Trong bối cảnh nhiều quốc gia đã và đang tiến tới loại trừ sốt rét, bên cạnh việc tăng cường các hoạt động can thiệp nhằm đẩy nhanh loại trừ sốt rét, việc duy trì tính bền vững sau loại trừ sốt rét, ngăn chặn sốt rét quay trở lại tại các quốc gia cũng đang được quan tâm.
Với khía cạnh về dịch tễ học, các mô hình dự báo nguy cơ sốt rét quay trở lại cũng đã được áp dụng và đánh giá ở nhiều quốc gia, nhằm cung cấp các dự đoán và tiên lượng để có thể xây dựng các chiến lược, kế hoạch can thiệp kịp thời, nhằm ngăn chặn sốt rét quay trở lại.
Hiện nay trên thế giới có hơn 200 quốc gia/vùng lãnh thổ, nhưng tính đến năm 2022 sốt rét vẫn còn lưu hành tại 84 quốc gia/vùng lãnh thổ, việc công nhận loại trừ sốt rét đã được thực hiện tại 43 quốc gia/vùng lãnh thổ (cập nhật đến tháng 7/2023), như vậy tính cả những khu vực sốt rét tự biến mất và đã loại trừ thì có 104 quốc gia/vùng lãnh thổ trên toàn thế giới hiện không còn sốt rét. Trong đó nhiều nhất là ở khu vực Châu Âu với 51 quốc gia/vùng lãnh thổ, tiếp đến là khu vực Châu Mỹ với 19 quốc gia/vùng lãnh thổ, thấp nhất là khu vực Đông Nam Á với 2 quốc gia/vùng lãnh thổ.
Hình 1. Lưu hành sốt rét trên thế giới, 1900‐2040
Nguồn: www.ucsf.edu/news/2018/04/410191/ucsf‐convenes‐groundbreaking‐commission‐inform‐path‐towards‐malaria‐eradication
Những khu vực này là nơi cần phải duy trì và tăng cường các biện pháp nhằm ngăn chặn sốt rét quay trở lại. Để quản lý nguy cơ sốt rét quay trở lại một cách hiệu quả, các quốc gia nên tập trung duy trì một hệ thống y tế với các dịch vụ y tế cơ bản, cũng như cung cấp các hoạt động hiệu quả cao nhằm đảm bảo phát hiện sớm, báo cáo bắt buộc khi phát hiện trường hợp bệnh mới và điều trị kịp thời tất cả các trường hợp sốt rét; xác định nguyên nhân sốt rét lan truyền trở lại; hành động ngay lập tức trong trường hợp phát hiện lan truyền sốt rét trở lại tại địa phương; và đo lường nguy cơ tái phát bệnh sốt rét bằng cách theo dõi khả năngcảm thụ và khả năng lây truyền ở các địa phương.
Hình 2. Số lượng quốc gia/vùng lãnh thổ không còn sốt rét trên thế giới
Nguồn:WHOdatabase, cậpnhậttháng 7/2023.
Giám sát là biện pháp can thiệp cốt lõi và hiệu quả để hỗ trợ cho mục tiêu loại trừsốt rét. Việc xuất hiện ký sinh trùng ngoại laitại khu vực có véc tơ sẽ làm cho quần thể ở đây dễ gặp rủi ro lan truyền sốt rét trở lại. Vì vậy, tỷ lệ nhập cư của những người nhiễm bệnh và sự phổ biến của véc tơ truyền bệnh thường là trọng tâm của việc giám sát. Hơn nữa, các điều kiện khí tượng, bao gồm nhiệt độ, lượng mưa và độ ẩm ở địa phương, thường được xem xét để dự đoán nguy cơ sốt rét quay trở lại, vì những điều này ảnh hưởng mạnh mẽ đến vòng đời và sự sống sót của ký sinh trùng và véc tơ. Tuy nhiên, nguy cơ sốt rét quay trở lại ở những vùng đã loại trừ còn phụ thuộc vào một số yếu tố; ví dụ, việc giảm kinh phí cho các chương trình phòng chống sốt rét sau khi loại trừ thành công, nhận thức chưa đầy đủ về khả năng tái xuất hiện ký sinh trùng ở các vùng không có bệnh sốt rét và các thông số kinh tế xã hội.Về khía cạnh dịch tễ học, việc ứng dụng các mô hình toán học trong phân tích tiên lượng và dự báo nguy cơ tái phát bệnh sốt rét đóng một vai trò rất quan trọng. Hiện nay các quốc gia cũng đã phát triển nhiều mô hình tiên lượng nhằm phục vụ cho mục đích này, đặc biệt tại khu vực Châu Âu, nơi mà sốt rét đã được loại trừ sớm nhất.
