Ứng dụng mô hình ARIMA trong đánh giá và dự báo tác động của biến đổi khí hậu tới một số bệnh tại thành phố Hồ Chí Minh

Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 Nghiên cứu Y học<br /> <br /> <br /> ỨNG DỤNG MÔ HÌNH ARIMA TRONG ĐÁNH GIÁ VÀ DỰ BÁO<br /> TÁC ĐỘNG CỦA BIẾN ĐỔI KHÍ HẬU TỚI MỘT SỐ BỆNH<br /> TẠI THÀNH PHỐ HỒ CHÍ MINH<br /> Lê Hoàng Ninh*, Phùng Đức Nhật*Nguyễn Bích Hà*, Dương Thị Minh Tâm*, Nguyễn Ngọc Duy*<br /> <br /> TÓM TẮT<br /> Đặt vấn đề: Tại Việt Nam một số nghiên cứu cho thấy biến đổi khí hậu(BĐKH) tác động lên số mắc và tử<br /> vong một số bệnh truyền nhiễm và bệnh không lây. Chưa có nghiên cứu nào về tác động BĐKH lên các vấn đề<br /> sức khỏe tại thành phố Hồ Chí Minh sử dụng phương pháp ARIMA.<br /> Mục tiêu: Đánh giá sơ bộ tác động của BĐKH lên các bệnh truyền nhiễm tại 6 quận/huyện của thành phố<br /> Hồ Chí Minh.<br /> Phương pháp nghiên cứu: Nghiên cứu mô tả cắt ngang hồi cứu số liệu về số mắc của bệnh truyền nhiễm<br /> trong giai đoạn 2000-2014. Các bệnh truyền nhiễm được khảo sát bao gồm sốt xuất huyết (SXH) và tiêu chảy.<br /> Dữ liệu về số ca mắc mới bệnh SXH và tiêu chảy được thu thập theo tháng từ dữ liệu tháng của Trung tâm Y tế<br /> dự phòng Hồ Chí Minh. Phương pháp ARIMA (autoregressive intergrated moving average) được sử dụng để mô<br /> tả và tiên đoán số ca mắc tiêu chảy và SXH. Phần mềm Stata v.13 được sử dụng để phân tích số liệu.<br /> Kết quả: Số ca mắc SXH và tiêu chảy có xu hướng gia tăng theo thời gian. Số ca mắc SXH tăng từ tháng 5-<br /> 9 và sau đó giảm dần vào tháng 10 cho đến tháng 3 năm sau. Mô hình ARIMA (0,1,1) phù hợp để tiên đoán số ca<br /> mắc tiêu chảy trong tương lai. Đường tiên đoán số ca mắc tiêu chảy trong giai đoạn từ tháng 1/2015 đến tháng<br /> 1/2018 cho thấy số ca mắc tiêu chảy có xu hướng tăng nhẹ trong thời gian sắp tới. Mô hình SARIMA<br /> (1,0,0)(1,1,0)12 là mô hình phù hợp nhất để tiên đoán số ca mắc SXH vì chỉ số AIC và BIC đều thấp hơn so với hai<br /> mô hình còn lại.<br /> Kết luận: Phương pháp ARIMA áp dụng để tiên đoán số ca mắc SXH và tiêu chảy tại 6 quận/huyện của<br /> thành phố. Kết quả cho thấy các mô hình ARIMA dự đoán với mức chính xác cao cho số ca mắc SXH và tiêu<br /> chảy. Như vậy có thể sử dụng phương pháp ARIMA để tiên đoán xu hướng các bệnh truyền nhiễm khác. Tuy<br /> nhiên cần tiến hành một nghiên cứu tiếp theo để so sánh năng lực tiên đoán của phương pháp ARIMA và các<br /> phương pháp tiên đoán số ca mắc bệnh truyền nhiễm khác.<br /> Từ khóa: bệnh truyền nhiễm, biến đổi khí hậu,ARIMA<br /> ABSTRACT<br /> APPLICATION OF ARIMA MODEL TO CHARACTERIZE AND FORECAST IMPACTS OF CLIMATE<br /> CHANGE ON TWO COMMUNICABLE DISEASES IN HO CHI MINH CITY<br /> Le Hoang Ninh, Phung Duc Nhat, Nguyen Bich Ha, Duong Thi Minh Tam, Nguyen Ngoc Duy<br /> * Y Hoc TP. Ho Chi Minh * Supplement of Vol. 20 - No 5 - 2016: 201 - 208<br /> <br /> Background: Few studies in Vietnam revealed that climate change (CC) had significant impacts on<br /> morbidity and mortality of several communicable and non-communicable diseases. No studies on health impacts<br /> of CC using ARIMA model have been conducted in Ho Chi Minh City.