Một số mô hình dự báo nguy cơ sốt rét quay trở lại
| Số TT | Tác giả (Năm) | Quốc gia | Phương pháp sử dụng trong mô hình tiên lượng | Các biến tiên lượng chính trong mô hình | ||||
| Yếu tố môi trường và khí tượng | Véc tơ | Di biến động dân cư | Các yếu tố liên quan đến giám sát và ứng phó | Khác | ||||
| 1 | Schöder và Schmidt (2008) | Đức | Phương pháp Toán học: Hệ số lây truyền cơ bản (R0) | Nhiệt độ | 1. Mật độ muỗi; 2.Số lần cắn của mỗi người trong ngày; 3. Độ dài của chu kỳ sinh dưỡng; 4. Tỷ lệ muỗi cái phát triển ký sinh trùng sau khi hút máu bị nhiễm bệnh; 5. Xác suất sống sót hàng ngày của một con muỗi cái trưởng thành; 6. Thời kỳ phát triển ký sinh trùng ở muỗi cái trưởng thành tính theo ngày | ‐ | ‐ | Khả năng miễn dịch của người dân địa phương |
| 2 | Lindsay và cộng sự (2010) | Anh | Phương pháp thống kê: Hồi quy logistic | 1. Nhiệt độ (nhiệt độ trung bình tháng nóng nhất; nhiệt độ trung bình tháng lạnh nhất); 2.Chỉ số độ ẩm (chỉ số độ ẩm là thước đo khả năng bốc hơi trong liên quan đến lượng mưa) | ‐ | Số lượng ca bệnh ngoại lai | ‐ | Mật độ dân số |
| 3 | Romivà cộng sự (2012) | Ý | Phương pháp toán học:khả năng lây truyền, độ nhạy của véc tơ, tính cảm thụ | 1. Lượng mưa; 2. Khả năng thoát hơi nước | 1.Loài, nguồn thức ăn (máu) và cơ cấu tuổi của quần thể muỗi; 2.Sự phong phú của bọ gậy/muỗi trưởng thành; 3. Độ dài của mùa truyền bệnh có thể xảy ra đối với P. vivax và P. falciparum; 4. Khả năng truyền bệnh và ái tính của muỗi An. labranchiae; 5. Khả năng truyền bệnh của véc tơAn. labranchiae ở vị trí nơiloài phong phú nhất; 6. Khả năng véc tơ có thể hút giao bào từ máu người. | ‐ | ‐ | ‐ |
| 4 | Sudre và cộng sự (2013) | Hy Lạp | Phương pháp thống kê: Mô hình Bootstrap | 1. Nhiệt độ; 2.Thực vật thay đổi theo mùa; 3. Độ cao; 4. Các mức độ che phủ đất | ‐ | ‐ | ‐ | Mật độ dân số |
| 5 | Kamana và cộng sự (2022) | Trung Quốc | Phương pháp học máy: Mạng thần kinh LSTM | 1. Nhiệt độ (nhiệt độ trung bình tối đa và tối thiểu); 2. Lượng mưa; 3. Độ ẩm tương đối | ‐ | ‐ | ‐ | ‐ |
| 6 | Lanvà cộng sự (2022) | Trung Quốc | Phương pháp Delphi | 1.Nhiệt độ; 2. Lượng mưa; 3. Độ cao | 1. Loại véc tơ; 2. Mật độ của véc tơ; 3. Tốc độ đốt máu 4. Tính nhạy cảm của vectơ vớiPplasmodium; 5. Độ nhạy cảm của véc tơ với hoá chất. | 1. Số trường hợp ngoại lai. 2. Số trường hợp đồng hành cùng trường hợp ngoại lại | 1.Nhận thức về kiến thức phòng chống sốt rét; 2. Cơ chế phòng, chống chung đa ngành; 3. Triển khai chiến lược giám sát và ứng phósốt rét “1‐3‐7” 4.Giám sát véc tơ 5. Khả năng chẩn đoán 6. Tỷ lệ chẩn đoán ban đầu bệnh sốt rét của các cơ sở y tế; 7. Tỷ lệ bệnh nhân sốt được xét nghiệm máu. | 1. Thời điểm có ca sốt rét ngoại lai vào Trung Quốc; 2. Tỷ lệ mắc bệnh sốt rét tại các nước khác. |
| 7 | Liuvà cộng sự (2022) | Trung Quốc | Phương pháp Delphi | 1. Nhiệt độ; 2. Lượng mưa; 3. Độ cao 4. Độ ẩm tương đối 5. Mùa 6. Môi trường sinh sản của Anopheles 7. Chăn nuôi | 1.Loài Anopheles tại địa phương 2.Mật độ Anopheles 3. Độ nhạy cảm của véc tơ với hoá chất 4. Khả năng truyền bệnh của véc tơ 5. Tính nhạy cảm của vectơ với Plasmodium | 1.Số lượng người di cư 2.Nhận thức về kiến thức phòng chống sốt rét của người di cư 3.Muỗi đốt của trường hợp ngoại lai ở nước ngoài 4. Nghề nghiệp ở nước ngoài 5. Thời gian cư trú ở nước ngoài 6. Cư trú ở nước ngoài (ví dụ: thành thị/nông thôn) 7. Số ca