Winfried Schröder và Schmidtđã thiết lập một mô hình dự đoán bệnh sốt rét dựa trên khả năng truyền bệnh và các biến số khí tượng cho vùng Tây Bắc nước Đức, nơi bệnh sốt rét đã được loại trừ vào đầu những năm 1950. Linard và cộng sựđánh giá nguy cơ sốt rét quay trở lại ở miền nam nước Pháp. Sainz‐Elip và cộng sựđã đánh giá rủi ro lây truyền ở Tây Ban Nha bằng cách sử dụng chỉ số rủi ro mô hình gradient. Romi và cộng sựđã đánh giá nguy cơ tái xuất hiện bệnh sốt rét ở miền trung nước Ý thông qua cách tiếp cận đa yếu tố. Ranjbar và cộng sựdự đoán nguy cơ tái xuất hiện bệnh sốt rét ở hai tỉnh ở Iran. Trung Quốc‐Quốc gia đã được chứng nhận loại trừ sốt rét vào năm 2021 sau nhiều thập kỷ nỗ lực kiểm soát và loại trừ bệnh sốt rét tích cực, và do đó, các ca sốt rét ngoại lai và khả năng tiếp nhận của một số khu vực đã đặt ra thách thức để duy trì thành quả loại trừ sốt rét. Trong những năm gần đây, tỷ lệ ca sốt rét ngoại lai ở Trung Quốc đang gia tăng, đặc biệt là những trường hợp bệnh ngoại lai từ khu vực cận sa mạc Sahara châu Phi(SSA),từ 83% năm 2017 lên 91% vào năm 2019. Với việc đạt được mục tiêu loại trừsốt rét ở Trung Quốc vào năm 2021, việc ngăn ngừa đề phòng sốt rét quay trở lại đã thu hút được sự quan tâm nghiên cứu lớn từ các học giả và nhân viên y tế công cộng của nước này. Khác với các mô hình dự đoán được thiết lập ở các nước châu Âu chủ yếu bằng phương pháp thống kê và toán học, các học giả Trung Quốc đã sử dụng rộng rãi tư vấn của chuyên gia Delphi, qua đó có thể thu thập và tổng hợp các ý kiến chuyên gia trong lĩnh vực này.
Hay mô hình dự báo của Mansour Ranjbar và cộng sự tại hai tỉnh Sistan và Baluchistan, Iran đã xác định được 20 nhóm biến số tiên lượng có thể giải thích cho tình trạng nguy cơ sốt rét quay trở lại và một mô hình dự đoán đã được xây dưng. Những người nhập cư trái phép từ các quốc gia lân cận có dịch bệnh sốt rét lưu hành được xác định là yếu tố then chốt (điểm AHP: 0,181). Hơn nữa, chất lượng di chuyển của dân số (0,114), sau mùa lan truyền bệnh sốt rét (0,088), nhiệt độ tối thiểu trung bình hàng ngày trong 8 tuần trước đó (0,062), nơi trú ẩn ngoài trời cho véc tơ (0,045) và lượng mưa (0,042) đã được xác định. Giá trị tiên đoán dương và âm của mô hình lần lượt là 81,8 và 100%. Nghiên cứu này đã giới thiệu một mô hình mới, đơn giản nhưng đáng tin cậy để dự báo sự tái xuất hiện và bùng phát bệnh sốt rét trước 8 tuần ở các địa phương đang ở giai đoạn tiền loại trừ và loại trừ sốt rét. Mô hình này kết hợp các yếu tố xác định toàn diện có thể dễ dàng đo lường tại thực địa, từ đó tạo điều kiện thuận lợi cho các biện pháp phòng ngừa. Nhìn chung, các mô hình dự đoán như vậy rất quan trọng để tạo điều kiện thuận lợi cho việc ưu tiên phân bổ nguồn lực của hệ thống y tế và thực hiện hành động cần thiết kịp thời để ngăn chặn sự bùng phát trở lại của bệnh sốt rét.