<br /> Objectives: Preliminarily evaluating impacts of CC on morbidities of several communicable diseases in 6<br /> provinces in Ho Chi Minh City.<br /> <br /> <br /> Viện Y tế Công cộng thành phố Hồ Chí Minh<br /> Tác giả liên lạc: ThS. Nguyễn Ngọc Duy ĐT: 0908929001 Email: duyngocnguyen1982@gmail.com<br /> <br /> Chuyên Đề Y Tế Công Cộng 201<br /> Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016<br /> <br /> Methodology: A cross-sectional study with retrospective review on 2000-2014 numbers of cases of two<br /> communicable diseases was conducted. Investigated communicable diseases included Dengue fever and diarrhea.<br /> Monthly number of cases of investigated diseases was collected from Preventive Health Center of Ho Chi Minh<br /> City. ARIMA (autoregressive integrated moving average) model was applied to characterize and forecast number<br /> of cases of these communicable diseases. Stata v.13 software package was used for data analysis.<br /> Results: Number of cases of Dengue fever and diarrhea had increased during 2000-2014. Number of cases of<br /> Dengue fever increased annually from May to September and then declined for next months. ARIMA (0,1,1) was<br /> appropriate to forecast number of cases of Dengue in the future. The forecast line of number of Dengue cases from<br /> Jan 2016 to Jan 2018 showed a slight increase of infected cases. SARIMA (1,0,0)(1,1,0)12 was the best model to<br /> forecast number of diarrhea with the least AIC and BIC compared to two other models.<br /> Conclusion: ARIMA model was used to characterize and forecast Dengue cases and diarrhea cases in 6<br /> provinces of Ho Chi Minh City. The results showed that the ARIMA model was an appropriate method to forecast<br /> communicable diseases. However, there should be another study conducting to compare the effectiveness of<br /> forecasting among ARIMA model and other generalized modeling methods.<br /> Key words: Communicable diseases, climate change, ARIMA<br /> ĐẶT VẤN ĐỀ Tại TP.HCM trong thời gian qua, diễn biến<br /> của khí hậu cũng có những nét tương đồng với<br /> Tại Việt Nam, biến đổi khí hậu (BĐKH) là<br /> cả nước. BĐKH đã và đang làm cho thời tiết<br /> một vấn đề đang ngày càng được quan tâm vì<br /> ngày càng diễn biến phức tạp, thiên tai, bão lũ,<br /> Việt Nam là một trong năm nước chịu ảnh<br /> hạn hán xảy ra thường xuyên, nước ngọt khan<br /> hưởng nặng nề nhất từ BĐKH. Một số nghiên<br /> hiếm, năng suất nông nghiệp giảm, các hệ sinh<br /> cứu gần đây cũng đã tìm hiểu về tác động của<br /> thái bị phá vỡ và bệnh tật gia tăng... tác động tới<br /> BĐKH lên các vấn đề sức khỏe. Một nghiên<br /> tất cả các vùng và các lĩnh vực về tài nguyên,<br /> cứu tại khu vực miền Bắc cho thấy mô hình<br /> môi trường và kinh tế - xã hội.