2.2. Nguy cơ dịch bệnh và hội nhập chính sách y tế ở cấp ...€¦173 2.2. Nguy cơ dịch bệnh và hội nhập chính sách y tế ở cấp độ khu vực: mô

173

2.2. Nguy cơ dịch bệnh và hội nhập chính sách y tế ở

cấp độ khu vực: mô hình hóa để ra quyết định phù hợp

Marc Choisy – IRD, Alexis Drogoul – IRD, Benoît Gaudou – Đại học Toulouse, Nicolas Marilleau – IRD,

Damien Philippon – Đại học la Rochelle, Trương Chí Quang – Đại học Cần Thơ, Võ Đức Ân – Đại học Đà Nẵng

(Gỡ băng)

Ngày 1, thứ hai ngày 20 tháng 7

2.2.1. Giới thiệu chung về lớp học chuyên đề

Giới thiệu học viên và giảng viên (xem lý lịch trích ngang của giảng viên, danh sách học viên ở phần cuối của chương).

[Alexis Drogoul]

Chúng ta sẽ cùng nhau nghiên cứu dịch sốt xuất huyết tại khu vực Đông Nam á để tìm hiểu hậu quả và tác động của hội nhập khu vực đối với biến động dịch tễ học của loại bệnh này. Trước tiên, chúng ta cần biết đó là một loại bệnh do véc-tơ lây truyền chủ yếu là hai loài muỗi. Đông Nam á phải gánh chịu 80% chi phí toàn cầu liên quan đến loại bệnh này. marc Choisy sẽ giới thiệu chi tiết với các bạn những đặc điểm của bệnh sốt xuất huyết. (xem sơ đồ 9)

Hiện chưa có thuốc điều trị sốt xuất huyết, vắc-xin phòng bệnh đang trong quá trình thử nghiệm. Cách duy nhất chống bệnh là kiểm soát véc-tơ lây truyền, đó là muỗi (ấu trùng và trứng).

174

Những thách thức phát triển chung trong khối ASEAN

Có ít nhất hai nhân tố giúp lý giải sự xuất hiện và bùng phát dịch sốt xuất huyết hàng năm: nhiệt độ và lượng mưa. (xem sơ đồ 10)

Sơ đồ 9. Tổng quan chung

Ước tính gánh nặng kinh tế hàng năm liên quan đến bệnh sốt xuất huyết tại Đông Nam ÁTính theo USD (2010)

Truyền qua vết cắn của muỗi cái Aedes Aegypti

Nhiễm 1 chủng đặc biệt sẽ có miễn dịch cả đời

Nhiễm lần thứ 2 từ một chủng vi-rút khác có thể dẫn đến nhiễm bệnh sốt xuất huyết với tỷ lệ tử vong là 2,5%

2013 Dịch sốt xuất huyết ở các nước ĐNÁ từ muỗi mang vi-rút, Aedes Aegypti

từ những năm 1950, sốt xuất huyết đã trở thành mối bận tâm chủ yếu tại Đông Nam Á (tăng gấp 30 lần trong vòng 50 năm). hiện nay khu vực này hứng chịu 80% gánh nặng chi phí cho dịch bệnh này của thế giới

Vi-rútBốn chủng vi-rút khác nhau nhưng có liên quan gây ra sốt xuất huyết

Nguồn: tác giả ; Shepard et al. (2013).

175

Nguy cơ dịch bệnh và hội nhập chính sách y tế ở cấp độ khu vực

Schéma 10. Nhân tố môi trường và khí hậu

Môi trường Nhiệt độ Lượng mưa

Phát triển Sống sót Sinh sản

Nhân rộng Lây truyền

Môi trường sống

Nguồn: tác giả.

Chúng ta sẽ quan tâm nhiều hơn tới tác động của hoạt động con người đến dịch bệnh này (xem sơ đồ 11).

Chúng ta biết rằng người mang vi-rút sẽ truyền vi-rút sang muỗi khi bị muỗi cắn. Hoạt động liên quan đến con người tạo ra hệ sinh thái lý tưởng cho muỗi, nhất là trong quá trình đô thị hóa và phát triển mạnh một số hoạt động công nghiệp. Con người di chuyển trên các khoảng cách địa lý lớn hơn, những điều này tạo điều kiện thuận lợi cho việc di chuyển của véc-tơ gây bệnh (xem biểu đồ 19).

176


Sơ đồ 11. Nhân tố do con người

Muỗi Aedes Aegypti hoang dã

Người này sẽ bị SXH sau 4-13

ngày

Muỗi nhiễm vi-rút SXH đốt tiếp người khác

Muỗi khác hút máu nhiễm vi-rút. Mất 8-10

ngày để vi-rút SXH sinh sôi

Đốt người gây nhiễm vi-rút


Biểu đồ 19. Hội nhập kinh tế và dịch sốt xuất huyết


177


Dường như có mối quan hệ tương liên giữa số các ca mắc sốt xuất huyết, thương mại liên á và số khách du lịch châu á đến châu á. Dù mối quan hệ này không thuộc dạng thức nguyên nhân-hậu quả, cũng rất lý thú khi chúng ta xem xét các tác động qua lại giữa các hiện tượng này. Trên thực tế, mặc dù dịch sốt xuất huyết là mối đe dọa lớn đối với khu vực châu á, các nước aSeaN vẫn chưa thực sự thành công trong phối hợp chính sách kiểm soát dịch.

Chúng ta sẽ tìm hiểu ba vấn đề chính, dựa vào mô hình tin học và toán:

- Trao đổi thương mại giữa các quốc gia aSeaN gia tăng có tác động như thế nào đến dịch sốt xuất huyết?

- phối hợp hành động giữa các quốc gia có giúp giảm số người mắc sốt xuất huyết?

- Cần hình thức phối hợp như thế nào – về tài chính, lịch trình phòng chống dịch bệnh và chính sách kiểm soát bệnh?

Những mô hình mà chúng ta xây dựng sẽ giúp chúng ta:

- Hiểu rõ hơn sự phối hợp giữa việc chuyển động của người và véc-tơ gây bệnh;

- Đoán trước được thay đổi có thể xảy ra của các chuyển động này tùy vào sự thay đổi của hoàn cảnh kinh tế và môi trường;

- Biểu diễn và phân tích tác động các chính sách kiểm soát dịch bệnh được chính phủ các nước áp dụng;

- Sử dụng các công cụ mô phỏng và thực nghiệm về công tác phối hợp chính sách kiểm soát bệnh.

Chúng ta đã quyết định thu hẹp quy mô địa lý và các mô hình chỉ tập trung vào một trường hợp trao đổi giữa các nước khu vực Đông Nam á: đó là hành lang Đông-Tây giữa Đà Nẵng và moulmein (myanmar).

Các cách tiếp cận phương pháp luận và khái niệm sử dụng trong xây dựng mô hình sẽ được giới thiệu trong cả tuần học thông qua các buổi giới thiệu lý thuyết và thực hành. Hai ngày cuối của lớp chuyên đề sẽ dành để học viên làm việc theo nhóm. (xem sơ đồ 12)

178


Sơ đồ 12. Chương trình của lớp chuyên đề


2.2.2. Mô hình dịch tễ học

[Marc Choisy]

Bài giảng của tôi giới thiệu ba nội dung chính như sau: dịch sốt xuất huyết, xây dựng mô hình và mô hình trong dịch tễ học.

Sốt xuất huyết

Sốt xuất huyết là căn bệnh nhiệt đới vốn bị xem nhẹ. Những trường hơp bị lây và nhiễm bệnh đầu tiên xuất hiện trong những năm 1950 tại Đông Nam á, sau đó căn bệnh này lây lan ra toàn khu vực nhiệt đới.

