> <br /> 5<br /> <br /> month<br /> <br /> 10<br /> <br /> 15<br /> <br /> Biểu đồ 1: Biểu diễn lượng mưa và số ca mắc mới <br /> theo tháng trong 11 năm <br /> Ký  hiệu:  Hình  tam  giác  (lượng  mưa);  Hình <br /> tròn (ca bệnh); đường cong fit phía trên là lượng <br /> mưa; đường cong fit phía dưới là ca bệnh SXH. <br /> Đồ thị mô tả mối quan hệ giữa tần xuất mắc <br /> mới  SXH  và  lượng  mưa  trong  các  tháng.  Theo <br /> phân  tích  số  ca  bệnh  trung  bình  trong  tháng  là <br /> khoảng  80  ca,  với  sai  số  chuẩn  5.3;  lượng  mưa <br /> <br /> 445<br />  <br /> <br /> Nghiên cứu Y học <br /> <br /> Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014<br /> <br />  <br /> trung  bình  tháng  là  127mm,  độ  lệch  chuẩn  6. <br /> Đường cong nằm trên từ tháng 4 đến tháng 11 là <br /> lượng  mưa  ở  Cần  Thơ  và  đường  cong  ở  phía <br /> dưới là tần xuất mắc mới ca bệnh. Đồ thị gợi ý <br /> <br /> khi  lượng  mưa  bắt  đầu  gia  tăng  tháng  2‐3,  đạt <br /> đỉnh  cao  ở  tháng  8  sau  đó  giảm  xuống.  Trong <br /> khi  tần  suất  mắc  mới  bắt  đầu  gia  tăng  ở  tháng <br /> thứ 4 và đạt đỉnh ở tháng 10 sau đó giảm xuống. <br /> <br /> Độ ẩm trung bình và số ca theo tháng trong 11 năm <br /> Raw Data (ooo) & Cosinor Fit (---)<br /> y_variables : caseinc humid<br /> 400<br /> <br /> 300<br /> <br /> 200<br /> <br /> 100<br /> <br /> 0<br /> 0<br /> <br /> 5<br /> <br /> month<br /> <br /> 10<br /> <br /> 15<br /> <br /> Biểu đồ 2: Đường cong cosinor fit của tần xuất mắc mới sxh và độ ẩm theo tháng 2001‐2011 <br /> quan  đơn  biến  không  cho  thấy  có  mối  tương <br /> Biểu  đồ  mô  hình  hóa  cho  thấy  độ  ẩm  luôn <br /> quan giữa độ ẩm trung bình và số ca.<br /> duy trì ở mức cao và ít biến động giữa các năm, <br /> số  ca  tăng  cao  vào  tháng  10.  Phân  tích  tương <br /> <br /> Nhiệt độ trung bình và ca mắc mới <br /> <br /> Biểu đồ 3: Đường cong cosinor fit tần xuất mắc mới sxh và nhiệt độ trung bình theo tháng từ 2001‐2011 <br /> có sự biến thiên tương quan giữa chỉ số mắc mới <br /> Biểu đồ mô hình hóa cho thấy nhiệt độ trung <br /> với nhiệt độ trung bình trong năm. <br /> bình các tháng ít biến thiên giữa các năm.Không <br /> <br /> 446<br /> <br /> Chuyên Đề Y Tế Công Cộng <br /> <br /> Y Học TP. Hồ Chí Minh * Tập 18 * Phụ bản của Số 6 * 2014 <br /> <br /> Nghiên cứu Y học<br /> <br />  <br /> Khuynh hướng số ca mắc mới theo thời gian từ 2001‐2011 <br /> Fitted values<br /> <br /> case incidence<br /> <br /> 400<br /> <br /> 300<br /> <br /> 200<br /> <br /> 100<br /> <br /> 0<br /> 2000<br /> <br /> 2005<br /> <br /> 2010<br /> <br /> t<br /> <br /> 2015<br /> <br /> 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 <br /> + 3.8* t); t là thời gian tính bằng năm) (p