COVID-19: Khi cả thế giới cùng mò mẫm (Kì 1)

Hôm nay, 22/4, nhiều nơi trên cả nước bắt đầu đi làm, đi học. Ra đường ít bỡ ngỡ hơn, nhịp sống cũ đang dần trở lại. Đọc báo những ngày này, các tin tức tiêu cực về Covid-19 bắt đầu được thay dần bằng các tin tích cực cùng chủ đề: thêm một ngày không có ca lây nhiễm mới, thêm vài bệnh nhân xuất viện, rồi đâu đó là những kế hoạch, lời kêu gọi, hay thậm chí các tuyên bố về sự “trở lại” và “phục hồi”. Nếu nói như PTT Vũ Đức Đam cách đây gần 2 tháng, “chúng ta đã thắng trận đầu”, thì có lẽ, tính đến hôm nay, chúng ta đã thắng tiếp trận thứ 2.

Câu hỏi đặt ra là: Chúng ta còn phải chơi bao nhiêu trận nữa?

Không ai biết! Nếu để ý một chút, chúng ta có thể nhận thấy các thông báo, hay lời kêu gọi về sự mở cửa trở lại, đều đến chủ yếu từ giới doanh nghiệp, ngân hàng, tài chính…, những người sợ virus lockdown hơn cả gia đình virus corona gộp lại. Giới Y học thì sao? Dẫn hình ảnh từ Marc Lipsitch thuộc Harvard T.H. Chan School of Public Health (HSPH), “chúng ta đã sờ được vào phao cứu sinh, nhưng thực sự tôi vẫn không rõ làm cách nào để chúng ta sẽ về được bờ.”

Nhìn chung, chúng ta có 2 cái bờ để lao vào, trừ phi quá đam mê sự lênh đênh. Một là vaccine/ thuốc đặc trị. Hai là miễn dịch cộng đồng. Các quốc gia bằng cách nào đó sẽ cố “lái” phao của mình về một trong 2 đích đến kia. Việt Nam, cũng như phần đông các nước trên thế giới, đặt cửa vào thuốc/ vaccine, do đó chọn giãn cách xã hội và hạn chế số ca lây nhiễm tối đa, nhằm cho giới khoa học thêm thời gian để phát triển. Số còn lại, đặt vào ô miễn dịch cộng đồng – không có gì xảy ra hết, bệnh nặng quá thì ta đi viện.

Đó là một canh bạc và cửa nào cũng có nguy cơ ra nghĩa trang. Với nhóm hạn chế số ca nhiễm, phí tổn về kinh tế và xã hội đang lớn dần, và các quốc gia bắt đầu nói nhiều hơn về “exit strategy” – một cuộc chiến thực sự giữa Bộ Y tế và Bộ Tài chính. Cũng đúng thôi, Yết Kiêu thì cũng không thể lặn mãi được. Huống hồ, các nghiên cứu Yết Kiêu đọc được còn cho thấy vaccine cần từ 18-24 tháng để có thể được sử dụng rộng rãi. Thôi...cho lên đi!

Còn với nhóm YOLO, nghĩa trang ở đây là… nghĩa địa thật! Mới tháng 2, Anh và một số nước châu Âu khá tự tin với chiến lược này. Giờ thì ai cũng biết, và có lẽ chỉ còn Thụy Điển, quốc gia vẫn đang so sánh số ca tử vong của mình với Mỹ và trung thành với miễn dịch cộng đồng. Tuy vậy, mặc dù gần như chắc chắn cơ thể người khỏi bệnh sẽ sinh ra kháng thể, không một nghiên cứu nào cho tới nay khẳng định được kháng thể đó sẽ kéo dài mãi.

Và, giống như mọi trò đỏ đen khác, người chơi sẽ được trợ giúp bởi các công cụ toán học và dự báo (giấc mơ còn số hóa được cơ mà!), nhằm đưa ra quyết định chính xác hơn, hoặc chỉ ít là tin tay hơn vì sai thì cũng là sai kiểu có học. Hôm 14/4, tạp chí Science đăng nghiên cứu của nhóm tác giả đến từ HSPH, trong đó các khoa học đưa ra mô hình dự báo diễn biến của Covid-19 trong giai đoạn 2020-2025, cùng các kiến nghị về thời gian và mức độ thực hiện việc giãn cách cộng đồng. Mô hình được xây dựng trên số liệu từ các nghiên cứu mới nhất về SARS-CoV-2 và những người anh em trong gia đình β-coronavirus, bao gồm anh ruột SARS-CoV-1, hơi ruột MERS và các người anh họ HCoV-OC43, HCoV-HKU1 – nhóm human coronavirus hiện đang xếp thứ 2 trong danh sách tội phạm gây cảm lạnh (common cold).

Trong phạm vi kì này, mình sẽ giới thiệu phần một của nghiên cứu, nói về diễn biến của dịch bệnh trong giai đoạn 2020-2025, khi chưa tính đến yếu tố từ con người. Chi tiết về cách xây dựng mô hình và các biến số, mình sẽ để link phía dưới. Sau đây, mình sẽ liệt kê các yếu tố chính được xét đến trong mô hình để giúp cho việc theo dõi kết quả, bao gồm:

- Thời điểm bắt đầu xuất hiện dịch
Các tác giả chọn 4 mốc trong năm, tương ứng với 4 mùa, bao gồm tuần 4 (đầu tháng 2), tuần 16 (cuối tháng 4), tuần 28 (giữa tháng 7), và tuần 40 (đầu tháng 10).

- Thời gian tồn tại của miễn dịch (1/σ3)
Miễn dịch, theo mô hình, sẽ có thời hạn từ 40 tuần (dựa trên thời gian duy trì miễn dịch đối với nhóm HCoV; nhóm SARS và MERS có thể tạo miễn dịch lâu hơn) đến mãi mãi. Trong các biểu đồ dưới đây thời gian miễn dịch được kí hiệu bằng 1/σ3 (tuần). Ví dụ, với σ3 (/tuần) = 0.05 sẽ tương ứng với thời hạn miễn dịch là 20 tuần.

- Tác động của yếu tố mùa trong năm (f)
Trong mô hình này, các tác giả lượng hóa tác động của yếu tố mùa thông qua tác động lên Rpeak, – hệ số lây nhiễm tối đa. Theo các nghiên cứu gần đây, dựa trên số liệu thực tế của SARS-CoV-2 và tham khảo các số liệu từ các họ virus khác, đặc biệt là influenza, R dao dộng trong khoảng 2 – 2.6. Mô hình sẽ sử dụng chủ yếu Rpeak = 2.2 – con số “không cao lắm nhưng được chấp nhận bởi phần đông giới khoa học thời điểm này”, theo lời tác giả. Rpeak = 2.6 cũng được xét đến nhưng về cơ bản kết quả sẽ không thay đổi nhiều, mình sẽ đề cập đến thêm ở cuối bài.
Theo đó, yếu tố mùa (f) sẽ được đo từ 0 – 40% (hay 0.00 – 0.40), tương ứng mức tác động làm giảm Rpeak đi 0% (hoàn toàn không ảnh hưởng, áp dụng các vùng có khí hậu một mùa) đến 40% (ảnh hưởng mạnh và hạn chế đáng kể sự lây lan virus, áp dụng cho các vùng có khí hậu khác biệt rõ rệt giữa các mùa trong năm)

- Khả năng tạo miễn dịch chéo giữa SARS-CoV-2 và nhóm HCoV
Một số nghiên cứu chỉ ra rằng những người anh em trong gia đình β-coronavirus có khả năng tạo miễn dịch chéo cho cơ thể người bệnh (tất nhiên là nếu qua khỏi). Cụ thể, cặp SARS-CoV-1 và OC43, hay OC43 và HKU1 đều tạo được miễn dịch chéo, dù tác động theo 2 chiều là không giống nhau. Tạm thời đồng chí SARS-CoV-1 và MERS đang mất tích nên mô hình sẽ giả định về khả năng tạo miễn dịch chéo giữa SARS-CoV-2 và nhóm HCoV, kí hiệu χ3X và χX3, tương ứng là 2 chiều của tác động (chẳng hạn, χ3X là khả năng tạo miễn dịch chéo của SARS-CoV-2 đối với nhóm HCoV), được đo từ 0 (hoàn toàn không có miễn dịch chéo) đến 1 (cứ sốt virus là mừng).

Sau đây là một số kết luận được rút ra từ mô hình:

1. Không có nhiều sự khác nhau về số ca lây nhiễm khi thay đổi thời điểm bùng phát dịch
Tác động của thời điểm bắt đầu bùng phát dịch trong năm và thời hạn của miễn dịch lên tổng số ca lây nhiễm và số lượng ca nhiễm cao nhất
Mô hình cho thấy, dù bùng phát vào giai đoạn nào trong năm thì số lượng người nhiễm cũng sẽ tương tự nhau. Tuy nhiên, giai đoạn đông – xuân sẽ mang lại nhiều không khí hơn cho ngành y tế (có thể dẫn đến ít ca tử vong hơn) do đỉnh thấp hơn so với thời điểm thu – đông.
Cũng theo kết quả trên, mặc dù thời hạn miễn dịch (σ) ảnh hưởng lớn đến tổng số ca lây nhiễm, yếu tố này gần như không có ảnh hưởng gì lên số ca nhiễm tại thời điểm đỉnh dịch.

2. Trong trường hợp miễn dịch là có thời hạn (1 năm, 2 năm…), Covid-19 sẽ trở thành một thứ “đến hẹn lại lên”
Các kết quả của mô hình chỉ ra rằng, TT Trump đã đúng khi so sánh virus Vũ Hán với cúm mùa. Trong trường hợp miễn dịch không phải suốt đời, thì nó sẽ đến, rồi lại vẫy tay chào, trước khi đến thêm nhiều nhiều lần nữa. Tần suất có thể là 1 năm (ứng với thời hạn miễn dịch 40 tuần) , 2 năm (ứng với thời hạn miễn dịch 104 tuần), hoặc không xác định. Kết quả được minh họa bởi hình A và B đồ thị dưới dây, với đường màu đen, đỏ và xanh thể hiện số ca nhiễm bệnh trên 1000 người tương ứng với 3 anh em SARS-CoV-2, HKU1 và OC43.
(Đồ thị hơi "xấu", vì thông số được chọn hơi bi quan:
A: χ3X = 0.3, χX3 = 0, 1/σ3 = 40 tuần, f = 0.2
B: χ3X = 0.7, χX3 = 0, 1/σ3 = 104 tuần, f = 0.2)

***Các kịch bản diễn biến của Covid-19 với giả định Rpeak=2.2***

3. Yếu tố mùa và diễn biến dịch các năm
Hình C phía trên thể hiện khi đưa f = 0.4 (tương ứng việc yếu tố mùa sẽ ảnh hưởng mạnh đến R như đã nói phía trên). So sánh với hình B, ta thấy đỉnh dịch trong năm đầu tiên thấp hơn là rõ, nhưng bù lại các năm sau mùa đông lại lạnh hơn cũng tương đối nhiều.
(Thông số hình C: χ3X = 0.7, χX3 = 0, 1/σ3 = 104 tuần, f = 0.4)

4. Trong trường hợp miễn dịch là mãi mãi (hình D)
Chúng ta sẽ chia tay Covid-19 sau khoảng 5 năm. Cô sẽ càn quét nhân loại trong năm đầu, sau đó liu riu mỗi năm trước khi dứt hẳn. Một tác dụng phụ của cô, trong trường hợp cô tạo được miễn dịch chéo lên HCoV (χ3X > 0), là việc cô xuất hiện lần này cũng giúp giảm sự hoành hành của 2 ông anh kia. Thậm chí, nếu χ3X > 0.7 (tương đương mức OC43 “đóng góp” lên HKU1), nhóm HCoV kia có thể theo cô mà ra đi mãi mãi.
(Thông số hình D: χ3X = 0.7, χX3 = 0, f = 0.2)

5. Một kịch bản đẹp với một chút đóng góp từ HCoV
Từ hình C phía trên, chúng ta thay đổi một chút ảnh hưởng tạo miễn dịch chéo từ nhóm HCoV lên SARS-CoV-2 (0 lên 0.3) và ngược lại (0.7 về 0.3), chúng ta sẽ có một kịch bản đỡ sốc hơn và dễ thở hơn rất nhiều. Hãy hy vọng.

***Kịch bản diễn biến Covid-19 trong trường hợp miễn dịch chéo đáng kể và yếu tố mùa cao***

(Thông số: χ3X = 0.3, χX3 = 0.3, f = 0.4, 1/σ3 = 104 tuần, R = 2.2 và 2.6)

Như đã nói phía trên, mô hình trên được chạy trên Rpeak = 2.2. Với Rpeak = 2.6, kết quả có khác một chút về độ lớn của một số đỉnh nhưng về khung thời gian thì không có khác biệt, các kết luận vẫn được giữ nguyên.

***Các kịch bản diễn biến của Covid-19 với giả định Rpeak=2.6***

Trên đây là những kết luận quan trọng được rút ra từ mô hình dự báo của các nhà khoa học đến từ HSPH. Như mọi dự báo khác, công trình trên đây chắc chắn có sai số. Tuy nhiên, chúng ta luôn cần các mô hình như vậy để đến gần hơn được với câu trả lời cho câu hỏi chúng ta đang đối mặt với cái gì và chúng ta sẽ đi về đâu, dựa trên các giả định về những gì chúng ta có, đã và sẽ có thể làm. Với mô hình trên đây, chẳng hạn, nếu sắp tới chúng ta có thể thu thập được thông tin chính xác về thời hạn miễn dịch của SARS-CoV-2, bức tranh tổng thể sẽ được sáng tỏ hơn rất nhiều.

Trong kì tới, mình sẽ giới thiệu phần còn lại trong nghiên cứu trên, khi các tác giả đưa yếu tố con người vào mô hình và đánh giá, dự báo tác động của các biện pháp phòng dịch lên sự lây lan của SARS-CoV-2. Những nghiên cứu này chính là những nỗ lực nhằm giải đáp phần nào câu hỏi được đặt ra ở đầu bài.

Cuộc chiến này còn lâu nữa không?

(Hết kì 1)

**********
NGUỒN THAM KHẢO
1. The lockdowns worked—but what comes next?, Science Mag, 17 April 2020; https://science.sciencemag.org/content/368/6488/218
2. Stephen M. Kissler, Christine Tedijanto, Edward Goldstein, Yonatan H. Grad, Marc Lipsitch, Projecting the transmission dynamics of SARS-CoV-2 through the postpandemic period, Science  14 Apr 2020: DOI: 10.1126/science.abb579
3. P. S. Wikramaratna, M. Sandeman, M. Recker, S. Gupta, The antigenic evolution of influenza: Drift or thrift? Philos. Trans. R. Soc. B Biol. Sci. 368, 20120200 (2013).doi:10.1098/rstb.2012.0200 Medline
4. L. Vijgen, E. Keyaerts, E. Moës, I. Thoelen, E. Wollants, P. Lemey, A.-M. Vandamme, M. Van Ranst, Complete genomic sequence of human coronavirus OC43: Molecular clock analysis suggests a relatively recent zoonotic coronavirus transmission event. J. Virol. 79, 1595–1604 (2005). doi:10.1128/JVI.79.3.1595-1604.2005 Medline
5. S. Su, G. Wong, W. Shi, J. Liu, A. C. K. Lai, J. Zhou, W. Liu, Y. Bi, G. F. Gao, Epidemiology, genetic recombination, and pathogenesis of coronaviruses. Trends Microbiol. 24, 490–502 (2016). doi:10.1016/j.tim.2016.03.003 Medline
6. M. E. Killerby, H. M. Biggs, A. Haynes, R. M. Dahl, D. Mustaquim, S. I. Gerber, J. T. Watson, Human coronavirus circulation in the United States 2014-2017. J. Clin. Virol. 101, 52–56 (2018). doi:10.1016/j.jcv.2018.01.019 Medline
7. R. A. Neher, R. Dyrdak, V. Druelle, E. B. Hodcroft, J. Albert, Potential impact of seasonal forcing on a SARS-CoV-2 pandemic. Swiss Med. Wkly. 150, w20224 (2020). doi:10.4414/smw.2020.20224 Medline