[Bnomics] สายพันธุ์เดลต้า กับความรวดเร็วในการระบาดระลอก 4 หลายคนคงอยากรู้ว่า ในช่วงที่ผ่านมา Effective Reproduction rate (R0) ของการแพร่ระบาดโควิดในไทยเป็นอย่างไร

สำรวจ
ลงทุน
คำถาม

มีบัญชีอยู่แล้ว?หรือ

Bnomics

•

27 ก.ค. 2021 เวลา 13:31 • สุขภาพ

สายพันธุ์เดลต้า กับความรวดเร็วในการระบาดระลอก 4

หลายคนคงอยากรู้ว่า ในช่วงที่ผ่านมา Effective Reproduction rate (R0) ของการแพร่ระบาดโควิดในไทยเป็นอย่างไร

สายพันธุ์เดลต้า กับความรวดเร็วในการระบาดระลอก 4

ในตอนต้นของการแพร่ระบาดระลอกที่ 3 ในไทย Bnomics ได้เคยเขียนถึงเรื่อง Effective Reproduction rate (R0) เอาไว้ ในขณะนั้นค่านี้เคยขึ้นไปสูงสุดอยู่ที่ 2.27 เมื่อวันที่ 12 เมษายน (ข้อมูลจากการคำนวณ ณ วันที่ 20 เมษายน) ซึ่งเป็นช่วงก่อนที่จะมีการประกาศปิดสถานบันเทิง นั่นหมายถึงว่า ผู้ติดเชื้อคนไทย 1 คน สามารถแพร่เชื้อต่อไปได้ถึง 2.27

ช่วงเวลานั้นยอดผู้ติดเชื้ออยู่ที่ราวๆ 2,000 คนต่อวัน แต่ในปัจจุบันผู้ติดเชื้อต่อวันเกิน 1 หมื่นคนติดต่อกันมาเป็นสัปดาห์และยังคงทำสถิติสูงขึ้นทุกวันๆ หลายคนจึงกังวลใจว่า แล้วค่า R0 หรือ อัตราการแพร่ระบาด ที่ถูกคำนวณด้วยโมเดลโดยใช้ข้อมูลการติดเชื้อที่ผ่านๆ มาจะเพิ่มขึ้นแค่ไหน

จากการศึกษาของ European Center for Disease Prevention and Control พบว่าขณะที่เชื้อไวรัสโคโรนายังไม่กลายพันธุ์ ค่านี้อยู่ที่ราวๆ 1.9 - 2.6 ต่อมาเมื่อมีการพัฒนาเป็นสายพันธุ์แอลฟา ค่านี้ขยับสูงขึ้นไปอยู่ที่ 3 - 4 และสำหรับสายพันธุ์เดลตาที่กำลังระบาดหนักอยู่ในหลายประเทศในขณะนี้ มีค่า Effective Reproduction Rate สูงถึง 5 - 6 นั่นหมายถึงผู้ติดเชื้อ 1 คน สามารถแพร่เชื้อให้ผู้อื่นได้ถึง 5 - 6 คนเลยทีเดียว ซึ่งนั่นหมายความว่า

1. สายพันธุ์เดลต้ามีความสามารถในการกระจายรวดเร็วกว่าเดิมหลายเท่า แรงกว่าการระบาดรอบแรกจากอู่ฮั่น และแรงกว่าระบาดรอบที่สามจากแอลฟา

2. การต่อสู้กับสายพันธุ์เดลต้าให้สำเร็จได้นั้น จะไม่ง่ายเหมือนเดิม เนื่องจากเชื้อติดง่าย เราต้องมีประชากรที่มีภูมิคุ้มกันเป็นสัดส่วนที่ยิ่งมากกว่าเดิม ต้องฉีดวัคซีนมากกว่าเดิม ก่อนที่สังคมจะมีสิ่งที่เรียกว่า ภูมิคุ้มกันหมู่ (Herd Immunity)