ngoại lai | 1.Năng lực chẩn đoán, phát hiện của hải quan 2. Ý thức chăm sóc sức khỏe của người nhập khẩu 3. Năng lực chẩn đoán và điều trị của nhân viên y tế 4. Số lượng nhân viên phòng chống sốt rét 5. Dự trữ thuốc chống sốt rét 6. Triển khai chiến lược giám sát và ứng phó với sốt rét ‘ 1‐3‐7 7.Giám sát véc tơ 8. Cơ chế phối hợp liên ngành trong phòng ngừa, kiểm soát bệnh | 1.Năng lực giám sát bệnh sốt rét ở các quốc gia nơi bệnh sốt rét xâm nhập 2. Khả năng tiếp cận thuốc sốt rét ở nước ngoài 3. Sự quan tâm và hỗ trợ tài chính của Chính phủ 4. Vị trí địa lý và tình hình sốt rét ở các quốc gia nơi bệnh sốt rét xâm nhập (ví dụ: quốc gia đó có cùng biên giới hay không) 5. Số năm sau khi loại trừ bệnh sốt rét 6. Loài Plasmodium ở nước ngoài |
Nhìn chung, các mô hình đã được xây dựng để dự báo sốt rét quay trở lại rất phong phú, sử dụng bằng nhiều phương pháp và các yếu tố đa dạng, khác nhau, tuỳ thuộc vào tình hình sốt rét, đặc điểm môi trường, kinh tế‐xã hội của các quốc gia. Các yếu tố véc tơ thường được ưu tiên để làm chỉ số để dự đoán nguy cơ sốt rét ở những vùng bị loại trừ. Các loài muỗi, mật độ tương đối, chu kỳ sinh sản, hành vi kiếm ăn và hoạt động đốt người (ví dụ: số vết đốt trên mỗi người mỗi ngày) thường xuyên được xem xét trong quá trình đánh giá khả năng truyền bệnh. Điều này càng chứng tỏ rằng, việc theo dõi quần thể muỗi là quan trọng trong các chương trình giám sát bệnh sốt rét ở những nơi đã được loại trừ. Một số mô hình cũng xem xét một số biến số khác, có thể đóng vai trò quan trọng trong các quá trình lây lan bệnh phức tạp, bao gồm lượng mưa, độ ẩm, sự sẵn có của các địa điểm sinh sản của muỗi, việc sử dụng đất và độ che phủ đất và các yếu tố sinh thái khác quyết định quá trình phát triển của muỗi truyền bệnh. Ví dụ, những thay đổi trong việc sử dụng đất và thay đổi lớp phủ đất đã được chứng minh là có khả năng tác động trực tiếp đến nguy cơ tái xuất hiện bệnh bằng cách ảnh hưởng đến nơi sinh sản của muỗi (ví dụ: bề mặt vùng đất ngập nước đầm lầy) và tỷ lệ tiếp xúc giữa con người và muỗi.
Việc tái xuất hiện bệnh sốt rét cũng bị ảnh hưởng bởi các yếu tố phi khí hậu khác, bao gồm sự di cư và sự di chuyển của con người. Các tác giả trước đây đã nhấn mạnh rằng bệnh sốt rét ngoại lai là một yếu tố đặc biệt quan trọng và cần được xem xét trong hệ thống đánh giá rủi ro ở các quốc gia đã loại trừ bệnh sốt rét nhưng có khả nănglan truyềnsốt rét trở lại tại địa phương. Tuy nhiên, việc sử dụng một chỉ số như vậy để dự đoán nguy cơ sốt rét đặt ra những thách thức. Một mặt, nhóm dân di biến động và dân di cư có thể không được thể hiện đầy đủ trong dữ liệu ca bệnh thông thường và vắng mặt trong các chuyến thăm hộ gia đình do phải di chuyển thường xuyên, tức là các phương pháp giám sát dựa trên cơ sở cũng có thể không nắm bắt được các nhóm dân di biến động, gặp phải các rào cản trong việc tiếp cận các cơ sở y tế công, thích các cơ sở y tế tư nhân hơn hoặc những người không tìm kiếm sự chăm sóc nào. Hơn nữa, việc định lượng sự di chuyển dân số không phải là mới nhưng là một nhiệm vụ khó khăn trong nhiều bối cảnh. Bên cạnh định lượng sự di chuyển của dân số, việc xác định các đặc điểm dễ bị tổn thương của nhóm dândi cư có nguy cơ cao nhiễm bệnh sốt rét ngoại lai, có thể cung cấp cơ sở quan trọng để thiết kế các biện pháp can thiệp có mục tiêu nhằm ngăn ngừa sốt rét ngoại lai.