<br /> bệnh tật của người dân thay đổi theo sự biến<br /> động thời tiết trong đó mùa đông ngày càng Có nhiều phương pháp đã được sử dụng để<br /> ấm dần lên dẫn đến những thay đổi về nhịp mô tả và tiên đoán số ca mắc các bệnh truyền<br /> sinh học của người dân gây ra những bệnh nhiễm và mô hình hóa mối liên quan giữa các<br /> truyền nhiễm trước đây ít khi xảy ra vào mùa yếu tố môi trường và số ca mắc các bệnh truyền<br /> đông tại miền Bắc(1). Một nghiên cứu năm 2014 nhiễm. Trong các phương pháp này, mô hình<br /> cũng cho thấy tần suất mắc các bệnh thông ARIMA được chứng minh có giá trị tốt hơn một<br /> thường ở người dân Việt Nam tăng lên tỷ lệ số phương pháp khác như hồi quy Poisson, hồi<br /> thuận với những yếu tố gây ra do BĐKH trong quy tuyến tính trong việc tiên đoán cũng như<br /> những năm gần đây, đặc biệt là sự gia tăng mô hình hóa tác động của BĐKH lên các bệnh<br /> một số bệnh mới nổi như cúm mới, viêm não truyền nhiễm(3).<br /> Nhật Bản và bệnh dịch lưu hành như sốt xuất Cho đến nay, chưa có nghiên cứu nào đánh<br /> huyết. Nghiên cứu của Đỗ Thị Thanh Tâm giá tác động của BĐKH lên các vấn đề sức khỏe<br /> khảo sát tác động của BĐKH lên sức khỏe của của người dân tại thành phố Hồ Chí Minh sử<br /> người dân tại một số tỉnh miền Nam cho thấy dụng phương pháp ARIMA. Một nghiên cứu sơ<br /> điểm trung bình nhập viện vì bệnh tim mạch bộ ban đầu sử dụng phương pháp ARIMA trong<br /> tối thiểu là 260C(2). Trên hoặc dưới ngưỡng này mô tả và tiên đoán số ca mắc các bệnh truyền<br /> thì số nhập viện do tim mạch trong 30 ngày trễ nhiễm tại Hồ Chí Minh là cần thiết.<br /> sẽ có xu hướng tăng lên khi nhiệt độ tăng và<br /> giảm(4).<br /> <br /> <br /> 202 Chuyên Đề Y Tế Công Cộng<br /> Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 Nghiên cứu Y học<br /> <br /> Mục tiêu nghiên cứu 2000-2014 dùng để xác định tính khuynh hướng<br /> Mô tả được sự thay đổi và tiên đoán số ca của mô hình. Nếu đồ thị không thể hiện rõ xu<br /> mắc của một số bệnh truyền nhiễm trong giai hướng, áp dụng kỹ thuật làm mềm 5 lag để<br /> đoạn 2000-2015 tại 6 quận/huyện của thành phố phát hiện xu hướng rõ hơn. Ngoài ra phương<br /> Hồ Chí Minh. trình hồi quy tuyến tính đơn biến giữa số ca<br /> mắc bệnh truyền nhiễm và thời gian cũng được<br /> ĐỐITƯỢNG-PHƯƠNGPHÁPNGHIÊNCỨU<br /> thiết lập để xác định số ca mắc bệnh truyền<br /> Địa bàn nghiên cứu nhiễm có xu hướng tương quan tuyến tính theo<br /> Các quận được chọn vào địa bàn nghiên cứu thời gian hay không; 2) Đồ thị chu kỳ số ca mắc<br /> gồm: quận 4, quận 5, quận Bình Thạnh, huyện bệnh truyền nhiễm theo tháng dùng để mô tả<br /> Cần Giờ, huyện Củ chi, huyện Nhà Bè. Do mức tính theo mùa của dữ liệu 3) Yếu tố hiệu chỉnh<br /> độ dễ tổn thương do biến đổi khí hậu, riêng theo mùa (SAF) được sử dụng để xác định đỉnh<br /> quận 5 là quận nội thành được chọn để so sánh. biến thiên theo mùa; 4) Tính hàm tương quan<br /> nội tại (ACF) và hàm tương quan nội tại từng<br /> Thu thập dữ liệu<br /> phần (PACF) để xác định cấu trúc phụ thuộc<br /> Số ca mắc hàng tháng tại 6 quận/huyện từ thời gian của số ca SXH đã chuyển đổi (nếu có);<br /> năm 2000-2014 của các bệnh tiêu chảy và sốt xuất 3) Sử dụng phép kiểm AIC (Akaike Information<br /> huyết, được thu thập từ số liệu báo cáo hàng Criterion) để xác định độ tương hợp của mô<br /> tháng của Trung tâm Y tế dự phòng thành phố hình; 4) phép kiểm Ljung-Box dùng để đo<br /> Hồ Chí Minh. Số ca mắc hàng tháng được Trung lường ACF của hệ số dư mô hình và 5) Xác<br /> tâm Y tế dự phòng thành phố Hồ Chí Minh thu định ý nghĩa thống kê của tham số (khác 0) (giá<br /> thập từ các trạm y tế xã, và các bệnh viện trong trị t phải >|2|). Bước thứ ba là ước lượng tham<br /> thành phố thành phố Hồ Chí Minh theo các biểu số của mô hình ARIMA bằng likelihood tối<br /> mẫu báo cáo được Bộ Y tế quy định. Để tránh đa.Bước bốn là so sánh giá trị tính được từ mô<br /> tình trạng lệch số liệu, số ca mắc bệnh được hình và giá trị quan sát để kiểm tra mức độ phù<br /> chuyển đổi thành dạng ln. hợp của mô hình.