. Số liệu bệnh tật: ca bệnh được chẩn đoán bệnh truyền nhiễm từ năm dựa theo thông tư số 482010TT – BYT về hướng dẫn chế độ khai báo, thông tin, báo cáo các bệnh truyền nhiễm gồm danh mục các bệnh truyền nhiễm phải báo cáo theo tuần và các bệnh truyền nhiễm báo cáo theo tháng và báo cáo tổng hợp bệnh truyền nhiễm 12 tháng từ năm 20002014, trong đó chú trọng đến một vài bệnh như bệnh tiêu chảy, tay chân miệng, sốt xuất huyết, cúm…Nguồn số liệu các bệnh truyền nhiễm tại địa bàn nghiên cứu sẽ do Trung Tâm Y Tế Dự Phòng TP.HCM cung cấp. Bên cạnh đó cũng thu thập về số liệu bệnh truyền không truyền nhiễm do do Sở y tế cung cấp. 3.3.2. Số liệu khí tượng thủy văn: về nhiệt độ không khí tối cao, nhiệt độ không khí tối thấp, nhiệt độ không khí trung bình, độ ẩm và mực nước thu thập từ trạm Tân Sơn Hòa, TP.HCM do Viện Môi Trường và Tài Nguyên cung cấp
ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Thời gian nghiên cứu
- Thời gian nghiên cứu: từ 1/1/2015 đến 01/6/2015
- Số liệu hồi cứu: từ 01/01/2010đến 31/12/2015
Đối tượng nghiên cứu
3.3.1 Số liệu bệnh tật: ca bệnh được chẩn đoán bệnh truyền nhiễm từ năm dựa theo thông tư số 48/2010/TT – BYT về hướng dẫn chế độ khai báo, thông tin, báo cáo các bệnh truyền nhiễm gồm danh mục các bệnh truyền nhiễm phải báo cáo theo tuần và các bệnh truyền nhiễm báo cáo theo tháng và báo cáo tổng hợp bệnh truyền nhiễm 12 tháng từ năm 2000-2014, trong đó chú trọng đến một vài bệnh như bệnh tiêu chảy, tay chân miệng, sốt xuất huyết, cúm…Nguồn số liệu các bệnh truyền nhiễm tại địa bàn nghiên cứu sẽ do Trung Tâm Y Tế Dự Phòng TP.HCM cung cấp Bên cạnh đó cũng thu thập về số liệu bệnh truyền không truyền nhiễm do do Sở y tế cung cấp.
3.3.2 Số liệu khí tượng thủy văn: về nhiệt độ không khí tối cao, nhiệt độ không khí tối thấp, nhiệt độ không khí trung bình, độ ẩm và mực nước thu thập từ trạm Tân Sơn Hòa,TP.HCM do Viện Môi Trường và Tài Nguyên cung cấp
Phương pháp nghiên cứu
3.4.1 Thiết kế nghiên cứu: nghiên cứu sinh thái học
- Các nhóm biến số về bệnh tật
+ Số mắc, chết hàng tuần, tháng, năm của các bệnh truyền nhiễm theo thông tư 48 của Bộ Y tế về hướng dẫn chế độ khai báo, thông tin, báo cáo các bệnh truyền nhiễm gồm danh mục các bệnh truyền nhiễm phải báo cáo
+ Số mắc và tử vong bệnh đột quỵ và COPD hàng quý do Sở Y tế Cung cấp
3.4.2.1 Biến số về môi trường
Nhiệt độ tối cao hàng ngày (Tmax): Là biến số định lượng, liên tục, được xác định là giá trị nhiệt độ cao nhất trong khoảng thời gian 24h mỗi ngày.
Nhiệt độ tối thấp hàng ngày (Tmin): Là biến số định lượng, liên tục, được xác định là giá trị nhiệt độ thấp nhất trong khoảng thời gian 24h mỗi ngày
Nhiệt độ trung bình hàng ngày (Ttb): Là biến số định lượng, liên tục, được xác định là giá trị trung bình của nhiệt độ tối cao và nhiệt độ tối thấp trong khoảng thời gian 24h mỗi ngày theo công thức sau:
3.4.2.2 Biến số về sức khỏe
- Định nghĩa ca bệnh tay chân miệng (56)
Ca bệnh lâm sàng Tay chân miệng: Là những trường hợp có sốt, ban chủ yếu dạng phỏng nước ở lòng bàn tay, lòng bàn chân, đầu gối, mông, miệng, có thể kèm theo loét ở miệng Phân độ lâm sàng theo hướng dẫn chẩn đoán, điều trị bệnh tay chân miệng ban hành theo Quyết định số 2554/QĐ-BYT ngày 19/07/2011 của Bộ trưởng Bộ Y tế.
Ca bệnh xác định: Là ca bệnh lâm sàng có xét nghiệm dương tính với vi rút đường ruột gây bệnh tay chân miệng.
Ca bệnh tản phát: Là các trường hợp bệnh tay chân miệng đơn lẻ không phát hiện liên quan về dịch tễ (đường lây và nguồn lây) với các trường hợp khác.
Ổ dịch: Một nơi (thôn/ấp/bản/tổ dân phố/cụm dân cư/đơn vị) được gọi là ổ dịch khi ghi nhận từ 02 trường hợp bệnh (lâm sàng hoặc xác định) trở lên khởi phát trong vòng 7 ngày có liên quan dịch tễ với nhau Ổ dịch được xác định là kết thúc khi sau 14 ngày không ghi nhận trường hợp mắc mới kể từ ngày khởi phát của trường hợp mắc bệnh cuối cùng.
- Định nghĩa bệnh sốt xuất huyết:
Ca bệnh SXH giám sát: Là trường hợp người sống hoặc đến từ vùng có ổ dịch hoặc lưu hành SXH trong vòng 14 ngày có biểu hiện sốt cao đột ngột kéo dài từ 2 đến 7 ngày kèm các triệu chứng: biểu hiện xuất huyết (dấu hiệu dây thắt dương tính), chấm/mảng xuất huyết ở dưới da, chảy máu chân răng hoặc chảy máu cam; nhức đầu, chán ăn, buồn nôn, nôn; da xung huyết, phát ban; đau cơ, đau khớp, nhức hai hố mắt.
Ca SXH xác định: Là ca bệnh được chẩn đoán xác định bằng kỹ thuật ELISA (phát hiện IgM hoặc NS1) hoặc phân lập vi rút hoặc xét nghiệm PCR.
Ổ dịch SXH: Một nơi (tổ, khu phố/xóm/ấp, cụm dân cư hoặc tương đương) được xác định là ổ dịch SXHD khi có các ca bệnh lâm sàng xảy ra trong vòng 7 ngày hoặc một ca bệnh SXHD được chẩn đoán xác định phòng xét nghiệm, đồng thời phát hiện có lăng quăng/bọ gậy hoặc muỗi truyền bệnh trong phạm vi bán kính 200 mét. Định nghĩa bệnh sởi:(57)
Là trường hợp được chẩn đoán xác định mắc sởi bằng 1 trong các xét nghiệm sau:
- Xét nghiệm ELISA có kháng thể IgM đặc hiệu kháng vi rút sởi.