Các nghiên cứu khác cũng đã đưa ra các nhóm yếu tố về hệ thống giám sát và đáp ứng với bệnh sốt rét trong bối cảnh sau khi loại trừ sốt rét vào mô hình dự báo nguy cơ sốt rét quay trở lại tại một số quốc gia.Năng lực giám sát và đáp ứng với sốt rét là chìa khóa để đánh giá và chuẩn bị cho khả năng tái xuất hiện ở những nơi đã loại trừ sốt rét. Ở châu Âu, mặc dù có số lượng đáng kể các ca sốt rét ngoại lai và sự hiện diệncủa các véc tơ Anopheline thích hợp, sự lây truyền trở lại của sốt rét vẫn chưa được ghi nhận, có thể do chẩn đoán và điều trị sớm được cung cấp bởi các hệ thống chăm sóc sức khỏe hiệu quả. Ngược lại, những nỗ lực của Ấn Độ nhằm loại trừsốt rét phần lớn bị thách thức bởi sự thiếu hụt nghiêm trọng lực lượng lao động y tế và hệ thống giám sát y tế công cộng yếu kém. Sri Lanka đã từng ở trong giai đoạn tiền loại trừsốt rét, nhưng do việc ngừng phun hoá chất Dichlorodiphenyltrichloroethane (DDT)nên một trận dịch sốt rét thảm khốc đã xảy ra.
Một số ít mô hình dự báo này cũng đã báo cáo hiệu quả thực tế trong dự đoán nguy cơ sốt rét quay trở lại như thế nào. Chẳng hạn như mô hình của Sudre và cộng sự (2013) tại Hy Lạp cũng đưa ra chỉ số về độ nhạy và độ đặc hiệu của mô hình dự báo đều là 98%. Độ chính xác của mô hình và vấn đề thực hành y tế công cộng có thể được cải thiện thông qua việc cảnh giác bệnh sốt rét và giám sát véc tơ với thông báo ca bệnh kịp thời ngay khi phát hiện trường hợp. Tuy nhiên, bất chấp những hạn chế tiềm ẩn này, nghiên cứu này cũng cho rằng phân tích không gian này là một công cụ hữu ích; nó có thể giúp định hướng các hoạt động ứng phó, chuẩn bị và ứng phó tổng hợp, bao gồm giám sát dịch tễ học và côn trùng có mục tiêu, các hoạt động kiểm soát véc tơ và nâng cao nhận thức của người dân nói chung và nhân viên y tế, trong các khu vực có môi trường phù hợp để lây truyền.
Hình 3. Dự đoán các khu vực phù hợp có thể lan truyền sốt rét trở lại tại Hy Lạp
Nguồn: Sudre B, Rossi M, Van Bortel W, Danis K, Baka A, Vakalis N, Semenza JC.
Mapping environmental suitability for malaria transmission, Greece. Emerg Infect Dis.
2013 May;19(5):784‐6. doi: 10.3201/eid1905.120811. PMID: 23697370; PMCID: PMC3647495.
Mục đích chính của các mô hình dự đoán nguy cơ tái xuất hiện bệnh sốt rét là tăng cường sự chuẩn bị cho nguy cơ sốt rét và hỗ trợ việc ra quyết định về y tế công cộng.Tuy nhiên các mô hình dự đoán đều cho thấy nguy cơ sai lệch cao do sự kết hợp của các báo cáo kém chất lượng, phương pháp thực hiện kém và thiếu thông tin xác nhận.Vì các mô hình rất hạn chế đã được xác nhận bên ngoài nên điều quan trọng là phải đánh giá hiệu suất của các mô hình dự đoán rủi ro bằng cách so sánh trực tiếp ở cấp độ toàn cầu. Địa lý, kinh tế‐xã hội và dịch tễ học sốt rét của bối cảnh nghiên cứu phải được mô tả cẩn thận để có thể đánh giá hiệu quả của mô hình đã phát triển hoặc xác thực trong bối cảnh nhất định và người dùng biết mô hình áp dụng vào bối cảnh nào khi đưa ra dự đoán.Mặc dù còn thiếu bằng chứng được công bố về việc sử dụng thường xuyên các mô hình trong các chương trình sốt rét thực tế, nhưng các phát hiện này đã cung cấp một cái nhìn tổng quan toàn cầu về các mô hình dự đoán hiện có và các yếu tố dự đoán thường được sử dụng cho nguy cơ sốt rét ở các khu vực đã loại trừ, nhằm cung cấp các bằng chứng cho định hướng các khu vực cần can thiệp để có thể kịp thời đề phòng 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.
