Bệnh sốt rét gia tăng do biến đổi khí hậu
Trong 25 năm tới, dự báo rằng biến đổi khí hậu, thông qua các tác động sinh thái và gây rối loạn kết hợp có thể dẫn đến thêm 123 triệu ca mắc bệnh sốt rét lâm sàng ở Châu Phi (phạm vi dự báo 49,5-203 triệu) theo kịch bản SSP 2-4,5. Đến những năm 2040, điều này tương đương với mức tăng 0,4-2,6% tỷ lệ mắc bệnh, so với kịch bản giả định không có biến đổi khí hậu trong tương lai. Tác động gây rối loạn ngày càng tăng của các hiện tượng thời tiết cực đoan thường xuyên và nghiêm trọng hơn đóng góp 79% (phạm vi dự báo 50-94%) vào sự gia tăng tỷ lệ mắc bệnh dự kiến này cao hơn gấp 3 lần so với đóng góp của các tác động do sinh thái gây ra (21%; 6-50%). Trong số các tác động do gián đoạn gây ra đối với tỷ lệ mắc bệnh, những tác động do giảm khả năng tiếp cận điều trị sốt rét chiếm tỷ trọng lớn nhất (37,8% tổng số, phân bố tổng hợp 34,2-41,3%), tiếp theo là thiệt hại về nhà ở (23,4%, phân bố tổng hợp 21,3-27,1%) và gián đoạn công tác kiểm soát vật chủ trung gian truyền bệnh (14,9%, phân bố tổng hợp 14,6-15,5%). Một số địa điểm dự kiến có tỷ lệ lây truyền tăng cao nằm ở các vùng dân cư thưa thớt, ví dụ như miền Trung Angola và miền Tây Zambia và do đó chỉ ghi nhận mức tăng khiêm tốn về số ca bệnh.
Hình 2. Dự báo về sự thay đổi trong phân bố các loài muỗi truyền bệnh sốt rét
|Nguồn: https://www.grida.no/resources/8146
Ở những nơi khác, tác động đáng kể của biến đổi khí hậu trùng khớp với các vùng có mật độ dân số cao và có nguy cơ mắc bệnh, đáng chú ý nhất là miền Nam và miền Trung Nigeria và vùng Hồ Lớn Châu Phi bao gồm các phần của Kenya, Uganda, miền đông CHDC Congo, Rwanda và Burundi. Giả sử tỷ lệ tử vong do bệnh không được điều trị hiện nay là 50, những thay đổi dự kiến về tỷ lệ mắc bệnh và tỷ lệ điều trị sẽ tương đương với 532.000 (195.000-912.000) ca tử vong do sốt rét bổ sung trong cùng kỳ, mức tăng tương đối về tỷ lệ tử vong hàng năm là 0,9-5,4% so với kịch bản giả định vào những năm 2040. Nhiều nghiên cứu trước đây đã tập trung vào việc xác định những thay đổi do biến đổi khí hậu gây ra đối với ranh giới của vùng thích hợp cho sự lây truyền. Tuy nhiên, dự đoán rằng phần lớn các ca bệnh bổ sung sẽ xảy ra ở những khu vực vốn đã thích hợp cho sự lây truyền, chỉ có 0,05% (33.000 ca, phạm vi phân bố của ba mô hình khí hậu toàn cầu là 20.000-51.000, tương đương 0,03-0,07%) các ca bệnh bổ sung trong những năm 2040 xảy ra ở những nơi hiện đang nằm ngoài giới hạn thích hợp.
Phân tích này đã xem xét các mối đe dọa tiềm tàng do cả tác động sinh thái và tác động gây rối loạn của biến đổi khí hậu đối với sự lây truyền và gánh nặng sốt rét ở Châu Phi, đồng thời định lượng mức độ có thể xảy ra của những tác động này về mặt tuyệt đối, trong khi đặt các cơ chế khí hậu trong bối cảnh các yếu tố quan trọng khác ảnh hưởng đến nguy cơ mắc bệnh. Mặc dù các tác động dự kiến đối với sự lây truyền có vẻ khiêm tốn, nhưng đã chỉ ra rằng, khi chuyển thành tác động đến tỷ lệ mắc bệnh và tử vong trong những thập kỷ tới, hậu quả của biến đổi khí hậu trở nên đáng kể, có khả năng dẫn đến hàng trăm triệu ca mắc bệnh bổ sung và hàng trăm nghìn ca tử vong bổ sung trong 25 năm tới. Trong bối cảnh rộng hơn của các kế hoạch giảm gánh nặng và xóa bỏ bệnh sốt rét nhanh chóng trong khoảng thời gian đó, những tác động của biến đổi khí hậu như vậy sẽ rất nghiêm trọng và đòi hỏi các phản ứng chính sách đa ngành. Trong phân tích về tác động của biến đổi khí hậu do sinh thái, đã sử dụng hiểu biết hiện đại nhất về các cơ chế sinh vật lý chính liên quan và một cách độc đáo đã sử dụng dữ liệu lịch sử chi tiết về bệnh sốt rét, các biện pháp can thiệp và dữ liệu bối cảnh rộng hơn để ước tính đóng góp tuyệt đối của các cơ chế này vào sự lây truyền bệnh sốt rét thực tế. Họ cũng đã chứng minh rằng việc chỉ tập trung vào thay đổi ranh giới lây truyền bỏ qua khoảng 99% tác động của biến đổi khí hậu ở Châu Phi, vốn xảy ra ở những khu vực đã và đang trải qua sự lây truyền bệnh.
Không giống như phân tích tác động sinh thái, mô hình hóa tác động do sự gián đoạn có rất ít tiền lệ trong tài liệu để xây dựng hoặc so sánh và sự khan hiếm dữ liệu đòi hỏi một cách tiếp cận mang tính kinh nghiệm hơn để định lượng các tác động có thể xảy ra. Tuy nhiên, bằng cách tổng hợp các bằng chứng định lượng và định tính, bao gồm cả những lời kể trực tiếp của những người chứng kiến và ứng phó với các hiện tượng thời tiết cực đoan ở Châu Phi, đã xác định được các cơ chế và mức độ tác động khả thi, với sự thể hiện phù hợp về sự không chắc chắn, có thể phản ánh kinh nghiệm thực tế. Bằng cách kết hợp các hiệu ứng này với các sự kiện tương lai được mô phỏng phù hợp với các dự báo của mô hình khí hậu toàn cầu, cung cấp một sự khám phá có hệ thống về tác động của các hiện tượng thời tiết cực đoan liên quan đến biến đổi khí hậu ngày càng trầm trọng đối với bệnh sốt rét. Họ cũng đã xác định rằng các tác động gây gián đoạn này lớn hơn khoảng 3 lần so với các tác động do sinh thái gây ra.
Phân tích này cần được diễn giải trong bối cảnh thiết kế, giả định và hạn chế của nó: (1) Kết quả phản ánh giá trị trung bình của tập hợp nhiều mô hình trong khoảng thời gian hàng thập kỷ. Lựa chọn này phản ánh sự cân bằng giữa việc giảm thiểu sự biến đổi giả tạo giữa các mô hình và giữa các năm trong khi giải quyết các khung thời gian trung hạn liên quan đến nhu cầu chính sách PCSR cấp bách. Tóm tắt theo thập kỷ, theo định nghĩa, cũng chịu ảnh hưởng của sự biến đổi khí hậu giữa các thập kỷ được biết là có ảnh hưởng đến bệnh sốt rét, nhưng phương pháp tập hợp làm giảm tác động giả tạo của chúng. (2) Một số nguồn không chắc chắn không được nắm bắt, bao gồm: Sự không chắc chắn trong các dự báo khí hậu tương lai (chỉ được tính đến một phần thông qua phương pháp tập hợp); các yếu tố phi khí hậu và các yếu tố khác chưa được tính đến ảnh hưởng đến xu hướng sốt rét trong tương lai; Sự không chắc chắn trong các dự báo dân số tương lai và sự không chính xác trong phạm vi, mức độ nghiêm trọng và thời gian dự báo lũ lụt và bão. Do đó, các phạm vi dự báo không nhằm mục đích là các khoảng thống kê chính thức, cung cấp các biện pháp chỉ dẫn về sự không chắc chắn hơn là các tuyên bố xác suất. (3) Họ giới hạn phân tích tác động gây gián đoạn của mình đối với lũ lụt và lốc xoáy, vì cơ sở bằng chứng về tác động lên sự lây truyền đã được thiết lập tốt nhất. Biến đổi khí hậu trong tương lai có thể sẽ tác động đến bệnh sốt rét thông qua nhiều cơ chế gián tiếp, chẳng hạn như mất an ninh lương thực, mất sinh kế, xung đột, áp lực lên hệ thống y tế và gián đoạn kinh tế.
Nhiều yếu tố thúc đẩy này cũng ngụ ý sự gia tăng di cư do khí hậu, điều này có thể có những tác động sâu sắc đến gánh nặng bệnh sốt rét khi dân số có thể tiếp xúc với các nguy cơ lây truyền khác nhau và giảm khả năng tiếp cận cơ sở hạ tầng phòng ngừa và điều trị. Mặc dù các cơ chế như vậy chưa được đưa vào phân tích này, nhưng tầm quan trọng của việc xem xét các tác động khí hậu rộng hơn, liên ngành đối với bệnh sốt rét và các bệnh truyền nhiễm do vector khác đã được nhấn mạnh và cần có nghiên cứu phối hợp trong tương lai trong lĩnh vực này. (4) Họ cố ý giữ nguyên mức độ hiện tại của cơ sở hạ tầng giao thông và chăm sóc sức khỏe, chất lượng nhà ở và kiểm soát bệnh sốt rét có tính đến tác động trực tiếp của khí hậu lên các yếu tố quyết định này nhưng không tính đến các xu hướng nền.
Hình 3. Nguy cơ mắc bệnh sốt rét ở Châu Phi đang thay đổi theo biến đổi khí hậu - Nguy cơ theo mùa (7-9 tháng) và theo mùa (10-12 tháng) thay đổi về mặt địa lý theo hai kịch bản biến đổi khí hậu dự kiến, dẫn đến số lượng người có nguy cơ mắc bệnh (lây truyền theo mùa) khác nhau ở bốn khu vực theo thời gian| Hình ảnh được điều chỉnh từ Ryan và cộng sự, 2020)
Do đó, các dự báo cho phép khám phá các tác động của biến đổi khí hậu nhưng không nhằm mục đích dự báo các điều kiện trong tương lai. Trên thực tế, các xu hướng kinh tế xã hội trong những thập kỷ tới chắc chắn sẽ tác động đáng kể và không đồng đều đến bệnh sốt rét, cả trực tiếp và gián tiếp thông qua mối quan hệ giữa khí hậu và bệnh sốt rét. (5) Mặc dù phương pháp mô hình xếp chồng được sử dụng ở đây cho phép các mối quan hệ phản hồi - dự báo linh hoạt và thể hiện hiệu suất dự báo ngoài mẫu tốt, hiện tại vẫn còn hạn chế tiền lệ trong việc mô tả đầy đủ sự không chắc chắn trong các mô hình xếp chồng, đặc biệt khi áp dụng cho dữ liệu tương quan không gian. Cần thêm công việc lý thuyết để thiết lập định lượng sự không chắc chắn một cách nghiêm ngặt trong các khung mô hình không gian xếp chồng và khung mô hình không gian tập hợp khác.
Khung phân tích trình bày ở đây giải quyết một số khoảng trống đã được công nhận trong các phân tích về mối liên hệ giữa khí hậu và bệnh sốt rét trước đây, bao gồm việc dùng kết hợp các phương pháp cơ học và tương quan, xem xét các hiện tượng thời tiết cực đoan và sự lan truyền của các mô hình khí hậu tổng hợp. Nhìn chung, các phát hiện cho thấy tiềm năng của biến đổi khí hậu trong việc cản trở đáng kể việc giảm thiểu và xóa bỏ sốt rét trong 25 năm tới, đồng thời nhấn mạnh rằng kết quả cuối cùng sẽ phụ thuộc vào hiệu quả của việc kiểm soát bệnh sốt rét và khả năng phục hồi của hệ thống y tế thực hiện việc này. Mặc dù quy mô tác động dự kiến từ sự thay đổi dần dần về hệ sinh thái lây truyền có thể được khắc phục bằng các biện pháp can thiệp bổ sung khiêm tốn, nhưng thiệt hại và sự gián đoạn ngày càng tăng đối với các nỗ lực kiểm soát do thời tiết cực đoan gây ra mối đe dọa nghiêm trọng hơn. Giảm thiểu mối đe dọa này sẽ đòi hỏi phải tập trung lại vào các chiến lược kiểm soát có khả năng chống chịu với khí hậu ở cấp độ quốc tế và địa phương. Điều này có thể bao gồm đầu tư vào cơ sở hạ tầng y tế và chuỗi cung ứng có khả năng chống chịu với khí hậu tốt hơn, tăng cường các cơ chế cảnh báo sớm và ứng phó khẩn cấp, phân cấp việc cung cấp dịch vụ y tế theo chiều dọc và chiều ngang để thúc đẩy khả năng phục hồi tại địa phương, cũng như sử dụng các công cụ mới ít bị ảnh hưởng bởi sự gián đoạn do khí hậu phù hợp với điều kiện địa phương.
Việc xóa sổ bệnh sốt rét trong nửa đầu thế kỷ này sẽ là một trong những thành tựu vĩ đại nhất trong lịch sử nhân loại. Biến đổi khí hậu đang gia tăng đặt ra nhiều mối đe dọa đối với tham vọng này. Trong bối cảnh đó, các chiến lược xóa sổ bệnh sốt rét thích ứng với biến đổi khí hậu sẽ đòi hỏi sự cảnh giác liên tục, lập kế hoạch chủ động, sự tham gia của cộng đồng và nguồn tài chính bền vững, tất cả nằm trong khuôn khổ rộng lớn hơn của các hệ thống y tế vững mạnh và các xã hội có khả năng chống chịu với biến đổi khí hậu.
Mô hình hóa các chỉ số thích hợp khí hậu trong quá khứ và dự báo tương lai.
Dữ liệu khí hậu được tập hợp đã được dùng trong hai mô hình toán học để phát triển hai chỉ số thích hợp địa lý-thời gian: (1) Chỉ số thích hợp nhiệt độ (TSI) theo dõi khả năng truyền bệnh tương đối và (2) Chỉ số thích hợp môi trường sống của ấu trùng (HSI) đo lường khả năng sẵn có tương đối và năng suất tiềm năng của các địa điểm sinh sản của ấu trùng muỗi. Nhiệt độ đóng vai trò là cả giới hạn trên và giới hạn dưới đối với sự lây truyền bệnh sốt rét, phản ánh bản chất biến nhiệt của vòng đời muỗi và KST. Các mô hình toán học liên kết nhiệt độ với khả năng truyền bệnh tương đối đã được thiết lập và mô tả ở những nơi khác. Họ đã cập nhật khung dựa trên độ ngày để bao gồm dữ liệu được công bố gần đây về phức hợp A. gambiae. Đường cong thích hợp về nhiệt độ thu được là phi tuyến tính, đạt đỉnh ở 26,4°C. Để mô tả mối quan hệ giữa lượng mưa, nhiệt độ và độ ẩm địa phương với sự sẵn có của môi trường sống cho việc đẻ trứng và phát triển ấu trùng, họ đã phân tích rời rạc hóa mô hình dựa trên Clausius-Clapeyron về sự sẵn có của môi trường sống được sử dụng trong một mô hình cơ học đã được thiết lập về bệnh sốt rét.
Chuẩn bị dữ liệu về nhà ở, can thiệp và bối cảnh địa lý-thời gian lịch sử
Việc mở rộng quy mô kiểm soát bệnh sốt rét là nguyên nhân chính dẫn đến sự suy giảm gánh nặng bệnh tật ở vùng cận Sahara châu Phi kể từ năm 2000. Các ước tính về thời gian và địa lý của tỷ lệ sử dụng màn chống muỗi tẩm hóa chất (ITN), phun thuốc diệt côn trùng tồn lưu trong nhà (IRS), tiêm phòng sốt rét toàn diện (SMC) và điều trị sốt rét trong quá khứ được lấy từ Dự án Bản đồ Sốt rét. Để giải thích cho tính phi tuyến tính trong mối quan hệ ITN- Pf PR 2-10, tỷ lệ bao phủ ITN đã được chuyển đổi bằng cách sử dụng tương tác tham số được xác định trước với tỷ lệ KST ước tính trước thời kỳ can thiệp. Dạng hàm kết quả của mối quan hệ ITN-Pf PR 2-10 phù hợp với hiểu biết sinh học được mã hóa trong các mô hình sốt rét cơ học. Nghiên cứu này không nhằm mục đích mô hình hóa các xu hướng có thể xảy ra trong tương lai về tỷ lệ bao phủ can thiệp. Thay vào đó, họ đã xác định tỷ lệ bao phủ can thiệp cơ bản phản ánh mức độ hiện tại và tỷ lệ này được sử dụng cho tất cả kịch bản tương lai (có hoặc không bị gián đoạn do các hiện tượng thời tiết cực đoan). Để giải thích cho tính chất dựa trên chiến dịch của việc phân phối ITN, họ đã lấy mức trung bình 4 năm từ 2019-2022 làm cơ sở. Đối với phạm vi điều trị được triển khai theo chiều ngang, năm 2022 được lấy làm mốc tham chiếu cho các dự báo trong tương lai.
Hình 4. Thay đổi tỷ lệ mắc sốt rét vào năm 2080
|Nguồn: https://www.malariabizalliancenews.org/newsletter/malaria-and-climate-change-a-complex-relationship
Sinh thái bệnh sốt rét thay đổi tùy thuộc vào loài muỗi, với mối quan hệ giữa môi trường và sự lây truyền dự kiến sẽ khác nhau giữa các khu vực có các vectơ chủ đạo khác nhau, ngay cả sau khi đã kiểm soát các biện pháp can thiệp và các yếu tố kinh tế xã hội. Để giải thích điều này, họ đã đưa các thuật ngữ đặc trưng cho từng loài vào mô hình, với các dự đoán dựa trên sự phong phú tương đối của ba vectơ chủ đạo ở vùng cận Sahara Châu Phi: A. gambiae (ss và coluzzi), An. funestus và An. arabiensis . Ước tính về sự phong phú tương đối của mỗi loài được lấy từ tài liệu tham khảo, cung cấp cho mỗi ô lưới 5 × 5 km một trọng số ba chiều của các loài vector sốt rét. Bỏ qua việc mô hình hóa rõ ràng vectơ An. stephensi xâm lấn nhưng thừa nhận rằng loài muỗi này đại diện cho một mối đe dọa đáng kể đang nổi lên.
Việc cải thiện nhà ở đã được chứng minh là làm giảm nguy cơ nhiễm bệnh sốt rét và là một cơ chế quan trọng mà qua đó sự phát triển kinh tế xã hội tác động đến bệnh sốt rét một cách độc lập với đầu tư trực tiếp vào PCSR. Họ đã cập nhật các ước tính hiện có về tỷ lệ nhà ở được cải thiện bằng cách sử dụng dữ liệu về đặc điểm của 1.083.386 hộ gia đình trên khắp châu Phi và các yếu tố dự báo bao gồm dữ liệu dạng lưới về mật độ dân số, tổng sản phẩm quốc nội, lớp phủ đất và thời gian di chuyển. Để tính đến tuổi thọ các tòa nhà, một ràng buộc đơn điệu (tăng dần) đã được áp dụng. Họ không tìm cách mô hình hóa các xu hướng tương lai về nhà ở được cải thiện và năm 2022 được sử dụng làm mốc cơ sở hiện tại cho các dự báo.
Tổng cộng 49.994 quan sát định vị địa lý về Pf PR đã được thu thập từ Chương trình Khảo sát Dân số và Sức khỏe (DHS) và các cuộc khảo sát đại diện quốc gia khác và đánh giá tài liệu có hệ thống, đại diện cho 2,54 triệu người được xét nghiệm từ năm 1995-2021 trên 41 quốc gia Châu Phi. Dữ liệu này đã được chuẩn hóa theo độ tuổi (từ 2-10 tuổi) và loại chẩn đoán (theo KHV quang học), phù hợp với các phương pháp đã được thiết lập để mô hình hóa dữ liệu này.
Xây dựng các kịch bản tương lai về các hiện tượng thời tiết cực đoan
Mô hình rừng ngẫu nhiên được phát triển để dự đoán sự xuất hiện, phạm vi và thời gian của lũ lụt. Tập dữ liệu huấn luyện bao gồm các sự kiện lũ lụt lịch sử được trích xuất ở độ phân giải không gian 230 m từ Floodbase, được tổng hợp thành lưu vực cấp 4 Pfafstetter và lấy mẫu quá mức để giảm thiểu sai lệch do mất cân bằng dữ liệu. Một bộ phân loại nhị phân được huấn luyện trên sự xuất hiện lũ lụt lịch sử ở lưu vực cấp 4 bằng cách sử dụng các biến dự báo bao gồm lượng mưa và nhiệt độ bề mặt biển của Đại Tây Dương và Ấn Độ Dương.
Hình 5. Biến đổi khí hậu làm ảnh hưởng lên sức khỏe cn người
|Nguồn: https://www.mdpi.com/2073-4433/16/1/71
Họ đã tính toán các dự báo tương lai cụ thể cho từng mô hình khí hậu toàn cầu về tần suất, thời gian và phạm vi lũ lụt theo từng lưu vực cấp 4 trong giai đoạn 2024-2049. Đối với mỗi GCM, giai đoạn mô phỏng 2024-2026 được lấy mẫu lại để tạo ra các kịch bản đối chứng trong tương lai, thể hiện tần suất và phạm vi lũ lụt trong điều kiện khí hậu hiện tại. Để thu nhỏ quy mô phạm vi dự đoán ở cấp lưu vực 4, dữ liệu về tần suất xảy ra lũ lụt lịch sử có độ phân giải cao đã được kết hợp với mô hình thủy văn để thu được điểm số khả năng xảy ra lũ lụt cho mỗi ô lưới. Đối với mỗi sự kiện lũ lụt, các ô lưới sau đó bị ngập từ khả năng xảy ra lũ lụt cao nhất đến thấp nhất cho đến khi đạt được phạm vi dự đoán. Các dự báo được thực hiện với giả định các yếu tố khác không đổi, trong đó các biến số sử dụng đất được giữ cố định. Dữ liệu lịch sử về bão ở Ấn Độ Dương (hình thái đường đi, ngày bắt đầu và kết thúc, tốc độ gió) được lấy từ IBTrACS. Các cơn bão trong cơ sở dữ liệu IBTrACS đi vào phạm vi 50 km tính từ bờ biển châu Phi đã được đưa vào, tạo ra một tập huấn luyện gồm 192 áp thấp nhiệt đới, bão và lốc xoáy kể từ năm 1980. Các kịch bản tương lai về sự hình thành và quỹ đạo của bão được tạo ra bằng cách sử dụng bộ dữ liệu Mô hình Bão của Đại học Hoàng gia (IRIS) - Một bộ dữ liệu tổng hợp 10.000 năm về các đặc điểm thống kê của bão, được điều chỉnh bằng dữ liệu khí hậu từ các mô hình CMIP6 được thu nhỏ và hiệu chỉnh sai lệch. Theo phương pháp IRIS, họ đã mô hình hóa các sự kiện hình thành bão (bắt đầu từ điểm cường độ tối đa trong suốt vòng đời (LMI), với xác suất xảy ra tại mỗi vị trí ở phía Nam Ấn Độ Dương được mô hình hóa theo phân phối Poisson với sự biến đổi không gian được học bằng cách sử dụng tọa độ của các vị trí LMI lịch sử. Từ những LMI này, các đường đi tổng hợp được tạo ra bằng cách làm nhiễu các đường đi lịch sử bằng cách sử dụng sự không chắc chắn của hình nón dự báo.
Tốc độ gió duy trì tối đa tại LMI được tính toán bằng cách sử dụng dữ liệu khí hậu và các ràng buộc nhiệt động lực học, gồm cả cường độ tiềm năng. Sau LMI, mô hình mô phỏng sự suy giảm cường độ riêng biệt cho đại dương và đất liền. Việc điều khiển hướng đi và tính toán tốc độ gió sử dụng tỷ lệ suy giảm dựa trên dữ liệu quan sát và các biến khí hậu dự báo. Kích thước lốc xoáy được tính toán động, bắt đầu từ LMI bằng cách sử dụng hồ sơ gió xuyên tâm phát triển dọc theo đường đi, nắm bắt được sự thay đổi kích thước phụ thuộc vào cường độ. Áp suất tối thiểu trong giai đoạn suy giảm được mô hình hóa bằng cách sử dụng mối quan hệ áp suất - gió thống nhất, bị ảnh hưởng bởi kích thước bão và vĩ độ. Các thành phần này cùng nhau tạo bộ dữ liệu lốc xoáy tổng hợp mô phỏng các đặc điểm vật lý và thống kê chính của các lốc xoáy được quan sát.
Hình 6. Các con đường biến đổi khí hậu ảnh hưởng đến bệnh sốt rét, mũi tên màu xanh đậm chỉ chu kỳ sống của ký sinh trùng sốt rét
|Nguồn: https://www.mdpi.com/2073-4433/16/1/71
Chỉ những cơn bão cấp 1 trở lên đổ bộ vào châu Phi mới được đưa vào kịch bản cuối cùng của chúng tôi. Giả định rằng các cơn bão bắt đầu tại LMI, và đường đi của chúng kết thúc khi tốc độ gió mô phỏng giảm xuống dưới ngưỡng bão nhiệt đới (63 km/giờ). Một kịch bản tương lai giả định về các cơn bão phản ánh điều kiện khí hậu hiện tại được tạo ra bằng cách lấy mẫu lại các cơn bão trong quá khứ, với tỷ lệ Poisson của mỗi cấp độ được đưa ra bởi tần suất của chúng kể từ năm 1980. Phạm vi tác động được tính toán dựa trên R18 - bán kính gió gây thiệt hại.
Xác định tham số tác động của hiện tượng thời tiết cực đoan đến nhà ở và biện pháp can thiệp
Các sự kiện thời tiết cực đoan được mô phỏng như làm gián đoạn khả năng tiếp cận ba yếu tố chính ngăn chặn sự lây truyền bệnh sốt rét: (1) Nhà ở được cải thiện, (2) Các công cụ kiểm soát vectơ trong nhà và (3) Khả năng tiếp cận điều trị chống sốt rét. Mức độ và thời gian gián đoạn được tham số hóa cho từng loại sự kiện và mức độ nghiêm trọng dựa trên phương pháp hỗn hợp. Một đánh giá tài liệu đã trích xuất 22 nghiên cứu từ các tài liệu được bình duyệt và tài liệu không chính thức ghi lại tác động của các sự kiện thời tiết cực đoan. Quá trình này được bổ sung bằng 34 cuộc phỏng vấn chuyên gia. Các tham số thu được từ bài tập này được sử dụng để xác định các đường cong phục hồi được áp dụng trong phạm vi ảnh hưởng của các sự kiện cực đoan, được thể hiện sơ đồ, với các tham số được mô tả trong Bảng dữ liệu mở rộng. Tác động cấp tính và kéo dài được phân biệt, với tác động kéo dài được tham số hóa theo dạng sigmoid theo thời gian phục hồi 50% và 99%. Sự không chắc chắn về mức độ gián đoạn sau đó được thể hiện bằng cách sử dụng tỷ lệ 50-150% xung quanh các giá trị trung tâm đồng thuận.
Hình 7. Ảnh hưởng của các hiện tượng thời tiết cực đoan do biến đổi khí hậu và các thảm họa tự nhiên (hạn hán và lũ lụt) đến bệnh sốt rét
|Nguồn: https://www.mdpi.com/2073-4433/16/1/71
Khả năng tiếp cận điều trị hiệu quả (EFT) hiện nay đối với bệnh sốt rét lâm sàng tại địa điểm s được ước tính bằng cách sử dụng một tổ hợp gồm ba bề mặt được tạo ra bởi Dự án Bản đồ Sốt rét: Xác suất tìm kiếm chăm sóc y tế, sử dụng thuốc chống sốt rét và hiệu quả điều trị cụ thể theo thuốc và địa điểm: Trong đó 'thuốc' là một trong các loại thuốc phối hợp artemisinin, amodiaquine, sulfadoxine-pyrimethamine, chloroquine hoặc quinine. Sử dụng cơ sở dữ liệu về vị trí địa lý của các cơ sở y tế, mô hình mạng lưới giao thông cho Châu Phi và thuật toán thời gian hành trình theo con đường chi phí thấp nhất, họ đã xác định thời gian di chuyển hiện tại (không bị gián đoạn) đến các CSYT cho mỗi ô lưới.
Mối quan hệ hàm mũ kép giữa thời gian di chuyển này và 104.516 quan sát được định vị địa lý về xu hướng tìm kiếm sự chăm sóc y tế khi bị sốt đã được thiết lập. Các CSYT nằm trong vùng ảnh hưởng của các hiện tượng thời tiết cực đoan được coi là không hoạt động trong giai đoạn tác động cấp tính, với tỷ lệ các cơ sở trong mỗi ô lưới 5 × 5 km vẫn không hoạt động trong giai đoạn hậu cấp tính được lấy mẫu từ phân phối nhị thức, với xác suất đóng cửa được đưa ra bằng cách giao nhau giữa đường cong phục hồi thích hợp với bề mặt thời gian kể từ sự kiện cuối cùng. Với vị trí địa lý động của các cơ sở chức năng này, chúng tôi đã tính toán lại thời gian di chuyển đến các cơ sở y tế cho mỗi kịch bản, theo tháng, đến năm 2050. Ngoài việc đóng cửa các cơ sở, thiệt hại đối với cơ sở hạ tầng đường bộ được tham số hóa dưới dạng hình phạt thời gian di chuyển được lấy từ các đường cong phục hồi và bề mặt thời gian kể từ sự kiện được chồng lên mạng lưới đường bộ OpenStreetMap.Thời gian di chuyển ngoài đường được tính toán lại bằng cách làm nhiễu bề mặt ma sát theo cùng một cách. Kết quả là thời gian di chuyển đến cơ sở chăm sóc sức khỏe cụ thể theo kịch bản.
Các chiến dịch phân phát màn chống muỗi tẩm hóa chất (ITN) được mô phỏng ba năm một lần vào ngày 1 tháng 1, bắt đầu từ năm 2025. Vì mục tiêu của chúng tôi là mô phỏng tác động không thể giảm thiểu của các hiện tượng thời tiết cực đoan, nên vùng phủ sóng ITN bị gián đoạn sẽ không trở lại bình thường cho đến chiến dịch mô phỏng tiếp theo. Giả định rằng việc tiếp cận ITN bị mất nếu việc tiếp cận nhà ở bị gián đoạn nghiêm trọng. Việc tiếp cận nhà ở được cải thiện bị ảnh hưởng trực tiếp bằng cách sử dụng đường cong phục hồi đã được tính toán.
Tài liệu tham khảo
1. Klepac, P. et al. Climate change, malaria and neglected tropical diseases: a scoping review. Trans. R. Soc. Trop. Med. Hyg. 118, 561–579 (2024).
2. Kulkarni, M. A., Duguay, C. & Ost, K. Charting the evidence for climate change impacts on the global spread of malaria and dengue and adaptive responses: a scoping review of reviews. Glob. Health. 3, 18 (2022).
3. Tjaden, N. B., Caminade, C. & Beierkuhnlein, C. Mosquito-borne diseases: advances in modelling climate-change impacts. Trends Parasitol. 34, 227–245 (2018).
4. Caminade, C. et al. Impact of climate change on global malaria distribution. Proc. Natl Acad. Sci. USA 111, 3286–3291 (2014).
5. Chen, D. et al. in Climate Change 2021: the Physical Science Basis (eds Masson-Delmotte, V. et al.) Ch. 1 (IPCC, Cambridge Univ. Press, 2021).
6. McMichael, A. J. et al. (eds) Climate Change and Human Health: Risks and Responses (World Health Organization, 2003).
7. Feachem, R. et al. Malaria eradication within a generation: ambitious, achievable, and necessary. Lancet 394, 10203 (2019).
8. Strategic Advisory Group on Malaria Eradication. Malaria Eradication: Benefits, Future Scenarios and Feasibility (World Health Organization, 2020).
9. Trisos, C. H. et al. in Climate Change 2022: Impacts, Adaptation, and Vulnerability (eds Pörtner, H. O. et al.) Ch. 9 (IPCC, Cambridge Univ. Press, 2022).
10. Samarasekera, U. Climate change and malaria: predictions becoming reality. Lancet 402, 361–362 (2023).
11. Suh, E. et al. The influence of feeding behaviour and temperature on the capacity of mosquitoes to transmit malaria. Nat. Ecol. Evol. 4, 940–951 (2020).
12. Agyekum, T. P. et al. A systematic review of the effects of temperature on Anopheles mosquito development and survival: implications for malaria control in a future warmer climate. Int. J. Environ. Res. Public Health 18, 7255 (2021).
13. Stopard, I. J., Churcher, T. S. & Lambert, B. Estimating the extrinsic incubation period of malaria using a mechanistic model of sporogony. PLoS Comput. Biol. 17, e1008658 (2021).
14. Suh, E. et al. Estimating the effects of temperature on transmission of the human malaria parasite, Plasmodium falciparum. Nat. Commun. 15, 3230 (2024).
15. Villena, O. C., Ryan, S. J., Murdock, C. C. & Johnson, L. R. Temperature impacts the environmental suitability for malaria transmission by Anopheles gambiae and Anopheles stephensi. Ecology 103, e3685 (2022).
16. Kirby, M. J. & Lindsay, S. W. Effect of temperature and inter-specific competition on the development and survival of Anopheles gambiae sensu stricto and An. arabiensis larvae. Acta Trop. 109, 118–123 (2009).
17. Smith, M. W. et al. Future malaria environmental suitability in Africa is sensitive to hydrology. Science 384, 697–703 (2024).
18. Ryan, S. J., Lippi, C. A. & Zermoglio, F. Shifting transmission risk for malaria in Africa with climate change: a framework for planning and intervention. Malar. J. 19, 170 (2020).
19. Mordecai, E. A. et al. Climate change could shift disease burden from malaria to arboviruses in Africa. Lancet Planet. Health 4, e416–e423 (2020).
20. Tompkins, A. M. & Ermert, V. A regional-scale, high resolution dynamical malaria model that accounts for population density, climate and surface hydrology. Malar. J. 12, 65 (2013).
21. van Lieshout, M., Kovats, R. S., Livermore, M. T. J. & Martens, P. Climate change and malaria: analysis of the SRES climate and socio-economic scenarios. Glob. Environ. Change 14, 87–99 (2004).
22. Chemison, A. et al. Impact of an accelerated melting of Greenland on malaria distribution over Africa. Nat. Commun. 12, 3971 (2021).
23. Pascual, M., Ahumada, J. A., Chaves, L. F., Rodó, X. & Bouma, M. Malaria resurgence in the East African highlands: temperature trends revisited. Proc. Natl Acad. Sci. USA 103, 5829–5834 (2006).
24. Ermert, V. et al. Development of a new version of the Liverpool Malaria Model. II. Calibration and validation for West Africa. Malar. J. 10, 62 (2011).
25. Ermert, V., Fink, A. H., Morse, A. P. & Paeth, H. The impact of regional climate change on malaria risk due to greenhouse forcing and land-use changes in tropical Africa. Environ. Health Perspect. 120, 77–84 (2011).
26. Lysenko, A. J. & Semashko, I. N. in Itogi Nauki: Medicinskaja Geografija (ed. Lebedew, A. W.) 25–146 (Academy of Sciences, USSR, 1968).
27. Hay, S. I. et al. Climate change and the resurgence of malaria in the East African highlands. Nature 415, 905–909 (2002).
28. Bhatt, S. et al. The effect of malaria control on Plasmodium falciparum in Africa between 2000 and 2015. Nature 526, 207–211 (2015).
29. Reiter, P. Global warming and malaria: knowing the horse before hitching the cart. Malar. J. 7, S3 (2008).
30. Gething, P. W. et al. Climate change and the global malaria recession. Nature 465, 342–345 (2010).
31. Searle, K. M. et al. Long-lasting household damage from Cyclone Idai increases malaria risk in rural western Mozambique. Sci. Rep. 13, 21590 (2023).
32. Glowac, C., Ferrão, J. L. & Searle, K. M. The association between infrastructure damage in the aftermath of Cyclone Idai and malaria risk in Sofala Province, Mozambique: an ecological study. Malar. J. 23, 355 (2024).
33. Seneviratne, S. I. et al. in Climate Change 2021: the Physical Science Basis (eds Masson-Delmotte, V. et al.) Ch. 11 (IPCC, Cambridge Univ. Press, 2021).
34. Chowell, G. et al. Assessing the potential impact of vector-borne disease transmission following heavy rainfall events: a mathematical framework. Phil. Trans. R. Soc. 374, B37420180272 (2019).
35. Thrasher, B. et al. NASA global daily downscaled projections, CMIP6. Sci. Data 9, 262 (2022).
36. Funk, C. et al. The climate hazards infrared precipitation with stations—a new environmental record for monitoring extremes. Sci. Data 2, 150066 (2015).
37. Harris, I., Osborn, T. J., Jones, P. & Lister, D. Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset. Sci. Data 7, 109 (2020).
38. Fick, S. E. & Hijmans, R. J. WorldClim 2: new 1km spatial resolution climate surfaces for global land areas. Int. J. Climatol. 37, 4302–4315 (2017).
39. Sinka, M. E. et al. Modelling the relative abundance of the primary African vectors of malaria before and after the implementation of indoor, insecticide-based vector control. Malar. J. 15, 142 (2016).
40. Bertozzi-Villa, A. et al. Maps and metrics of insecticide-treated net access, use, and nets-per-capita in Africa from 2000–2020. Nat. Commun. 12, 3589 (2021).
41. Malaria Atlas Project. map https://data.malariaatlas.org (2025).
42. Tusting, L. S. et al. Mapping changes in housing in sub-Saharan Africa from 2000 to 2015. Nature 568, 391–394 (2019).
43. Tellman, B. et al. Satellite imaging reveals increased proportion of population exposed to floods. Nature 596, 80–86 (2021).
44. Knapp, K. et al. The International Best Track Archive for Climate Stewardship (IBTrACS): unifying tropical cyclone best track data. Bull. Am. Meteorol. Soc. 91, 363–376 (2010).
45. Sparks, N. & Toumi, R. The Imperial College storm model (IRIS) dataset. Sci. Data 11, 424 (2024).
46. Alcayna, T. et al. Climate-sensitive disease outbreaks in the aftermath of extreme climatic events: a scoping review. One Earth 5, 336–350 (2022).
47. Acosta-España, J. D. et al. Infectious disease outbreaks in the wake of natural flood disasters: global patterns and local implications. Infez. Med. 32, 451–462 (2024).
48. Cameron, E. et al. Defining the relationship between infection prevalence and clinical incidence of Plasmodium falciparum malaria. Nat. Commun. 6, 8170 (2015).
49. Wang, X., Meng, X. & Long, Y. Projecting 1 km-grid population distributions from 2020 to 2100 globally under shared socioeconomic pathways. Sci. Data 9, 563 (2022).
50. World Malaria Report 2023 (World Health Organization, 2023).
51. Nissan, H., Ukawuba, I. & Thomson, M. Climate-proofing a malaria eradication strategy. Malar. J. 20, 190 (2021).
52. Rice, B. L. et al. Vaccination to mitigate climate-driven disruptions to malaria control in Madagascar. Science 389, eadp5365 (2025).
53. Weiss, D. J. et al. An effective approach for gap-filling continental scale remotely sensed time-series. ISPRS J. Photogramm. Remote Sens. 98, 106–118 (2014).
54.WorldClimDatabase. WorldClim https://www.worldclim.org/data/downscaling.html (2025).
55. Shapiro, L. L. M., Whitehead, S. A. & Thomas, M. B. Quantifying the effects of temperature on mosquito and parasite traits that determine the transmission potential of human malaria. PLoS Biol. 16, e2003489 (2017).
56. Gething, P. W. et al. Modelling the global constraints of temperature on transmission of Plasmodium falciparum and P. vivax. Parasites Vectors 4, 92 (2011).
57. Weiss, D. J. et al. Air temperature suitability for Plasmodium falciparum malaria transmission in Africa 2000–2012: a high-resolution spatiotemporal prediction. Malar. J. 13, 171 (2014).
58. Eckhoff, P. A. A malaria transmission-directed model of mosquito life cycle and ecology. Malar. J. 10, 303 (2011).
59. Lobser, S. E. & Cohen, W. B. MODIS tasselled cap: land cover characteristics expressed through transformed MODIS data. Int. J. Remote Sens. 28, 5079–5101 (2007).
60. Griffin, J. T. et al. Reducing Plasmodium falciparum malaria transmission in Africa: a model-based evaluation of intervention strategies. PLoS Med. 7, e1000324 (2010).
61. Smith, D. L. et al. Predicting changing malaria risk after expanded insecticide-treated net coverage in Africa. Trends Parasitol. 25, 511–516 (2009).
62. Tusting, L. S. et al. Housing improvements and malaria risk in sub-Saharan Africa: a multi-country analysis of survey data. PLoS Med. 14, e1002234 (2017).
63. The Demographic and Health Survey Program. The DHS Program http://www.dhsprogram.com (2024).
64. Wang, T. & Sun, F. Global gridded GDP data set consistent with the shared socioeconomic pathways. Sci. Data 9, 221 (2022).
65. Friedl, M. & Sulla-Menashe, D. MODIS/Terra+Aqua Land Cover Type Yearly L3 Global 500m SIN Grid V061. NASA EOSDIS Land Processes Distributed Active Archive Center https://doi.org/10.5067/MODIS/MCD12Q1.061 (2022).
66. Weiss, D. J. et al. A global map of travel time to cities to assess inequalities in accessibility in 2015. Nature 553, 333–336 (2018).
67. Weiss, D. J. et al. Mapping the global prevalence, incidence, and mortality of Plasmodium falciparum, 2000–17: a spatial and temporal modelling study. Lancet 394, 322–331 (2019).
68. Bhatt, S. et al. Improved prediction accuracy for disease risk mapping using Gaussian process stacked generalization. J. R. Soc. Interface 14, 20170520 (2017).
69. Haldane, J. B. The estimation and significance of the logarithm of a ratio of frequencies. Ann Hum Genet. 20, 309–311 (1956).
70. Rue, H., Martino, S. & Chopin, R. Approximate Bayesian inference for latent Gaussian models using integrated nested Laplace approximations (with discussion). J. R. Stat. Soc. B. 71, 319–392 (2009).
71. Lingren, F. An explicit link between Gaussian fields and Gaussian Markov random fields: the SPDE approach (with discussion). J. R. Stat. Soc. B. 73, 423–498 (2011).
72. Wing, O. E. J. et al. A 30 m global flood inundation model for any climate scenario. Water Resour. Res. 60, e2023WR036460 (2024).
73. Weiss, D. J. et al. Global maps of travel time to healthcare facilities. Nat. Med. 26, 1835-1838 (2020).
74. OpenStreetMap contributors. Planet OSM https://planet.openstreetmap.org (2015).
75. Symons, T. L. et al. Projected impacts of climate change on malaria in Africa. Zenodo https://doi.org/10.5281/zenodo.17695593 (2025).
(Hết)
TS.BS. Huỳnh Hồng Quang & Ths.BS. Nguyễn Công Trung Dũng
Viện Sốt rét-KST-CT Quy Nhơn