Còn nữa Phần 2à Một số mô hình dự báo nguy cơ sốt rét quay trở lại
Tài liệu tham khảo
1.M. Baldari (1998), “Malaria in Maremma”, Italy Lancet. 351.
2.A. L. Buczak (2015), “Fuzzy association rule mining and classification for the prediction of malaria in South Korea”, BMC Med Inform Decis Mak. 15.
3.J. Cao (2021), “Achieving malaria elimination in China”, Lancet Public Health. 6.
4.Z. Chen (2014), “Elimination of malaria due to Plasmodium vivax in central part of the People’s Republic of China: analysis and prediction based on modelling”, Geospat Health. 9.
5.T. W. Chuang (2017), “Assessment of climate‐driven variations in malaria incidence in Swaziland: toward malaria elimination”, Malar J. 16.
6.J. M. Cohen (2012), “Malaria resurgence: a systematic review and assessment of its causes”, Malar J. 11.
7.M. H. Craig (2004), “Exploring 30 years of malaria case data in KwaZulu‐Natal, South Africa: part I the impact of climatic factors”, Trop Med Int Health. 9.
8.J. Cuadros (2002), “Plasmodium ovale malaria acquired in central Spain”, Emerg Infect Dis. 8.
9.K. Danis (2011), “Autochthonous Plasmodium vivax malaria in Greece, 2011”, Euro Surveill.
10.A. P. Dash (2008), “Malaria in India: challenges and opportunities”, J Biosci. 33.
11.F. Delon (2017), “Assessment of the French national health insurance information system as a tool for epidemiological surveillance of malaria”, J Am Med Inform Assoc. 24.
12.B. Doudier (2007), “Possible autochthonous malaria from Marseille to Minneapolis”, Emerg Infect Dis. 13.
13.R. G. A. Feacham (2009), Shrinking the malaria map A Guide on Malaria Elimination for Policy Makers, University of California, San Francisco, USA.
14.From 30 million cases to zero: China is certified malaria‐free by WHO (2021), World Health Organization, Geneva.
15.H. W. Gao (2012), “Change in rainfall drives malaria re‐emergence in Anhui Province”, China PLoS one. 7.
16.Guidelines on prevention of the reintroduction of malaria (2007), World Health Organization, Geneva.
17.X. Hu (2021), “Epidemiology of global malaria and imported malaria in China”, Dis Surveill. 36.
18.E. Kamana, J. Zhao D. Bai (2022), “Predicting the impact of climate change on the re‐emergence of malaria cases in China using LSTMSeq2Seq deep learning model: a modelling and prediction analysis study”, BMJ Open. 12.
19.H. Kampen (2003), “Individual cases of autochthonous malaria in Evros Province, northern Greece: entomological aspects”, Parasitol Res. 89.
20.Z. Y. Lan, Y. Li Y. T. Huang (2022), “Construction of a risk assessment indicator system for re‐establishment of imported malaria”, Chin J Schisto Control. 34.
21.L. Lei (2017), “Risk assessment of secondary transmission by imported malaria in Jiangxi province”, Chin Center Dis Cont Prev. 29.
22.G. Q. Li (2022), “Imported malaria in Changsha municipality ‐prevalence characteristics and re‐transmission risk, 2010‐2019”, Chin J Public Health. 38.
23.G. Q. Li (2021), “Risk prediction of imported malaria re‐transmission in Changsha based on SEI‐SEI model”, Modern Preventive Medicine. 48.
24.Q. Li (2021), Risk analysis of preventing re‐transmission after malaria elimination in Fujian Province, Fujian Medical University, Fuzhou.
25.T. Li, Z. Yang M. Wang (2013), “Temperature, relative humidity and sunshine may be the effective predictors for occurrence of malaria in Guangzhou, southern China, 2006‐2012”, Parasit Vectors. 6.