ในประเด็นนี้ สิ่งที่ทำให้คนสับสน ก็คือ ตัวเลข R0 สำหรับประเทศไทยที่ Our World in Data คำนวณไว้ ณ วันที่ 23 กรกฎาคม พบว่า ค่า R0 ของไทยที่เคยเพิ่มขึ้นไปสูงถึงประมาณ 2.27 ในช่วงต้นเดือนเมษาหลังจากการระบาดระลอกสาม (ที่ได้กล่าวมาแล้วข้างต้น) ได้ปรับลดลงมาอยู่ที่ระดับ 1.32

ค่า Basic Reproduction Rate (R0) ของโควิดสายพันธู์ต่าง ๆ

หลายคนจึงตั้งคำถามว่า ถ้าเชื้อสามารถระบาดได้ง่าย จนกระทั่งทางการสหรัฐ (CDC) ต้องออกเตือนประชาชนของตนเองเมื่อสัปดาห์ที่ผ่านมาว่า สายพันธุ์เดลต้ามีความสามารถในการแพร่ระบาดสูงกว่าสายพันธุ์อื่นมาก เนื่องจากทางเดินหายใจของผู้ซึ่งป่วยจากสายพันธุ์เดลต้า มีเชื้อไวรัสมากกว่าคนที่ป่วยจากสายพันธุ์อื่นถึง 1,000 เท่า ....

ทำไมค่า Effective Reproduction Rate (R0) ในไทยกลับลดลง? ... สถานการณ์การแพร่ระบาดในไทยดีขึ้นแล้วใช่ไหม?

ในเรื่องนี้ ขอฟันธงว่า เราตายใจไม่ได้ ส่วนหนึ่งที่ตัวเลข R0 ปรับลดลงมา อาจจะเป็นผลจากตัวเลขที่ใช้ในการคำนวนดังกล่าว เพราะค่า R0 นี้ คำนวณโดยโมเดลทางคณิตศาสตร์ที่ใช้ข้อมูลผู้ติดเชื้อที่ถูกรายงานออกมา แล้วหาอัตราการเติบโตโดยใช้วิธีทางเศรษฐมิติที่เรียกว่า Kalman Filter และในขั้นสุดท้ายใช้ model คำนวณต่อเพื่อที่จะได้ค่า R0 ออกมา

ในประเด็นนี้ ค่า R0 จึงสามารถเปลี่ยนแปลงไปได้ตลอดเวลา ตามตัวเลขที่ใส่เข้าไปในโมเดลดังกล่าว (รวมถึงตามความเข้มงวดของนโยบายรัฐ และตามวงรอบของการระบาด) โดยค่านี้จะพยายามชี้ว่า ผู้ติดเชื้อคนหนึ่ง จะนำเชื้อนี้ไปติดคนอื่นเพิ่มเติมได้อย่างสมบูรณ์กี่คน โดยที่ผู้ที่รับเชื้อต่อต้องไม่มีภูมิคุ้มกันเลย

สิ่งที่น่าสนใจก็คือ ตัวเลข R0 ที่เพิ่มขึ้นในช่วงเมษายน เกิดขึ้นพร้อมๆ กับการเร่งตัวขึ้นของจำนวนผู้ป่วยรายใหม่ที่พบในแต่ละวัน ซึ่งในจุดนั้น เราพบว่าในประเทศไทยมีการเร่งตรวจตัวอย่างเพิ่มขึ้นอย่างมาก จากเดิมที่ตรวจประมาณ 2 หมื่นตัวอย่างต่อวัน เพิ่มเป็นประมาณ 7 หมื่นตัวอย่างต่อวัน และคนที่เคยป่วยประมาณ 100 กว่าคนช่วงปลายมีนาคม มาเป็น 2,500 คนต่อวันในช่วงปลายเมษายน

ค่า Effective Reproduction Rate (R0) ของไทยที่ผ่านมา

อย่างไรก็ดี ตัวเลข R0 ในรอบล่าสุดที่คำนวนได้ อาจจะไม่สะท้อนความจริงทั้งหมดของปัญหาที่เราเผชิญอยู่ (อาจจะ underestimate) ส่วนหนึ่งเป็นเพราะถ้าเราพิจารณาจากข้อมูลการตรวจเชื้อโควิดจากกรมวิทยาศาสตร์การแพทย์แล้วจะพบถึง ข้อจำกัดของไทยในช่วงล่าสุด คือ เราสามารถตรวจโควิดได้สูงสุดเพียงประมาณ 80,000-100,000 คนต่อวันเท่านั้น