Tại Đông Nam á, sốt xuất huyết là vấn đề lớn trong y tế công cộng – ước tính có khoảng nửa tỉ ca nhiễm bệnh mỗi năm. Nếu so sánh với phần còn lại của khu vực nhiệt đới, châu phi bị ảnh hưởng tương đối ít, nhưng cũng cần phải đặt ra vấn đề cảnh báo và thống kê bởi lẽ các triệu chứng của sốt xuất huyết thường bị nhầm lẫn với sốt rét.

179


Sơ đồ 13. Dịch bệnh mới nổi

Nguồn: OMS : http://www.who.int/csr/disease/dengue/impact/en/

Bản đồ 14. Vec-tơ gây bệnh

Nguồn: Campbell et al. (2015). http://doi.org/10.1098/rstb.2014.0135

Bệnh sốt xuất huyết do muỗi cái giống Aedes gây ra. Giống muỗi này gồm hai phân nhánh chính là Aedes Aegypti và Aedes Albopictus. Aedes Aegypti có nguồn gốc từ châu phi. Loài muỗi này phân bố trong không gian nhiệt đới chủ yếu do vận chuyển lưu thông hàng hóa quốc tế. Aedes Albopictus

180


là muỗi gốc châu á hiện nay cũng có mô hình phân bố tượng tự như loài muỗi Aedes Aegypti. Tuy nhiên, loài Aedes Aegypti có tính nổi trội hơn so với Aedes Albopictus. Trên thực tế, loài muỗi Aedes Aegypti có xu hướng thay thế Albopictus; Aegypti cũng là véc-tơ lây truyền bệnh nhiều hơn.

Tại Việt Nam, muỗi Albopictus tập trung chủ yếu ở miền Bắc còn muỗi Aegypti tập trung ở phía Nam.

Bản đồ 15. Vec-tơ gây bệnh (2)

Nguồn: Higa et al. (2010).

Hai loài muỗi này ưa đốt người và sống ở vùng đô thị, khác với muỗi gây bệnh sốt rét (malaria). muỗi gây bệnh sốt xuất huyết cần môi trường sinh sống là nước sạch và có thể đẻ trứng ngay tại những địa điểm có rất ít nước.

Cách kiểm soát dịch sốt xuất huyết tốt nhất chính là kiểm soát quần thể muỗi. Virus truyền từ muỗi sang người và từ người sang muỗi thông qua vết muỗi đốt. Chính vì vậy, cần phải hiểu đặc tính của quần thể muỗi để hiểu được cơ chế lây truyền bệnh sốt xuất huyết.

một trong những công cụ kiểm soát dịch là phun thuốc muỗi trong và quanh nhà. mục tiêu là loại bỏ muỗi trưởng thành có thể lây truyền bệnh qua việc đốt người. phương pháp thứ hai ngừa dịch sốt xuất huyết là tiêu diệt ấu trùng muỗi chứ không phải là muỗi trưởng thành, bằng cách sử dụng

181


hóa chất, nuôi các loài giáp xác hoặc cá ăn cung quăng. Hiện nay Tổ chức y tế thế giới đang triển khai chương trình nhằm phổ biến việc nuôi loài cá này tại Đông Nam á.

Hai phương pháp khác cũng đang được nghiên cứu: biến đổi gien của muỗi để hạn chế khả năng lây truyền virus; sử dụng vi khuẩn Wolbachia để tiêu diệt virus trong muỗi. Điều khó khi thực hiện hai phương pháp này là đảm bảo muỗi biến đổi gen và vi khuẩn Wolbachia lây lan vào quần thể muỗi tự nhiên. Dự án đưa vi khuẩn Wolbachia vào môi trường tự nhiên hiện đang được thử nghiệm tại trên 12 điểm trên thế giới trong đó có 1 điểm tại Việt Nam, đó là đảo Trí Nguyên tại vịnh Nha Trang.

phương pháp cuối cùng để phòng bệnh sốt xuất huyết là tiêm vắc xin phòng bệnh nếu như vắc xin của công ty Sanofi được phân phối thương mại vào năm 2016.

Để kết thúc phần này, tôi xin nhắc lại một đặc điểm nổi trội của dịch sốt xuất huyết là bệnh này có triệu chứng rất đa dạng, có cả những trường hợp không có triệu chứng và trường hợp nặng dẫn đến tử vong do sốt xuất huyết.

Mô hình hóa

Các mô hình có điểm chung ở việc biểu diễn thực tế phức tạp một cách giản đơn nhất. Đầu óc con người không được trang bị đầy đủ để mô tả hết được thế giới phức tạp bao quanh, vì vậy, chúng ta cần có mô hình giúp đơn giản hóa thực tế phức tạp và giúp chúng ta hiểu rõ hơn cơ chế này.

Sơ đồ 14. Các mô hình toán, thống kê và tin học


Chúng ta sẽ nghiên cứu mô hình toán, mô hình thống kê hoặc mô hình tin học. Thông thường có hai cách tiếp cận như sau: cách tiếp cận theo hiện tượng và theo cơ chế. Thông thường, mô hình thống kê có cách tiếp cận theo hiện tượng và mô hình toán có cách tiếp cận theo cơ chế. Sự khác biệt này là do có mục tiêu đề ra khác nhau: các phương pháp thống kê quan tâm chủ yếu đến dự báo, còn phương pháp toán quan tâm nhiều hơn đến việc tìm hiểu các cơ chế.

182


Hãy hình dung là các bạn muốn nghiên cứu sự gia tăng dân số theo thời gian.

Biểu đồ 20. Mô hình theo hiện tượng


Các tiếp cận thống kê nhằm thu thập số liệu. Điều quan trọng nhất, đó là xem xét mối liên hệ giữa các biến, chứ không phải là tìm hiểu nguồn gốc mối liên hệ giữa chúng. Trong trường hợp này, các điểm nằm trên gần như là một đường thẳng.

Biểu đồ 21. Mô hình theo hiện tượng (2)


183


một chuyên gia lập mô hình toán sẽ sử dụng phương trình tuyến tính với hai tham số: “a” và “B”.

Biểu đồ 22. Mô hình theo hiện tượng (3)


Khi ước lượng hai tham số, ta có kết quả sau: “a” bằng “-20.2” và “B” bằng “2.3”. “r²” nhận giá trị từ 0 đến 1, như vậy r² có tính cả tỉ trọng biến đổi số liệu được sử dụng trong mô hình. Trong trường hợp này, 94% biến đổi số liệu sẽ được mô hình lý giải: như vậy mô hình chạy tốt và có thể được sử dụng để dự báo.

một trong những hạn chế chính của phương pháp thống kê là khó có cách đọc kết quả tham chiếu mô hình dưới giác độ sinh học. Với “B” ta quan sát thấy tăng trưởng phụ thuộc vào thời gian, nhưng đồng thời ta cũng có thể tìm hiểu ý nghĩa của giá trị “a”. Ta có thể dự báo nhưng lại không thu được thông tin gì về cơ chế hiện tượng ta quan sát.

Vậy thì nhà toán học tiếp cận vấn đề này như thế nào?

Khung 3

Mô hình cơ họcHạn chế:

- K sẽ đạt quy mô tối đa.

- Tốc độ tăng trưởng sẽ giảm từ r đến 0 như sự gia tăng quy mô từ 0 đến K

184


Quan sát đầu tiên cho ta thấy nguồn lực luôn có hạn trong môi trường. Vế thứ nhất mô tả biến thiên quy mô quần thể. Tỉ lệ tăng trưởng “r” đạt giá trị lớn nhất khi “N=0” đạt giá trị lớn nhất khi “N=K”. Nhà toán học đưa ra giả thiết về cơ chế, sau đó thể hiện nó dưới dạng phương trình; bước thứ ba là để giải phương trình toán như sau:

Việc giải phương trình toán học chính là việc mô hình dự báo. Nếu ta vẽ một đường theo phương trình này, ta có:

Biểu đồ 23. Mô hình toán học (2)


Tăng trưởng của quần thể đi theo đường cong hình “S” với tốc độ tăng trưởng cao lúc đầu – gần bằng “r” – để đạt giá trị tăng trưởng lớn nhất “K”. mô hình chỉ cho ta thấy với các giá trị mật độ trung gian, quan hệ giữa mật độ và thời gian gần như tuyến tính.

