Ứng dụng GIS trong dự báo dịch tả

Bài viết này đề xuất xây dựng mô hình dự báo dịch tả trên địa bàn thành phố Hà Nội có xem xét đến ảnh hưởng của biến đổi khí hậu trên cơ sở ứng dụng công nghệ GIS.

Lê Thị Ngọc Anh, Hoàng Xuân Dậu ỨNG DỤNG GIS TRONG DỰ BÁO DỊCH TẢ Lê Thị Ngọc Anh*, Hoàng Xn Dậu+ * Phịng Cơng nghệ thơng tin, Trường Đại học Y Hà Nội + Khoa Công nghệ thông tin I, Học Viện Cơng Nghệ Bưu Chính Viễn Thơng, Hà Nội Tóm tắt: Việc lan truyền bệnh truyền nhiễm có liên hệ mật thiết với lân cận không gian thời gian, lan truyền bệnh dịch có nhiều khả xảy cá nhân có nguy gần khơng gian thời gian định Vì phân tích liệu y tế cần xem xét hai vấn đề không gian thời gian theo nguyên lý kiểm tra mối quan hệ phụ thuộc quan sát hai chiều không gian thời gian Để đáp ứng yêu cầu trên, Hệ thống thông tin địa lý (Geographic Information System - GIS) tỏ rõ ưu so với phương pháp phi không gian truyền thống GIS hỗ trợ xác định vị trí, lập đồ ca bệnh, tìm hiểu nguyên nhân bùng phát dịch bệnh, mô phỏng, dự báo lây lan dịch bệnh vụ dịch Bài bào đề xuất xây dựng mơ hình dự báo dịch tả địa bàn thành phố Hà Nội có xem xét đến ảnh hưởng biến đổi khí hậu sở ứng dụng công nghệ GIS Các kết đạt cho thấy khả ứng dụng hiệu GIS phân tích dịch bệnh tả địa bàn nghiên cứu điểm nóng, lý giải mối liên hệ biến khí hậu, mặt nước, dân số phân bố theo khơng gian với số ca bệnh theo thời gian nguyên nhân gây tử vong hàng loạt tồn giới, nước phát triển thuộc vùng nhiệt đới châu Phi, châu Á Nam Mỹ Trong lịch sử, đợt bùng phát dịch tả coi thảm họa tỷ lệ tử vong cao, mức độ lây lan nhanh, phạm vi ảnh hưởng rộng khó kiểm sốt [1] Virus tả Vibrio Cholerae dễ dàng lan truyền phát tán thông qua người động vật, đặc biệt vùng thiếu nguồn nước sạch, sở vệ sinh kém, ô nhiễm Nhiều nghiên cứu mối quan hệ nhân yếu tố hành vi người, hệ sinh thái yếu tố nguy truyền nhiễm khác với bùng phát dịch bệnh Chính vậy, phân tích mơ hình khơng gian yếu tố có ảnh hưởng đến dịch tả đóng vai trị quan trọng nghiên cứu sâu tính chất lây lan dịch bệnh Bài báo tập trung nghiên cứu, khảo sát số mơ hình dự báo dịch tả giới khu vực có sử dụng cơng nghệ GIS đề xuất mơ hình dự báo dịch tả khu vực thành phố Hà Nội dựa GIS Phần lại báo bố cục sau: Mục Từ khóa: Dự báo dịch bệnh, GIS y tế, mơ II trình bày nghiên cứu có liên quan; Mục III mô tả tập liệu thử nghiệm mơ hình dự báo đề hình dự báo, phân tích khơng gian1 xuất Các thực nghiệm, kết nhận xét trình bày Mục IV Mục V phần Kết luận I ĐẶT VẤN ĐỀ Bệnh tả xuất lần đầu giới vào năm 1817 nhanh chóng trở thành II CÁC NGHIÊN CỨU LIÊN QUAN Tác giả liên lạc: Hoàng Xuân Dậu, email: dauhoang@gmail.com Đến tòa soạn: 14/3/2016, chỉnh sửa: 28/4/2016, chấp nhận đăng: 30/5/2016 Trong năm gần đây, GIS công cụ sử dụng rộng rãi việc hỗ trợ định nhiều hoạt động kinh tế, xã hội quốc phòng nhiều