ด้วยเหตุนี้ จำนวนผู้ป่วยที่รายงาน อาจจะไม่ใช่ตัวเลขผู้ป่วยที่แท้จริงในระบบ และเมื่อเราเอาตัวเลขดังกล่าวนำเข้าไปใช้ในการคำนวนผ่านกรรมวิธีของ Kalman Filter ทำให้เราไม่เห็นถึงอัตราการเร่งที่แท้จริง (ตามประสาที่เรียกกันว่า garbage in garbage out) ทำให้ R0 ที่คำนวนออกมาได้น่าจะต่ำกว่าความจริง

ในประเด็นนี้ เราเริ่มเห็นสัญญาณอันตรายอีกเรื่อง ก็คือ อัตราส่วนผู้ติดเชื้อที่เราตรวจพบ เริ่มคิดเป็นสัดส่วนที่มากขึ้นตามลำดับ เช่น วันที่ 24 กรกฎาคม มีผู้ติดเชื้อ 13,745 คน จากการตรวจทั้งหมด 67,283 คน หรือคิดเป็น 20% ของการตรวจเลยทีเดียว จากเดิมที่สัดส่วนดังกล่าวอยู่ที่ 9% เท่านั้นในช่วงต้นเดือนกรกฏาคม

กล่าวอีกนัยหนึ่ง คนไทยเริ่มมีคนป่วยเป็นโควิดในความเป็นจริงมากขึ้นเรื่อยๆ อย่างก้าวกระโดด

จำนวนผู้ติดเชื้อ ต่อจำนวนการตรวจทั้งหมด เริ่มคิดเป็นสัดส่วนที่มากขึ้น

ทั้งนี้ ความเข้มข้นของสัดส่วนคนป่วยที่เพิ่มสูงขึ้นดังกล่าว ได้เป็นปัจจัยสำคัญ ที่ทำให้ตัวเลขผู้ป่วยรายใหม่ในแต่ละวันเพิ่มขึ้นอย่างต่อเนื่อง แม้จะมีข้อจำกัดเรื่องจำนวนที่เราตัวอย่างที่เราตรวจได้ เป็นเพดานกั้นไว้ก็ตาม

จุดนี้ หมายความว่า หากเราสามารถเพิ่มกำลังการตรวจได้เป็นเท่าตัว ค่า R0 อาจจะเพิ่มมากกว่าที่เราเห็นก็เป็นได้

ดังนั้น ค่า R0 ที่เราเห็น จึงเป็นเพียงค่าประมาณขั้นพื้นฐานจากข้อมูลที่มีอยู่อย่างจำกัด และอาจไม่สะท้อนภาพความรุนแรงของการระบาดในเบื้องหน้าได้มากนัก ต้องอาศัยวิธีอื่นๆ มาประกอบเพิ่มเติม

ตัวอย่างเช่น เมื่อสัปดาห์ที่ผ่านมา ยังมีงานวิจัยจากมหาวิทยาลัยมหิดล ที่คาดการณ์ว่าในกรณีที่แย่ที่สุดเราอาจมีผู้ติดเชื้อสูงสุดวันละกว่า 30,000 รายต่อวัน

หากนั่นไม่ใช่สถานการณ์ที่แย่ที่สุด การคาดการณ์จาก University of Washington ให้ภาพที่แย่กว่านั้นอีก เนื่องจากเป็นโมเดลการคาดการณ์จำนวนผู้ติดเชื้อรายวัน ที่รวมผู้ติดเชื้อที่ไม่ได้เข้ารับการตรวจด้วย

ผลการคาดการณ์ด้วยแบบจำลองของมหาวิทยาลัยมหิดล

ในจุดนี้ อย่าลืมว่าในปัจจุบันสถานที่รับตรวจโควิดฟรีในกรุงเทพฯ รับตรวจจำนวนจำกัด และรองรับเฉพาะคนไทยเท่านั้น จึงอาจมีผู้ติดเชื้อแฝงที่เป็นแรงงานข้ามชาติ และคนที่ตกหล่นจากการตรวจแพร่เชื้อต่อไปได้อีกเรื่อยๆ ในกรุงเทพฯ ซึ่งคนอยู่อาศัยกันอย่างแออัด

จากการศึกษาของ University of Washington ดังกล่าวพบว่า ตัวเลขการคาดการณ์ผู้ติดเชื้อในเดือนสิงหาคมในแต่ละวัน อาจจะอยู่สูงกว่าปัจจุบันอีกหลายเท่า (ตัวเลขนี้หมายถึง ผู้ที่ติดเชื้อในช่วงเวลานั้นๆ ทั้งหมด ซึ่งรวมไปถึงผู้ติดเชื้อที่ไม่ได้รับการตรวจด้วย) ส่งผลให้มีความต้องการเตียงเพิ่มถึง 30,000 เตียง

หากเป็นเช่นนั้นจริง สิ่งที่น่ากังวลที่สุดคือระบบสาธารณสุขอาจรองรับไม่ไหวเพราะจากข้อมูล ณ วันที่ 13 กรกฎาคม ทั้งประเทศเหลือเตียงเพียง 30,000 กว่าเตียงเท่านั้น

การคาดการณ์จำนวนผู้ติดเชื้อโควิด (Prevalent Infections) ในประเทศไทย

การคาดการณ์ความต้องการเตียงผู้ป่วยในประเทศไทย

ทั้งหมดนี้ เป็นการคาดการณ์จากข้อมูลที่มีอยู่และจากโมเดลคณิตศาสตร์

ภาพที่เลวร้ายเหล่านี้ อาจไม่เกิดขึ้นจริง หากทุกคนทุกฝ่ายร่วมมือกัน ช่วยกันฟังคุณหมอ หยุดอยู่บ้าน รักษาระยะห่างทางสังคม ดูแลสุขอนามัยอย่างเคร่งครัด ทั้งด้านการใส่หน้ากาก ล้างมือ รวมทั้ง การที่รัฐบาลจะเร่งการจัดหาวัคซีนที่สามารถรับมือกับเชื้อไวรัสที่กลายพันธุ์ได้ เพื่อให้ประเทศไทยสามารถเดินไปในเส้นทางที่ดีที่สุด ในเส้นทางอันตรายที่มีอยู่อย่างน้อย 3 เส้นทาง ตามที่ Bnomics ได้เขียนไปแล้ว

อ่านเพิ่มเติม

blockdit.com

[Bnomics] ทางที่ต้องเลือก

ทางที่ต้องเลือก

หนทางข้างหน้าต่อจากนี้ จะขรุขระมากน้อยแค่ไหน ผู้นำทางและผู้ร่วมทางทุกคนจะต้องเลือกเอง เพราะสิ่งที่เราทำ พฤติกรรมความเข้มงวดเรื่องสุขอนามัยที่เราจะนำมาปฏิบัติ จะเป็นตัวกำหนดชะตาร่วมของทุกคน

#ผู้ติดเชื้อ #จำนวนผู้ติดเชื้อ #R0 #ภูมิคุ้มกันหมู่ #herd_immunity

#Bnomics #เศรษฐศาสตร์ #Economics

ผู้เขียน : ชนาภา มานะเพ็ญศิริ Economist, Bnomics

ภาพประกอบ : จินดาวรรณ อรรถมานะ Graphic Designer, Bnomics

════════════════

▶︎ ติดตามช่องทางของ Bnomics ได้ที่

Website : https://www.bnomics.co

Facebook : https://www.facebook.com/Bnomics.co

Blockdit : https://www.blockdit.com/bnomics

Line OA : @Bnomics https://bit.ly/3eYkTJC

Youtube : https://www.youtube.com/bnomics

Twitter : https://twitter.com/bnomics_co