185


Từ khoảng hai mươi năm trở lại đây, ngành sinh học đã triển khai phối kết hợp cả hai cách tiếp cận. Đối với nghiên cứu của chúng ta, cần đảm bảo mô hình toán khớp với số liệu thực tế. Cần phải tìm ra giá trị tham số trong mô hình để đảm bảo khớp với số liệu nhất.

Biểu đồ 24. Mô hình có định hướng từ số liệu


ưu điểm lớn nhất khi kết hợp hai cách tiếp cận này là để dự báo và tìm hiểu về cơ chế.

Các bạn nhớ rằng hai tham số “a” và “B” không có ý nghĩa sinh học, còn trong khi đó ba tham số của mô hình toán có mang ý nghĩa sinh học: “r” là tốc độ tăng trưởng ban đầu, “K” là quy mô lớn nhất của quần thể và “N(0)” là quy mô ban đầu của quần thể. mô hình toán cho phép thực hiện phép ngoại suy. Có hai loại dự báo: nội suy và ngoại suy. Nội suy giúp dự báo những điều sẽ xảy ra giữa các điểm và ngoại suy dự báo những gì sẽ diễn ra ngoài các điểm mà chúng ta có dữ liệu, như vậy ngoại suy sẽ phức tạp hơn.

186


Bây giờ, chúng ta sẽ nghe giới thiệu một khái niệm căn bản trong việc mô hình hóa liên quan đến mức độ phức tạp của mô hình.

Biểu đồ 25. Mô hình phức hợp


Hãy hình dung là các bạn chọn phương pháp thống kê để mô hình hóa các số liệu này (ba mươi điểm). Các bạn sẽ có được mô hình tuyến tính như lúc trước.

Biểu đồ 26. Mô hình phức hợp (2)


187


Ta có một đường thẳng đi qua phần lớn các điểm nhưng không đi qua được toàn bộ các điểm này.Vì vậy, chúng ta sẽ tăng số lượng tham số lên.

Dưới đây là mô hình ba tham số; đường đồ thị có thể hiện đặc thù của số liệu. Sau đó là mô hình bốn tham số.





188


Nếu lượng tham số bằng lượng dữ liệu, ta sẽ có đường đồ thị chạy qua tất cả các điểm số liệu: như vậy sẽ có sự tương thích hoàn hảo giữa mô hình và số liệu. ưu điểm của việc tăng thêm tham số trong mô hình là ta có dự báo chính xác, nhưng nhược điểm là thiếu chi tiết. Sơ đồ này minh họa ý nghĩa của hai khái niệm.

Sơ đồ 15. Mô hình phức hợp (5)


Tính chính xác có nghĩa là các dự báo của mô hình - các ngôi sao - sẽ gần sát với dữ liệu nằm ở tâm. Ở cột bên phải, mô hình không chính xác: xét về trung bình, trong cả hai trường hợp, các ngôi sao nằm xa tâm. Trong thống kê, người ta gọi đó là thiên lệch (biais).

một khái niệm căn bản nữa là mức độ chi tiết. Ở hàng trên, hai mô hình đạt độ chi tiết và có tính đến các sai lệch trong dự báo của mô hình. Ở hàng thứ hai, hai mô hình không đạt độ chi tiết. Các ngôi sao nằm rải rác. Trong thống kê, đó là phương sai.

Vấn đề đặt ra là không thể tối đa hóa cả yêu cầu chính xác và chi tiết cùng một lúc. (xem sơ đồ 16)

Tính chính xác tăng – sẽ đi qua tất cả các điểm – nhưng mức độ chi tiết giảm. Các bạn có thể tìm kiếm số lượng tối ưu các tham số trong mô hình bằng cách tính toán thiên lệch và dung sai. Các bạn sẽ có “mean Square error” (mSe) – Sai số toàn phương trung bình. Đường mSe tối ưu nhất nằm trong các giá trị trung gian của các tham số. Nếu nằm trên đường tối ưu này, các mô hình bị thiếu tham số, nếu nằm dưới đường tối ưu, mô hình sẽ bị thừa tham số.

Cuối cùng, việc lựa chọn cách tiếp cận trong mô hình hóa phụ thuộc chủ yếu vào mục tiêu theo đuổi. Cách tiếp cận tốt nhất phụ thuộc vào vấn đề nghiên cứu.

189


Sơ đồ 16. Mô hình phức hợp (6)


[Alexis Drogoul]

Trước khi xây dựng mô hình và trước khi tìm hiểu về một kỹ thuật mô hình hóa cụ thể, còn một vấn đề cần quan tâm. marc đã nêu với chúng ta hai câu hỏi và có hai hướng kết hợp có thể áp dụng: dự báo và hiểu hiện tượng ta nghiên cứu. Benoît Gaudou sẽ giới thiệu chủ đề thứ ba liên quan đến việc hỗ trợ quá trình ra quyết định.

Mô hình hóa trong dịch tễ học

[Marc Choisy]

Chúng ta hãy cùng nhau nghiên cứu một bộ dữ liệu đơn giản thu thập năm 1979. một trường học ở anh hàng ngày thống kê số học sinh bị cúm. Tổng số học sinh là 763. Đường đồ thị cho ta thấy số lượng tăng rồi giảm các ca bệnh và khi dập được dịch. (xem biểu đồ 29)

mô hình này phân nhóm dân cư theo tình trạng lâm sàng: cảm nhiễm; bị lây và nhiễm bệnh; phục hồi và đạt miễn dịch (“Sir - susceptible, infecté et guéri”) – mô hình này còn gọi là mô hình phân khối. Các cá thể di chuyển từ khối này sang khối khác: từ cảm nhiễm chuyển sang mắc, từ mắc chuyển sang phục hồi và đạt miễn dịch. Các mũi tên thể hiện luồng luân chuyển của các các thể từ khối này sang khối khác.

Chúng ta sẽ xem xét khối cuối cùng, thể hiện tình trạng phục hồi và đạt miễn dịch. Tham số “γ” có tính đến tốc độ thực hiện chu trình bệnh – tỉ lệ khỏi bệnh. Nếu “γ” càng lớn thì thời gian bị lây và nhiễm bệnh càng ngắn. Ngược lại, nếu “γ” càng nhỏ thì thời gian bị lây và nhiễm bệnh càng dài. Tham số thứ hai là tham số nhiễm bệnh: nó thể hiện tốc độ theo đó một cá thể có thể bị nhiễm bệnh. Tham số nhiễm bệnh phức tạp hơn tham số khỏi bệnh, vì nó phụ thuộc vào số người bị lây và nhiễm bệnh trong nhóm dân cư, “β” là tỉ lệ tiếp xúc. Ở đây, tốc độ theo đó một cá thể cảm nhiễm

190


chuyển sang bị lây và nhiễm bệnh sẽ phụ thuộc vào tỉ lệ tiếp xúc và tỉ trọng người bị lây và nhiễm bệnh trong nhóm dân cư.

Biểu đồ 29. Ví dụ đơn giản


Chúng ta cần nhớ hai khái niệm quan trọng trong mô hình hóa:

- Tham số là một giá trị do người dùng chọn, tham số quyết định hành vi của hệ thống;

- một biến phụ thuộc cơ bản vào thời gian và giá trị của tham số.

Thông thường, một biến sẽ là kết quả đầu ra của mô hình, còn tham số được cố định giá trị từ lúc đầu. Ở đây, ta có hai tham số: “β” tỉ lệ tiếp xúc; “γ”” tỉ lệ khỏi bệnh; ba biến “S”, “i” và “r” là số người cảm nhiễm, số người bị lây và nhiễm bệnh và số người phục hồi và đạt miễn dịch – mô hình Sir là mô hình khái niệm.