quốc gia giới Số năm 2016 Tạp chí KHOA HỌC CƠNG NGHỆ 69 THƠNG TIN VÀ TRUYỀN THÔNG ỨNG DỤNG GIS TRONG DỰ BÁO DỊCH TẢ GIS cung cấp cơng cụ phân tích thống kê, mơ hình hóa khơng gian, hỗ trợ cho việc nghiên cứu mối quan hệ yếu tố điều kiện tự nhiên, mơi trường tình hình sức khỏe, bệnh tật người dân, theo dõi dự báo diễn biến dịch bệnh, từ hỗ trợ định phù hợp thời điểm cấp quản lý khác [2] Chính phạm vi ứng dụng rộng rãi nên có nhiều cách tiếp cận khác phân tích liệu với GIS, trọng số nghịch khoảng cách (Inverse Distance Weighting - IDW), phân tích điểm nóng (Hot Spot Analysis), hồi quy trọng số không gian (Geographically Weighted Regression - GWR) [3][4] Phân tích điểm nóng phương pháp phân nhóm không gian sử dụng thống kê GetisOrd Gi* [3] cho đối tượng tập liệu không gian Phương pháp tính tốn cách xem xét đối tượng bối cảnh với đối tượng lân cận Một đối tượng có giá trị cao chưa điểm nóng có ý nghĩa mặt thống kê Để trở thành điểm nóng mặt thống kê, đối tượng cần có giá trị cao bao quanh đối tượng khác có giá trị cao Phương pháp thống kê cục hồi quy trọng số khơng gian xem xét tính khơng đồng mối quan hệ theo khơng gian Nói cách khác, mơ hình hóa mối quan hệ thay đổi theo vị trí khơng gian khác GIS hồi quy tuyến tính (Ordinary Least Square - OLS) để phân tích mối quan hệ xuất dịch tả nguồn cấp nước cho hộ gia đình Nghiên cứu sử dụng liệu đồ tiểu bang Nigeria số liệu thống kê trường hợp mắc bệnh tả, nguồn cung cấp nước cho hộ gia đình liệu dân số Kết cho thấy phương pháp GWR tốt đáng kể so với phương pháp OLS Ngồi ra, phân tích liệu thực nghiệm cho thấy dịch tả xảy khu vực nghiên cứu có liên quan đáng kể đến nguồn cung cấp nước cho hộ gia đình thay đổi theo khu vực khác Năm 2014, Rasam cộng [8] tiến hành nghiên cứu tích hợp GIS kỹ thuật phân tích dịch tễ học phân tích mơ hình khơng gian bệnh tả huyện Sabah, Malaysia Kết cho thấy bệnh tả có xu hướng tập trung quanh khu vực người bị nhiễm khoảng 1.500 mét Các ổ dịch tả thường xuất khu vực đông người, môi trường vệ sinh, gần với nguồn nước bị nhiễm Ngồi ra, bệnh tả có quan hệ chặt chẽ với khu vực ven biển Từ phân tích cho thấy GIS đóng vai trị cơng nghệ không gian quan trọng nghiên cứu xác định mơ hình phân phối làm sáng tỏ giả thuyết phát triển dịch bệnh Theo hiểu biết chúng tôi, giới chưa Năm 2008, Osei Duker sử dụng mơ hình có cơng trình nghiên cứu phân tích đầy đủ hồi quy khơng gian (gồm mơ hình sai số khơng mối quan hệ yếu tố không gian (các yếu gian mơ hình trễ khơng gian) để khám phá tố khí hậu, thủy văn dân số) với yếu tố thời phụ thuộc tỷ lệ mắc bệnh tả vào yếu tố gian (sự lan truyền bệnh dịch) sử dụng công môi trường địa phương quan trọng (các bãi rác lộ nghệ GIS thiên) Kumasi, Ghana [5] Kết nghiên cứu cho thấy vùng có mật độ cao bãi rác Tại Việt Nam, bệnh tả loại dịch bệnh lộ thiên có tỷ lệ mắc bệnh tả cao vùng truyền nhiễm nguy hiểm người, có mật độ bãi rác lộ thiên thấp Hơn nữa, tồn số địa phương Để chủ động vùng gần bãi rác lộ thiên có tỷ lệ mắc bệnh phòng tránh dịch bệnh tả tái phát gây ảnh hưởng cao vùng xa bãi rác lộ thiên [5][6] tới sức khỏe người dân, việc triển khai ứng dụng Nghiên cứu vào năm 2010 Osei GIS kiểm soát dự báo dịch bệnh tả đồng nghiệp cho kết khả quan xem giải pháp có tính khả thi cao, bổ sử dụng mơ hình hồi quy không gian để khám sung cho biện pháp chuyên môn y tế, giúp phá phụ thuộc không gian bệnh tả vào ngành y tế quyền cấp có can thiệp phù hợp nhằm nâng cao hiệu thủy vực có tiềm bị nhiễm [5][6] cơng tác phịng, chống dịch tả [9] Hiện Năm 2013, Nkeki and Osirike [7] so sánh hai Việt Nam, việc ứng dụng GIS lĩnh vực y tế phương pháp hồi quy trọng số khơng gian (GWR) cịn hạn chế Đa phần dừng lại việc lập Tạp chí KHOA HỌC CÔNG NGHỆ 70 THÔNG TIN VÀ TRUYỀN THÔNG Số năm 2016 Lê Thị Ngọc Anh, Hoàng Xuân Dậu đồ thể vị trí, số lượng ca bệnh, ổ dịch; khoanh vùng nguy dịch sử dụng chức tạo vùng đệm; quản lý sở liệu dịch bệnh GIS Chúng tơi chưa tìm thấy nghiên cứu nước ứng dụng GIS phân tích, tìm hiểu ngun nhân, mơ hình phân bố ca bệnh vụ dịch, dự báo trước khả xuất ca bệnh tương lai Vì vậy, mục tiêu nghiên cứu đề xuất xây dựng mơ hình dự báo dịch tả địa bàn thành phố Hà Nội, có xem xét đến ảnh hưởng số ca bệnh tả với số biến hư khí hậu, diện tích mặt nước, dân số sở ứng dụng kỹ thuật phân tích hồi quy khơng gian cơng nghệ GIS B Mơ hình dự báo đề xuất Hình trình bày mơ hình dự báo dịch tả đề xuất khu vực Hà Nội Dữ liệu đầu vào bao gồm đồ hành chính, thủy văn, số liệu dân số, số liệu khí tượng theo ngày (R- lượng mưa; Sh- số nắng; T- nhiệt độ khơng khí; U- độ ẩm khơng khí tương đối; V- tốc độ gió) số liệu ca mắc bệnh tả theo ngày giai đoạn 2001–2011 III MƠ HÌNH DỰ BÁO ĐỀ XUẤT A Tập Dữ Liệu Thử Nghiệm Dữ liệu thử nghiệm bao gồm số liệu số ca dịch tả thu thập từ Trung tâm y tế dự phòng Hà Nội Dữ liệu khí hậu thủy văn khu vực Hà Nội thu thập từ Trung tâm nghiên cứu khí tượng quốc gia Dữ liệu sử dụng cho trình thực nghiên cứu mô tả chi tiết Bảng I Bảng I Dữ liệu đầu vào cho nghiên cứu Dữ liệu Mơ tả Bản đồ hành tỷ lệ 1:50000 Thể ranh giới 29 đơn vị quận huyện Tp Hà Nội Bản đồ thủy văn tỷ lệ 1:50000 Thể mạng lưới sông suối, ao hồ địa bàn Tp Hà Nội Số liệu dân số Số liệu khí tượng Số liệu bệnh tả Giai đoạn 2007-2010 địa bàn Tp Hà Nội Thể quy mô dân số quận huyện theo năm Giai đoạn 2001-2011 trạm đo: Ba Vì, Hà Đơng, Hồi Đức, Láng Sơn Tây địa bàn Tp Hà Nội Thể số liệu đo lượng mưa; nhiệt độ khơng khí; độ ẩm khơng khí tương đối; số nắng; tốc độ gió theo ngày Giai đoạn 2001-2011 địa bàn Tp Hà Nội Thể số liệu lưu trữ thông tin ca mắc bệnh tả theo ngày Hình Mơ hình dự báo dịch tả đề xuất Từ số liệu đầu vào biến khí tượng (R, Sh, T, U, V), diện