26.C. Linard (2009), “A multi‐agent simulation to assess the risk of malaria re‐emergence in southern France”, Ecol Modell. 220.
27.S. W. Lindsay (2010), “Assessing the future threat from vivax malaria in the United Kingdom using two markedly different modelling approaches”, Malar J. 9.
28.Q. Liu, M. Liu J. Liu (2023), “Construction of an indicator system for risk assessment on imported malaria during post‐elimination period in China Malaria”, J. 44.
29.E. Loha B. Lindtjørn (2010), “Model variations in predicting incidence of Plasmodium falciparum malaria using 1998‐2007 morbidity and meteorological data from south Ethiopia”, Malar J. 9.
30.P. A. Modesti (2016), “Panethnic differences in blood pressure in Europe: a systematic review and meta‐analysis”, PLoS onE. 11.
31.D. Moher (2009), “Preferred reporting items for systematic reviews and meta‐analyses: the PRISMA statement”, BMJ. 339.
32.More malaria cases and deaths in 2020 linked to COVID‐19 disruptions (2021), World Health Organization, Geneva.
33.S. M. I. Nasir (2020), “Prevention of re‐establishment of malaria: historical perspective and future prospects”, Malar J. 19.
34.J. A. Patz (1996), “Global climate change and emerging infectious diseases”, JAMA. 275.
35.P. Pergantas (2017), “A spatial predictive model for malaria resurgence in central Greece integrating entomological, environmental and social data”, PLoS onE. 12.
36.E. T. Piperaki G. L. Daikos (2016), “Malaria in Europe: emerging threat or minor nuisance?”, Clin Microbiol Infect. 22.
37.M. Ranjbar (2016), “Predicting factors for malaria re‐introduction: an applied model in an elimination setting to prevent malaria outbreaks”, Malar J. 15.
38.M. C. Rillig (2021), “Scientists need to better communicate the links between pandemics and global environmental change”, Nat Ecol Evol. 5.
39.R. Romi (2012), “Assessment of the risk of malaria re‐introduction in the Maremma plain (Central Italy) using a multi‐factorial approach”, Malar J. 11.
40.S. Sainz‐Elipe (2010), “Malaria resurgence risk in southern Europe: climate assessment in an historically endemic area of rice fields at the Mediterranean shore of Spain”, Malar J. 9.
41.W. Schröder G. Schmidt (2008), “Mapping the potential temperature‐dependent tertian malaria transmission within the ecoregions of Lower Saxony (Germany)”, Int J Med Microbiol. 298.
42.J. L. Smith (2019), “Designing malaria surveillance strategies for mobile and migrant populations in Nepal: a mixed‐methods study”, Malar J. 18.
43.B. Sudre (2013), “Mapping environmental suitability for malaria transmission”, Greece Emerg Infect Dis. 19.
44.A. Tatarsky (2011), “Preventing the reintroduction of malaria in Mauritius: a programmatic and financial assessment”, PLoS onE. 6.
45.A. J. Tatem (2014), “Mapping population and pathogen movements”, Int Health. 6.
46.A. J. Tatem D. L. Smith (2010), “International population movements and regional Plasmodium falciparum malaria elimination strategies”, Proc Natl Acad Sci USA. 107.
47.A. M. Thway (2018), “Bayesian spatiotemporal analysis of malaria infection along an international border: Hlaingbwe Township in Myanmar and Tha‐Song‐Yang District in Thailand”, Malar J. 17.
48.R. F. Wolff (2019), “PROBAST: a tool to assess the risk of bias and applicability of prediction model studies”, Ann Intern Med. 170.
49.World malaria report 2022 (2022), World Health Organization, Geneva.
50.X. Zhao (2014), “The temporal lagged association between meteorological factors and malaria in 30 counties in south‐west China: a multilevel distributed lag non‐linear analysis”, Malar J. 13.
51.S. S. Zhou (2010), “Geographical, meteorological and vectorial factors related to malaria re‐emergence in Huang‐Huai River of central China”, Malar J. 9.
52.K. Zinszer (2012), “A scoping review of malaria forecasting: past work and future directions”, BMJ Open. 2.