Các bạn có thể triển khai mô hình Sir theo dạng ngẫu nhiên với các phương trình vi phân hoặc sử dụng các tác tử như phương pháp chúng ta cùng nhau nghiên cứu trong tuần đào tạo này (xem khung 4).

Chúng ta có mô hình “Sir” với ba cách tiến hành khác nhau. Trong mô hình hóa, điều quan trọng là không được nhầm lẫn mô hình khái niệm và cách tiến hành mô hình – đối với mô hình khái niệm, có nhiều cách tiến hành khác nhau. Thông qua mô hình khái niệm, chúng ta có hai phương trình vi phân:

- phương trình thứ nhất mô tả sự biến thiên của số người có khả năng nhiễm bệnh;

- phương trình thứ hai mô tả sự biến thiên số người nhiễm bệnh.

191


phương trình thứ ba không phải là phương trình biến thiên. Chúng ta có hai phương trình bởi vì quy mô trường học là cố định – 763 học sinh. Nếu ta biết “S” và “i”, ta suy ra được “r” vì đã biết “N”.

Khung 4

Phương trình vi phân

Trong đó: “β” tỉ lệ tiếp xúc; “γ” tỉ lệ khỏi bệnh;

S, i và r: là số người lành, số người nhiễm bệnh và số người khỏi bệnh và đạt miễn dịch

N: tổng số cá thể, N = S + i + r

Lambda : khả năng lây nhiễm (ví dụ : xác suất cho một cá thể có khả năng bị nhiễm bệnh)

r0: số lượng trung bình ca bị lây nhiễm do một người bệnh sống trong cộng đồng hoàn toàn có khả năng bị nhiễm bệnh

pc: tỷ lệ tối thiểu dân được tiêm vắc-xin phòng dịch bệnh.

Nguồn: tác giả .

Vậy ta có thể rút ra được điều gì?

Kết quả đầu tiên là “r0”, là số liệu thống kê quen thuộc trong dịch tễ học. “r0” tương ứng với hoàn cảnh trong đó chỉ có 1 người bị nhiễm bệnh duy nhất trong một tổng thể chỉ bao gồm những người cảm nhiễm: “r0” là số cá nhân trung bình mà người nhiễm bệnh có thể truyền bệnh – “Định lý ngưỡng”.

- Nếu r lớn hơn 1, một cá thể nhiễm bệnh đưa vào cộng đồng sẽ gây bệnh cho trung bình hơn một người – tình huống có thể dẫn đến dịch.

- Nếu r nhỏ hơn 1, một cá thể nhiễm bệnh đưa vào cộng đồng sẽ gây bệnh cho trung bình ít hơn một người.

Khi nói “r0” bằng β/γ có nghĩa là tỉ lệ tiếp xúc trên tỉ lệ phục hồi và đạt miễn dịch hoặc tỉ lệ tiếp xúc nhân với thời gian nhiễm bệnh trung bình.

r0 là giá trị ban đầu của số lượng “r”: “r” bằng r0 nhân phần trăm có thể nhiễm bệnh. Khi tỉ lệ này có thể bằng 0, thì “r” sẽ bằng không – kết thúc dịch. Khi ta sử dụng phương trình toán học, chúng ta có thể rút ra được những kết luận rất tổng quát và thú vị.

192


Chúng ta sẽ cùng nhau xem xét phương trình cuối (ở phần dưới, bên phải). Có thể thấy rằng tỉ lệ tiêm phòng tối thiểu bằng 1-1/r0. Khi “r0” càng cao, thì tỉ lệ tiêm phòng tối thiểu càng lớn. Nếu tôi quan tâm đến dịch cúm, sẽ có r0 gần bằng 4: để có thể bảo vệ được người dân, cần đạt tỉ lệ tiêm phòng ít nhất bằng 75%. Đối với bệnh sởi – r0 = 15 –, cần đạt tỉ lệ tiêm phòng ít nhất bằng 95%. Điều lý thú ở đây chính là không nhất thiết phải tiêm phòng cho toàn bộ người dân mới có thể bảo vệ được tất cả dân cư: đó chính là miễn dịch nhóm.

Chúng ta hãy cùng nhau tóm tắt lại. Chúng ta vừa xem xét hai tính năng của mô hình: đưa ra quy luật, định luật chung như “r0” – “Định lý ngưỡng”, miễn dịch nhóm, dự báo liệu có hay không có khả năng bùng phát dịch?

Để dự báo được sâu hơn, cần cân chỉnh mô hình, có nghĩa là ước lượng các giá trị tham số thông qua số liệu. Chúng ta có thể giải mô hình phương trình vi phân bằng cách lấy ngẫu nhiên các giá trị tham số “β” và “γ”; con số do mô hình đưa ra sẽ được so sánh với số liệu thực.

Biểu đồ 30. Ước lượng tham số


193


Chúng ta vừa lấy giá trị cho tiếp xúc và tỉ lệ khỏi bệnh, ta có đồ thị mô tả số cá nhân trong khối “i”. Xét về chất, đỉnh dịch đã được biểu diễn nhưng xét về lượng, chưa đạt được mức độ hoàn hảo trong khớp dự báo của mô hình và số liệu thực. ước lượng tham số nhằm tìm ra các cặp giá trị giữa “β” và “γ” nhằm cải thiện sự trùng khớp giữa dự báo do mô hình đưa ra với số liệu.

Biểu đồ 31. Ước lượng tham số (2)


Đây là các giá trị tối ưu cho “β” và “γ”: r0 = 3.69, tỉ lệ tiêm phòng tối thiểu là 73%. Như vậy, khi so sánh mô hình với số liệu thực, ta có thể ước lượng tham số và ước lượng tỉ lệ tiếp xúc và tỉ lệ khỏi bệnh vốn khó đo lường trên thực tế.

194


Biểu đồ 32. Ước lượng tham số (3)


Ta cùng nhau vẽ đồ thị người bị lây và nhiễm bệnh, người có khả năng bị lây và nhiễm bệnh và người khỏi bệnh, vốn khó đo lường trên thực tế vì khó có thể quan sát trực tiếp (de visu). Chúng ta khó có thể phân biệt được người có khả năng bị lây nhiễm và người đã khỏi bệnh. Khi đếm số người bị lây và nhiễm bệnh, chúng ta sẽ ước lượng được tỉ lệ tiếp xúc và tỉ lệ khỏi bệnh, như vậy có thể dự báo được số người cảm nhiễm và đã phục hồi và đạt miễn dịch vào từng thời điểm.

2.2.3. Nhiều loại câu hỏi mô hình hóa. Tiếp cận và mô hình

[Alexis Drogoul]

phương pháp luận là cách tìm lời giải cho một vấn đề. Vậy nó bao gồm những bước gì? Những bước thực hiện sẽ ứng dụng các công cụ, kỹ thuật. Thứ tự thực hiện các bước để xây dựng mô hình là gì? Với mô hình ta đang học, mô hình dịch tễ học, mô hình chuyển động và chính sách kiểm soát, chúng ta sẽ điểm lại toàn bộ nội dung trình bày của Benoît Gaudou.

195


[Benoît Gaudou]

Bổ sung thêm cho nội dung này, chúng tôi mời độc giả xem lại tài liệu khóa học năm 2014 (Banos et al., 2014).

Chúng ta sẽ nghiên cứu những nội dung sau:

- Trao đổi kinh tế và chính sách kiểm soát dịch mà các quốc gia triển khai có tác động như thế nào đến sự lây lan dịch?

- Làm thế nào để biểu diễn và mô phỏng lây lan dịch sốt xuất huyết?

- Làm thế nào để mô phỏng trao đổi kinh tế trên hành lang Đông-Tây?