tích mặt nước quận, huyện, dân số quận, huyện, nhóm nghiên cứu thống kê tổng hợp số liệu để tiến hành xây dựng mơ hình Diện tích mặt nước coi liệu không đổi tính tốn cụ thể cho quận, huyện Trong đó, liệu khí tượng thay đổi thu nhận trạm khí tượng mơ tả Bảng I Do vậy, nhóm nghiên cứu sử dụng công cụ nội suy IDW để nội suy từ liệu cung cấp trạm khí tượng cho quận, huyện Dựa đồ kết sau nội suy, nhóm nghiên cứu lập đồ phục vụ trình mơ phỏng, dự báo số ca mắc tả khu vực nghiên cứu thông qua hàm hồi quy Nghiên cứu sử dụng độ đo hệ số xác định hiệu chỉnh để so sánh mơ hình hồi quy lựa chọn mơ hình hồi quy tối ưu Số năm 2016 Tạp chí KHOA HỌC CƠNG NGHỆ 71 THÔNG TIN VÀ TRUYỀN THÔNG ỨNG DỤNG GIS TRONG DỰ BÁO DỊCH TẢ Thanh Xuân, Đống Đa, Hoàng Mai Cầu Giấy Đây vùng tập trung dân cư đông đúc, tiếp giáp A Giới Thiệu Thử Nghiệm với sông: sông Nhuệ, sông Kim Ngưu Theo mơ hình dự báo dịch tả đề xuất mơ tả sông Tô Lịch Đây sông có số Hình 1, khâu tiền xử lý liệu thử nhiễm cao chảy qua địa bàn Tp Hà Nội nghiệm sau thực hiện: IV THỬ NGHIỆM VÀ KẾT QUẢ Phân tích điểm nóng dịch bệnh tả Mục tiêu thử nghiệm tìm điểm nóng (Hot Spot) bùng phát dịch tả mối quan hệ bùng phát dịch với yếu tố không gian, gồm khí tượng, thủy văn (mặt nước) mật độ dân số; Thử nghiệm mơ hình hồi qui đa biến cho dự báo dịch tả Thử nghiệm thực sở kết bước phân tích điểm nóng dịch tả, gồm có khâu: (i) Lựa chọn biến giải thích phát sinh dịch bệnh tả, (ii) Phân tích hồi quy tuyến tính (OLS) (iii) Phân tích hồi quy số khơng gian (GWR) Các khâu tiến hành khâu nhận đầu vào kết khâu trước B Phân Tích Điểm Nóng Dịch Tả Từ liệu thống kê số ca bệnh tả theo năm giai đoạn 2001– 2011 biểu diễn Hình 2, rút nhận xét diễn biến dịch tả khoảng thời gian xem xét từ năm 2001-2011: năm 2004 bắt đầu ghi nhận ca mắc bệnh tả Tp Hà Nội với số lượng 25 ca Sau đó, dịch tả bùng phát liên tục từ năm 2007 đến 2010, với đỉnh điểm năm 2008 Tuy nhiên, mặt không gian, câu hỏi đặt ca bệnh thường xuất khu vực nào? ca bệnh phân bố tập trung thành cụm hay phân tán rải rác toàn vùng? Để trả lời cho hai câu hỏi này, nghiên cứu tiến hành phân tích điểm nóng theo năm việc sử dụng thống kê Getis-Ord Gi* toàn địa bàn Tp Hà Nội nhằm xác định khu vực thường xuyên xuất ca mắc bệnh Từ đó, tạo tiền đề cho việc lựa chọn biến giải thích mơ hình hồi quy dịch bệnh Kết phân tích điểm nóng thể Hình Theo đó, thấy điểm nóng số ca bệnh tả thay đổi theo theo năm, nhiên thường tập trung quanh khu vực nội bao gồm quận Ba Đình, Hai Bà Trưng, Tạp chí KHOA HỌC CƠNG NGHỆ 72 THƠNG TIN VÀ TRUYỀN THƠNG Số năm 2016 Hình Biểu diễn số ca bệnh tả theo năm giai đoạn 2001-2011 C Thử Nghiệm Các Mơ Hình Hồi Quy Đa Biến cho Dự Báo Dịch Tả 1) Lựa chọn biến giải thích phát sinh dịch bệnh tả Kết phân tích điểm nóng ca bệnh tả theo năm cho thấy điểm nóng tập trung khu