- Xét nghiệm PCR xác định được đoạn gen đặc hiệu của vi rút sởi.
- Phân lập được vi rút sởi.
- Định nghĩa ca bệnh sốt rét (58)
Ca lâm sàng: Phải có đủ 4 tiêu chuẩn o Sốt: có cơn sốt rét điển hình hoặc không điển hình hoặc có sốt trong 3 ngày gần đây. o Không tìm thấy các nguyên nhân gây sốt khác. o Đang ở hoặc đã đến vùng sốt rét lưu hành trong thời gian ít nhất 14 ngày hoặc có tiền sử mắc sốt rét trong vòng 2 năm gần đây. o Trong vòng 3 ngày đầu điều trị bằng thuốc sốt rét có đáp ứng tốt.
Ca xác định: Là trường hợp có ký sinh trùng sốt rét trong máu được xác định bằng xét nghiệm lam máu nhuộm giêm-sa hoặc xét nghiệm chẩn đoán nhanh phát hiện kháng nguyên hoặc kỹ thuật PCR.
Ca sốt rét nội địa: Là trường hợp sốt rét xác định, lây nhiễm tại xã/phường, không có bằng chứng nào liên quan trực tiếp đến trường hợp sốt rét ngoại lai.
Ca sốt rét ngoại lai: Là trường hợp sốt rét xác định, lây nhiễm từ nơi khác về xã/phường.
Ca sốt rét thứ truyền: Là trường họp sốt rét xác định, lây nhiễm tại chỗ từ trường hợp sốt rét ngoại lai.
Ca sốt rét tái phát xa: Là trường họp sốt rét xác định, có tiền sử nhiễm sốt rét p. vivax hoặc p ovale trong vòng 3 năm, không có tiền sử dịch tễ liên quan với lây truyền ký sinh trùng sốt rét từ bên ngoài.
Ca sốt rét ác tính: Là trường họp bệnh sốt rét xác định có biến chứng đe dọa tính mạng người bệnh, sốt rét ác tính thường xảy ra trên những người bệnh nhiễm P. falciparum hoặc nhiễm phối hợp có P falciparum Các trường hợp nhiễm P vivax và P knowlesi cũng có thế gây sốt rét ác tính, đặc biệt ở các vùng kháng với chloroquin.
Nhập và phân tích số liệu
- Số liệu được nhập bằng phần mềm Epidata và xử lý bằng phần mềm
3.1 Thiết lập mô hình tiên đoán cho số ca mắc
Sử dụng phương pháp Box-Jenkins để lập mô hình ARIMA cho số ca mắc các bệnh truyền nhiễm Phương pháp này bao gồm bốn bước:
Bước thứ nhất: kiểm tra sự phân tán của số liệu ca mắc bệnh truyền nhiễm bằng biểu đồ hộp mô tả số trung vị của các ca bệnh theo tháng Nếu số liệu có sự phân tán mạnh cần phải chuyển đổi số liệu sang dạng ln để loại trừ sự phân tán số liệu
Bước thứ hai: xác định bậc cho tham số tự hồi quy (AR) không theo mùa và theo mùa (p và P) và tham số trung bình tịnh tiến (MA) không theo mùa và theo mùa (q và Q), và xác định có cần phải tính hiệu số không theo mùa và theo mùa hay không (d và D). Các công cụ sau được sử dụng để xác định tham số cho mô hình: 1) Đồ thị số ca bệnh truyền nhiễm trong giai đoạn 2000-2014 dùng để xác định tính khuynh hướng của mô hình Nếu đồ thị không thể hiện rõ xu hướng, áp dụng kỹ thuật làm mềm 5 lag để phát hiện xu hướng rõ hơn Ngoài ra phương trình hồi quy tuyến tính đơn biến giữa số ca mắc bệnh truyền nhiễm và thời gian cũng được thiết lập để xác định số ca mắc bệnh truyền nhiễm có xu hướng tương quan tuyến tính theo thời gian hay không; 2) Đồ thị chu kỳ số ca mắc bệnh truyền nhiễm theo tháng dùng để mô tả tính theo mùa của dữ liệu 3) Yếu tố hiệu chỉnh theo mùa (SAF) được sử dụng để xác định đỉnh biến thiên theo mùa; 4) Tính hàm tương quan nội tại (ACF) và hàm tương quan nội tại từng phần (PACF) để xác định cấu trúc phụ thuộc thời gian của số ca SXH đã chuyển đổi (nếu có); 3) Sử dụng phép kiểm AIC (Akaike Information Criterion) để xác định độ tương hợp của mô hình; 4) phép kiểm Ljung-Box dùng để đo lường ACF của hệ số dư mô hình và 5) Xác định ý nghĩa thống kê của tham số (khác 0) (giá trị t phải > |2|)
Bước thứ ba là ước lượng tham số của mô hình ARIMA bằng likelihood tối đa.
Bước bốn là so sánh giá trị tính được từ mô hình và giá trị quan sát để kiểm tra mức độ phù hợp của mô hình.
Mô hình sau khi thiết lập được sử dụng để tiên đoán số mắc bệnh truyền nhiễm cho năm 2015 Có hai phương pháp được sử dụng để ước tính các giá trị tiên đoán cho năm
2015 Phương pháp thứ nhất sử dụng mô hình ARIMA đã được thiết lập để tiên đoán cho
12 tháng tiếp theo, tức 12 quan sát ngoài mẫu của năm 2015 Phương pháp này có thể sử dụng cho giám sát bệnh truyền nhiễm Tuy nhiên phương pháp này không phản ánh được bản chất luôn thay đổi của giám sát Phương pháp thứ hai sử dụng mô hình ARIMA để tiên đoán cho 1 tháng tiếp theo, tức tháng 1 năm 2015 Sau đó Khi dữ liệu thực tế của tháng 1 năm 2015 được thu thập, chúng tôi cập nhật dữ liệu đến tháng 1 năm 2015 và sau đó ước lượng lại các tham số của mô hình ARIMA và lại tiên đoán 1 tháng tiếp theo tức tháng 2 năm 2015 Quy trình này sẽ tiếp tục cho đến cuối tháng 12 năm 2015
Chúng tôi đánh giá năng lực tiên đoán ngoài mẫu của cả hai phương pháp bằng cách tính căn bậc hai của sai số bình phương trung bình (RSME), là giá trị dùng để đo lường hiệu số giữa giá trị tính được từ mô hình và giá trị thực tế quan sát được Nếu RSME thấp chứng tỏ phương pháp có năng lực tiên đoán cao Ngoài ra, chúng tôi cũng sử dụng phép kiểm Wilcoxon signed-ranks để ước lượng hiệu số sai số giữa hai phương pháp này Phép kiểm này đánh giá nếu trung vị của phân phối hiệu số của hai sai số (tức giá trị mô hình trừ giá trị quan sát) của hai phương pháp có ý nghĩa thống kê khác không ở mức ý nghĩa 0,05 hay không.
