“2 mũi giáp công” để thích ứng với SARS-CoV-2 - Bài 1

Nhận định chính xác 'vùng đỏ' để ra quyết sách chống dịch

LTS: Tại cuộc họp Ban chỉ đạo quốc gia phòng chống dịch COVID-19 ngày 18-7, Phó Thủ tướng Vũ Đức Đam yêu cầu: “Tại 19 tỉnh, thành phía Nam thực hiện Chỉ thị 16, cần linh hoạt hai mũi “giáp công”: Một mũi tập trung lực lượng tại những “vùng đỏ”, có mức độ nguy cơ dịch bệnh COVID-19 rất cao. Mũi còn lại thực hiện tầm soát, sàng lọc kết hợp các biện pháp đồng bộ, giữ chặt “vùng xanh” an toàn...”. Có thể thấy Việt Nam một mặt tập trung dập đại dịch nhưng mặt còn lại quan trọng không kém là tìm cách tổ chức đời sống xã hội để thích ứng với virus SARS-CoV-2. Làm thế nào xác định được “vùng đỏ” (nguy hiểm) để chống đại dịch và tạo ra “vùng xanh” (an toàn) để sinh tồn? Pháp Luật TP.HCM sẽ làm rõ những vấn đề này qua loạt bài “2 mũi giáp công” để thích ứng với SARS-CoV-2.

Giữa lúc đại dịch diễn ra vô cùng phức tạp, một câu hỏi lớn mà rất nhiều người dân ở TP.HCM đặt ra: “Tình hình dịch nguy hiểm đến đâu?”. Để trả lời câu hỏi này, phải có giải pháp thiết lập “bản đồ dịch bệnh”, trong đó xác định được các “vùng đỏ”. Chính phủ ngay từ đầu đã xác định “chống dịch như chống giặc”. Như vậy, nếu xem “dịch” là “giặc” thì các “vùng đỏ” sẽ giúp nhận diện được số lượng kẻ địch (số ca F0, F1…), hình thái kẻ thù (biến thể virus), mức độ nguy hiểm (độc lực virus), tốc độ tấn công (tỉ lệ lây nhiễm)…

Nhận định chính xác 'vùng đỏ' để ra quyết sách chống dịch ảnh 1

Lấy mẫu xét nghiệm COVID-19 diện rộng để truy tìm F0
tại TP Thủ Đức, TP.HCM. Ảnh: HOÀNG GIANG

Từ xây dựng bản đồ phân “vùng đỏ”…

Theo ThS Bùi Hồng Sơn (Giám đốc Trung tâm Công nghệ thông tin TN&MT, Sở TN&MT TP.HCM), hiện nay ở Việt Nam, ví dụ Hà Nội, Bắc Giang, TP.HCM, đã có bản đồ hiển thị số ca nhiễm, ca nguy cơ nhiễm theo vùng địa lý. Tuy nhiên, để giải quyết bài toán phân vùng nguy cơ dựa vào các yếu tố không gian địa lý thì chưa có.

Các chuyên gia dịch tễ và chính sách công đều đồng ý với nhau rằng: Trong quản lý nhà nước thì lãnh thổ được chia thành các đơn vị hành chính (tỉnh, thành, quận, huyện…) nhưng khi chống dịch, phải chia lãnh thổ thành các khu vực nguy cơ. Vì vậy, TP phải lượng hóa được vùng nguy cơ dựa trên việc đánh giá sự di chuyển, tiếp xúc và tương tác giữa người dân, tổ chức với nhau.

Điển hình, nhóm ThS Bùi Hồng Sơn mô phỏng nguy cơ lây nhiễm COVID-19 bằng GIS (hệ thống thông tin địa lý) trên nền tảng Ur-scape. Nhóm chia TP ra từng đơn vị nhỏ, xem xét các yếu tố nguy cơ (ví dụ dựa vào số lượng, khoảng cách với chợ, trung tâm thương mại, khu chung cư, trường học… tại một không gian cụ thể). Kết quả, nhóm phân chia TP thành nhiều vùng với độ nguy cơ khác nhau, bao gồm: (I) Vùng nguy cơ thấp, (II) vùng nguy cơ, (III) vùng nguy cơ cao, (IV) vùng nguy cơ rất cao. Trong tương lai, nếu tiếp cận được các thông tin về số ca nhiễm trên từng đơn vị địa lý, các nghiên cứu GIS có thể dự báo: Sẽ có bao nhiêu ca F0 ở từng vùng địa lý cụ thể; tổng số ca F0 chưa được phát hiện trên toàn địa bàn TP; khu vực nào có mật độ F0 cao... Từ đó có thể nhận định rõ các giải pháp cụ thể để ngăn ngừa các kịch bản xấu nhất.

… Đến việc dự báo các kịch bản

Tương tự, nhóm PGS-TS Lê Trung Chơn, PGS-TS Quản Thành Thơ và một số nhà nghiên cứu khác (ĐH Bách khoa - ĐH Quốc gia TP.HCM) cũng kỳ vọng có thể dùng GIS để mô phỏng lan truyền dịch bệnh thông qua các dữ liệu điều tra dịch tễ (ví dụ thông tin di chuyển) của F0, F1, F2… Từ đó đưa ra các dự báo về nguy cơ lây nhiễm, lan truyền dịch bệnh theo không gian và thời gian.

Ngoài ra, khi TP áp dụng các chính sách chống dịch như Chỉ thị 15, 16; hay thí điểm việc cách ly F0, F1 ở nhà… thì việc theo dõi, thống kê dữ liệu từ các hoạt động này cũng rất quan trọng. Đó là nền tảng để đưa ra các dự báo nguy cơ theo từng kịch bản tương ứng với từng phương pháp chống dịch khác nhau của TP.