vực đông đúc dân cư nằm gần sông ô nhiễm Từ nhận định kết hợp với kết nghiên cứu trước phân tích bệnh tả, nghiên cứu lựa chọn biến giải thích phát sinh dịch bệnh tả theo năm địa bàn Tp Hà Nội sau: Khí hậu (R, Sh, T, U, V: lấy trung bình năm); Diện tích mặt nước (km2); Dân số (nghìn người) Do số ca mắc bệnh tả phân bố khơng theo năm (hay nói cách khác số liệu không tuân theo quy luật phân bố chuẩn) nên nghiên cứu lựa chọn hàm hồi quy sau để giải thích số ca bệnh tả (y) với dạng sau: Log(y) = α + β1 * R + β2 * Sh + β3 * T + β4 * U + β5 * V + β6 * Diện tích mặt nước + β7 * Dân số + ε (1) đó: Log(y) logarit số ca mắc tả; α hệ số chặn; β1, β2, β3, β4, β5, β6, β7 hệ số hồi quy; ε sai số ngẫu nhiên Mục đích lựa chọn hàm hồi quy logarit để đưa liệu dạng phân bố chuẩn Các biến số khí hậu, diện tích mặt nước, dân số coi biến độc lập, biến số số ca mắc tả coi biến phụ thuộc Mơ hình hồi quy dự báo số ca tả mắc Hà Nội dựa vào liệu khí hậu, diện tích mặt nước dân số Lê Thị Ngọc Anh, Hồng Xn Dậu 2) Phân tích hồi quy tuyến tính OLS Nhóm nghiên cứu tiến hành phân tích hồi quy tuyến tính OLS để thiết lập hàm mơ phỏng, dự báo ca bệnh tả theo năm cho toàn khu vực Hà nội Tổng hợp kết phân tích hồi quy tuyến tính OLS cho năm 2007, 2008, 2009 2010 thể Bảng II Độ lệch chuẩn phần dư (số ca thực tế - số ca mô phỏng) cho năm thể Hình Nghiên cứu sử dụng độ đo hệ số xác định hiệu chỉnh (Adjusted R_squared) để so sánh mức độ ảnh hưởng nhóm biến khí hậu với diện tích mặt nước dân số với số ca bệnh Hệ số xác định hiệu chỉnh cho biết biến giải thích mơ hình giải thích phần trăm biến đổi biến phụ thuộc Bảng II Tổng hợp kết hệ số xác định hiệu chỉnh phân tích hồi quy OLS theo năm khu vực Hà Nội Biến giải thích 2007 Hằng số, Mặt nước, Khí hậu 0,258771 < 0,01 2008 Hằng số, Mặt nước, Dân số 0,424545 < 0,01 2009 Hằng số, Mặt nước, Khí hậu, Dân số 0,704000 < 0,01 2010 Hằng số, Mặt nước, Khí hậu, Dân số 0,637462 < 0,01 ± Sãc S¬n ± Sãc Sơn Mê Linh Mê Linh Ba Vì Ba Vì Son Tay Son Tay Đông Anh #* Phúc Thọ Ba Vi Cầu Giấy Ba Đình Hoàn #* Đa Thanh Xuân Quốc Oai Hai Bà Trng #* Tp Hà Đông Thạch Thất #* Đa Thanh Xuân #* Tp Hà Đông Thanh Trì Long Biên Gia Lâm Hai Bà Trng Thạch Thất Tp Hà Đông Cold Spot - 95% Confidence Cold Spot - 90% Confidence Thanh Tr× Thanh Oai Thêng TÝn Gi_Bin Cold Spot - 99% Confidence Phú Xuyên Mỹ Đức Not Significant Hot Spot - 90% Confidence Hot Spot - 90% Confidence Hot Spot - 90% Confidence Hot Spot - 95% Confidence Hot Spot - 95% Confidence Hot Spot - 95% Confidence Hot Spot - 99% Confidence Hot Spot - 99% Confidence Hot Spot - 99% Confidence Sóc Sơn ứng Hòa Cold Spot - 90% Confidence Mü §øc Not Significant Phó Xuyên Cold Spot - 95% Confidence ứng Hòa Cold Spot - 90% Confidence Mỹ Đức Gia Lâm Hot Spot 2007 Cold Spot - 95% Confidence ứng Hòa Long Biên Chơng Mü Thêng TÝn