- Chính sách kiểm soát có tác động như thế nào đến lây lan dịch?

Chúng ta cần xác định các thực thể, các biến được biểu diễn trong mô hình. Có thể sử dụng nhiều loại mô hình.

marc Choisy đã giới thiệu các mô hình được xây dựng từ các phương trình giúp ta quan sát một quần thể hoặc một hiện tượng – biểu diễn sự biến thiên các biến trên quy mô vĩ mô số lượng các cá thể bị lây và nhiễm bệnh, lành tính và có khả năng bị nhiễm bệnh. Ở đây chúng ta sẽ hướng nhiều hơn đến mô hình đa tác tử. Chúng ta xây dựng mô hình ở mức độ thực thể vi mô, ví dụ như các cá thể trong mô hình dịch tễ. mục tiêu của chúng ta là tạo ra tương tác giữa các cá thể này để quan sát cụ thể biến động của số người khỏe, người bị lây và nhiễm bệnh và người đã khỏi bệnh.

Biểu đồ 33. Liên kết với nội dung trình bày của Marc Choisy


196


Các mô hình giới thiệu trước đó chủ yếu mang tính mô tả, còn mô hình đa tác tử là mô hình sinh mẫu: tạo hiện tượng từ các cá thể độc lập – số lượng dữ liệu có thể nhiều, ví dụ như biến động dòng chảy trong vùng Toulouse hoặc ở cấp độ trừu tượng để biểu diễn một hiện tượng, ví dụ như sự cô lập giữa một cộng đồng dân cư.

Tác tử được định nghĩa là một tác nhân mà ta có thể gán hành vi – đặc điểm của một tình trạng hoặc các biến – để tác động qua lại lẫn nhau, trao đổi và tiếp nhận cá thể khác và môi trường bên ngoài. Đối với nghiên cứu dịch tễ học, cần biết cá thể đó khỏe mạnh, nhiễm bệnh hay đã chữa khỏi? Bên cạnh tính tĩnh của mô hình, cũng cần đưa tương tác động vào: các thực thể và hành vi của thực thể hoặc các yếu tố về khí tượng, nhiệt độ, v.v.

Bản đồ 16. Mô hình: Thực thể, tương tác động và các quy mô


197


Điều đầu tiên cần làm là xác định nội dung tìm hiểu, khoanh vùng không gian và thời gian. Các tương tác sẽ giúp chúng ta trả lời vào những vấn đề đặt ra lúc đầu:

- Tương tác của yếu tố “ thời gian” có tác động chủ đạo đến dịch;

- Trao đổi giữa các quốc gia quanh hành lang: giao thông;

- Tác động của chính sách Nhà nước: kiểm soát.

Để biễu diễn các quá trình này, ta phân biệt các thực thể đưa vào mô hình: muỗi và người ; dữ liệu của trạm khí tượng, giao thông đường bộ/xe tải (vận chuyển), chính sách kiểm soát.

Các phương pháp thu thập số liệu rất cụ thể, chúng tôi mời độc giả xem thêm bài trình bày của Marc Choisy tại phiên toàn thể. Các khía cạnh kỹ thuật liên quan đến làm sạch dữ liệu sẽ không được giới thiệu trong tài liệu này.

Khi có số liệu rồi, chúng ta cần đưa những tác tử nào vào mô hình?

Bảng 18. Ba tiểu mô hình đối phố với những tương tác động khác nhau


Chúng ta cùng xem mô hình thứ nhất, biết rằng một tác tử không thể đại diện cho một cá thể người hoặc muỗi. Ta sẽ đơn giản hóa thực tế bằng cách chia các phần không gian. Ví dụ như khóa học mùa hè của chúng ta, chúng ta chỉ quan tâm đến 1 lớp học chứ không phải cả 4 lớp: một lớp có 30 người khỏe mạnh và 2 người bị bệnh sẽ có diễn biến dịch như thế nào? Lớp học sẽ là một thực thể riêng. một lớp khác – một thực thể riêng khác - cũng có cùng số người khỏe và bị bệnh. mô hình động sẽ cho ta thấy sự giao lưu giữa 4 lớp của khóa học mùa hè. Vì vậy, các tác tử còn được gọi là các tế bào, các ô vuông trong không gian.

198


Loại tác tử thứ hai biểu diễn số liệu khí tượng: các trạm khí tượng. Các tế bào quanh trạm khí tượng sẽ chịu tác động từ giá trị ghi tại điểm này.

Số liệu thủy văn đưa vào mô hình là chuỗi số liệu thời gian. Đối với các tế bào, việc lây lan bệnh được biểu diễn dưới mô hình cổ điển mô tả sự biến thiên của số người cảm nhiễm, người bị lây và nhiễm bệnh, v.v. và các tế bào cạnh nhau tương tác với nhau để biểu diễn sự lây lan bệnh trong không gian.

Chúng ta sẽ xem xét việc các xe tải đi lại trên hành lang nối các thành phố khác nhau. Để kiểm soát, chúng ta cũng cần xem các chính sách được các nước áp dụng.

Bảng 19. Tóm tắt ba tiểu mô hình với số liệu và các tác tử


Để kết thúc phần trình bày, xin nói qua về ngôn ngữ “unified modeling Language” (umL) mà chúng ta sử dụng để biểu diễn dưới dạng nhiều loài[43] trong mô hình và mối liên hệ giữa chúng – xem lại nội dung này trong khóa học mùa hè 2013 (Drogoul et al., 2013).

[43] một loài biểu diễn một nhóm (lớp) tác tử. Vì vậy, một loài sẽ có tô pô liên tục.

199


Khung 5

Ngôn ngữ UML, dạng tác tử, thuộc tính và vận hànhUML là một ngôn ngữ đồ họa cho phép xác định , mường tượng, xây dựng và tài liệu hoá các yếu tố của một hệ thống hoặc một mô hình.

Chúng tôi chỉ tập trung vào sơ đồ = một phần của UML cho phép tái hiện các tác tử (loài), thuộc tính và quan hệ giữa các loài.

Ví dụ từ các mô hình dịch bệnh: cho các tác tử là trạm khí tượng và các thuộc tính của chúng

Tên của loài

Thuộc tính

Hoạt động

Khung 6

Quan hệ chung giữa các lớp: quần thể- Đường liên kết giữa các lớp trong mối liên hệ.

Kết thúc mang thông tin về tính đa dạng (số lượng tối thiểu và tối đa các trường hợp có thể được tham gia vào một mối quan hệ) và các vai trò:

Ví dụ:

Các lớp sẽ có quan hệ qua lại lẫn nhau được biểu diễn bằng các đường nối. Số chỉ lượng thực thể có tương tác với nhau – trường hợp của Việt Nam: một tỉnh bao gồm nhiều huyện nhưng một huyện chỉ trực thuộc một tỉnh, v.v.

Benoît Gaudou kết thúc phần giảng của mình bằng phần giới thiệu tính động và triển khai mô hình. Benoît Gaudou giới thiệu ba ứng dụng: Net Logo, Repast Simphony và Gama, là các ứng dụng sẽ sử dụng trong khóa học. Benoît Gaudou cũng giới thiệu các mục tiêu trong cân chỉnh.

200


Ngày 2, thứ ba ngày 21 tháng 7

2.2.4. Vấn đề phương pháp. Tập hợp bộ số liệu

Vào đầu ngày học, Damien Philippon giới thiệu các nội dung phương pháp luận nhằm tập hợp bộ số liệu.Giảng viên đã giới thiệu 3 loại dữ liệu: dữ liệu thô – dịch tễ, dân số, nhiệt độ – và số liệu phái sinh bao gồm sự luân chuyển và chính sách kiểm soát bệnh. Phần tiếp theo do Trương Chí Quang giới thiệu liên quan đến việc sử dụng dữ liệu địa lý: sử dụng và chuyển đổi thông qua hệ thống thông tin địa lý (SIG).