Hiện nay, GIS cùng với công nghệ điện toán đám mây (cloud computing), dữ liệu lớn (big data), trí tuệ nhân tạo (AI)… có thể tạo ra những mô phỏng, dự báo tiệm cận độ chính xác cao nhất. Đó sẽ là tín hiệu rất đáng mừng để người làm chính sách cân nhắc chiến lược và chiến thuật chống dịch.

PGS-TS Lê Trung Chơn nhận định: Bằng việc phân tích dữ liệu dịch tễ kết hợp với mật độ dân cư, tình hình kinh tế - xã hội... trên nền tảng GIS, các nhà làm chính sách có thể dự báo nguy cơ lan truyền dịch bệnh theo không gian và thời gian.

“Vùng đỏ” và quyết sách chống dịch

Với các vùng có nguy cơ lây nhiễm cao, TP có thể điều tiết, tập trung nguồn lực chống dịch. Ví dụ, tăng cường giãn cách xã hội, truy tìm F0 để cách ly, ưu tiên tiêm chủng vaccine, tập trung nguồn lực chữa trị… tại các “vùng đỏ”. Còn với các khu vực nguy cơ thấp, chúng ta có thể thực thi chính sách cởi mở hơn.

Đúng như ý kiến của một số chuyên gia về GIS, thực tế khi dịch COVID-19 xảy ra ở Việt Nam, một số địa phương đã áp dụng các biện pháp giãn cách, phong tỏa theo địa phận hành chính (tỉnh này phong tỏa với tỉnh kia, quận này phong tỏa với quận kia…). Từ đó gây ra chính sách giãn cách cực đoan.

Ở TP.HCM, với việc quản lý chợ truyền thống, TP nên dựa trên GIS để có thể đánh giá chính xác nguy cơ, sau đó mới quyết định đóng chợ nào, mở chợ nào hoặc tái tổ chức hoạt động chợ cho phù hợp với tình hình dịch. Trong công tác xét nghiệm, lãnh đạo TP ngày 15-7 thừa nhận áp lực lấy mẫu theo chỉ tiêu lớn đã làm nảy sinh các bất cập, hiệu quả thấp, gây lãng phí nguồn nhân lực và thời gian. Như vậy, nếu chúng ta nhận diện được các vùng nguy cơ, cộng với chiến thuật lấy mẫu hợp lý (ví dụ lấy mẫu theo cụm - cluster sampling) thì sẽ giảm thiểu được nguồn lực về con người, thời gian và chi phí.

Việc nhận diện được các “vùng đỏ” cũng góp phần vào sự phối hợp chính sách, điều tiết nguồn lực ở các địa phương. Ví dụ, ở vùng kinh tế TP.HCM, bao gồm TP và các tỉnh giáp ranh như Đồng Nai, Bình Dương…, việc xây dựng “vùng đỏ” sẽ xóa đi ranh giới hành chính, thay vào đó vẽ ra các vùng dự báo nguy cơ. Chính quyền các tỉnh dựa vào đó đồng bộ hóa chính sách.

Ví dụ, các địa phương nên thống nhất chính sách phong tỏa hay điều tiết giao thông… Ngoài ra, họ có thể hỗ trợ nhau về nguồn lực chống dịch, dựa trên nguyên tắc khu vực an toàn giúp khu vực nguy hiểm; nơi nguy hiểm ít giúp nơi nguy hiểm nhiều các vấn đề: Nguồn nhân lực, thiết bị y tế, nhu yếu phẩm… Nói nôm na là “hậu phương ưu tiên nguồn lực cho tiền tuyến”.

Nếu xác định được “vùng đỏ” ở chu vi càng hẹp, tức phân chia mức nguy hiểm không chỉ giữa các quận trong một TP, mà còn giữa các phường trong một quận, thậm chí giữa các hẻm trong một phường thì khả năng điều tiết nguồn lực càng cao. Ví dụ, bằng việc sử dụng GIS thì chúng ta có thể điều phối và phân bố y bác sĩ, tình nguyện viên, vaccine, thậm chí là nguồn thực phẩm… một cách hiệu quả đến từng hẻm hay từng cụm dân cư.•

 

TP cần tạo ra hệ thống dữ liệu mở

Một khó khăn phổ biến được các chuyên gia GIS chia sẻ đó là việc thu thập dữ liệu. Mặc dù nỗ lực tiếp cận dữ liệu một cách nhanh nhất, ví dụ từ các cơ quan công bố dịch của TP hay Bộ Y tế nhưng có một số vấn đề cần cải thiện.

Thứ nhất, tốc độ cung cấp và độ chính xác của dữ liệu cần được cải thiện. Thực tế, dịch diễn biến rất nhanh nên độ chậm của dữ liệu càng cao, trong khi độ chính xác thấp thì công tác dự báo càng kém hiệu quả. Thế nên việc áp dụng công nghệ vào thu thập, công bố dữ liệu một cách nhanh nhất, chính xác nhất là vô cùng quan trọng.

Thứ hai, các kho dữ liệu liên quan đến mật độ dân số; mật độ khu thương mại, chợ, siêu thị, trường học, khu dân cư, cao ốc chung cư… hay các dữ liệu về đời sống xã hội, mật độ giao thông cần được các cơ quan chức năng quan tâm, thu thập, hệ thống một cách khoa học, đầy đủ và mở hơn. Muốn vậy ngoài nhà nước nên mở cho khối tư nhân tham gia thu thập và công bố mạnh mẽ hơn. Đây sẽ là nền tảng để áp dụng cho việc đánh giá nguy cơ khi có dịch bệnh hay các thảm họa tự nhiên.