Cold Spot - 99% Confidence Phó Xuyªn Hoµn Hai Bµ Trng Hoµng Mai Ha Dong #* Gi_Bin Cold Spot - 99% Confidence Đa Thanh Xuân Quốc Oai Hot Spot 2008 Gi_Bin Ba Đình Lang Đống Kiếm #* Thanh Trì Thanh Oai Thờng Tín Hot Spot 2004 Cầu Giấy Hoài Đức Chơng Mỹ Thanh Oai Tây Hồ Hoai Duc #* Từ Liêm Hoàn Hoàng Mai Ha Dong Chơng Mỹ Not Significant Ba Đình Lang Đống Kiếm Quốc Oai Hoàng Mai Ha Dong Cầu Giấy Hoài Đức Tp Sơn Tây Tây Hồ Hoai Duc #* Từ Liêm Gia Lâm Phúc Thọ Ba Vi Long Biên Lang Đống Kiếm Đông Anh Đan Phợng #* Tp Sơn Tây Tây Hồ Hoai Duc #* Từ Liêm Thạch Thất Đan Phợng Phúc Thọ Ba Vi #* Hoài Đức Son Tay #* Đông Anh #* Đan Phợng Tp Sơn Tây Sóc Sơn Mê Linh Ba V× #* Hệ số xác định Giá trị hiệu chỉnh thống kê (Adjusted R_squared) (*p_value) Năm ± Sãc Sơn Mê Linh Mê Linh Ba Vì Ba Vì Son Tay Son Tay Đông Anh #* Phúc Thọ Ba Vi #* Đan Phợng Phúc Thọ Ba Vi #* Tp Sơn Tây #* Từ Liêm Cầu Giấy Hoài Đức Ba Đình Đa Thanh Xuân Quốc Oai #* Từ Liêm Long Biên Gia Lâm Hai Bà Trng Cầu Giấy Hoài Đức Thạch Thất Ba Đình Đa Thanh Xuân Tp Hà Đông Long Biên Gia Lâm Hai Bà Trng Hoàng Mai Ha Dong #* Thanh Trì Hoàn Lang Đống Kiếm #* Quốc Oai Thanh Trì Chơng Mỹ Chơng Mỹ Thanh Oai Thanh Oai Thêng TÝn Hot Spot 2009 Thêng TÝn Hot Spot 2010 Gi_Bin Gi_Bin Cold Spot - 99% Confidence Phó Xuyªn Cold Spot - 95% Confidence øng Hßa Cold Spot - 90% Confidence Not Significant Tây Hồ Hoai Duc Hoàng Mai Ha Dong #* Tp Hà Đông Hoàn Lang Đống Kiếm #* Đan Phợng Tp Sơn Tây Tây Hồ Hoai Duc Thạch Thất Đông Anh #* Cold Spot - 99% Confidence Phú Xuyên Cold Spot - 95% Confidence ứng Hòa Cold Spot - 90% Confidence Mü §øc Mü §øc Not Significant Hot Spot - 90% Confidence Hot Spot - 90% Confidence Hot Spot - 95% Confidence Hot Spot - 95% Confidence Hot Spot - 99% Confidence Hot Spot - 99% Confidence Hình Phân tích điểm nóng số ca bệnh tả năm 2004, 2007, 2008, 2009 2010 Số năm 2016 Tạp chí KHOA HỌC CƠNG NGHỆ 73 THƠNG TIN VÀ TRUYỀN THÔNG ỨNG DỤNG GIS TRONG DỰ BÁO DỊCH TẢ Hình Độ lệch chuẩn phần dư (số ca thực tế - số ca mô phỏng) năm 2007, 2008,2009 2010 Hình Hệ số xác định hiệu chỉnh R2 cục mơ hình GWR cho năm 2007, 2008, 2009 2010 Từ kết phân tích cho Bảng III, rút nhận xét sau: Trong năm 2007, kết hợp yếu tố khí hậu mặt nước giải thích 25,87% số ca bệnh toàn khu vực Trong năm 2008, kết hợp dân số mặt nước giải thích 42,45% số ca bệnh tồn khu vực Trong năm 2009, 2010, kết hợp yếu tố khí hậu, dân số mặt nước giải thích 70,40%, 63,74% số ca bệnh toàn khu vực Xu hướng cho thấy, khí hậu có chuyển biến sâu sắc tác động tiêu cực người tự nhiên thay đổi có ảnh hưởng đáng kể tới sức khỏe người mối quan hệ biến phụ thuộc biến giải thích Giả thiết dẫn đến kết sai lệch OLS sử dụng cho liệu phụ thuộc không gian Để khắc phục điểm yếu trên, phương pháp thống kê cục hồi quy trọng số không gian (GWR) đời Phương pháp xem xét tính