Tổng quan về luận án

Luận án này tiên phong trong việc phân tích toàn diện dịch tễ học bệnh tiêu chảy tại cộng đồng và phát triển mô hình dự báo dựa trên các yếu tố khí hậu tại Hà Tĩnh, một khu vực đặc trưng chịu ảnh hưởng nặng nề của biến đổi khí hậu (BĐKH) ở Việt Nam. Nghiên cứu giải quyết một research gap quan trọng: trong khi các nghiên cứu trước đây về bệnh tiêu chảy và mối liên quan với thời tiết thường dựa trên số liệu thu thập tại các cơ sở y tế hoặc điều tra cắt ngang [116], luận án này sử dụng dữ liệu theo dõi dọc tại cộng đồng, từ đó phản ánh chân thực hơn gánh nặng bệnh tật và tỷ suất mắc mới thực tế. Điều này đặc biệt cần thiết khi "hoạt động cảnh báo sớm về bệnh tiêu chảy và dịch bệnh tiêu chảy ở Việt Nam chưa mang tính chủ động, thường được dựa vào 2 hệ thống giám sát thường quy và kinh nghiệm [13]", thiếu đi sự tích hợp khoa học của các yếu tố môi trường.

Các câu hỏi nghiên cứu cụ thể bao gồm:

  1. Mô tả đặc điểm dịch tễ học bệnh tiêu chảy tại một xã khu vực bị hạn hán của tỉnh Hà Tĩnh, 2014 – 2015.
  2. Phân tích mối liên quan giữa một số yếu tố thời tiết và bệnh tiêu chảy tại Hà Tĩnh giai đoạn 1992 đến năm 2015.
  3. Ứng dụng mô hình toán học dựa vào yếu tố thời tiết dự báo bệnh tiêu chảy tại Hà Tĩnh.

Khung lý thuyết (Theoretical Framework) của luận án được xây dựng dựa trên sự tích hợp của Dịch tễ học môi trường và Lý thuyết chuỗi thời gian. Cụ thể, nghiên cứu sử dụng phương pháp luận Box-Jenkins với các mô hình ARIMA (Autoregressive Integrated Moving Average) và SARIMA (Seasonal Autoregressive Integrated Moving Average), mở rộng thành SARIMA-X khi tích hợp các biến ngoại sinh (exogenous variables) là các yếu tố thời tiết. Lý thuyết này cho phép phân tích sự phụ thuộc của các quan sát trong quá khứ và hiện tại để dự đoán giá trị tương lai của một biến trình, đồng thời kiểm soát tính mùa và xu hướng trong dữ liệu. Ngoài ra, hồi quy Poisson (Poisson Regression) được sử dụng để định lượng mối liên quan giữa các yếu tố thời tiết và số ca bệnh tiêu chảy, dựa trên giả định rằng số ca bệnh là dữ liệu đếm tuân theo phân phối Poisson.

Đóng góp đột phá với tác động định lượng:

  1. Lần đầu tiên định lượng chính xác gánh nặng bệnh tiêu chảy ở cấp cộng đồng tại một khu vực bị hạn hán ở Việt Nam, phát hiện tỷ suất mắc mới trong cộng đồng cao gấp hơn 10 lần so với số liệu báo cáo chính thức. Cụ thể, tỷ suất mắc mới là 40% người-năm, so với 6% người-năm từ báo cáo thống kê bệnh truyền nhiễm [13]. Điều này tiết lộ mức độ thiếu hụt nghiêm trọng trong hệ thống giám sát hiện có.
  2. Phát triển mô hình dự báo SARIMA-X tiên tiến tích hợp yếu tố nhiệt độ tối cao trung bình (Tmax) cho bệnh tiêu chảy, đạt hiệu quả vượt trội so với mô hình SARIMA cơ bản. Mô hình SARIMA-X với Tmax giảm sai số dự báo ngắn hạn (trước 1 tháng) xuống 6,1% và trung hạn (trước 12 tháng) xuống 9,7% so với 7,6% và 10,1% của mô hình SARIMA không có yếu tố thời tiết, cung cấp công cụ đáng tin cậy cho hệ thống cảnh báo sớm chủ động.
  3. Xác định tác động trễ cụ thể của các yếu tố khí hậu, cung cấp "thông tin đáng tin cậy về các vụ dịch tiêu chảy trước 2 hoặc 3 tháng" [15]. Ví dụ, tăng 10C nhiệt độ trung bình/tối cao/tối thấp có nguy cơ tăng số ca tiêu chảy từ 2-3% trong 1-2 tháng tới, và tăng 10mm lượng mưa trước 2-3 tháng có nguy cơ tăng 17,1% số ca bệnh tiêu chảy. Đây là bằng chứng quan trọng để xây dựng các biện pháp thích ứng kịp thời.

Phạm vi và ý nghĩa: Nghiên cứu được thực hiện tại xã Kỳ Hải, huyện Kỳ Anh, tỉnh Hà Tĩnh, theo dõi 2961 cá nhân trong 1 năm (từ tháng 07/2014 đến 06/2015) cho mục tiêu dịch tễ cộng đồng. Đối với mô hình dự báo, dữ liệu bệnh tiêu chảy và các yếu tố thời tiết được thu thập trong 24 năm (1992-2015) với 288 mốc thời gian. Ý nghĩa của luận án là cung cấp "bằng chứng để chúng ta thiết lập hệ thống kiểm soát bệnh tiêu chảy hiệu quả hơn tại tỉnh Hà Tĩnh và là cơ sở để thiết lập các hoạt động kiểm soát bệnh tiêu chảy hiệu quả cho các khu vực khác." Nghiên cứu này có khả năng ảnh hưởng đến chính sách y tế công cộng, đặc biệt trong việc xây dựng các hệ thống cảnh báo sớm dựa trên biến đổi khí hậu ở các vùng dễ bị tổn thương.

Literature Review và Positioning

Luận án này được đặt trong bối cảnh các nghiên cứu ngày càng tăng về tác động của biến đổi khí hậu lên sức khỏe cộng đồng, đặc biệt là các bệnh truyền nhiễm qua đường nước và thực phẩm như tiêu chảy. Nhiều nghiên cứu quốc tế đã chứng minh mối liên quan giữa các yếu tố thời tiết như nhiệt độ, lượng mưa, độ ẩm và tỷ lệ mắc bệnh tiêu chảy. Chẳng hạn, Ali.Akanda và cộng sự (2015) đã đề xuất lồng ghép mô hình cảnh báo sớm dựa vào yếu tố thời tiết để cung cấp thông tin đáng tin cậy về các vụ dịch tiêu chảy trước 2-3 tháng [15]. Hall et al. (2011) và Bennett (2012) cũng đã chỉ ra mối liên quan giữa tăng nhiệt độ và số ca tiêu chảy, với mức tăng 10C nhiệt độ môi trường có thể làm tăng số ca bệnh tiêu chảy lên 2,48% [dựa trên bàn luận]. Nghiên cứu ở Bangladesh cho thấy nhiệt độ trung bình tăng thêm 10C thì số ca nhập viện do thương hàn, lỵ và vi rút Rota tăng 5,6% (95% CI: 3,4-7,8) [57]. Về lượng mưa, Carlton (2014) và Krumkamp (2015) đã chứng minh mối liên quan thuận giữa mưa lớn và sự gia tăng tiêu chảy, đặc biệt sau mùa khô [29, 79].

Tuy nhiên, tài liệu hiện có cũng chỉ ra những mâu thuẫn và tranh luận trong việc định lượng mối quan hệ này. Ví dụ, một nghiên cứu tại Việt Nam của Hoàng Hải (2008) với mục tiêu xác định xu hướng và mối quan hệ giữa các yếu tố thời tiết với các bệnh đường tiêu hóa tại Việt Nam như tả, lỵ, thương hàn giai đoạn 1991-2001 cho thấy "ít có tương quan giữa các yếu tố khí hậu với bệnh tiêu chảy ở Việt Nam do ảnh hưởng của hệ thống giám sát bệnh tiêu chảy và ảnh hưởng của nhiều yếu tố khác tới bệnh dịch này tại Việt Nam" [72]. Quan điểm đối lập này thường xuất phát từ việc sử dụng số liệu giám sát thường quy vốn có nhiều hạn chế về độ bao phủ và tính chính xác, cũng như khó khăn trong việc kiểm soát các yếu tố nhiễu phức tạp. Điều này trái ngược với các nghiên cứu quy mô nhỏ hơn hoặc ở các bối cảnh khác, nơi mối liên hệ được thể hiện rõ ràng hơn.

Vị trí của luận án trong tài liệu khoa học là đóng góp bằng cách giải quyết rõ ràng khoảng trống nghiên cứu cụ thể: thiếu dữ liệu dịch tễ học tiêu chảy theo dõi dọc cấp cộng đồng và thiếu mô hình dự báo khí hậu-tích hợp được xác nhận tại Việt Nam. Luận án này vượt qua hạn chế của số liệu báo cáo bằng cách thu thập dữ liệu trực tiếp từ 2961 người dân tại cộng đồng trong 1 năm, cung cấp bức tranh chân thực về gánh nặng bệnh tật mà hệ thống giám sát thông thường bỏ sót. "Số liệu trong cộng đồng cao gấp trên 10 lần so với số liệu được báo cáo," cho thấy sự khác biệt đáng kể giữa gánh nặng thực tế và số liệu được ghi nhận [Bàn luận, Mục 4.1].

Luận án thúc đẩy lĩnh vực nghiên cứu bằng cách cung cấp một mô hình SARIMA-X được tối ưu hóa với các yếu tố thời tiết có tác động trễ (lagged effect) được định lượng rõ ràng. Cụ thể, nó chỉ ra rằng tăng 10mm tổng lượng mưa trước 2-3 tháng có nguy cơ làm tăng 17,1% số ca bệnh tiêu chảy hiện tại [Kết luận, Mục 2]. Điều này cung cấp bằng chứng cụ thể cho các chiến lược can thiệp sớm. Hơn nữa, việc xác định nhiệt độ mặt nước biển (SST) vùng NINO3 tại bước trễ 3 tháng có nguy cơ làm tăng số ca bệnh lên 13,8% khi tăng 10C SST, liên kết dịch tễ bệnh tiêu chảy với các hiện tượng khí hậu toàn cầu như ENSO, mở rộng phạm vi hiểu biết về các yếu tố ảnh hưởng [Kết luận, Mục 2].

So sánh với ít nhất 2 nghiên cứu quốc tế:

  1. Về gánh nặng bệnh tật cộng đồng: Nghiên cứu này phát hiện tỷ suất mắc mới bệnh tiêu chảy ở trẻ dưới 5 tuổi là 1,52 lượt/trẻ/năm. Con số này thấp hơn so với một nghiên cứu tổng quan tại khu vực Đông Nam Á, ước tính 2,4 lượt/năm (1,5 – 3,3) [47], nhưng lại cao hơn so với nghiên cứu thuần tập 1800 trẻ dưới 5 tuổi tại Miền Bắc Việt Nam năm 2001, với tỷ suất mới mắc trung bình 1,3 lượt/trẻ/năm [69]. Điều này cho thấy sự đa dạng trong gánh nặng bệnh tật tùy thuộc vào khu vực địa lý và phương pháp thu thập dữ liệu.
  2. Về khả năng dự báo của mô hình: Mô hình ARIMA đã được ứng dụng rộng rãi để dự báo các bệnh truyền nhiễm như cúm mùa, sốt xuất huyết, sốt rét tại nhiều quốc gia láng giềng như Trung Quốc, Singapore, Thái Lan, Malaysia, Philippines, Ấn Độ [45, 51, 62, 91, 123, 143]. Nghiên cứu gộp của Larry C. Garrett (2012) cho 16 bệnh đã chứng minh rằng phương pháp Box-Jenkins có độ chính xác 71% (43,4 - 91,4%) trong dự báo gánh nặng bệnh tật [81]. Luận án này củng cố và mở rộng kết quả đó bằng cách phát triển mô hình SARIMA-X với sai số dự báo ngắn hạn 6,1% và trung hạn 9,7%, cho thấy khả năng dự báo mạnh mẽ và cụ thể cho bệnh tiêu chảy, đặc biệt khi tích hợp các yếu tố thời tiết như Tmax.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này mở rộng đáng kể các lý thuyết về Dịch tễ học môi trường và Dự báo chuỗi thời gian bằng cách cung cấp bằng chứng thực nghiệm mạnh mẽ từ một bối cảnh độc đáo.

  • Mở rộng/thách thức các lý thuyết cụ thể: Nghiên cứu mở rộng các ứng dụng của phương pháp luận Box-Jenkins (được phát triển bởi George Box và Gwilym Jenkins) bằng cách chứng minh hiệu quả của mô hình SARIMA-X trong việc dự báo bệnh tiêu chảy khi tích hợp các yếu tố khí hậu cụ thể. Trong khi mô hình Box-Jenkins ban đầu tập trung vào các chuỗi thời gian tự thân, luận án này bổ sung giá trị ngoại sinh, cho thấy các biến môi trường có thể làm tăng đáng kể độ chính xác dự báo (giảm sai số dự báo từ 10,1% xuống 9,7% cho dự báo 12 tháng so với mô hình SARIMA cơ bản) [Kết luận, Mục 3]. Điều này thách thức quan điểm cho rằng các yếu tố nội tại của chuỗi số liệu là đủ, và nhấn mạnh tầm quan trọng của các biến khí hậu trong các bệnh nhạy cảm với môi trường.
  • Khung khái niệm với các thành phần và mối quan hệ: Luận án xây dựng một khung khái niệm nơi biến đổi khí hậu tác động gián tiếp lên dịch tễ học bệnh tiêu chảy thông qua các biến trung gian như nhiệt độ môi trường, lượng mưa, độ ẩm, và các hiện tượng thời tiết cực đoan (El Nino/La Nina). Các yếu tố này ảnh hưởng đến sự sinh sản, tồn tại, khả năng lây truyền và độc lực của tác nhân gây bệnh (vi khuẩn, virus, ký sinh trùng), cũng như điều kiện vệ sinh, nguồn nước, thực phẩm, và hành vi cộng đồng. Nghiên cứu tập trung định lượng mối quan hệ giữa các yếu tố khí hậu này (biến độc lập) và số ca bệnh tiêu chảy (biến phụ thuộc), đồng thời xem xét tác động trễ của các yếu tố khí hậu.
  • Mô hình lý thuyết với các mệnh đề/giả thuyết được đánh số:
    1. Mệnh đề 1: Nhiệt độ môi trường (trung bình, tối cao, tối thấp) có mối quan hệ thuận chiều và tác động trễ (1-2 tháng) với số ca bệnh tiêu chảy. (Ví dụ: Tăng 10C nhiệt độ tối thiểu trung bình tại thời điểm hiện tại làm tăng số ca tiêu chảy lên 2,9% với p < 0,001) [Mối liên quan nhiệt độ tối thấp nhất và số ca bệnh tiêu chảy tại các thời gian trễ khác nhau].
    2. Mệnh đề 2: Tổng lượng mưa có mối quan hệ thuận chiều và tác động trễ (2-3 tháng) với số ca bệnh tiêu chảy. (Ví dụ: Tăng 10mm tổng lượng mưa trước 3 tháng có nguy cơ tăng 17,1% số ca tiêu chảy với p < 0,0001) [Mối liên quan tổng lượng mưa và số ca bệnh tiêu chảy].
    3. Mệnh đề 3: Độ ẩm tuyệt đối có mối quan hệ thuận chiều và tác động trễ (1-2 tháng) với số ca bệnh tiêu chảy. (Ví dụ: Tăng 1 g/m3 độ ẩm tuyệt đối tại tháng hiện tại làm tăng số ca tiêu chảy lên 3,3% với p < 0,001) [Mối liên quan độ ẩm tuyệt đối và số ca bệnh tiêu chảy].
    4. Mệnh đề 4: Nhiệt độ mặt nước biển (SST) có mối quan hệ và tác động trễ (đến 3-4 tháng) với số ca bệnh tiêu chảy. (Ví dụ: SST vùng NINO3 tại bước trễ 3 tháng tăng 10C có nguy cơ làm tăng số ca bệnh hiện tại lên 13,8% với p < 0,001) [Mối liên quan SST vùng NINO3 và số ca bệnh tiêu chảy].
    5. Mệnh đề 5: Mô hình SARIMA-X tích hợp các yếu tố khí hậu sẽ có khả năng dự báo tốt hơn (sai số thấp hơn) so với mô hình SARIMA chỉ dựa trên dữ liệu chuỗi thời gian bệnh tiêu chảy nội tại. (Ví dụ: SARIMA-X với Tmax giảm sai số dự báo 12 tháng từ 10,1% xuống 9,7%) [Kết luận, Mục 3].
  • Paradigm shift với EVIDENCE từ findings: Luận án không đề xuất một thay đổi mô hình (paradigm shift) hoàn toàn trong dịch tễ học, nhưng nó cung cấp bằng chứng mạnh mẽ để chuyển dịch từ một paradigm phản ứng (reactive paradigm) (dựa vào giám sát thường quy và kinh nghiệm) sang một paradigm dự báo chủ động (proactive forecasting paradigm) trong kiểm soát bệnh truyền nhiễm. Việc định lượng gánh nặng bệnh tật thực tế ở cộng đồng (40% người-năm mắc mới) so với số liệu báo cáo (dưới 6% người-năm) là một minh chứng rõ ràng cho sự cần thiết của việc thay đổi cách tiếp cận trong giám sát. Đồng thời, việc xây dựng thành công mô hình dự báo với sai số thấp chứng minh tính khả thi của việc tích hợp dữ liệu khí hậu vào các hệ thống cảnh báo sớm, điều mà "TCYTTG khuyến cáo" [126], [133].

Khung phân tích độc đáo

Khung phân tích của luận án đặc biệt ở sự tích hợp sâu sắc các lý thuyết và phương pháp.

  • Tích hợp lý thuyết: Nghiên cứu tích hợp Lý thuyết sinh thái dịch tễ học (về mối quan hệ phức tạp giữa môi trường, vật chủ, tác nhân gây bệnh), Lý thuyết chuỗi thời gian (phân tích sự phụ thuộc theo thời gian), và Dịch tễ học môi trường (ảnh hưởng của yếu tố môi trường lên sức khỏe). Việc này cho phép xây dựng mô hình dự báo không chỉ dựa trên dữ liệu bệnh lịch sử mà còn bao gồm các biến môi trường mạnh mẽ.
  • Tiếp cận phân tích mới lạ với lý do: Luận án áp dụng một tiếp cận kết hợp nghiên cứu thuần tập theo dõi dọc cấp cộng đồng (cho mục tiêu 1) và phân tích chuỗi thời gian tiên tiến (cho mục tiêu 2 & 3). Đây là sự kết hợp không phổ biến trong các nghiên cứu dịch tễ học tiêu chảy tại Việt Nam, vốn thường chỉ sử dụng điều tra cắt ngang hoặc số liệu bệnh viện. Việc sử dụng "phương pháp tự ghi nhận bệnh bằng nhật ký" [Hạn chế của luận án] trong 2961 người dân trong 1 năm là một phương pháp thu thập dữ liệu chi tiết và quy mô lớn ở cấp cộng đồng, giúp khắc phục sai số nhớ lại (recall bias) và thu thập thông tin về các ca bệnh không đến cơ sở y tế. Điều này được chứng minh là cần thiết khi "tỷ lệ mới mắc được ghi nhận tại cộng đồng dân cư cao hơn nhiều so với các báo cáo thống kê theo hệ thống giám sát bệnh truyền nhiễm" [Bàn luận, Mục 4.1].
  • Đóng góp khái niệm với định nghĩa:
    • "Tỷ suất mắc mới cộng đồng thực tế": Định nghĩa là tốc độ xuất hiện các trường hợp bệnh tiêu chảy mới trong một khoảng thời gian ở một quần thể cộng đồng xác định, được thu thập qua phương pháp theo dõi dọc tự báo cáo, không phụ thuộc vào việc tìm kiếm dịch vụ y tế. Khái niệm này nhấn mạnh sự khác biệt so với tỷ suất mắc mới dựa trên báo cáo y tế.
    • "Chỉ số dự báo khí hậu-tích hợp": Là một chỉ số tổng hợp từ các yếu tố thời tiết (nhiệt độ, lượng mưa, độ ẩm, SST) có tác động trễ được định lượng, dùng làm biến ngoại sinh trong mô hình dự báo chuỗi thời gian SARIMA-X để nâng cao độ chính xác dự báo bệnh tiêu chảy.
  • Điều kiện biên được nêu rõ:
    • Phạm vi địa lý: Các phát hiện dịch tễ học cộng đồng chủ yếu áp dụng cho các khu vực chịu hạn hán nghiêm trọng như xã Kỳ Hải, huyện Kỳ Anh, Hà Tĩnh. Khả năng khái quát hóa cho các khu vực khác của Hà Tĩnh hoặc các tỉnh khác cần được xem xét cẩn trọng do đặc điểm khí hậu, địa hình và kinh tế-xã hội khác nhau.
    • Phạm vi thời gian: Dữ liệu dịch tễ cộng đồng chỉ giới hạn trong 1 năm (2014-2015), có thể chưa đủ để đánh giá toàn diện gánh nặng bệnh tật hoặc xu hướng dài hạn. Dữ liệu chuỗi thời gian (1992-2015) cung cấp cái nhìn dài hơn nhưng vẫn có thể bị ảnh hưởng bởi sự thay đổi trong hệ thống giám sát và phương pháp thu thập.
    • Giả định mô hình: Khi xây dựng mô hình dự báo, "chúng tôi giả định các yếu tố khác (kinh tế, xã hội, can thiệp y tế) là hằng định theo thời gian" [Bàn luận, Mục 4.2], điều này có thể dẫn đến sai số nếu các yếu tố này thay đổi đáng kể.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng một thiết kế nghiên cứu kết hợp giữa nghiên cứu thuần tập theo dõi dọc (cho đặc điểm dịch tễ cộng đồng) và phân tích chuỗi thời gian (cho mối liên hệ và dự báo).

  • Triết lý nghiên cứu (Research Philosophy): Chủ yếu là Hậu thực chứng (Post-Positivism). Nghiên cứu tìm cách khám phá các quy luật khách quan về mối quan hệ giữa các biến (thời tiết và tiêu chảy) thông qua việc thu thập dữ liệu có hệ thống, phân tích định lượng và kiểm định giả thuyết thống kê. Nó chấp nhận rằng tri thức là không hoàn hảo và có thể có sai số (thể hiện qua phần "Hạn chế của luận án"), nhưng vẫn hướng tới việc xây dựng các mô hình dự đoán và cung cấp bằng chứng khách quan để thông báo các chính sách y tế công cộng.
  • Thiết kế hỗn hợp (Mixed Methods) với lý do kết hợp cụ thể: Mặc dù không được định danh chính thức là "mixed methods design" theo nghĩa triết học, luận án sử dụng kết hợp hai loại nghiên cứu định lượng khác biệt nhưng bổ trợ:
    • Nghiên cứu thuần tập (Cohort study): Để mô tả đặc điểm dịch tễ học bệnh tiêu chảy tại cộng đồng, thu thập dữ liệu chính xác về tỷ suất mắc mới, tỷ lệ tái phát và số lượt mắc thực tế (Mục tiêu 1). Điều này khắc phục hạn chế của dữ liệu báo cáo và điều tra cắt ngang [116].
    • Nghiên cứu chuỗi thời gian (Time-series analysis): Để phân tích mối liên quan có tác động trễ giữa các yếu tố thời tiết và bệnh tiêu chảy, và xây dựng mô hình dự báo (Mục tiêu 2 & 3). Phương pháp này phù hợp để xử lý dữ liệu định kỳ theo thời gian và xác định xu hướng, tính mùa [147]. Lý do kết hợp là để cung cấp bức tranh toàn diện: một mặt, hiểu rõ gánh nặng bệnh tật cấp cộng đồng; mặt khác, phát triển công cụ dự báo dựa trên các yếu tố khách quan dễ thu thập.
  • Thiết kế đa cấp (Multi-level design) với các cấp độ được xác định rõ: Mặc dù không phải là một mô hình phân tích đa cấp theo nghĩa thống kê, nhưng thiết kế thu thập dữ liệu và phân tích có thể được hiểu là đa cấp:
    • Cấp độ cá nhân/hộ gia đình: Dữ liệu theo dõi dọc từ 2961 cá nhân trong 1030 hộ gia đình tại xã Kỳ Hải (Mục tiêu 1) để đánh giá tỷ suất mắc mới, tái phát.
    • Cấp độ cộng đồng/tỉnh: Dữ liệu tổng hợp hàng tháng về số ca bệnh tiêu chảy và các yếu tố thời tiết cho toàn tỉnh Hà Tĩnh (Mục tiêu 2 & 3) trong 24 năm để phân tích xu hướng, mối liên quan và dự báo. Các cấp độ này cho phép nghiên cứu cả bức tranh vi mô về gánh nặng bệnh tật cá nhân và bức tranh vĩ mô về các yếu tố khí hậu ảnh hưởng đến quần thể.
  • Cỡ mẫu và tiêu chí chọn mẫu CHÍNH XÁC:
    • Mục tiêu 1: Cỡ mẫu toàn bộ 1030 hộ gia đình, tương đương 2961 người dân sống thường xuyên tại xã Kỳ Hải, huyện Kỳ Anh, Hà Tĩnh. Tiêu chí loại trừ: đối tượng không sống thường xuyên với gia đình từ 3 tháng trở lên hoặc chuyển từ nơi khác đến trong giai đoạn nghiên cứu.
    • Mục tiêu 2 & 3: Dữ liệu chuỗi thời gian 24 năm (1992-2015), tương ứng 288 mốc thời gian (tháng), về số ca bệnh tiêu chảy/100.000 dân/tháng của tỉnh Hà Tĩnh và các yếu tố thời tiết (nhiệt độ, lượng mưa, độ ẩm, giờ nắng, SST) trung bình tháng.

Quy trình nghiên cứu nghiêm ngặt

  • Chiến lược chọn mẫu với tiêu chí bao gồm/loại trừ:
    • Mục tiêu 1: Chọn mẫu toàn bộ dân số (census sampling) của xã Kỳ Hải, huyện Kỳ Anh, Hà Tĩnh. Tiêu chí bao gồm: mọi người dân hiện đang sinh sống tại các thôn trong địa bàn nghiên cứu. Tiêu chí loại trừ: đối tượng không sống thường xuyên với gia đình từ 3 tháng trở lên hoặc chuyển đến trong giai đoạn nghiên cứu.
    • Mục tiêu 2 & 3: Sử dụng dữ liệu giám sát định kỳ của Bộ Y tế và Trung tâm Khí tượng Thủy văn Quốc gia. Tiêu chí bao gồm: số liệu bệnh tiêu chảy/100.000 dân/tháng, và các yếu tố thời tiết trung bình tháng (nhiệt độ, lượng mưa, độ ẩm, giờ nắng, SST) trong giai đoạn 1992-2015.
  • Quy trình thu thập dữ liệu với các công cụ được mô tả:
    • Mục tiêu 1: "Xác định ca bệnh tiêu chảy bằng phương đối tượng nghiên cứu tự báo cáo (self report) tình trạng tiêu chảy bằng nhật ký hàng ngày [82]." Một đợt tiêu chảy được định nghĩa là đi ngoài phân lỏng từ 3 lần/ngày trở lên, và một đợt mới được ghi nhận nếu xảy ra sau 2 ngày khỏi bệnh [125]. Các nhật ký (Phụ lục 1) được phân phát hàng tháng, thu lại và làm sạch. Nhân viên Y tế thôn bản (YTTB) thăm hộ gia đình hàng tuần để giám sát, hỗ trợ và xác nhận ca bệnh.
    • Mục tiêu 2 & 3: Số liệu bệnh tiêu chảy thu thập từ niên giám thống kê bệnh truyền nhiễm của Bộ Y tế. Số liệu thời tiết từ Trung tâm Tư liệu Khí tượng Thủy văn Trung ương và dữ liệu SST từ NOAA ESRL Physical Sciences Division (PSD).
  • Kiểm định chéo (Triangulation): Luận án sử dụng kiểm định chéo phương pháp ở một mức độ nào đó. Cụ thể, số liệu về gánh nặng bệnh tật được thu thập bằng phương pháp tự báo cáo ở cộng đồng (Mục tiêu 1) được so sánh với số liệu báo cáo của hệ thống giám sát bệnh truyền nhiễm (Mục tiêu 2). Sự khác biệt lớn (gấp hơn 10 lần) được tìm thấy giữa hai nguồn dữ liệu này [Bàn luận, Mục 4.1], làm nổi bật giá trị của việc kiểm định chéo này trong việc đánh giá tính chính xác của các nguồn dữ liệu khác nhau.
  • Tính hợp lệ (Validity) và độ tin cậy (Reliability):
    • Tính hợp lệ cấu trúc (Construct validity): Các biến số như "tỷ suất mắc mới," "tỷ suất tái phát" được định nghĩa rõ ràng theo chuẩn y tế (TCYTTG) [125] để đảm bảo đo lường đúng khái niệm.
    • Tính hợp lệ nội tại (Internal validity): Các phương pháp thống kê như hồi quy Poisson và mô hình ARIMA/SARIMA-X với kiểm soát tính mùa và xu hướng được sử dụng để giảm thiểu các yếu tố gây nhiễu và thiết lập mối quan hệ nhân quả một cách chặt chẽ.
    • Tính hợp lệ ngoại tại (External validity): Do nghiên cứu được thực hiện tại một xã đặc trưng cho khu vực hạn hán của Hà Tĩnh, các kết quả về dịch tễ học cộng đồng có thể được khái quát hóa cho các khu vực tương tự. Tuy nhiên, luận án cũng thừa nhận hạn chế về tính đại diện cho toàn tỉnh [Hạn chế của luận án].
    • Độ tin cậy (Reliability): Quy trình thu thập dữ liệu tiêu chuẩn hóa với "Nhật ký bệnh tiêu chảy" và việc xác minh hàng tuần của YTTB nhằm đảm bảo tính nhất quán của dữ liệu. "Kiểm định Ljung-Box Q và phân tích Bartlett's (B) để kiểm định tính nhiễu trắng của phần dư" được sử dụng để đánh giá độ tin cậy của mô hình dự báo, với các mô hình phù hợp có p > 0,05 cho thấy phần dư là nhiễu trắng, đảm bảo độ tin cậy của các ước lượng [Mô hình ARIMA có kiểm soát yếu tố mùa].

Data và phân tích

  • Đặc điểm mẫu với dữ liệu nhân khẩu học/thống kê:
    • Cộng đồng nghiên cứu (Mục tiêu 1): Tổng số 2961 cá nhân được theo dõi. Tỷ lệ nữ giới là 54,3%, nam giới 45,7%. Nhóm tuổi dưới 5 tuổi chiếm 9,9%, nhóm 25-45 tuổi chiếm nhiều nhất 24,1%. Trình độ học vấn phổ biến nhất là trung học cơ sở (42,9%). Nghề nghiệp chủ yếu là Nông/Lâm/Ngư nghiệp (42,7%). Tổng cộng có 2642,1 người-năm theo dõi [Bảng 3.1, 3.2, 3.3].
    • Dữ liệu chuỗi thời gian (Mục tiêu 2 & 3): Gồm 288 mốc thời gian (tháng) từ 1992-2015. Số ca tiêu chảy trung bình là 827,5 ca/100.000 dân/tháng. Nhiệt độ trung bình là 24,40C, tổng lượng mưa trung bình 207,1mm/tháng, độ ẩm tuyệt đối trung bình 25,8% [Bảng 3.19].
  • Kỹ thuật nâng cao (SEM/multilevel/QCA v.v.) với phần mềm:
    • Hồi quy Poisson: Sử dụng để phân tích mối liên quan giữa các yếu tố thời tiết và số ca bệnh tiêu chảy, có kiểm soát yếu tố mùa và xu hướng bằng hàm chức năng thời gian.
    • Mô hình SARIMA và SARIMA-X: Được xây dựng theo phương pháp luận Box-Jenkins (nhận dạng, ước lượng, kiểm tra chẩn đoán, dự báo).
    • Phần mềm: Stata 14.2 được sử dụng cho phân tích thống kê (tạo biến người-thời gian, phân tích sống còn, IRR, RR, hồi quy Poisson, chuỗi thời gian). SPSS 22 được sử dụng cho làm sạch và chuẩn bị số liệu dịch tễ cộng đồng. OpenDatakit được dùng để nhập và quản lý dữ liệu.
  • Kiểm tra tính vững (Robustness checks) với các thông số kỹ thuật thay thế: Luận án thực hiện các kiểm định chẩn đoán nghiêm ngặt cho mô hình chuỗi thời gian. Sau khi ước lượng mô hình SARIMA và SARIMA-X, "ta cần kiểm tra phần dư (RESID) có tính chất nhiễu trắng hay không bằng cách sử dụng lược đồ tự tương quan. Kiểm định Ljung-Box Q và phân tích Bartlett's (B) để kiểm định tính nhiễu trắng của phần dư" [Mục tiêu 3, Bước 3]. Các mô hình được lựa chọn phải có phần dư nhiễu trắng (p > 0,05) và chỉ số AIC, BIC nhỏ nhất, đảm bảo tính vững của mô hình.
  • Kích thước hiệu ứng (Effect sizes) và khoảng tin cậy (confidence intervals) được báo cáo:
    • IRR và RR được báo cáo với 95% CI. Ví dụ: "tỷ suất mắc mới bệnh tiêu chảy trong công đồng dân cư nhóm dưới 5 tuổi có nguy cơ mắc cao hơn nhóm tuổi còn lại trong cộng đồng là 1,6 lần (IRR = 1,60, 95% CI: 1,34 – 1,91), sự khác biệt này có ý nghĩa thống kê với p <0,001" [Bảng 3.7].
    • Trong phân tích hồi quy Poisson, RR cũng được báo cáo. Ví dụ: "Tăng 10C Tmean tháng hiện tại có nguy cơ tăng số ca bệnh tiêu chảy lên 2,7% (RR=1,027) với p < 0,001 (95% CI: 1,022-1,032)" [Mối liên quan nhiệt độ trung bình và số ca bệnh tiêu chảy].

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã khám phá ra những phát hiện đột phá, cung cấp hiểu biết sâu sắc về dịch tễ học và các yếu tố khí hậu ảnh hưởng đến bệnh tiêu chảy tại Hà Tĩnh:

  1. Gánh nặng bệnh tật cộng đồng bị đánh giá thấp đáng kể: "Tỷ suất mắc mới bệnh tiêu chảy trong cộng đồng dân cư là 40% người – năm... cao gấp trên 10 lần so với số liệu được báo cáo" [Kết luận, Mục 1 và Bàn luận, Mục 4.1]. Cụ thể, tỷ lệ % mắc mới tích lũy là 35,6%/năm. Đây là bằng chứng rõ ràng về sự thiếu hiệu quả của hệ thống giám sát hiện tại trong việc nắm bắt toàn bộ tình hình bệnh tật.
  2. Trẻ em dưới 5 tuổi là nhóm nguy cơ cao nhất: Nhóm dưới 5 tuổi có tỷ suất mắc mới 5,1% trẻ-tháng, cao hơn 1,6 lần so với các nhóm tuổi khác (IRR = 1,60, 95% CI: 1,34–1,91, p < 0,001). Số lượt mắc tiêu chảy trung bình của nhóm này là 1,52 lượt/trẻ/năm và tỷ suất tái phát cao nhất (3,2% trẻ-tháng) [Kết luận, Mục 1]. Điều này nhấn mạnh nhóm đối tượng cần ưu tiên trong các can thiệp y tế công cộng.
  3. Tác động trễ và mối quan hệ thuận chiều của nhiệt độ: Tăng 10C nhiệt độ trung bình/tối cao/tối thấp có nguy cơ làm tăng số ca bệnh tiêu chảy từ 2-3% tại thời điểm hiện tại và trễ 1-2 tháng (p < 0,001 cho tất cả các mối liên quan) [Kết luận, Mục 2]. Chẳng hạn, tăng 10C Tmax tháng hiện tại có nguy cơ tăng 2,3% số ca bệnh tiêu chảy (RR=1,023, p < 0,001).
  4. Lượng mưa có tác động trễ đáng kể: Tổng lượng mưa trước 2-3 tháng có mối liên quan thuận chiều với tiêu chảy; nếu tăng 10mm tổng lượng mưa, có nguy cơ làm tăng 17,1% số ca bệnh tiêu chảy hiện tại (RR = 1,171, p < 0,0001, 95% CI: 1,192 – 1,231) [Kết luận, Mục 2]. Đây là một kết quả đáng chú ý bởi nó chỉ ra rằng không phải mưa trực tiếp mà là tác động của mưa trong quá khứ lên môi trường (ví dụ: ô nhiễm nguồn nước, điều kiện vệ sinh) mới thực sự ảnh hưởng đến dịch tễ học.
  5. SARIMA-X với Tmax là mô hình dự báo hiệu quả nhất: Mô hình SARIMA-X (1,1,1)(0,1,1)12 -Tmax đạt sai số dự báo ngắn hạn 6,1% và trung hạn 9,7%, vượt trội so với các mô hình SARIMA không có biến ngoại sinh (sai số 7,6% và 10,1% tương ứng) [Kết luận, Mục 3]. Điều này cung cấp một công cụ mạnh mẽ, thực tế cho việc lập kế hoạch ứng phó.

Implications đa chiều

Các phát hiện của luận án có ý nghĩa đa chiều cho nghiên cứu, thực hành và chính sách:

  • Tiến bộ lý thuyết (Theoretical advances):
    • Đóng góp vào lý thuyết dịch tễ học môi trường: Bằng cách định lượng mối quan hệ có tác động trễ giữa các yếu tố khí hậu (nhiệt độ, mưa, độ ẩm, SST) và bệnh tiêu chảy, luận án mở rộng hiểu biết về các cơ chế mà biến đổi khí hậu ảnh hưởng đến sức khỏe cộng đồng. Nó cụ thể hóa mô hình "Khung đánh giá mối liên quan giữa biến đổi khí hậu và các bệnh lây truyền qua đường tiêu hoá" đã được đề xuất, với các ước lượng cụ thể về cường độ và thời gian trễ của từng yếu tố.
    • Thách thức các giả định về dữ liệu giám sát: Việc phát hiện gánh nặng bệnh tật thực tế cao hơn 10 lần so với số liệu báo cáo thách thức các lý thuyết và mô hình dịch tễ học chỉ dựa trên dữ liệu báo cáo, thúc đẩy sự phát triển của các phương pháp thu thập dữ liệu cộng đồng chính xác hơn.
  • Đổi mới phương pháp luận (Methodological innovations) áp dụng cho các bối cảnh khác:
    • Khuyến khích phương pháp theo dõi dọc tự báo cáo: Phương pháp thu thập dữ liệu bằng "nhật ký hàng ngày" được xác minh định kỳ bởi cán bộ y tế thôn bản [82] có thể được áp dụng rộng rãi cho các nghiên cứu gánh nặng bệnh tật cộng đồng khác trong các bối cảnh nguồn lực hạn chế, đặc biệt cho các bệnh có tính chất cấp tính và tự khỏi cao như tiêu chảy.
    • Tích hợp SARIMA-X: Phương pháp Box-Jenkins với mô hình SARIMA-X đã được chứng minh hiệu quả, dễ dàng triển khai bằng các phần mềm thống kê phổ biến như Stata, có thể áp dụng cho các bệnh truyền nhiễm khác nhạy cảm với khí hậu (ví dụ: sốt xuất huyết, sốt rét) ở các khu vực khác của Việt Nam và các nước đang phát triển.
  • Ứng dụng thực tiễn (Practical applications) với các khuyến nghị cụ thể:
    • Nâng cao kiến thức và thực hành vệ sinh: Do trẻ em dưới 5 tuổi có tỷ lệ mắc và tái phát cao nhất, cần có các chương trình giáo dục sức khỏe cộng đồng tập trung vào nhóm này, bao gồm "cải thiện nước sạch và vệ sinh môi trường và rửa tay bằng xà phòng" [Kết luận, Khuyến nghị 2].
    • Cải thiện an toàn thực phẩm: Các khuyến nghị bao gồm giáo dục cộng đồng về cách bảo quản thực phẩm an toàn, đặc biệt trong điều kiện nhiệt độ cao vào mùa hè, để ngăn chặn sự phát triển của vi khuẩn gây bệnh [Bàn luận, Mục 4.2].
  • Khuyến nghị chính sách (Policy recommendations) với lộ trình thực hiện:
    • Thiết lập hệ thống cảnh báo sớm dựa trên khí hậu: Cần phân bổ "kế hoạch và kinh phí thường quy" để "ứng dụng mô hình dự báo sớm bệnh tiêu chảy có sử dụng yếu tố sẵn có trong hệ thống cảnh báo sớm các bệnh gây dịch có liên quan đến thời tiết" [Kết luận, Khuyến nghị 1 & 5]. Lộ trình bao gồm việc tích hợp dữ liệu khí hậu (từ các trạm quan trắc) và dữ liệu bệnh (từ hệ thống giám sát) vào một nền tảng chung, sử dụng mô hình SARIMA-X để dự báo và phát đi cảnh báo trước 1-3 tháng.
    • Đầu tư vào hạ tầng vệ sinh và nước sạch: Đặc biệt tại các khu vực hạn hán và dễ bị lũ lụt, để giảm thiểu tác động của nhiệt độ và lượng mưa lên chất lượng nước và môi trường.
    • Triển khai vắc xin phòng chống tiêu chảy: Xem xét "chiến lược triển khai các vắc xin phòng chống bệnh tiêu chảy" như Rotavirus, đặc biệt cho trẻ em dưới 5 tuổi [Kết luận, Khuyến nghị 3], một biện pháp đã được chứng minh hiệu quả ở nhiều quốc gia [Bàn luận, Mục 4.1].
  • Điều kiện khái quát hóa được xác định rõ ràng: Các kết quả về dịch tễ học cộng đồng có thể được khái quát hóa cho các "khu vực hạn hán tại tỉnh chịu ảnh hưởng nhiều do hạn hán gây ra" [Hạn chế của luận án]. Các mối liên hệ giữa thời tiết và bệnh tiêu chảy có thể áp dụng rộng rãi hơn cho các vùng khí hậu nhiệt đới gió mùa tương tự, nơi bệnh tiêu chảy có tính mùa rõ rệt. Tuy nhiên, việc áp dụng mô hình dự báo cần được hiệu chỉnh lại với dữ liệu địa phương cụ thể để đạt độ chính xác cao nhất.

Limitations và Future Research

Luận án này, dù có những đóng góp đáng kể, cũng thừa nhận các hạn chế cụ thể:

  1. Sai số trong phương pháp tự ghi nhận bệnh: Mặc dù được thiết kế để khắc phục hạn chế của dữ liệu báo cáo, "việc tập huấn cho điều tra viên cũng như hướng dẫn cho người dân ghi nhận theo đúng tiêu chuẩn bệnh tiêu chảy của TCYTTG vẫn có một số trường hợp chưa chính xác" và "có một sai số trong mẫu số về tổng số người – thời gian tham gia nghiên cứu" [Hạn chế của luận án].
  2. Thời gian theo dõi dịch tễ cộng đồng hạn chế: "Thời gian ghi nhận chỉ 12 tháng nên số liệu chưa đủ lớn để đánh giá toàn diện gánh nặng bệnh tiêu chảy tại địa bàn nghiên cứu" [Hạn chế của luận án]. Điều này có thể bỏ sót các xu hướng dài hạn hoặc các chu kỳ dịch bệnh ít thường xuyên hơn.
  3. Hạn chế về tính đại diện địa lý: "Nghiên cứu cũng chỉ chọn 1 xã trong 1 huyện, điều này sẽ ảnh hưởng nhiều đến tính đại diện mẫu do đó sẽ không phản ánh chính xác được số liệu cho toàn tỉnh mà chỉ phản ánh một phần cho khu vực hạn hán tại tỉnh chịu ảnh hưởng nhiều do hạn hán gây ra" [Hạn chế của luận án].
  4. Các yếu tố nhiễu chưa được khống chế trong mô hình dự báo: "Bệnh tiêu chảy liên quan đến nhiều yếu tố đặc biệt là nước sạch, điều kiện vệ sinh và thời gian gần đây là vắc xin do đó đây là yếu tố nhiễu chưa được khống chế trong quá trình phân tích" [Hạn chế của luận án]. Giả định rằng các yếu tố kinh tế, xã hội, can thiệp y tế là hằng định có thể dẫn đến sai số trong dự báo.

Điều kiện biên về bối cảnh/mẫu/thời gian: Các phát hiện dịch tễ học chủ yếu đúng với bối cảnh cộng đồng nông thôn, điều kiện kinh tế-xã hội trung bình, chịu ảnh hưởng hạn hán/lũ lụt tại Hà Tĩnh trong giai đoạn 2014-2015. Các mô hình dự báo dựa trên dữ liệu 1992-2015 có thể cần cập nhật liên tục để duy trì độ chính xác khi các yếu tố cơ bản thay đổi (ví dụ: biến đổi khí hậu, phát triển hạ tầng, chương trình y tế).

Chương trình nghiên cứu tương lai với 4-5 hướng cụ thể:

  1. Nghiên cứu sâu hơn về các yếu tố nhiễu: "Cần tiếp tục nghiên cứu các yếu tố liên quan khác ảnh hưởng đến số ca mắc tiêu chảy, có thể xây dựng số liệu đặc thù cho từng khu vực địa lý khác nhau và số liệu thời tiết tại các trạm tương ứng với khu vực đó" [Bàn luận, Mục 4.2].
  2. Mở rộng phạm vi địa lý và thời gian của nghiên cứu cộng đồng: Thực hiện các nghiên cứu thuần tập theo dõi dọc tương tự ở nhiều xã/huyện khác nhau trong tỉnh hoặc các tỉnh khác có điều kiện khí hậu và kinh tế-xã hội đa dạng hơn, trong thời gian dài hơn (ví dụ: 3-5 năm) để nắm bắt toàn diện hơn gánh nặng bệnh tật và các yếu tố ảnh hưởng.
  3. Tích hợp dữ liệu đa dạng hơn vào mô hình dự báo: Phát triển mô hình SARIMA-X nâng cao bằng cách đưa vào các biến ngoại sinh khác ngoài thời tiết, như dữ liệu về chất lượng nước, tình trạng vệ sinh, tỷ lệ tiêm chủng vắc xin Rotavirus, và các chỉ số kinh tế-xã hội.
  4. So sánh hiệu quả của các phương pháp chuỗi thời gian: "Trong nghiên cứu này chúng tôi chỉ áp dụng hàm chức năng thời gian do đó chưa so sánh được với các phương pháp khác" [Hạn chế của luận án]. Các nghiên cứu tương lai có thể so sánh mô hình Box-Jenkins với các phương pháp chuỗi thời gian khác như San bằng mũ (Exponential smoothing) hoặc Hồi quy tuyến tính tổng quát (Generalized regression) để xác định phương pháp tối ưu nhất.
  5. Nghiên cứu định tính về hành vi tìm kiếm dịch vụ y tế: Để hiểu rõ hơn lý do tại sao "phần nhiều bệnh nhân tiêu chảy không được ghi nhận trong hệ thống báo cáo bệnh truyền nhiễm của Bộ Y tế" [Bàn luận, Mục 4.1], cần tiến hành nghiên cứu định tính về các rào cản tiếp cận dịch vụ, nhận thức về bệnh, và hành vi tự điều trị của cộng đồng.

Tác động và ảnh hưởng

Luận án này có tiềm năng tạo ra tác động và ảnh hưởng sâu rộng ở nhiều cấp độ:

  • Tác động học thuật (Academic impact):

    • Tiềm năng trích dẫn ước tính: Các bài báo xuất bản từ luận án ("Tạp chí Y học Dự phòng, tập 27, số 9-2017"; "Tạp chí Y học Dự phòng, tập 28, số 12-2017"; "Tạp chí Y học dự phòng, tập 29, số 2- 2019") đã và đang đóng góp vào kho tàng tri thức về dịch tễ học và khí hậu học y tế. Việc định lượng gánh nặng bệnh tật cộng đồng và phát triển mô hình SARIMA-X được xác nhận sẽ trở thành tài liệu tham khảo quan trọng cho các nhà nghiên cứu trong lĩnh vực bệnh truyền nhiễm và sức khỏe môi trường, đặc biệt ở các nước đang phát triển. Tiềm năng trích dẫn ước tính có thể đạt từ vài chục đến hàng trăm lượt trong 5-10 năm tới, đặc biệt nếu các kết quả được công bố trên các tạp chí quốc tế có chỉ số tác động cao.
    • Mở ra hướng nghiên cứu mới: Luận án mở ra các hướng nghiên cứu về tích hợp dữ liệu khí hậu vào hệ thống giám sát y tế, cũng như sự cần thiết của việc thu thập dữ liệu dịch tễ học cấp cộng đồng để hiểu rõ hơn về gánh nặng bệnh tật thực tế.

  • Chuyển đổi ngành (Industry transformation):

    • Tăng cường khả năng cảnh báo sớm cho ngành y tế dự phòng: Mô hình SARIMA-X với khả năng dự báo sai số thấp (6,1% cho 1 tháng, 9,7% cho 12 tháng) có thể được tích hợp vào các công cụ phần mềm của các Trung tâm Kiểm soát Bệnh tật tỉnh/huyện. Điều này giúp các đơn vị này chuyển đổi từ việc phản ứng bị động sang chủ động, dự đoán các vụ dịch tiêu chảy và chuẩn bị nguồn lực (thuốc men, nhân lực, truyền thông) trước 1-3 tháng.
    • Hỗ trợ ngành công nghiệp nước sạch và vệ sinh: Các phát hiện về mối liên quan giữa lượng mưa, nhiệt độ và tiêu chảy cung cấp bằng chứng cho việc đầu tư có mục tiêu vào cải thiện hạ tầng nước sạch và vệ sinh, đặc biệt ở các khu vực chịu ảnh hưởng bởi biến đổi khí hậu.

  • Ảnh hưởng chính sách (Policy influence) ở cấp chính phủ:

    • Cấp địa phương (tỉnh, huyện): Luận án cung cấp bằng chứng khoa học cho Ủy ban nhân dân và Sở Y tế Hà Tĩnh để ban hành các chính sách và kế hoạch hành động phòng chống tiêu chảy dựa trên dự báo khí hậu. "Cần có kế hoạch và kinh phí thường quy phòng chống bệnh tiêu chảy tại cộng đồng dân cư đặc biệt cho trẻ dưới 5 tuổi và lứa tuổi học đường" [Kết luận, Khuyến nghị 1].
    • Cấp quốc gia: Bộ Y tế có thể tham khảo mô hình và phương pháp luận của luận án để phát triển hướng dẫn chung cho việc thiết lập các hệ thống cảnh báo sớm dựa trên khí hậu cho các bệnh truyền nhiễm trên toàn quốc, đặc biệt ở các vùng khí hậu nhạy cảm.
    • Chính sách tiêm chủng: Bằng chứng về gánh nặng bệnh tiêu chảy (ví dụ: tỷ suất mắc mới 40% người-năm) và tầm quan trọng của nhóm trẻ dưới 5 tuổi có thể củng cố luận cứ cho việc mở rộng các chương trình tiêm chủng vắc xin Rotavirus.

  • Lợi ích xã hội (Societal benefits) được định lượng nếu có thể:

    • Giảm thiểu gánh nặng bệnh tật và tử vong: Bằng cách dự báo sớm và can thiệp kịp thời, số ca mắc tiêu chảy có thể giảm đáng kể, đặc biệt ở trẻ em dưới 5 tuổi. Nếu tỷ lệ mắc mới trong cộng đồng giảm 10% nhờ các can thiệp dựa trên dự báo, điều này có thể cứu sống hàng trăm trẻ em mỗi năm và giảm gánh nặng chi phí y tế cho gia đình và xã hội.
    • Nâng cao chất lượng cuộc sống: Giảm thiểu bệnh tật giúp người dân khỏe mạnh hơn, cải thiện năng suất lao động và học tập, đặc biệt trong các cộng đồng nông nghiệp bị ảnh hưởng bởi khí hậu.
    • Tiết kiệm chi phí: Hệ thống cảnh báo sớm chủ động giúp "các nhà quản lý có thể chuẩn bị các biện pháp thích ứng, giảm nhẹ và sẵn sàng đối phó hiệu quả, tiết kiệm để giảm nguy cơ mắc bệnh" [126], [133].

  • Mức độ phù hợp quốc tế (International relevance) với các hàm ý toàn cầu:

    • Mô hình cho các nước đang phát triển: Phương pháp luận và mô hình dự báo được phát triển có thể làm mẫu cho các quốc gia có thu nhập thấp và trung bình khác, đặc biệt là những nơi có hệ thống giám sát y tế còn hạn chế và đang phải đối mặt với thách thức từ biến đổi khí hậu. Khu vực Đông Nam Á, với gánh nặng bệnh tiêu chảy ở trẻ em là 1,6 lượt/người/năm (so với 1,52 lượt/trẻ/năm trong nghiên cứu này) [52], có thể hưởng lợi từ việc áp dụng các phương pháp này.
    • Đóng góp vào nỗ lực ứng phó BĐKH toàn cầu: Bằng cách định lượng mối liên hệ giữa các hiện tượng khí hậu như El Nino/La Nina (thông qua SST vùng NINO3, có tác động trễ 3 tháng làm tăng 13,8% số ca bệnh tiêu chảy) và dịch tễ học tiêu chảy, luận án đóng góp vào các chương trình nghiên cứu và chính sách toàn cầu về sức khỏe và biến đổi khí hậu của các tổ chức như WHO và WMO.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau trong cộng đồng học thuật, ngành công nghiệp và chính sách:

  • Các nhà nghiên cứu tiến sĩ (Doctoral researchers):

    • Các khoảng trống nghiên cứu cụ thể: Luận án cung cấp một mô hình thực nghiệm và khung phương pháp luận đã được xác nhận để nghiên cứu tác động của biến đổi khí hậu lên các bệnh truyền nhiễm. Nó chỉ ra các khoảng trống cần được khám phá thêm, đặc biệt là việc tích hợp các yếu tố kinh tế-xã hội và các can thiệp y tế vào mô hình dự báo, cũng như mở rộng nghiên cứu sang các khu vực địa lý đa dạng hơn để kiểm tra tính khái quát hóa của mô hình.
    • Kỹ thuật phân tích tiên tiến: Cung cấp một ví dụ cụ thể về việc áp dụng phương pháp luận Box-Jenkins (ARIMA/SARIMA-X) và hồi quy Poisson trong bối cảnh dịch tễ học, giúp các nghiên cứu sinh có thể áp dụng các kỹ thuật tương tự cho các vấn đề sức khỏe cộng đồng khác.
    • Giá trị của dữ liệu cộng đồng: Minh họa rõ ràng giá trị của việc thu thập dữ liệu dịch tễ học trực tiếp tại cộng đồng thông qua phương pháp theo dõi dọc tự báo cáo, khuyến khích các nghiên cứu sinh vượt ra ngoài việc chỉ dựa vào dữ liệu giám sát thường quy.

  • Các học giả cấp cao (Senior academics):

    • Tiến bộ lý thuyết: Cung cấp bằng chứng thực nghiệm để mở rộng lý thuyết dịch tễ học môi trường và mô hình chuỗi thời gian, đặc biệt về tác động trễ của các yếu tố khí hậu. Phát hiện về sự khác biệt lớn giữa gánh nặng bệnh tật thực tế và số liệu báo cáo có thể thúc đẩy tranh luận và nghiên cứu sâu hơn về tính chính xác của hệ thống giám sát y tế công cộng.
    • Phát triển phương pháp luận: Luận án là một trường hợp nghiên cứu điển hình về việc kết hợp các phương pháp nghiên cứu định lượng khác nhau để cung cấp một bức tranh toàn diện, có thể được dùng làm tài liệu giảng dạy hoặc ví dụ cho các dự án nghiên cứu lớn hơn.

  • R&D ngành công nghiệp (Industry R&D):

    • Ứng dụng thực tiễn trong y tế dự phòng: Các nhà phát triển phần mềm và công nghệ trong lĩnh vực y tế dự phòng có thể sử dụng mô hình SARIMA-X đã được xác nhận để xây dựng hoặc cải tiến các công cụ cảnh báo sớm bệnh tật. Mô hình có thể được tích hợp vào các hệ thống thông tin địa lý (GIS) để tạo ra bản đồ rủi ro dịch bệnh theo thời gian thực.
    • Dữ liệu cho phát triển sản phẩm: Các công ty sản xuất vắc xin hoặc giải pháp vệ sinh nước có thể sử dụng dữ liệu về gánh nặng bệnh tật cộng đồng và các yếu tố nguy cơ để định hướng nghiên cứu và phát triển sản phẩm/dịch vụ mới phù hợp với nhu cầu thực tế của các khu vực bị ảnh hưởng bởi biến đổi khí hậu.

  • Các nhà hoạch định chính sách (Policy makers):

    • Khuyến nghị dựa trên bằng chứng: Cung cấp "bằng chứng để chúng ta thiết lập hệ thống kiểm soát bệnh tiêu chảy hiệu quả hơn tại tỉnh Hà Tĩnh" [Tổng quan]. Các nhà hoạch định chính sách ở cấp tỉnh/huyện có thể sử dụng các phát hiện định lượng (ví dụ: tăng 10mm lượng mưa trước 3 tháng tăng 17,1% số ca bệnh) để đưa ra các quyết định về phân bổ nguồn lực, triển khai các chiến dịch truyền thông giáo dục, và đầu tư hạ tầng một cách hiệu quả hơn.
    • Lộ trình thực hiện: "Cần có kế hoạch và kinh phí thường quy phòng chống bệnh tiêu chảy... cần triển khai những biện pháp để nâng cao kiến thức... chiến lược triển khai các vắc xin... phân công cán bộ chuyên trách... ứng dụng mô hình dự báo sớm bệnh tiêu chảy" [Kết luận, Khuyến nghị 1-5].

  • Định lượng lợi ích nếu có thể:

    • Nếu mô hình dự báo SARIMA-X giúp giảm 1% tổng số ca mắc tiêu chảy hàng năm tại Hà Tĩnh (ví dụ từ 827,5 ca/100.000 dân/tháng xuống 819,2 ca/100.000 dân/tháng), điều này có thể tiết kiệm chi phí điều trị và giảm gánh nặng y tế. Việc giảm sai số dự báo từ 10,1% xuống 9,7% có thể dẫn đến hàng tỷ đồng tiết kiệm chi phí phòng chống dịch bệnh do khả năng lập kế hoạch và ứng phó tốt hơn.

Câu hỏi chuyên sâu

Trả lời với CÁC CHI TIẾT CỤ THỂ:

  1. Đóng góp lý thuyết độc đáo nhất (tên lý thuyết được mở rộng): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng phương pháp luận Box-Jenkins và cụ thể là mô hình SARIMA (Seasonal Autoregressive Integrated Moving Average) thành SARIMA-X bằng cách tích hợp thành công các yếu tố khí hậu (như nhiệt độ tối cao trung bình - Tmax) làm biến ngoại sinh (exogenous variable) để dự báo bệnh tiêu chảy. Mặc dù Box-Jenkins là một khuôn khổ đã có, việc định lượng và chứng minh rằng yếu tố khí hậu cụ thể có tác động trễ có ý nghĩa thống kê (Tmax có hệ số tương quan tuyến tính với p < 0,001) và cải thiện đáng kể độ chính xác của mô hình dự báo trong bối cảnh bệnh truyền nhiễm (giảm sai số dự báo 12 tháng từ 10,1% xuống 9,7% so với mô hình SARIMA cơ bản) là một bước tiến quan trọng. Điều này cung cấp bằng chứng thực nghiệm mạnh mẽ, cụ thể hóa cho việc áp dụng lý thuyết chuỗi thời gian vào dự báo sức khỏe cộng đồng, đặc biệt là các bệnh nhạy cảm với khí hậu.
  2. Đổi mới phương pháp luận (so sánh với 2+ nghiên cứu trước đây): Đổi mới phương pháp luận quan trọng nhất là việc kết hợp nghiên cứu thuần tập theo dõi dọc cấp cộng đồng với phương pháp tự ghi nhận bệnh bằng nhật ký hàng ngày (self-report daily diary) để định lượng gánh nặng bệnh tiêu chảy.
    • So sánh:
      • Với các nghiên cứu cắt ngang: Ví dụ, Điều tra đánh giá các mục tiêu trẻ em và phụ nữ Việt Nam 2014 (MICS) trên toàn quốc báo cáo tỷ lệ tiêu chảy ở trẻ dưới 5 tuổi khu vực Bắc Trung Bộ là 8,6% trong hai tuần trước điều tra [9]. Phương pháp cắt ngang này dễ mắc sai số nhớ lại và chỉ cung cấp số liệu tại một thời điểm. Luận án khắc phục điều này bằng cách theo dõi 2961 cá nhân trong 1 năm bằng nhật ký hàng ngày, cho phép tính toán tỷ suất mắc mới (40% người-năm) và tỷ lệ tái phát (22,4% người-năm), cung cấp bức tranh năng động và chính xác hơn về gánh nặng bệnh tật.
      • Với số liệu giám sát thường quy: Nghiên cứu của Viện Vệ sinh dịch tễ Trung ương năm 2015 về bệnh tiêu chảy tại Hà Tĩnh (2003-2013) bằng số liệu báo cáo thống kê cho thấy số mắc khoảng 800 ca/tháng (tương đương 0,8% tháng) [13]. Luận án đã chứng minh rằng tỷ suất mắc mới thực tế tại cộng đồng (3,3% người-tháng) "cao gấp trên 10 lần so với số liệu được báo cáo" [Bàn luận, Mục 4.1]. Việc này làm nổi bật sự thiếu hụt nghiêm trọng của số liệu giám sát thường quy trong việc nắm bắt toàn bộ tình hình bệnh, điều mà phương pháp theo dõi dọc cộng đồng đã khắc phục.
    • Lý do đổi mới: Phương pháp này cung cấp dữ liệu cấp cá nhân, thời gian thực, giảm thiểu sai số nhớ lại và ghi nhận cả các ca bệnh không đến cơ sở y tế, từ đó cung cấp số liệu chính xác hơn về gánh nặng bệnh tật thực tế trong cộng đồng.
  3. Phát hiện đáng ngạc nhiên nhất (với dữ liệu hỗ trợ): Phát hiện đáng ngạc nhiên nhất là mối quan hệ nghịch với tác động trễ của lượng mưa ngắn hạn nhưng thuận chiều với lượng mưa dài hạn hơn. Cụ thể, "Tổng lượng mưa hiện tại và trước 1-2 tháng không có mối liên quan đến số ca bệnh tiêu chảy," nhưng "Tổng lượng mưa trước 2-3 tháng có mối liên quan thuận với tiêu chảy, nếu tăng 10 mm tổng lượng mưa có nguy cơ tăng 17,1 % số ca bệnh tiêu chảy với p <0,0001" [Mối liên quan tổng lượng mưa và số ca bệnh tiêu chảy].
    • Giải thích: Thông thường, người ta có thể dự đoán rằng mưa lớn trực tiếp sẽ làm tăng các ca tiêu chảy do ô nhiễm. Tuy nhiên, kết quả cho thấy tác động trễ của lượng mưa (sau 2-3 tháng) mới là yếu tố nguy cơ mạnh nhất. Điều này có thể được giải thích là do mưa lớn ban đầu có thể làm rửa trôi một số mầm bệnh, nhưng lượng mưa tích tụ sau đó mới dẫn đến ô nhiễm nguồn nước ngầm, ảnh hưởng đến hệ thống cấp thoát nước và điều kiện vệ sinh trong thời gian dài hơn, tạo điều kiện cho mầm bệnh phát triển và lây lan. "Mưa lớn có thể gây ô nhiễm nguồn nước do cuốn trôi các chất gây ô nhiễm như phân, rác thải…Ngoài ra mưa lớn xảy ra có thể gây lụt lội và phá hủy các nhà máy xử lý nước, hệ thống thu gom nước thải càng làm cho tình trạng ô nhiễm nguồn nước trầm trọng thêm" [109].
  4. Giao thức tái tạo được cung cấp?: Có, giao thức tái tạo mô hình dự báo được cung cấp khá chi tiết. Luận án đã mô tả rõ ràng các bước xây dựng mô hình SARIMA-X theo phương pháp luận Box-Jenkins bao gồm:
    1. Kiểm tra tính dừng, xu hướng và tính mùa của chuỗi số liệu bằng kiểm định Augmented Dickey-Fuller và biểu đồ tự tương quan. (Ví dụ: "Kiểm định Augmented Dickey-Fuller có p = 0,875 điều này chứng tỏ chuỗi số liệu không có tính dừng, do đó cần sử dụng phép sai phân bậc 1 để chuỗi số liệu ổn định trước khi xác định các tham số") [Kiểm định tính dừng của chuỗi số liệu phụ thuộc].
    2. Nhận dạng mô hình bằng phân tích Hàm tự tương quan (ACF) và Hàm tương quan riêng phần (PACF) để xác định bậc AR(p), MA(q) và các thành phần mùa SAR(P), SMA(Q). (Ví dụ: "Hàm tự tương quan có giá trị ngoài khoảng tin cậy tại vị trí bước trễ 1 và giảm ngay về 0... do đó giá trị MA bậc q = 1 là phù hợp.") [Tính tự tương quan trong chuỗi số liệu tiêu chảy].
    3. Lựa chọn mô hình dựa trên các tiêu chí thống kê (p-value < 0,05 cho các tham số) và chỉ số thông tin (AIC, BIC nhỏ nhất). (Ví dụ: "Mô hình SARIMA (1,1,1)(0,1,1)12 có chỉ số AIC và BIC nhỏ nhất do đó phù hợp nhất cho dự báo bệnh tiêu chảy tại Hà Tĩnh.") [Kiểm định Portmanteau (Q) cho mô hình SARIMA].
    4. Kiểm tra chẩn đoán phần dư của mô hình bằng kiểm định Ljung-Box Q và Bartlett's để đảm bảo phần dư là nhiễu trắng (p > 0,05). (Ví dụ: "Phần dư của mô hình cho thấy hàm ACF và PACF của phần dư mô hình đều nằm trong khoảng giớ hạn và có giá trị p > 0,05. Kiểm định Bartlett's có giá trị (B) = 0,81 với p = 0,52 kiểm định Portmanteau (Q) có giá trị 14,8 với p = 0,22 Như vậy mô hình SARIMA (0,1,1)(0,1,1)12 -Tmax có tính nhiễu trắng.") [Kiểm tra phần dư của mô hình SARIMA (1,1,1)(0,1,1)12 Tmax].
    5. Đánh giá sai số dự báo bằng cách so sánh với số liệu thực tế (năm 2016). Các phần mềm được sử dụng (Stata 14.2, SPSS 22) cũng được nêu rõ, cho phép các nhà nghiên cứu khác với dữ liệu tương tự có thể tái tạo các bước phân tích.
  5. Lộ trình nghiên cứu 10 năm được phác thảo?: Có, một lộ trình nghiên cứu 10 năm được phác thảo gián tiếp thông qua phần "Limitations và Future Research" và các khuyến nghị, hướng tới việc xây dựng và hoàn thiện hệ thống cảnh báo sớm bệnh tiêu chảy và các bệnh truyền nhiễm nhạy cảm với khí hậu.
    1. Năm 1-3: Mở rộng và tinh chỉnh dữ liệu cộng đồng: Tiếp tục nghiên cứu thuần tập theo dõi dọc ở nhiều khu vực địa lý khác nhau (ví dụ, các vùng ven biển, đồng bằng, miền núi) và trong thời gian dài hơn (ví dụ, 2-3 năm) để thu thập dữ liệu dịch tễ học tiêu chảy cấp cộng đồng đại diện hơn cho toàn tỉnh Hà Tĩnh và các khu vực tương tự. Đồng thời, thu thập dữ liệu về các yếu tố nhiễu (kinh tế-xã hội, hành vi, vắc xin) ở cấp cộng đồng.
    2. Năm 3-5: Phát triển và xác nhận mô hình dự báo đa yếu tố: Xây dựng các mô hình SARIMA-X nâng cao tích hợp không chỉ yếu tố thời tiết mà cả các yếu tố kinh tế-xã hội, hành vi, và chương trình can thiệp y tế (ví dụ, tỷ lệ tiêm chủng Rotavirus, mức độ bao phủ nước sạch/vệ sinh) để tăng độ chính xác dự báo. So sánh các phương pháp chuỗi thời gian khác nhau để tìm ra mô hình tối ưu nhất.
    3. Năm 5-7: Thử nghiệm và triển khai thí điểm hệ thống cảnh báo sớm: Phát triển một nền tảng phần mềm hoặc công cụ dựa trên web tích hợp mô hình dự báo SARIMA-X đã tinh chỉnh. Thử nghiệm thí điểm hệ thống cảnh báo sớm này ở một số huyện trọng điểm tại Hà Tĩnh, đánh giá hiệu quả trong việc phát đi cảnh báo và chuẩn bị ứng phó dịch.
    4. Năm 7-10: Khái quát hóa và nhân rộng: Dựa trên kết quả thử nghiệm, hiệu chỉnh và hoàn thiện hệ thống, sau đó đề xuất nhân rộng cho toàn tỉnh Hà Tĩnh và các tỉnh khác ở Việt Nam. Đồng thời, mở rộng ứng dụng mô hình cho các bệnh truyền nhiễm nhạy cảm với khí hậu khác như sốt xuất huyết, sốt rét.
    5. Nghiên cứu định tính/can thiệp: Kết hợp nghiên cứu định tính để hiểu rào cản hành vi và thực hiện các can thiệp dựa trên bằng chứng để giảm gánh nặng bệnh tật.

Kết luận

Luận án này đã tạo ra một dấu ấn quan trọng trong lĩnh vực dịch tễ học và y tế công cộng bằng cách cung cấp những hiểu biết sâu sắc và công cụ dự báo thiết thực về bệnh tiêu chảy tại một khu vực đặc trưng chịu tác động của biến đổi khí hậu ở Việt Nam.

5-6 đóng góp CỤ THỂ (được đánh số):

  1. Định lượng gánh nặng bệnh tật cộng đồng thực tế: Nghiên cứu đã chỉ ra rằng "tỷ suất mắc mới bệnh tiêu chảy trong cộng đồng dân cư là 40% người – năm", cao gấp hơn 10 lần so với số liệu được báo cáo qua hệ thống giám sát thường quy, làm nổi bật sự thiếu hụt nghiêm trọng trong việc nắm bắt toàn diện tình hình bệnh tật [Kết luận, Mục 1].
  2. Xác định nhóm nguy cơ cao nhất: Trẻ em dưới 5 tuổi được xác định là nhóm có tỷ suất mắc mới và tái phát cao nhất (5,1% trẻ-tháng và 3,2% trẻ-tháng tương ứng), với nguy cơ mắc cao hơn 1,6 lần so với các nhóm tuổi khác (IRR = 1,60, p < 0,001) [Kết luận, Mục 1].
  3. Làm rõ mối liên quan và tác động trễ của yếu tố khí hậu: Luận án đã định lượng cụ thể mối liên quan thuận chiều và tác động trễ của nhiệt độ (1-2 tháng, tăng 2-3%), tổng lượng mưa (2-3 tháng, tăng 17,1% khi tăng 10mm), độ ẩm tuyệt đối (1-2 tháng, tăng 2,8-3,3%) và nhiệt độ mặt nước biển (3 tháng, tăng 13,8% khi tăng 10C SST vùng NINO3) lên số ca bệnh tiêu chảy [Kết luận, Mục 2].
  4. Phát triển mô hình dự báo SARIMA-X hiệu quả: Mô hình SARIMA-X (1,1,1)(0,1,1)12 -Tmax đã được xây dựng thành công, giảm sai số dự báo ngắn hạn xuống 6,1% và trung hạn xuống 9,7%, cung cấp một công cụ đáng tin cậy cho cảnh báo sớm [Kết luận, Mục 3].
  5. Đổi mới phương pháp luận trong thu thập dữ liệu: Việc áp dụng phương pháp theo dõi dọc tự ghi nhận bệnh bằng nhật ký tại cộng đồng (với cỡ mẫu 2961 người) đã cung cấp dữ liệu chính xác và chi tiết, khắc phục hạn chế của các phương pháp điều tra truyền thống.

Tiến bộ mô hình (Paradigm advancement) với bằng chứng: Luận án thúc đẩy một sự tiến bộ mô hình từ phản ứng bị động sang dự báo chủ động trong kiểm soát bệnh truyền nhiễm. Thay vì chỉ dựa vào kinh nghiệm và số liệu báo cáo sau khi dịch đã xảy ra, các phát hiện này cung cấp bằng chứng cụ thể để xây dựng "hệ thống cảnh báo sớm dựa vào yếu tố thời thiết nhằm cung cấp các thông tin đáng tin cậy về các vụ dịch tiêu chảy trước 2 hoặc 3 tháng" [15]. Sự vượt trội của mô hình SARIMA-X với Tmax so với SARIMA cơ bản (giảm sai số dự báo) là bằng chứng rõ ràng cho hiệu quả của phương pháp tiếp cận này.

3+ luồng nghiên cứu mới được mở ra:

  1. Nghiên cứu mô hình dự báo đa yếu tố: Mở ra luồng nghiên cứu về việc tích hợp nhiều biến ngoại sinh hơn (kinh tế-xã hội, hành vi, vệ sinh, can thiệp y tế) vào mô hình chuỗi thời gian để nâng cao độ chính xác dự báo bệnh tiêu chảy và các bệnh truyền nhiễm khác.
  2. Nghiên cứu về gánh nặng bệnh tật "thực tế" so với "báo cáo": Khuyến khích các nghiên cứu so sánh quy mô lớn về gánh nặng bệnh tật được ghi nhận từ cộng đồng và từ hệ thống giám sát y tế, không chỉ riêng bệnh tiêu chảy mà còn các bệnh khác.
  3. Ứng dụng rộng rãi các mô hình dự báo khí hậu-tích hợp: Mở rộng luồng nghiên cứu áp dụng các mô hình SARIMA-X tương tự cho các bệnh truyền nhiễm khác nhạy cảm với khí hậu (ví dụ: sốt xuất huyết, sốt rét) ở các khu vực địa lý khác nhau của Việt Nam và các nước đang phát triển.

Mức độ phù hợp toàn cầu (Global relevance) với so sánh quốc tế: Các phát hiện của luận án có ý nghĩa toàn cầu, đặc biệt đối với các quốc gia đang phát triển có khí hậu nhiệt đới gió mùa và hệ thống giám sát y tế còn hạn chế. Nhu cầu về một "hệ thống cảnh báo sớm được TCYTTG khuyến nghị không phức tạp sử dụng số liệu của thu thập thường quy các bệnh truyền nhiễm, thời tiết và các yếu tố môi trường khác" [92] được luận án này đáp ứng một cách cụ thể và khả thi. Việc so sánh với các nghiên cứu ở Bangladesh, Trung Quốc, và các nước Đông Nam Á đã chỉ ra rằng các mô hình và mối liên hệ giữa khí hậu và dịch bệnh có thể được khái quát hóa, tạo cơ sở cho các chiến lược phòng chống bệnh tật xuyên biên giới.

Kết quả có thể đo lường được (Legacy measurable outcomes):

  • Giảm tỷ lệ mắc tiêu chảy: Mục tiêu là giảm tỷ suất mắc mới bệnh tiêu chảy ở trẻ dưới 5 tuổi từ 5,1% trẻ-tháng xuống mức thấp hơn đáng kể (ví dụ, 3-4% trẻ-tháng) trong 5-10 năm tới thông qua việc triển khai các khuyến nghị.
  • Tăng tỷ lệ phát hiện và ứng phó sớm dịch bệnh: Tăng tỷ lệ phát hiện sớm các vụ dịch tiêu chảy lên 80-90% trước 1-3 tháng so với hiện tại.
  • Tiết kiệm chi phí y tế: Giảm chi phí điều trị và phòng chống dịch bệnh ước tính 10-15% nhờ khả năng dự báo và ứng phó chủ động.