Ba nội dung mô hình hóa đã lần lượt được giới thiệu: dịch tễ học/dịch sốt xuất huyết (Damien Philippon), di chuyển (Alexis Drogoul), chính sách y tế công cộng (Benoît Gaudou). Chi tiết việc xây dựng từng mô hình không được giới thiệu trong ấn phẩm này. Để hiểu rõ hơn về nội dung, chúng tôi mời độc giả liên hệ với giảng viên của lớp học và tìm hiểu các chương trình nghiên cứu ghi trong phần tài liệu tham khảo. Về phương pháp luận, chúng tôi xin dẫn ra dưới đây phần giới thiệu về di chuyển trong một không gian xác định.

2.2.5. Mô hình chuyển động trên hành lang Đông-Tây

[Alexis Drogoul]

Chúng ta sẽ nghiên cứu tác động của việc đi lại và hội nhập kinh tế của các nước aSeaN đối với dịch sốt xuất huyết dọc hành lang Đà Nẵng - mawlamyine. (xem bản đồ 17)

Có mối tương liên giữa một bên là số liệu hội nhập vùng, du lịch và thương mại giữa các nước châu á và bên kia là các trường hợp thống kê sốt xuất huyết. Để khảo sát các dạng quan hệ trên cơ sở số liệu này, cách tiếp cận của chúng ta dựa vào việc xây dựng hai mô hình: mô hình đi lại và mô hình kết hợp đi lại và dịch tễ học dịch sốt xuất huyết. (xem biểu đồ 34)

201


Bản đồ 17. Hành lang Đông-Tây


Biểu đồ 34. Mối quan hệ tương liên giữa số ca nhiễm bệnh và việc trao đổi đi lại giữa các nước ASEAN

Nguồn: tác giả (theo http://aseanup.com/benefits-asean-economic-community-aec/).

202


mô hình đi lại giúp ta thể hiện được hội nhập khu vực và tác động của hội nhập đến môi trường và bối cảnh xã hội. mô hình đơn giản này biểu diễn trao đổi thương mại giữa các nước aSeaN bằng các trao đổi hàng hóa dọc hành lang Đông -Tây.

Biểu đồ 35. Mô hình đi lại


Biểu đồ 36. Mô hình tích hợp


203


Giả thiết đơn giản (proxy) là việc chuyên chở hàng bằng xe tải có thể là chỉ số biểu diễn sự năng động trong trao đổi kinh tế của các nước. Ngoài ra, vận tải còn có tác động trực tiếp đến môi trường của con người và muỗi. Giả thiết thứ hai giúp ta xây dựng mô hình tích hợp: khi đi từ nước này sang nước kia, xe tải có xác suất khác không – xuất phát từ nơi có dịch – vận chuyển người và muỗi mắc bệnh trong một khoảng cách lớn. (xem biểu đồ 36)

Cách lập luận rất đơn giản và có thể áp dụng với mọi phương thức vận tải. ưu điểm của cách tiếp cận này là có thể tiến hành khai thác mô hình một cách thực tiễn trong các nghiên cứu thực địa.

Làm thế nào để thông qua số xe tải biểu diễn tác động cụ thể của sự gia tăng trao đổi thương mại giữa các nước aSeaN?

Giả thiết của chúng ta được giới hạn về quy mô thời gian và không gian. Trong 4 nước, khoảng 1 500km chiều dài và 400km chiều rộng; một hành lang; mô hình bắt đầu từ tháng 2 năm 2004 với một bước thời gian là 12 tiếng đối với mỗi vòng mô phỏng. Chúng ta sẽ quay lại phần này.

Về thực thể, ít nhất chúng ta cần biểu diễn các nước, huyện, tỉnh tùy theo lượng số liệu có sẵn, đường và các thành phố. Việc xây dựng thực thể được tiến hành trên cơ sở dữ liệu GiS.

Bản đồ 18. Mô hình đi lại (2)


204


Bảng 20. Mô hình đi lại: trao đổi thương mại giữa các nước/các tỉnh


Dữ liệu địa lý được cung cấp với một tập hợp thuộc tính. Để biểu diễn trao đổi thương mại giữa các nước, chúng ta có:

- Tỉ trọng xuất khẩu trong thương mại từng quốc gia, đơn vị tính là nghìn đô la;

- Tệp số liệu về tỉ trọng trao đổi thương mại giữa bốn nước trong nghiên cứu. Lấy ví dụ của Việt Nam: 12% xác suất hàng Việt Nam xuất khẩu (giới hạn 3 nước nhập khẩu hàng Việt Nam) sang Lào, 86% sang Thái Lan và 2 % sang myanmar – xem thêm số liệu thống kê tổng hợp.

Bây giờ, chúng ta cần định nghĩa các tác tử mà ta cần quan tâm.

Sơ đồ 17. Mô hình đi lại: Cấu trúc UML của các Tác tử


205


Chúng ta có một nhóm bao gồm các thực thể địa lý trừu tượng, mỗi thực thể có đặc điểm là tên gọi và số dân, ba loại tác tử cụ thể là thành phố, tỉnh và huyện. Bước tiếp theo là đưa tương tác giữa các thực thể: quan hệ giữa thành phố với tỉnh, giữa huyện với tỉnh, giữa tỉnh với quốc gia, v.v; một quốc gia sẽ biết được xác suất xuất khẩu hàng hóa của mình sang các nước khác, v.v.

Theo phân loại hành chính cổ điển, các thực thể dưới dạng tác tử sẽ xác định đường đi và xe tải. Xe tải sẽ biết thành phố xuất phát và thành phố đích.

Sau khi phân loại các tác tử, các tác tử sẽ tạo ra tính động cho mô hình, với trường hợp chúng ta đang nghiên cứu, ta thấy:

- Xe tải chuyển động trong quá trình mô phỏng. Sự chuyển động của xe tải phụ thuộc vào các nước. mỗi ngày, một nước sẽ tạo ra một tập hợp xe tải, di chuyển trong một số thành phố theo xác suất xuất khẩu hàng sang một thành phố thuộc một hoặc ba nước khác có trao đổi thương mại;

- Luồng luân chuyển xe tải chạy dọc các con đường.

mô hình hoàn chỉnh được ghi trong ba tệp giới thiệu các yêu cầu khác nhau trong mô hình hóa. Tệp đầu tiên – “theoretic_mobility” – định nghĩa các loài tác tử trong sơ đồ umL. Đó là cách biểu diễn tĩnh số liệu của mô hình. Tệp thứ hai bao gồm đặc tính tác tử trên cơ sở các loài được định nghĩa trong tệp thứ nhất và cơ sở dữ liệu có sẵn – shared_mobility_items. Tệp cuối cho phép khởi động mô hình thông qua việc đưa ra các chỉ tiêu. Việc phân tách ra các tệp rất quan trọng. Khi ta định nghĩa các lớp, các loài, loại tác tử, đó là bước xác định cấu trúc mô hình.

Chúng ta vừa chuyển một phần dữ liệu thành luồng chuyển động trên hành lang nối bốn nước với các tác tử xe tải được tạo ra phụ thuộc vào các tác tử kinh tế.

Biểu đồ 37. Mô hình hóa câu hỏi

câu hỏi đặt ra là đo lường mức độ ảnh hưởng của luồng chuyển động

đến dịch bệnh sốt xuất huyết


206


Bây giờ, chúng ta sẽ quan sát tác động của luồng vận tải đường bộ đến dịch sốt xuất huyết.

Sơ đồ 18. Mô hình tích hợp: các thực thể đã xác định trong hai mô hình trước đó


Chúng ta có tính động dịch tễ học và tính động giao thông. Chúng ta cần xây dựng một mô hình ghép đôi hoặc tích hợp. Chúng ta sẽ lấy lại các thực thể đã được định nghĩa trước đó với các thuộc tính và hành vi có nguồn gốc từ từng mô hình.

Chúng ta sẽ nghiên cứu tương tác giữa hai tính động này. Hai mô hình này trao đổi với nhau như thế nào? Việc ghép đôi tịnh tiến là một kỹ thuật quan trọng, đặc biệt trong bối cảnh các mô hình riêng lẻ đã được thiết kế rất tốt trong từng lĩnh vực cụ thể. mục tiêu đề ra là tái sử dụng các mô hình sẵn có nhưng vẫn đảm bảo biểu diễn tốt các dạng tương tác.

Phần giới thiệu mã Gama đã cho thấy rõ việc thích nghi giữa các mô hình để tạo ra chiều không gian cho các tế bào trong mô hình dịch tễ học.

207


Ngày 3, thứ tư ngày 22 tháng 7

2.2.6. Kịch bản và chỉ số

[Nicolas Marilleau]

Khái niệm căn bản là mô hình, một đối tượng được sử dụng để mở ra tranh luận.

Sơ đồ 19. Đưa ra câu trả lời cho một câu hỏi khoa học


Có thể quan sát mô hình từ bên trong thông qua mã Gama và từ bên ngoài thông qua tham số và số liệu đầu vào và đầu ra. Vì sao lại cần vòng lặp giữa đầu vào và đầu ra? Chúng ta liên tục xoay quanh mô hình; chúng ta tiến hành các thử nghiệm và nghiên cứu kết quả thu được sau thử nghiệm.

208


Sơ đồ 20. Các thực nghiệm cần tiến hành trong và sau chu trình thiết kế mô hình


Thử nghiệm được tiến hành trong suốt cả chu trình: từ những câu hỏi đề ra với marc Choisy, nhà dịch tễ học, đến bước cuối chạy mô hình. Các mô hình được thiết kế để giải quyết các vấn đề thực tế đặt ra trên thực địa. mô hình cần phải biểu diễn hành vi thực, từ đó ta có khái niệm cân chỉnh: so sánh mô hình và số liệu lý thuyết với số liệu thực thu thập trên thực địa.

Nội dung quan trọng tiếp theo là khái niệm kịch bản. mô hình không chỉ tạo ra số liệu thực mà còn tạo ra thông tin tri thức – số liệu dự báo, hiện tượng động. Thử nghiệm mô hình cũng mở ra các quan điểm, cách nhìn mới: các chuyên gia lập mô hình, thử nghiệm mô hình, người sử dụng mô hình, các nhà nghiên cứu chuyên đề, v.v.

Vậy ta cần ưu tiên tương tác hay mức độ chính xác? Tùy thời gian thử nghiệm, chúng ta có thể phức tạp hóa mô hình hoặc ngược lại đơn giản hóa mô hình nếu chúng ta muốn ưu tiên tương tác. Như vậy, có thể có ba loại mô hình như sau:

- mô hình đơn giản hóa được sử dụng để nghiên cứu các hiện tượng hay tính động. Các mô hình này được sử dụng để phát triển;

209


- Thử nghiệm hướng đến người sử dụng cuối cùng. Thử nghiệm giúp đưa ra các kịch bản và nhằm mục tiêu sư phạm – người sử dụng “chơi” với mô hình, học hỏi điều mới và xác định các hướng nghiên cứu mới.

Hôm nay, chúng ta sẽ ứng dụng cả hai loại mô hình này. Chúng ta đã giới hạn bản đồ không gian chỉ tập trung vào hành lang Đông-Tây.

- Các mô hình “tỉ lệ lớn” sẽ giúp chúng ta đưa ra được các số liệu khớp với thực tế. Hạn chế chính là thời gian tính toán và một số lượng lớn các mô phỏng.

Sơ đồ 21. Khai thác một mô hình để chạy những mô phỏng với các bộ tham số khác nhau

Phương thức tương tácNgười sử dụng tương tác với mô phỏng để chọn ra những tham số và quan sát kết quả

Phương thức BatchMột thuật toán tương tác với mô phỏng để tiến hành khảo sát (lựa chọn bộ tham số,

thực hiện chúng...)


Các mô hình này có thể được phân ra thành hai loại: mô hình tương tác, ở đó sẽ sử dụng giao diện đồ họa để điều khiển mô hình; mô hình dạng “batch” ở đó chỉ có đầu vào duy nhất là các file tham số - ở đầu ra ta có được dữ liệu dưới dạng bản đồ “ScalableVector Graphics” (SVG) hoặc “Shapefiles”.

210


Công cụ Gama có hai loại thử nghiệm:

- Thử nghiệm “Graphic user interface” (Gui): giao diện đồ họa được thực hiện ứng với yêu cầu một cách đơn giản nhất; các số liệu đầu vào và đầu ra được xác định trong cấu trúc;

- Thử nghiệm “batch”: các mô phỏng được thực hiện một cách tự động theo phương pháp khảo sát. Người dùng định nghĩa các tham số sẽ thử nghiệm, phương pháp thử nghiệm và ghi dữ liệu – giao diện đồ họa sẽ không còn nữa.

Phần cuối bài trình bày giới thiệu cụ thể hơn về hiển thị tương tác để kiểm định mô hình và đưa ra các kịch bản theo phương pháp cùng tham gia. Học viên tiến hành thử nghiệm trên máy tính cá nhân.

Phần giới thiệu các đề án nghiên cứu đã kết thúc ngày đào tạo. Có năm chủ đề mô hình hóa được đề ra:

1. Di chuyển và mở cửa hành lang. Nghiên cứu tác động của việc thay đổi tình trạng đường và mở cửa dần dần hành lang Đông-Tây tới việc lây lan dịch sốt xuất huyết.

2. Mô hình tham gia. Tạo ra trò chơi phân vai cho phép người chơi có thể kiểm soát một nước trong hành lang Đông-Tây và đưa ra các quyết định liên quan đến việc bùng phát và lây lan dịch sốt xuất huyết. Các quy tắc hợp tác- có thể được tuân thủ hoặc không tuân thủ- được đề ra giữa các nước để quản lý dịch lây lan.

3. Chính sách của các nước và quá trình ra quyết định. Mục tiêu là xác định chiến lược tốt nhất để ngăn chặn lây lan dịch sốt xuất huyết dọc hành lang Đông-Tây.

4. Kết hợp ngân sách các nước ASEAN trong một tổ chức quốc tế. Mục tiêu là thiết kế và mô hình hóa một tổ chức như vậy, xác định hành vi và cơ chế tái phân phối ngân sách cho các nước/tỉnh bị ảnh hưởng nhất bởi dịch bệnh.

5. Biến đổi khí hậu. Khi mô hình hóa lũ lụt và tác động của lũ đến vòng đời của muỗi, dự án cần tìm hiểu tác động của biến đổi khí hậu đến dịch sốt xuất huyết.

Ngày đào tạo thứ 4 dành làm việc theo nhóm có sự hỗ trợ của giảng viên. Mỗi chủ đề đều được trình bày trước lớp. Có nêu phần lựa chọn phương pháp luận, nêu rõ những yêu cầu và những khó khăn trong mô hình hóa. Ngày đào tạo cuối cùng dành cho phần thực hành trong lớp học. Học viên có bài trình bày cuối cùng giới thiệu từng chủ đề nghiên cứu và tiến hành thảo luận. Ba học viên đại diện cũng chuẩn bị bài trình bày giới thiệu tổng quát cả 5 chủ đề nghiên cứu tại phiên tổng kết.

211


Tài liệu tham khảo chọn lọcBanos, a. et al. (2014), « outils et modèles pour la compréhension et l’exploitation des dynamiques urbaines », in LaGree, S. (éd. scientifique), Collection Conférences et Séminaires, n°13, AFD-ÉFEO.

Campbell, L. p., C. Luther, D. moo-Llanes, J.m. ramsey, r. Danis-Lozano et a. T. peterson (2015), ”Climate change influences on global distributions of dengue and chikungunya virus vectors”, Philosophical Transactions of the Royal Society B: Biological Sciences, 370(1665), 20140135–20140135. http://doi.org/10.1098/rstb.2014.0135

Choisy, m., p. Sitboulang, m. Vongpanhya, C. Saiyavong, B. Khamphaphongphanh, B. phommasack, F. Quet, Y. Buisson, J.D. Zucker et W.G. van panhuis (2015), ”rescuing public health data”, in Socio-Ecological Dimensions of Infectious Diseases in Southeast Asia (Morand S., Dujardin J.P., Lefait-Robin R. & apiwathnasorn C. eds), Springer, pp. 171-190, Singapore.

Drogoul, a. et al. (2013), « Comprendre les crises passées pour mieux gérer le présent : initiation à la modélisation géo-historique des risques (la crue du fleuve rouge de 1926) », in Lagrée, S. (éd. scien-tifique), Collection Conférences et Séminaires, n°10, AFD-ÉFEO.

Grimm et al., (2010), “The oDD protocol: a review and first update”, Ecological Modelling 221.

Higa Y, TY. Nguyen, H. Kawada, HS. Tran et m. Takagi (2010), ”Geographical distribution of aedes aegypti and aedes albopictus (Diptera: Culicidae) collected from used tires in Vietnam”,. J Am Mosq Control Assoc 2010; 26: 1–9

philippon D., m. Choisy, a. Drogoul, B. Gaudou et N. marilleau (2016), “implementing an epidemiological model taking into account Health policies”, submitted to maBS’2016 (https://sites.google.com/site/mabsworkshop2016/)

Shepard, DS., e-a. undurraga et Y-a. Halasa (2013), “economic and Disease Burden of Dengue in Southeast asia”, PLoS Negl Trop Dis 7(2).

Thai p.Q., Choisy m., Duong T.N., Thiem V.D., Yen N.T., Hien N.T., Weiss D.J., Boni m.F. et Horby p. (2015), ”Seasonality of absolute humidity explains seasonality of influenza-like illness in Vietnam”, Epidemics 13: 65-73.

van panhuis W.G., Choisy m., Xiong X., Chok N.S., akarasewi p., iamsirithaworn S., Lam S.K., Chong C.K., Lam F.C., phommasak B., Vongphrachanh p., Bouaphanh K., rekol H., Hien N.T., Duong T.N., Thai p.Q., Chuang J.-H., Liu Y.-L., NG L.C., Shi Y., Tayag e.a., roque V.G., Suy L.L.L., Jarman r.G., Gibbons r.V., Velasco J.m.S., Yoon i.-K., Burke D.S. et Cummings D.a.T. (2015), ”region-wide synchrony and trave-ling waves of dengue across eight countries in Southeast asia”, Proc. Natl. Acad. Sci. uSa 112(42): 13069-13074.

212


Danh sách học viên

Họ và tên Cơ quan/đơn vịLĩnh vực/

chuyên ngànhChủ đề nghiên cứu Email

Herisoa andry andrianasolo

Viện pasteur tại madagascar Xã hội học

Các yếu tố nhân học xã hội, dịch tễ học và nhân khẩu học của

bệnh sốt rét, bệnh lao và các triệu chứng cúm ở

madagascar

[email protected]

Đào Ngọc maiViện Vật lý Địa cầu - Viện

Hàn lâm Khoa học và Công nghệ Việt Nam

Động đấtmô phỏng các kịch bản cứu hộ động đất đô thị

bằng Gama

[email protected]

Đinh Thị Hồng Huyên Đại học Quy Nhơn Hệ thống thông tin

địa lý Khai thác dữ liệu [email protected]

Đỗ Thanh Nghị Đại học Cần Thơ Khoa học máy tính Khai thác dữ liệu [email protected]

Hoàng Thị mỹ Nhị

Viện nghiên cứu Đông Nam á

Sự phát triển, văn hóa, lịch sử của aSeaN, aSeaN+1

phát triển xã hội ở Việt Nam, Lào, Campuchia,

[email protected]

Lê Hồ phong Linh

Đại học mởthành phố Hồ Chí minh phát triển

Chất lượng sống, phát triển bền vững, nghèo đói, di cư,

bất bình đẳng

[email protected]

Lê Thị Ngọc phúc

Đại học Khoa học xã hội và Nhân văn

thành phố Hồ Chí minh

Nhân học y tế, nhân học văn hóa

xã hội

Hệ thống các chính sách y tế

[email protected]

Nguyễn Thị Vân Đại học Thủy lợi

mô hình hóa và mô phỏng các

hệ thống phức hợpmô hình hóa hệ sinh thái [email protected]

Nguyễn Hữu Duy Viễn Đại học Quảng Bình GiS ứng dụng Tài nguyên môi trường vien.nhd@gmail.

com

Nguyễn Quốc Huy

Đại học Công nghệ - Đại học Quốc gia Hà Nội

mô hình hóa và ứng dụng GiS

Ứng dụng GiS và mô hình hóa trong dự báo thiên tai

[email protected]

Nguyễn Thị Tám Viện Dân tộc học Nhân học y tế

Y tế dự phòng ở Việt Nam trong bối cảnh hội nhập

aSeaN

[email protected]

Nguyễn Thị Thu Thủy

Trung tâm vệ tinh quốc gia GiS, biến đổi khí hậu

Ứng dụng viễn thám và GiS trong nghiên cứu

bệnh truyền nhiễm do muỗi gây ra trong bối cảnh

biến đổi khí hậu

[email protected]

Nguyễn phạm Thế Vinh

Cao đẳng Sư phạm Nha Trang

mô phỏng và mô hình hóa Gama vinhcdspnt@gmail.

com

Hoàng Thị Thanh Hà Đại học Đà Nẵng Tin học Đa tác tử, mô phỏng [email protected]

phạm Lê mỹ Duyên Đại học Cần Thơ

mô hình toán trong quản lý tài nguyên

nước

Nguồn tài nguyên nước trong điều kiện biến đổi

khí hậu

[email protected]

213


Họ và tên Cơ quan/đơn vịLĩnh vực/

chuyên ngànhChủ đề nghiên cứu Email

marie emma Raharijaona raboanary

Viện pasteur tại madagascar Nhân học xã hội

Các yếu tố quyết định cần sự chăm sóc trong

trường hợp bệnh sốt rét, dịch hạch và bệnh dại ở

người tại madagascar

[email protected]

oliva Sitraka raharivelo Đại học antananarivo

Hệ thống đa tác tử, Trí thông minh nhân tạo phân bố,

tin học

mô hình hóa các thiết chế trong hệ sinh thái-xã hội, ứng dụng trong quản lý

rừng ở madagascar

[email protected]

Thái Thị Bích Vân

phân hiệu Đại học Đà Nẵng tại Kon Tum Dịch tễ học Dịch bệnh truyền từ người

sang động vật và ngược lạibichvankt09@

gmail.com

Trần Nguyễn minh Thư Đại học Cần Thơ Khoa học máy tính Khai thác dữ liệu tnmthu@ctu.

edu.vn

Trần Quý Long Viện nghiên cứu Gia đình và Giới Xã hội học

Y tế công cộng, sức khỏe cộng đồng, biến đổi khí

hậu

[email protected]

Trương Đình Bảo

CiraD montpellier, Đại học Nông lâm

thành phố Hồ Chí minh

Dịch tễ, sức khỏe vật nuôi

phương pháp tham gia phòng ngừa và

kiểm soát dịch sốt lở mồm long móng ở Việt Nam

[email protected]

Documents

2.2. Nguy cơ dịch bệnh và hội nhập chính sách y tế ở cấp ...€¦173 2.2. Nguy cơ dịch bệnh và hội nhập chính sách y tế ở cấp độ khu vực: mô