khơng đồng mối quan hệ theo khơng gian Nói cách khác, mơ hình hóa mối quan hệ thay đổi theo vị trí khơng gian khác Dựa kết phân tích hồi quy OLS theo năm cho tồn khu vực, nhóm nghiên cứu xây dựng mơ hình hồi quy trọng số khơng gian GWR nhằm cải thiện khả giải thích mơ hình OLS thiết lập hàm tuyến tính phù hợp cho quận huyện Nghiên 3) Phân tích hồi quy trọng số không gian GWR cứu sử dụng phương pháp chuẩn thơng tin AIC Mơ hình thống kê toàn cục theo hồi quy tuyến (Akaite’s Information Criterion) để so sánh hai tính OLS giả định tính đồng theo khơng gian mơ hình Theo đó, mơ hình có giá trị AIC Tạp chí KHOA HỌC CƠNG NGHỆ 74 THÔNG TIN VÀ TRUYỀN THÔNG Số năm 2016 Lê Thị Ngọc Anh, Hồng Xn Dậu thấp xác mơ hình có giá trị AIC cao Kết so sánh số AIC, giá trị hệ số xác định hiệu chỉnh R2 mơ hình OLS mơ hình GWR theo năm thể Bảng III Theo đó, cho thấy ngoại trừ năm 2007, ba năm cịn lại mơ hình GWR cho kết tốt mơ hình OLS động khơng đáng kể Đối với mặt nước, tác động yếu tố đến ca bệnh thể liên tục từ 2007 đến 2010 Yếu tố dân số có ảnh hưởng đến ca bệnh hai năm 2008 2010 Kết phân tích nghiên cứu cho thấy yếu tố mặt nước có vai trị quan trọng mơ hình dự báo Hình thể giá trị giá trị hệ số xác định hiệu chỉnh R² cục thay đổi theo quận huyện mơ hình GWR Qua cho thấy biến động theo khơng gian mối quan hệ biến giải thích số ca bệnh tả năm Cụ thể, chia hệ số xác định hiệu chỉnh R² thành hai nhóm giá trị thấp cao Theo đó, năm 2007, có gia tăng giá trị R² theo hướng từ Tây sang Đông Các năm tiếp theo, gia tăng giá trị hệ số R² theo hướng từ Bắc xuống Nam • Xét khơng gian, số ca bệnh dự báo khu vực nội đô thường nhỏ số ca bệnh thực tế Trong đó, quận, huyện khu vực phía Bắc Nam giá trị thường lớn Cần có nghiên cứu sâu để tìm hiểu tương tác không gian ảnh hưởng số ca bệnh nhằm đưa mơ hình dự báo tốt Bảng III So sánh hiệu hai mơ hình OLS GWR theo năm Chỉ số AIC R 2007 OLS GWR 2008 OLS GWR 2009 OLS GWR 2010 OLS GWR V KẾT LUẬN 101,10 101,10 105,38 104,65 81,83 73,51 81,81 78,94 0,26 0,26 0,42 0,46 0,70 0,84 0,64 • Xét mơ hình, hai mơ hình OLS GWR giải thích số ca bệnh Tuy nhiên, mơ hình GWR cho kết tốt mơ hình OLS theo năm nhờ khả ước lượng hệ số mơ hình thay đổi theo khơng gian 0,69 Ưu điểm mơ hình GWR khả hiển thị trực quan hệ số ước lượng biến giải thích theo đơn vị khơng gian, quận, huyện Điều giúp cho việc khám phá mối quan hệ phức tạp trở nên dễ dàng Kết ước lượng hệ số biến giải thích cho xuất ca bệnh tả giai đoạn 20072010 thể Hình 6, 7, phần Phụ lục báo Dải màu thay đổi từ xanh đậm đến đỏ đậm tương ứng với mức độ ảnh hưởng đến số ca bệnh tả từ thấp đến cao 4) Một số nhận xét Qua phân tích hồi quy OLS GWR, nhóm nghiên cứu rút số nhận xét sau: • Xét theo năm, tác động khí hậu đến ca bệnh biểu rõ nét năm 2007, 2009, 2010, năm lại 2008 tác Nghiên cứu bước đầu xác định