3.2 Thiết lập tương quan giữa các biến môi trường và số ca mắc Để lựa chọn các biến môi trường đưa vào mô hình ARIMA đa biến, chúng tôi tính hệ số tương quan Pearson giữa số ca mắc bệnh truyền nhiễm và các biến môi trường sau khi áp dụng phương pháp “lọc sai số” của các dữ liệu Trước khi sử dụng những biến này vào mô hình cuối cùng, tính không ổn định được kiểm tra bởi vì các đặc tính thống kê của time series theo dịch tễ học thường thay đổi theo thời gian và có thể dẫn đến các vấn đề hồi quy sai lệch Chúng tôi kiểm tra độ ổn định của dữ liệu bằng phép kiểm Dickey-Fuller và phép kiểm Phillips–Perron Tiếp theo, chúng tôi loại bỏ thành phần xu hướng và khuynh hướng của các dữ liệu sử dụng mô hình ARIMA và lập lại các bước đã nêu trên.Bước tiếp theo là tính hệ số dư cho mô hình ARIMA của số ca mắc bệnh truyền nhiễm và các yếu tố môi trường Chúng tôi tính hệ số tương quan giữa hai hệ số dư của số ca mắc bệnh truyền nhiễm và từng yếu tố môi trường trong vòng một số lag Nếu có lag của biến giải thích có tương quan đáng kể với biến phụ thuộc sẽ dẫn đến đồng tuyến tính có ý nghĩa thống kê Do đó, chúng tôi tạo nên các biến giải thích mới sử dụng giá trị trung bình của hai lag với hệ số hồi quy có ý nghĩa cao nhất Biến môi trường được phát hiện có mối tương quan với số ca mắc bệnh truyền nhiễm khi chạy phân tích này sẽ được đưa vào mô hình đa biến ARIMA Chúng tôi chạy mô hình ARIMA có biến môi trường từ năm 2000-2014 và sau đó sử dụng mô hình đã lựa chọn để tiên đoán số ca mắc năm 2015 theo hai phương pháp Để đo lường năng lực dự đoán của mô hình sử dụng RSME Để kiểm tra độ ý nghĩa giữa hiệu số sai số của hai phương pháp sử dụng phép kiểm Wilcoxon signed-rank Đối với bệnh không lây, hệ số tương quan Spearman được sử dụng để đo lường mối tương quan đơn biến giữa số ca đột quỵ/COPD và các biến khí hậu Hệ số tương quan Pearson giữa các biến khí hậu được sử dụng để diễn giải nếu số ca mắc đột quỵ/COPD có tương quan với từ 2 biến khí hậu trở lên Mô hình không tuyến tính phân bố theo lag (DLNM) được sử dụng để ước lượng mối kết hợp giữa số ca mắc đột quỵ/COPD và các lag của biến khí hậu, hiệu chỉnh theo xu hướng thời gian sử dụng phương pháp lấy spline bậc ba, ngày trong tuần và ngày nghỉ trong năm Để loại trừ các kết hợp trễ, chúng tôi kiểm tra tác động của thời tiết lên đến 30 ngày trước ghi bệnh nhân nhập viện Để tính được các ước lượng đường cong nóng và lạnh, DLNM được sử dụng với mối quan hệ liều lượng đáp ứng tuyến tính theo mảng dạng V hoặc u Mối quan hệ này bao gồm xác định một hoặc hai ngưỡng nhiệt độ và sau đó ước tính sự thay đổi của log linear trong nguy cơ nhập viện trên/dưới ngưỡng nóng/lạnh
Phần mềm thống kê Stata 12 được sử dụng trong phân tích dữ liệu
KẾT QUẢ
Diễn biến các biến số môi trường tại Củ Chi từ năm 2000 đến năm 2014
4.1.1 Mô tả diễn biến nhiệt độ tối cao, tối thấp, trung bình; độ ẩm, lượng mưa trung bình trong khoảng thời gian nghiên cứu từ năm 2000 đến năm 2014
Bảng 4.1 Đặc tính của nhiệt độ tối cao, tối thấp, trung bình; độ ẩm, lượng mưa trung bình hàng ngày trong khoảng thời gian nghiên cứu từ năm 2000 đến năm 2014. Đặc điểm Trung bình tháng Độ lệch chuẩn (s.d)
Cao nhất Các yếu tố thời tiết
Lượng mưa (mm) 8,84 5,89 0 24,8 Độ ẩm (%) 75,12 5,14 60,6 85,9
Mực nước tối đa Củ chi (cm) 104,62 14,39 76,8 134,4
Nhận xét: Về các yếu tố thời tiết được đo từ năm 2000-2014 ở khu vực Củ chi, nhiệt độ trung bình hằng tháng ở khu vực Củ chi là 28,2 ± 0.96 0 C, với lượng mưa và độ ẩm trung bình mỗi tháng lần lượt là 8,84 ± 5,89 mm và 75,12 ± 5,14 % Bên cạnh đó, mực nước tối đa đo tại khu vực Củ chi là 104,62 ± 14,39 cm.
90 Độ ẩm trung bình Lượng mưa trung bình Nhiệt độ trng bình
Biểu đồ 4.1 Diễn biến nhiệt độ, trung bình; độ ẩm trung bình, lượng mưa trung bình qua các năm
Nhận xét: Theo số liệu về nhiệt độ, trung bình độ ẩm trung bình, lượng mưa trung bình qua các tháng trong 15 năm từ năm 2000-2014 tại huyện Củ Chi cho thấy lượng mưa trung bình cao nhất vào năm 2009, nhiệt độ trung bình không chênh lệch nhiều giữa các năm Trong khi đó,
Bảng 4.2: Phân bố lượng mưa qua các năm từ 2000-2014 tại Củ Chi
Năm Lượng mưa trung bình Độ lệch chuẩn
Nhận xét: Số liệu cho thấy lượng mưa trung bình tại Củ Chi cao nhất vào 2 năm 2000 và
2009 và tương đối ổn định vào những năm còn lại
Bảng 4.3: Phân bố độ ẩm qua các năm từ 2000-2014 tại Củ Chi
Năm Độ ẩm trung bình Độ lệch chuẩn Độ ẩm thấp nhất Độ ẩm cao nhất
Nhận xét: Số liệu về độ ẩm giữa các năm tương đối ổn định
Bảng 4.4: Phân bố nhiệt độ trung bình qua các năm từ 2000-2014 tại Củ Chi
Năm Nhiệt độ trung bình Độ lệch chuẩn
Nhiệt độ trung bình cao nhất
Nhận xét: Theo kết quả đánh giá giai đoạn 2000-2014, NĐTB của Củ Chi tương đối ổn định
4.1.2 Mô tả diễn biến nhiệt độ tối cao, tối thấp, trung bình hàng tháng khoảng thời gian nghiên cứu từ năm 2000 đến năm 2014
Bảng 4.2 Sự phân bố nhiệt độ hàng tháng tại huyện Củ Chi từ năm 2000 – 2014
Nhiệt độ trung bình Nhiệt độ tối đa Nhiệt độ tối thiểu
98Nhận xét: Theo số liệu về nhiệt độ qua các tháng trong 15 năm từ năm 2000-2014 cho thấy nhiệt độ trung bình giao động khoảng 28o C vào tháng 7 và tháng 8 Tuy nhiên, vào khoảng tháng 4 và tháng 5, nhiệt độ có lúc đạt đến 35 Điều này hoàn toàn phù hợp với thực tế với nhiệt độ khu vực Nam Bộ đặc biệt là ở Tp Hồ Chí Minh
4.1.3 Mô tả độ ẩm trung bình hàng tháng tại huyện Củ Chi từ năm 2000 – 2014
72.28 Độ ẩm trung bình hàng tháng tại Củ Chi
Biểu đồ 4.2: Diễn biến độ ẩm trung bình hàng tháng tại Củ Chi
Nhận xét: Số liệu thu thập cho thấy ại Củ Chi, Độ ẩm mang giá trị thấp thường tập trung vào các tháng cuối năm và đầu năm (tháng 11,12,1 và 2), trong khi độ ẩm tăng cao tập trung vào các tháng giữa năm.
4.1.4 Mô tả diễn biến mực nước qua các năm tại trạm Phú An từ năm 2000 đến năm 2014
Biểu đồ 4.3: Mực nước trung bình qua 15 năm (2000-2014) tại trạm Phú An
Theo số liệu cho thấy trong 15 năm từ năm 2000 đến năm 2014 thì mực nước sôngSài Gòn đạt mức trung bình cao nhất vào năm 2013 (đạt 120,4 cm), thấp nhất vào năm
2003 (đạt 99,2cm) Từ năm 2005 đến năm 2013 thì mực nước trên sông Sài Gòn có chiều hướng gia tăng qua các năm, tuy nhiên mực nước giữa các năm biến thiên không nhi 1.5 Mô tả diễn biến mực nước qua các tháng tại trạm Phú An từ năm 2000 đến năm 2014
Biểu đồ 4.4: Mực nước trung bình và tối đa hàng tháng tại trạm Phú An từ năm 2000 đến năm 2014.
Theo số liệu về mực nước trung bình qua các tháng trong 15 năm từ năm 2000-
2014 tại trạm quan trắc Phú An trên sông Sài Gòn cho thấy mực nước sông dao động từ90,9 (cm) đến 124,3 (cm), mực nước dao động giữa các tháng không chênh lệch nhiều.Các tháng 10, 11 và 12 có mực nước cao nhất (trên 120 cm), tháng 6, 7 có mực nước thấp nhất, điều này là hoàn toàn phù hợp với diễn biến mực nước trên các sông ở khu vựcNam bộ
4.1.5 Mô tả diễn biến lượng mưa qua các năm tại trạm Phú An từ năm 2000 đến năm 2014
Lượng mưa theo tháng tại 6 khu vực quận/huyện TP.HCM (mm) lượng mưa theo tháng trung bình lượng mưa theo tháng +2sd +3sd
Biểu đồ 4.5: Lượng mưa theo tháng tại huyện Củ Chi từ năm 2000 đến cuối năm 2014
Nhận xét: Qua biểu đồ, lượng mưa theo tháng thể hiện sự tăng nhẹ ở Củ Chi , đặc biệt là từ năm 2010 trở lại đây, lượng mưa thể hiện ở mức độ khá cao hơn so với các năm trước đó, với nhiều tháng vượt qua ngưỡng giá trị kiểm soát +2sd (với trung bình lượng mưa tháng là 8,8mm, +2sd là 20,6mm và +3sd là 26,5mm), trong đó có tháng 12/2009(25mm), tháng 2 và tháng 10/2012 (23mm), tháng 2/2014 (22mm) Trong khi khoảng thời gian trước đó các giá trị lượng mưa theo tháng đều nằm trong giá trị kiểm soát.
Diễn biến các bệnh truyền qua vật chủ trung gian
4.2.1 Mô tả thực trạng về số ca sốt xuất huyết tại huyện Củ Chi
4.2.1.1 Sự phân bố số ca sốt xuất huyết theo thời gian
Biểu đồ 4.6 Số ca mắc sốt xuất huyết qua các năm tại huyện Củ Chi từ năm 2000-2014 Nhận xét: Biểu đồ 4.6 cho thấy số ca mắc SXH tại huyện Củ Chi thể hiện xu hướng gia tăng từng năm Tổng số ca SXH trong giai đoạn 2000-2014 là 1251 ca Trong đó có năm có số ca mắc SXH cao nhất là năm 2009 (268 ca) Nhìn chung, so với năm 2000, số ca mắc SXH có xu hướng tăng mạnh từ 2009 Từ sau năm 2009, số ca mắc SXH có xu hướng giảm dần đến, còn 134 ca vào năm 2014 Bên cạnh đó, số liệu về số ca mắc SXH tại huyện Củ Chi có 3 ca tử vong vào năm 2014 đáng được ghi nhận.
Bảng 4.3 Sự phân bố số ca mắc bệnh sốt xuất huyết theo tháng tại Củ Chi từ năm 2000 đến năm 2014
Tháng Tổng Trung bình Độ lệch chuẩn Lớn nhất Nhỏ nhất
Nhận xét: Bảng 4.3 trình bày số liệu thu thập tại Củ Chi kết quả cho thấy vào tháng
8 có số ca sốt xuất huyết cao nhất và tiếp tục tăng dần đến tháng 12
Biểu đồ 4.7 Biểu đồ hộp phân bố số ca SXH theo tháng từ 2000-2014
Nhận xét: Số liệu thu thập tại huyện Củ Chi cho thấy có sự phân tán ổn định của các caSXH trong t
4.2.1.2 Phân tích tính xu hướng của số ca SXH qua các năm tại huyện Củ Chi
Biểu đồ 4.8 Biểu đồ xu hướng số ca mắc SXH theo tháng từ năm 2000 đến năm 2014
Nhận xét: : Qua đồ thị chúng ta thấy số ca mắc SXH có xu hướng gia tăng từ năm 2000 và bùng phát mạnh vào giữa năm 2009 đến năm 2011, sau đó có xu hướng giảm dần cho đến năm 2014 Bên cạnh đó, đường tuyến tính trên đồ thị cùng với phân tích hồi quy tuyến tính, với r=0, 4, p 1. Hay nói cách khác, trong những tháng này số ca SXH cao hơn so với các tháng còn lại. Giai đoạn này cũng chính là mùa mưa cũng như khu vực phía Nam nói chung Trong các tháng này tháng chín có chỉ số SAF cao nhất là 1,71, kế đến là tháng 8 với chỉ số SAF là 1,38.
4.2.1.5 Thiết lập mô hình ARIMA cho số ca SXH
-1 0 0 -0 5 0 0 0 0 0 5 0 1 0 0 A u to co rr e la tio n s of d 1_ sm _s xh
Lag Bartlett's formula for MA(q) 95% confidence bands
-1 0 0 -0 5 0 0 0 0 0 5 0 P a rt ia l a ut oc o rr e la tio ns o f d 1_ sm _s xh
Lag 95% Confidence bands [se = 1/sqrt(n)]
Biểu đồ 4.16 Đồ thị ACF và PACF của sốt xuất huyết sau khi khử tính xu hướng và theo mùa (A) Đồ thị ACF; (B) Đồ thị PACF Đối với yếu tố không theo mùa, đồ thị ACF có đỉnh tại lag 1 và 2 trong khi PACF có dạng hình sin, do đó số mắc SXH không theo mùa có mô hình ARIMA (0,1,2) Đối với yếu tố theo mùa, đồ thị ACF có lag 24 có tương quan mạnh trong khi các lag sau 24 không có tương quan và PACF có dạng giảm dần từ lag 24, do đó số mắc SXH theo mùa có mô Biểu đồ ARIMA (0,1,1) Như vậy mô Biểu đồ dự đoán số ca SXH không theo mùa và theo mùa là SARIMA (0,1,2)x(0,1,1)12.
Bảng 4.5 Chỉ số AIC và BIC giữa các mô hình dự đoán số ca SXH
Nhận xét: Các chỉ số AIC và BIC cũng cho thấy mô hình SARIMA (2, 1, 2) x (0, 1, 1)12 phù hợp nhất vì có AIC và BIC nhỏ nhất trong các mô hình
-0 2 0 -0 1 0 0 0 0 0 1 0 0 2 0 A u to co rr e la tio n s of r
Lag Bartlett's formula for MA(q) 95% confidence bands
-0 2 0 -0 1 0 0 0 0 0 1 0 0 2 0 P a rt ia l a ut oc o rr e la tio n s o f r
Lag 95% Confidence bands [se = 1/sqrt(n)]
Biểu đồ 4.17 Đồ thị ACF và PACF của hệ số dư mô Biểu đồ SARIMA (2,1,2)x(0,1,1)12
(A) Đồ thị ACF; (B) Đồ thị PACF
Nhận xét: Đồ thị ACF và PACF cho thấy giữa các lag không còn tương quan nội tại Hay nói cách khác mô Biểu đồ có tính tương hợp cao.
Biểu đồ 4.187: Kết quả phép kiểm Bartlet test và Portmanteau test kiểm tra tính tương quan của hệ số dư
Kết quả phép kiểm Bartlet và Portmanteau cũng cho thấy hệ số dư của mô Biểu đồ SARIMA (1,1,1 )x(1,1,1)12 hoàn toàn không còn tương quan (p=0,38 và p=0,9).
4.2.1.6 Tiên đoán số ca sốt xuất huyết trong tương lai
2013m1 2013m7 2014m1 2014m7 2015m1 thang_btn static forecast dynamic forecast m_sxh
Static and dynamic exante forecasts of Dengue fever case
Biểu đồ 4.19 Tiên đoán số ca sốt xuất huyết trong tương lai
Từ mô Biểu đồ SARIMA xây dựng được có thể ước đoán số mắc SXH trong vòng 1 năm tới sẽ có xu hướng giảm dần so với các năm trước đó.
4.2.1.7 Mối tương quan giữa số ca SXH và các yếu tố biến đổi khí hậu a Mối tương quan giữa số ca SXH và nhiệt độ trung bình a1 Xác định mô hình arima cho nhiệt độ trung bình
-0 4 0 -0 2 0 0 00 0 20 0 40 0 60 A ut oc or re la tio ns o f t tb
Lag Bartlett's formula for MA(q) 95% confidence bands
-0 2 0 0 00 0 20 0 40 0 60 Pa rti al a ut oc or re la tio ns o f t tb
Lag 95% Confidence bands [se = 1/sqrt(n)]
Biểu đồ 4.20 Đồ thị hàm tự tương quan (ACF) và hàm tương quan riêng phần (PACF) của nhiệt độ trung bình Đồ thị ACF có lag 1 và lag 12, 24, 36 rất lớn và khác 0, do đó nhiệt độ trung bình có tính xu hướng và tính mùa rõ rệt Đồ thị ACF bằng không sau lag 1 và PACF giảm dần từ lag
1, do đó có thể dự tính mô hình có tính xu hướng của nhiệt độ trung bình là
ARIMA(0,0,1) Xét tính theo mùa, ta thấy đồ thị ACF và PACF đều giảm dần từ lag 36 và bằng 0 sau lag 36, do đó dự đoán mô hình cho nhiệt độ trung bình có tính mùa là
ARIMA(1,0,1)12 Như vậy dự đoán mô hình cho nhiệt độ trung bình là SARIMA
Bảng 5 Kết quả phép kiểm Bartlet test và Portmanteau test kiểm tra tính tương quan của hệ số dư của mô hình SARIMA (0, 0,1)x(1,0,1)12
Kết quả phép kiểm Bartlet và Portmanteau cũng cho thấy hệ số dư của mô hình SARIMA
(0,0,1)x(1,0,1)12 hoàn toàn không còn tương quan (p=0,31 và p=0,58) Chứng tỏ mô hình dự đoán cho nhiệt độ trung bình SARIMA (0,0,1)x(1,0,1)12 là phù hợp.
-1 0 0 -0 5 0 0 0 0 0 5 0 1 0 0 C ro ss -c o rr el at io n s o f n d tt a nd b e ta _n dt t
Biểu đồ 4.21 Đồ thị tương quan chéo giữa số ca mắc sxh và các lag của nhiệt độ trung bình Dựa vào biểu đồ và sau khi liệt kê các lag của nhiệt độ trung bình, ta thấy không có lag nào của nhiệt độ trung bình có liên quan đến số ca mắc SXH a2 Xác định mô hình hệ số dư giữa số ca mắc SXH và nhiệt độ trung bình
-0 4 0 -0 2 0 0 0 0 0 2 0 0 4 0 0 6 0 A u to co rr e la tio n s of n _s xh nd tt
Lag Bartlett's formula for MA(q) 95% confidence bands
-0 2 0 0 00 0 20 0 40 0 60 P ar tia l a ut oc o rr e la tio n s o f n _ sx h nd tt
Lag 95% Confidence bands [se = 1/sqrt(n)]
Biểu đồ 4.22 Đồ thị ACF và PACF của hệ số dư của mô hình giữa số ca mắc SXH và nhiệt độ trung bình Đồ thị ACF bằng không sau lag 3 và PACF giảm dần từ lag 3, đồng thời ACF cũng giảm dần từ lag 1 và PACF thì bằng 0 sau lag 1, do đó có thể dự tính mô hình có tính xu hướng của nhiệt độ trung bình là ARIMA(1,0,3)
Xét tính theo mùa, ta thấy đồ thị ACF và PACF đều giảm dần từ lag 12 và bằng 0 sau lag
12, do đó dự đoán mô hình cho nhiệt độ trung bình có tính mùa là ARIMA(1,0,1)12
Như vậy dự đoán mô hình cho nhiệt độ trung bình là SARIMA (2,0,3)x(1,0,1)12
2.2.1 Bảng : Mô hình ARIMA giữa số ca mắc SXH hiện tại và nhiệt độ trung binh Nhiệt độ Chi bình phương
Hằng số Hệ số Giá trị p KTC 95%
Mô hình ARIMA đa biến được sử dụng để tiên đoán số ca SXH và nhiệt độ trung bình Giữa nhiệt độ trung bình và số ca SXH không có mối tương quan có ý nghĩa thống kê (p=0, 56) Như vậy giữa số ca SXH và nhiệt độ trung bình không có mối tương quan.
Mối tương quan giữa số ca SXH và nhiệt độ tối đa
b1 Xác định mô hình arima cho nhiệt độ tối đa
-0 4 0 -0 2 0 0 00 0 20 0 40 0 60 A ut oc or re la tio ns o f t m ax
Bartlett's formula for MA(q) 95% confidence bands
-0 2 0 0 00 0 20 0 40 0 60 Pa rti al a ut oc or re la tio ns o f t m ax
Lag 95% Confidence bands [se = 1/sqrt(n)] Đồ thị ACF có lag 1 và các là bội số của 12 đều rất lớn và khác 0 Do đó nhiệt độ tối đa có tính xu hướng và tính mùa Xét về tính mùa, đồ thị ACF giảm dần từ lag 1 và PACF thì bằng 0 sau lag 1 Mô hình dự đoán cho nhiệt độ tối đa có xu hướng là ARIMA (1,0,0). Xét về tính xu hướng, ta thấy đồ thị ACF giảm dần từ lag 36 và PACF thì bằng 0 sau lag
36, vậy là AR(1) Đồng thời ACF cũng bằng 0 sau lag 36 và PACF thì giảm dần từ lag
36, vậy là MA(1) Do đó mô hình dự đoán cho nhiệt độ tối đa có tính mùa là SARIMA (1,0,1)12 Như vậy mô hình dự đoán cho nhiệt độ tối đa có tính xu hướng và tính mùa là ARIMA(1,0,0)x SARIMA (1,0,1)12
-1 0 0 -0 5 0 0 00 0 50 1 00 C ro ss -c or re la tio n s o f a lp ha a n d b et a
Biểu đồ 4.23 Tương quan chéo giữa số ca mắc SXH và các lag của nhiệt độ tối đa Đồ thị tương quan chéo giữa số ca mắc SXH và các lag của nhiệt độ tối đa cho thấy không có lag nào của nhiệt độ tối đa có mối tương quan với số ca mắc SXH. b2 Xác định mô hình hệ số dư giữa số ca mắc SXH và nhiệt độ tối đa
-0 4 0 -0 2 0 0 0 0 0 2 0 0 4 0 A u to co rr e la tio n s of n _s xh 1t m ax
Bartlett's formula for MA(q) 95% confidence bands
-0 2 0 0 0 0 0 2 0 0 4 0 0 6 0 P a rt ia l a ut oc o rr e la tio ns o f n _ sx h 1t m ax
Biểu đồ 4.24 Đồ thị ACF và PACF của hệ số dư của mô hình giữa số ca mắc SXH và nhiệt độ tối đa
Ta thấy độ thị ACF có lag 1 và các lag là bội số của 12 đều rất lớn và khác 0, do đó hệ số dư có tính xu hướng và tính mùa Đồ thị ACF của hệ số dư giảm dần từ lag 1 và PACF thì bằng 0 sau lag 1 Do đó mô hình dự đoán hệ số dư có tính xu hướng là ARIMA(1,1,2). Xét tính mùa, ta thấy ACF giảm dần từ lag 24 và cũng bằng 0 sau lag 24 Đồng thời PACF cũng giảm dần từ lag 24 và bằng 0 sau lag 24 Do đó mô hình dự đoán hệ số dư có tính mùa là SARIMA(1,1,1)12 Như vậy mô hình dự đoán cho hệ số dư có tính xu hướng và tính mùa là ARIMA(1,0,0) x SARIMA (1,0,1)12
Mô hình ARIMA đa biến được sử dụng để tiên đoán số ca SXH và nhiệt độ tối đa.Giữa nhiệt độ tối đa và số ca SXH không có mối tương quan có ý nghĩa thống kê(p=0,56) Như vậy giữa số ca SXH và nhiệt độ tối đa không có mối tương quan.
Mối tương quan giữa số ca SXH và độ ẩm trung bình
C1 Xác định mô hình arima cho độ ẩm trung bình
-1 0 0 -0 5 0 0 00 0 50 1 00 A ut oc or re la tio ns o f a m tb
Lag Bartlett's formula for MA(q) 95% confidence bands
-0 5 0 0 00 0 50 1 00 Pa rti al a ut oc or re la tio ns o f a m tb
Lag 95% Confidence bands [se = 1/sqrt(n)] Đồ thị ACF có lag 1 và các là bội số của 12 đều rất lớn và khác 0 Do đó độ ẩm trung bình có tính xu hướng và tính mùa Xét về tính mùa, đồ thị ACF giảm dần từ lag 1 và PACF thì bằng 0 sau lag 1 Mô hình dự đoán cho độ ẩm trung bình có xu hướng là ARIMA (1,0,0) Xét về tính xu hướng, ta thấy đồ thị ACF giảm dần từ lag 36 và PACF thì bằng 0 sau lag 36, vậy là AR(1) Đồng thời ACF cũng bằng 0 sau lag 36 và PACF thì giảm dần từ lag 36, vậy là MA(1) Do đó mô hình dự đoán cho độ ẩm trung bình có tính mùa là SARIMA (1,0,1)12 Như vậy mô hình dự đoán cho độ ẩm trung bình có tính xu hướng và tính mùa là ARIMA(1,0,0)x SARIMA (1,0,1)12
-1 0 0 -0 5 0 0 0 0 0 5 0 1 0 0 C ro ss -c o rr el at io n s o f a lp h a_ sx h a nd b et a_ sx h
Biểu đồ 4.25 Tương quan chéo giữa số ca mắc SXH và các lag của độ ẩm trung bình Đồ thị tương quan chéo giữa số ca mắc SXH và các lag của độ ẩm trung bình cho thấy không có lag nào của độ ẩm trung bình có mối tương quan với số ca mắc SXH.
Mô hình ARIMA đa biến được sử dụng để tiên đoán số ca SXH và độ ẩm trung bình Giữa độ ẩm trung bình và số ca SXH không có mối tương quan có ý nghĩa thống kê (p=0,355) Như vậy giữa số ca SXH và độ ẩm trung bình không có mối tương quan
C2 Xác định mô hình hệ số dư giữa số ca mắc SXH và độ ẩm trung bình
Mối tương quan giữa số ca SXH và lượng mưa trung bình
D1 Xác định mô hình arima cho lượng mưa trung bình
-0 4 0 -0 2 0 0 0 0 0 2 0 0 4 0 A u to co rr e la tio n s of r ts h
Lag Bartlett's formula for MA(q) 95% confidence bands
-0 4 0 -0 2 0 0 0 0 0 2 0 0 4 0 P a rt ia l a ut oc o rr e la tio n s o f r ts h
Lag 95% Confidence bands [se = 1/sqrt(n)] Đồ thị ACF có lag 1 và các là bội số của 12 đều rất lớn và khác 0 Do đó lượng mưa trung bình có tính xu hướng và tính mùa Xét về tính mùa, đồ thị ACF giảm dần từ lag 1 và PACF thì bằng 0 sau lag 1, vậy là AR(1) Mặc khác đồ thị ACF bằng 0 sau lag 1 và PACF thì giảm dần từ lag 1, vậy là MA(1) Mô hình dự đoán cho lượng mưa trung bình có xu hướng là ARIMA (1,0,1) Xét về tính xu hướng, ta thấy đồ thị ACF giảm dần từ lag
24 và PACF thì bằng 0 sau lag 24, vậy là AR(1) Mặc khác đồ thị ACF bằng 0 sau lag 24 và PACF thì giảm dần từ lag 24, vậy là MA(1) Do đó mô hình dự đoán cho lượng mưa trung bình có tính mùa là SARIMA (1,0,1)12.Như vậy mô hình dự đoán cho lượng mưa trung bình có tính xu hướng và tính mùa là ARIMA(1,0,1)x SARIMA (1,0,1)12
-1 0 0 -0 5 0 0 0 0 0 5 0 1 0 0 C ro ss -c o rr el at io n s o f a lp h a_ lm a nd b et a_ lm
Lag Đồ thị tương quan chéo giữa số ca mắc SXH và các lag của lượng mưa cho thấy không có lag nào của lượng có mối tương quan với số ca mắc SXH
D2 Xác định mô hình cho hệ số dư của số ca mắc SXH và lượng mưa
-0 2 0 0 0 0 0 2 0 0 4 0 A u to co rr e la tio n s of n _s xh lm
Lag Bartlett's formula for MA(q) 95% confidence bands
-0 2 0 0 0 0 0 2 0 0 4 0 P a rt ia l a ut oc o rr e la tio n s o f n _ sx h lm
Ta thấy độ thị ACF có lag 1 và các lag là bội số của 12 đều rất lớn và khác 0, do đó hệ số dư có tính xu hướng và tính mùa. Đồ thị ACF của hệ số dư giảm dần từ lag 1 và PACF thì bằng 0 sau lag 1, vậy là AR(1). Đồng thời ACF cũng bằng 0 sau lag 2 và PACF thì giảm dần từ lag 2, vậy là MA(2) Do đó mô hình dự đoán hệ số dư có tính xu hướng là ARIMA(1,0,2)
Bảng 4 6 Mô hình ARIMA giữa số ca mắc SXH hiện tại và lượng mưa
Hằng số Hệ số Giá trị p KTC 95%
Mô hình ARIMA đa biến được sử dụng để tiên đoán số ca SXH và lượng mưa Lượng mưa và số ca SXH không có mối tương quan có ý nghĩa thống kê (p=0.682) Như vậy giữa số ca SXH và lượng mưa không có mối tương quan
4.2.2 Mô tả diễn biến tình hình số ca sốt rét tại huyện Củ Chi từ 2000 – 2014
4.2.2.1 Mô tả diễn biến tình hình số ca sốt rét qua các năm tại huyện Củ Chi từ 2000 –
Biểu đồ 4.26 Mô tả diễn biến tình hình số ca sốt rét qua các năm tại huyện Củ Chi từ 2000 – 2014
Nhận xét: Số liệu thu thập cho thấy từ năm 2000 – 2014 tổng số ca sốt rét tại Củ Chi là 34 ca, trong đó từ năm 2005 – 2007 không có xuất hiện số ca bệnh tại Củ Chi.
Mô tả diễn biến tình hình số ca tay chân miệng tại huyện Củ Chi từ 2000 – 2014
3.3.1 Mô tả tình hình bệnh tay chân miệng từ 2008 – 2014 tại huyện Củ Chi
Số ca mắc Tay Chân Miệng từ 2008 - 2014
Biểu đồ 4.27: Số ca tay chân miệng tại Củ Chi từ năm 2008
Nhận xét: Qua đồ thị chúng ta thấy số ca mắc tay chân miệng chỉ mới xuất hiện trong thời gian gần đây, bắt đầu được ghi nhận từ tháng 6-2008 với 11 ca, sau đó xuất hiện những đợt bùng phát lớn vào năm 2011 với 315 ca và tháng 2012 với 324 ca
Bảng 4.7 Mô tả sự phân bố số ca tay chân miệng hàng tháng tại huyện Củ Chi từ 2008 – 2014.
Tháng Tổng số ca Trung bình Độ lệch chuẩn Max Min
Nhận xét: Số liệu cho thấy số cac mắc Tay chân miệng cao nhất vào tháng 8 và tháng
3.3.2 Mối liên quan số ca bệnh tay chân miệng với các yếu tố thời tiết
3.3.2.1 Mối liên quan nhiệt độ trung bình với số ca tay chân miệng tại huyện Củ Chi
Nhietdotb m_tcm_CC Fitted values
Hình : Mối liên quan nhiệt độ trung bình với số ca tay chân miệng tại huyện Củ Chi
30 32 34 36 38 tmax m_tcm_cc Fitted values
Hình : Mối liên quan nhiệt độ cao nhất với số ca tay chân miệng tại huyện Củ Chi
Amtb m_tcm_CC Fitted values
Hình : Mối liên quan độ ẩm với số ca tay chân miệng tại huyện Củ Chi regress m_tcm_cc tmax
Source | SS df MS Number of obs = 180
- m_tcm_cc | Coef Std Err t P>|t| [95% Conf Interval]
4.3 Mô tả diễn biến các nhóm bệnh lây truyền qua đường tiêu hóa tại huyện Củ Chi từ năm 2000 – 2014
4.3.1 Mô tả sự phân bố của nhóm bệnh lây truyền qua đường tiêu hóa tại huyện Củ Chi từ năm 2000 – 2014
Thương hàn Lỵ Tiêu chảy
Biểu đồ 4.28 Mô tả sự phân bố của nhóm bệnh lây truyền qua đường tiêu hóa tại huyện
Nhận xét: Trong 3 nhóm bệnh lây qua đường tiêu hóa tại huyện Củ Chi, số ca măc tiêu chảy cao nhất đặc biệt trong giai đoạn 2000-2014 là 1860 ca Tuy nhiên, dịch bùng phát cao nhất vào năm 2009 là 233 ca
4.3.2 Mô tả sự phân bố của các nhóm bệnh lây qua đường tiêu hóa theo tháng tại huyện Củ Chi từ 2000 – 2014 Bảng 4.8 Mô tả sự phân bố của các nhóm bệnh lây qua đường tiêu hóa theo tháng tại huyện Củ Chi từ 2000 – 2014
Tiêu chảy Lỵ Thương hàn
Trung bình ±SD Lớn nhất
Trung bình ±SD Lớn nhất
Trung bình ±SD Lớn nhất
Nhận xét: Đối với nhóm bệnh lây qua đường tiêu hóa, bệnh tiêu chảy có số ca mắc bệnh co nhất
4.3.3 Mô tả sự phân phân bố số ca tiêu chảy theo tháng từ 2000-2014
Biểu đồ 4.29 Biểu đồ hộp phân bố số ca tiêu chảy theo tháng từ 2000-2014
Biểu đồ hộp thể hiện sự phân tán khá ổn định do đó dữ liệu không cần phải được chuyển đổi sang dạng ln (x+ 1)
4.3.3.1.Phân tích tính xu hướng của số ca mắc do tiêu chảy và các biến môi trường theo thời gian từ 2000-2014
0 5 1 0 1 5 2 0 2 5 m a : x (t )= m _ tie u ch ay _ cc : w in d ow (2 1 2 )
Biểu đồ 4.30 Ln số ca mắc tiêu chảy theo tháng trong giai đoạn 2000-2014
(A) số ca tiêu chảy theo tháng chưa làm mềm; (B) số ca tiêu chảy theo tháng đã làm mềm 5 lag
Với đồ thị số liệu số ca tiêu chảy theo thời gian không thể nhìn rõ được tính xu hướng của số ca tiêu chảy Tuy nhiên phân tích hồi quy tuyến tính số ca mắc tiêu chảy theo tháng cho thấy số ca tiêu chảy có tương quan tuyến tính thuận với tháng (r=0,7, p 30 0 C) được xét đến (82) hay nghiên cứu tại tại Sukhothai, TháiLan, năm 1998 dịch SD/SXHD xảy ra khi nhiệt độ tăng lên so với mức bình thường, lượng mưa tương đối thấp hơn và độ ẩm cao hơn so với trung bình(83).Tương tự nghiên cứu của Pinto và cộng sự không tìm thấy mối tương quan cao giữa lượng mưa và số ca mắc SXH tại Singapore bởi vì mưa thường xảy ra tại quốc gia này xuyên suốt năm và do đó lượng mưa không phải là yếu tố hạn chế đối với muỗi(84)
5.3.1 Phân bố ca bệnh sốt xuất huyết Dengue tại Củ Chi từ năm 2000 đến năm 2014 theo thời gian
Số ca mắc tiêu chảy có xu hướng gia tăng từ năm 2000 và bùng phát mạnh vào giữa năm 2009 và vẫn tiếp tục tăng cao trong những năm gần đây (Biểu đồ 4 39) Bên cạnh đó, thấy số ca tiêu chảy có tương quan tuyến tính thuận với tháng (r=0,7, p< 0,001) Theo Tổ chức Y tế Thế giới (2003), mối quan hệ giữa biến đổi khí hậu và sức khỏe con người sẽ là một trong những vấn đề y tế phức tạp nhất cần phải đối mặt và dự kiến sẽ có những tác động sâu sắc các mô hình bệnh tật đặc biệt là các nhóm bệnh truyền nhiễm Bệnh tiêu chảy là một trong những nguyên nhân gây tử vong hàng đầu trên toàn cầu, chủ yếu ở trẻ em và đặc biệt là ở các quốc gia đang phát triển Trung bình hàng năm có khoảng 1,7 tỉ ca mắc tiêu chảy mỗi năm trên toàn thế giới Tại Việt Nam, bệnh tiêu chảy là một trong 10 nguyên nhân hàng đầu gây bệnh tật và tử vong trong thời gian gần đây
Số ca mắc tiêu chảy năm 2009 là 930.496 ca, trong đó có 4 người chết và năm 2008 (có 2.490 trường hợp tiêu chảy cấp nặng và 377 trường hợp dương tính với V.Cholerae)(85-
87) Bên cạnh đó, Tiêu chảy do vi rút Rota phân bố ở các nước có khi hậu ôn đới Ở các nước khi hậu ôn đới, bệnh thường xảy vào mùa đông Trong khi đó ở các nước nhiệt đới, bệnh xảy ra rải rác quanh năm Báo cáo tình hình bệnh tiêu chảy tại Việt Nam giai đoạn 2002 – 2011, có số ca mắc tiêu chảy là 9.408.345 và cao nhất vào 2 năm 2002, năm 2005 với số ca mắc tương ứng: 1.055.969 ca và 1.011.718 ca với tỷ suất mắc trung bình 1327,62 và 1220,98/100.000 dân) Tổng số ca tử vong do tiêu chảy là 115 ca, số ca tử vong do tiêu chảy cao nhất là năm 2007 có 24 ca và tỷ suất tử vong trung bình
0,03/100.000 dân Tháng có số ca mắc tiêu chảy cao hàng năm là từ tháng 4 đến tháng 7 và khu vực có tỷ lệ mắc tiêu chảy cao nhất là vùng Tây Bắc bộ, Tây Nguyên, Đồng bằng Sông Hồng, thấp nhất là vùng Đông Nam Bộ và Bắc Trung Bộ(53) Tại Việt Nam, Ở miền Bắc, bệnh thường xảy ra vào mùa thu đông kéo dài tới mùa xuân (khi thời tiết mưa, lạnh, ẩm ướt)(88)
5.2.3 Số ca tiêu chảy và biến đổi khí hậu tại huyện Củ Chi
Hầu hết các bệnh lây nhiễm qua đường tiêu hóa liên quan đến vi khuẩn, vi rút và ký sinh trùng cùng với các bệnh không nhiễm trùng đường tiêu hóa như bệnh đường ruột vẫn là vấn đề y tế công cộng quan trọng BĐKH trong những thập kỷ gần đây được cho là có ảnh hưởng xấu đến sức khỏe con người, đặc biệt đối với người già và trẻ em BĐKH không chỉ là sự biến đổi về nhiệt độ, nó còn là sự biến đổi về thời tiết, khí hậu Trong khi nhiệt độ ảnh hưởng tới nhiều bệnh truyền nhiễm và các vật thể trung gian truyền bệnh, thời tiết ảnh hưởng đến thời điểm, mức độ và địa điểm xảy ra các vụ dịch bệnh truyền nhiễm Do sự nóng lên trên toàn cầu, các yếu tố khí hậu trên toàn thế giới như nhiệt độ, lượng mưa và mực nước biển bị thay đổi cũng như gây ra các hiện tượng thời tiết khắc nghiệt Tất cả những yếu tố này đều ảnh hưởng tới các bệnh truyền nhiễm nói chung và dịch bệnh đường tiêu hóa nói riêng(89)