<br /> Phân tích dữ liệu Mô hình sau khi thiết lập được sử dụng để<br /> Sử dụng phương pháp Box-Jenkins để lập tiên đoán số mắc bệnh truyền nhiễm cho năm<br /> mô hình ARIMA cho số ca mắc các bệnh 2015. Có hai phương pháp được sử dụng để ước<br /> truyền nhiễm. Phương pháp này bao gồm bốn tính các giá trị tiên đoán cho năm 2015. Phương<br /> bước: Bước thứ nhất: kiểm tra sự phân tán của pháp thứ nhất sử dụng mô hình ARIMA đã<br /> số liệu ca mắc bệnh truyền nhiễm bằng biểu được thiết lập để tiên đoán cho 12 tháng tiếp<br /> đồ hộp mô tả số trung vị của các ca bệnh theo theo, tức 12 quan sát ngoài mẫu của năm 2015.<br /> tháng. Nếu số liệu có sự phân tán mạnh cần Phương pháp này có thể sử dụng cho giám sát<br /> phải chuyển đổi số liệu sang dạng ln để loại bệnh truyền nhiễm. Tuy nhiên phương pháp<br /> trừ sự phân tán số liệu. Bước thứ hai: xác định này không phản ánh được bản chất luôn thay<br /> bậc cho tham số tự hồi quy (AR) không theo đổi của giám sát. Nghiên cứu đánh giá năng lực<br /> mùa và theo mùa (p và P) và tham số trung tiên đoán ngoài mẫu của cả hai phương pháp<br /> bình tịnh tiến (MA) không theo mùa và theo bằng cách tính căn bậc hai của sai số bình<br /> mùa (q và Q), và xác định có cần phải tính sai phương trung bình (RSME), là giá trị dùng để đo<br /> phân (hiệu số không theo mùa và theo mùa) lường hiệu số giữa giá trị tính được từ mô hình<br /> hay không (d và D). Các công cụ sau được sử và giá trị thực tế quan sát được. Nếu RSME thấp<br /> dụng để xác định tham số cho mô hình: 1) Đồ chứng tỏ phương pháp có năng lực tiên đoán<br /> thị số ca bệnh truyền nhiễm trong giai đoạn cao. Ngoài ra, sử dụng phép kiểm Wilcoxon<br /> <br /> <br /> Chuyên Đề Y Tế Công Cộng 203<br /> Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016<br /> <br /> signed-ranks để ước lượng hiệu số sai số giữa đến 930.496 ca mắc tiêu chảy, trong đó có 4<br /> hai phương pháp này. Phép kiểm này đánh giá người chết(7).<br /> nếu trung vị của phân phối hiệu số của hai sai số Xu hướng số ca tiêu chảy tại các<br /> (tức giá trị mô hình trừ giá trị quan sát) của hai quận/huyện thay đổi theo hai giai đoạn: từ<br /> phương pháp khác biệt có ý nghĩa thống kê khác năm 2000 đến năm 2008, và sau 2008. Có thể<br /> không ở mức ý nghĩa 0,05 hay không. thấy số ca tiêu chảy có xu hướng thấp trong<br /> KẾT QUẢ-BÀN LUẬN giai đoạn 2000-2008, tuy nhiên đến giai đoạn<br /> 2009 trở đi số ca tiêu chảy có xu hướng tăng<br /> Sự biến thiên và tiên đoán số ca mắc tiêu cao, đạt mức cao vào hai năm 2010-2011 và<br /> chảy tại 6 quận/huyện giảm dần cho đến năm 2014. Chỉ riêng quận 5<br /> Số liệu thống kê số ca mắc tiêu chảy theo số ca tiêu chảy lại có xu hướng giảm dần cả<br /> từng năm tại 6 quận/huyện cho thấy năm 2009 giai đoạn từ 2000 đến 2014.<br /> là năm có số ca mắc cao nhất với 2304 ca. Một Sử dụng phương pháp lập mô hình<br /> số năm khác có số ca mắc tiêu chảy cao là 2010 ARIMA cho số ca mắc tiêu chảy của 6<br /> (2050 ca), 2011 (1836 ca), 2012 (1769 ca). Số liệu quận/huyện, có 3 mô hình có thể dùng để tiên<br /> này cho thấy số ca mắc tiêu chảy tăng mạnh lượng số ca mắc tiêu chảy trong giai đoạn<br /> chỉ trong vòng 10 năm trở lại đây. Trong đó, 2000-2014 (p< 0,001): Mô hình 1: ARIMA<br /> quận 5 và Bình Thạnh là 2 khu vực nội thành (1,1,1), mô hình 2: AR(2,0,0) và mô hình 3:<br /> của Tp. Hồ Chí Minh nhưng lại có số mắc tiêu ARIMA (0,1,1). Khi tính chỉ số AIC và BIC cho<br /> chảy cao so với các khu vực khác của thành từng mô hình thì mô hình 3 ARIMA (0,1,1) là<br /> phố Hồ Chí Minh mô hình có AIC và BIC nhỏ nhất so với hai mô<br /> Số liệu này cũng phù hợp với số liệu được hình còn lại (lần lượt là 1737,32 và 1746,88). Do<br /> báo cáo trong nước. Báo cáo tình hình bệnh tiêu đó mô hình 3 là mô hình phù hợp nhất để tiên<br /> chảy tại Việt Nam giai đoạn 2002 – 2011 ghi nhận đoán số ca mắc tiêu chảy của 6 quận/huyện.<br /> có số ca mắc tiêu chảy là 9.408.345 và cao nhất Sử dụng mô hình ARIMA (0,1,1) để tiên<br /> vào 2 năm 2002, năm 2005 với số ca mắc tương đoán trong mẫu từ giai đoạn từ tháng 1/2000 đến<br /> ứng: 1.055.969 ca và 1.011.718 ca với tỷ suất mắc 12/2014 cho thấy đường tiên đoán gần trùng<br /> trung bình 1327,62 và 1220,98/100.000 dân. Năm khớp với đường giá trị quan sát, chứng tỏ mô<br /> 2009 và 2010 cũng là năm bùng phát dịch tiêu hình này phù hợp để tiên đoán số ca mắc tiêu<br /> chảy cấp trên toàn quốc(5). Theo báo cáo của Văn chảy trong tương lai. Đường tiên đoán số ca mắc<br /> phòng Tổ chức Y tế thế giới khu vực Tây Thái tiêu chảy trong giai đoạn từ tháng 1/2015 đến<br /> bình dương (WPRO), năm 2009 tại Việt Nam có tháng 1/2018 cho thấy số ca mắc tiêu chảy có xu<br /> hướng tăng nhẹ trong thời gian sắp tới.<br /> Bảng 1: Số ca tiêu chảy tại 6 quận/huyện qua các năm từ 2000-2014<br /> Năm 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Tổng<br /> Quận 4 104 123 96 106 82 106 187 101 178 407 336 280 300 266 153 2.825<br /> Quận 5 431 527 401 406 337 311 348 345 244 331 331 235 246 228 222 4.943<br /> Bình Thạnh 41 66 43 50 60 73 225 65 404 870 759 740 644 454 286 4.780<br /> Cần Giờ 18 12 18 18 13 13 42 19 62 153 108 104 99 88 76 843<br /> Củ Chi 9 22 28 60 66 74 69 112 145 233 210 191 200 244 197 1.860<br /> Nhà Bè 80 86 71 93 104 206 184 131 160 310 306 286 280 238 169 2.704<br /> 6 quận/ huyện 683 836 657 733 662 783 1055 773 1193 2304 2050 1836 1769 1518 1103 17.955<br /> <br /> <br /> <br /> <br /> 204 Chuyên Đề Y Tế Công Cộng<br /> Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 Nghiên cứu Y học<br /> <br /> <br /> <br /> <br /> Hình 1: Xu hướng số ca mắc tiêu chảy trong giai đoạn tháng 1/2000 đến tháng 12/2014<br /> Bảng 2: Các mô hình tiên đoán số ca mắc tiêu chảy tại 6 quận/huyện sử dụng phương pháp ARIMA<br /> Biến số β (KTC 95%) Giá trị p Giá trị p của mô hình AIC BIC<br /> AR1 0,02 (-0,15 – 0,18) 0,85<br /> Mô hình 1: ARIMA<br /> MA1 -0,63 (-0,75 - -0,50)