điểm nóng dịch bệnh thường tập trung thành cụm quanh khu vực nội đô, nơi tập trung dân cư đông đúc, tiếp giáp với sông ô nhiễm Nghiên cứu xây dựng mơ hình hồi quy OLS GWR khái qt dự báo dịch tả địa bàn Tp Hà Nội theo năm dựa biến khí hậu (nhiệt độ khơng khí, lượng mưa, độ ẩm, số nắng, tốc độ gió), dân số, diện tích mặt nước giai đoạn 2001 - 2011 Các kết đạt cho thấy khả ứng dụng GIS hiệu phân tích dịch bệnh tả địa bàn nghiên cứu điểm nóng lý giải mối liên hệ biến khí hậu, mặt nước dân số phân bố theo không gian với số ca bệnh theo thời gian Điều góp phần hỗ trợ cho công tác quản lý dịch bệnh theo không gian thời gian Đồng thời, kết nghiên cứu tạo tiền đề quan trọng cho nghiên cứu mô phỏng, dự báo dịch tả địa bàn Tp Hà Nội Bên cạnh kết đạt được, số vấn Số năm 2016 Tạp chí KHOA HỌC CƠNG NGHỆ 75 THƠNG TIN VÀ TRUYỀN THÔNG ỨNG DỤNG GIS TRONG DỰ BÁO DỊCH TẢ đề cần tiếp tục nghiên cứu cải thiện như: (1) Thời gian theo dõi số ca bệnh tả tương đối ngắn, ca bệnh xuất năm (2004, 2007, 2008, 2009 2010) chuỗi thời gian từ 2001-2011 Bên cạnh số ca bệnh tả xuất năm giai đoạn xem xét không nhiều Hơn nữa, liệu số ca bệnh tả từ 2001 đến 2011 không cân (không tuân theo quy luật phân phối chuẩn) giai đoạn xem xét, chiếm 4,22% theo ngày, 13% tính theo tháng Chính vậy, để thấy rõ tác động khí hậu, mặt nước dân số đến dịch bệnh tả, cần tiếp tục theo dõi tình hình dịch bệnh tả năm tiếp theo; (2) Số lượng biến tham gia lý giải số ca bệnh tả cịn Tuy nhiên, trạng thực tế coi đặc thù liệu dịch bệnh y tế, số ca mắc bệnh lớn địa bàn nghiên cứu Vì vậy, cần mơ hình dự báo phù hợp với đặc điểm Mặc dù vậy, kết nghiên cứu cho thấy mối liên hệ chặt chẽ khí hậu, mặt nước, dân số xuất ca bệnh tả Đối với khí hậu, liệu theo dõi đầy đủ, với mặt nước, có liệu diện tích mặt nước Vì vậy, cần thu thập thêm số liệu chất lượng nước mặt địa bàn, đặc biệt sông khu vực, để phân tích sâu hơn, tồn diện diễn biến dịch bệnh; (3) Nghiên cứu dừng lại phân tích dịch bệnh theo cấp độ quận, huyện nên độ xác khơng gian cịn tương đối hạn chế Do đó, cần tiến hành thêm phân tích cấp độ phường, xã để nâng cao độ xác Ngồi ra, thu thập số liệu ca bệnh tả nên ghi nhận chi tiết đến địa nhà, tọa độ GPS để cung cấp đầu vào chi tiết cho q trình phân tích GIS TÀI LIỆU THAM KHẢO [1] Plowright, R.K., Cross, P.C., Tabor, G.M., Almberg, E., Bienen, L and Hudson, P.J., 2012 Climate Change and Infectious Disease Dynamics In: A.A Aguirre, R Ostfeld and P Daszak, eds., New Directions in Conservation Medicine: Applied Cases Tạp chí KHOA HỌC CƠNG NGHỆ 76 THƠNG TIN VÀ TRUYỀN THÔNG Số năm 2016 of Ecological Health Oxford University Press, pp 111–121 [2] Leckebusch, G.C and Abdussalam, A.F., 2015 Climate and socioeconomic influences on interannual variability of cholera in Nigeria Health & Place, [online] 34, pp 107–117 Available at: