แบบจำลองสถานการณ์เพื่อพิจารณาแนวโน้มการระบาด ของโควิด-19 ในประเทศไทยระลอกที่สาม

แบบจำลองสถานการณ์เพื่อพิจารณาแนวโน้มการระบาดของโควิด-19 ในประเทศไทยระลอกที่สาม ภายหลังการบังคับใช้มาตรการล็อคดาวน์ เดือนกรกฎาคม 2564

2 สิงหาคม 2564

ตลอดสถานการณ์การระบาดของโควิด-19 ในประเทศไทยในช่วงที่ผ่านมา ได้มีการรวมกลุ่มกันของคณะผู้วิจัยสหสาขา สหวิชาชีพ เพื่อประยุกต์ใช้การคิดเชิงระบบและกระบวนการสร้างแบบจำลองพลวัตระบบในนามของ "คณะทำงานพัฒนาแบบจำลองระบบบูรณาการเพื่อแก้ไขปัญหา COVID-19" หรือ "Thailand COVID-19 Integrated Systems Simulation Lab (TCISS)" เพื่อคาดการณ์แนวโน้มการระบาดและนำข้อมูลที่ได้ไปต่อยอดในการออกแบบและตัดสินใจเชิงนโยบายในการควบคุมโรคให้เป็นไปอย่างมีประสิทธิผลและเกิดผลกระทบน้อยที่สุด


โจทย์ท้าทายที่คณะผู้วิจัยพยายามตอบคำถามในช่วงการระบาดระลอกที่สาม

การระบาดระลอกที่สามของโควิด-19 ในประเทศไทยทำให้เกิดผลกระทบในวงกว้างเนื่องจากจำนวนผู้ติดเชื้อเพิ่มขึ้นสูงอย่างรวดเร็วจนเกินศักยภาพของระบบสุขภาพ ซึ่งปรากฏการณ์ดังกล่าวส่งผลให้มีผู้เสียชีวิตเป็นจำนวนมาก นอกจากนั้นแล้ว เพื่อควบคุมการระบาด ภาครัฐจำเป็นต้องใช้มาตรการที่เข้มข้นในการควบคุมโรคเช่น การปิดเมือง ซึ่งอาจจะส่งผลกระทบต่อเศรษฐกิจได้ ในระยะนี้การสร้างแบบจำลองจึงมุ่งเน้นการตอบคำถามเฉพาะหน้า 3 ประเด็น ได้แก่

  • Q1: ผลลัพธ์ของการใช้มาตรการ lockdown เป็นระยะเวลา 21 วัน (12ก.ค.-2 ส.ค.64) เป็นอย่างไร?
  • Q2: การคาดการณ์จำนวนผู้ป่วยใหม่และการลดจำนวนผู้เสียชีวิต หลังใช้มาตรการ lockdown เพิ่มเติมอีกเป็น ระยะเวลา 30 วัน (2ส.ค.-1ก.ย.64) เป็นอย่างไร และเป้าหมายจำนวนผู้ติดเชื้อที่ว่าอยู่ในความสามารถในการควบคุมโรค คือควรอยู่ระดับเท่าไหร่?
  • Q3: บทเรียนจากแบบจำลองสถานการณ์ซึ่งอาจนำไปสู่การปรับยุทธศาสตร์ในการควบคุมโรคได้แก่อะไรบ้าง?

ในบทความนี้ผู้ที่สนใจสามารถทดลองใช้แบบจำลองที่คณะผู้วิจัยได้พัฒนาขึ้น และคณะผู้วิจัยได้อภิปรายผลการศึกษาเบื้องต้น เพื่อการพัฒนาข้อเสนอเชิงนโยบายเพื่อควบคุมโรค COVID-19 ไว้ที่ด้านล่างของแบบจำลองที่พัฒนาขึ้นนี้

แบบจำลองคาดการณ์ผลของนโยบายล็อคดาวน์ต่อการระบาด

หมายเหตุ: วันที่ 0 ของการระบาดระลอกที่สาม ตรงกับวันที่ 31 มีนาคม 2564 และวันที่ 124 ของการระบาดฯ ตรงกับวันที่ 2 สิงหาคม 2564

(กดปุ่ม Run เพื่อแสดงผล / ปุ่ม Pause เพื่อหยุดการรันแบบจำลองชั่วคราว / ปุ่ม Resume เพื่อรันแบบจำลองต่อ

ปุ่ม Go live เพื่อแสดงการเปลี่ยนแปลงแบบ real-time เมื่อปรับนโยบาย / และกดปุ่ม Restore เพื่อรีเซ็ตการแสดงผล)

ข้อมูลคาดการณ์จากโมเดลเมื่อทดสอบความแม่นยำกับข้อมูลจริง

(Model validation)

(กดปุ่ม Run เพื่อดูผล และกดปุ่ม Restore เพื่อรีเซ็ตการแสดงผล)


1. มาตรการ lockdown ในระยะที่ผ่านมาได้ผลลดการแพร่เชื้อในชุมชุนค่อนข้างน้อยกว่าที่คาดหวังไว้ (12 ก.ค.-2 ส.ค.64)

  • ระหว่างที่กำลังรอวัคซีนกันอยู่ เราสามารถใช้ 3 แนวทางเพื่อร่วมกันลดการระบาดของโรคโควิด (หรือการลด R0 ของเชื้อโควิด) ได้แก่ 1) การลด "ความถี่" ในการสัมผัสเชื้อ (เช่น งดเดินทาง ทำงานจากบ้าน ลดการรวมตัวของคน) 2) การลด "โอกาส"​ สัมผัสเชื้อ (เช่น สวมหน้ากาก การจัดการระบายอากาศที่ดี) และ 3) การลด "ระยะเวลา"​ แพร่เชื้อ (เช่น ลดระยะเวลาในการนำผู้ติดเชื้อเข้ากระบวนการแยกโรคและรักษาพยาบาล)
  • แต่มาตรการล็อคดาวน์ในระยะที่ผ่านมาลดการแพร่เชื้อในชุมชุนค่อนข้างน้อยกว่าที่คาดหวังไว้ (12 ก.ค.-2 ส.ค.64) ดูจากข้อมูลจำนวนผู้ติดเชื้อใหม่รายวันในระยะ 7 วันแรก ลดการแพร่เชื้อในชุมชนได้เพียง ~5% (เทียบกับก่อน 12 ก.ค.) และข้อมูลจำนวนผู้ติดเชื้อใหม่รายวันในระยะ 14 วันหลังเริ่มยกระดับมาตรการลดการแพร่เชื้อในชุมชนเพิ่มเติมได้อีกเพียง ~7% (เมื่อเทียบกับก่อนยกระดับมาตรการล็อคดาวน์)
  • การติดเชื้อในครัวเรือน (household infection) น่าจะเป็นสาเหตุหลักที่ทำให้มาตรการล็อคดาวน์ไม่ได้ผลตามที่คาดหวัง เพราะแม้ความถี่ในการเจอกันในที่สาธารณะอาจลดลงมาบ้าง แต่มาตรการล็อคดาวน์ย่อมไม่ลดโอกาสแพร่เชื้อรับเชื้อภายในบ้าน โดยเฉพาะเมื่อสายพันธุ์เดลต้าติดกันง่ายมาก (R0 ตามธรรมชาติประมาณ ~8.0)
  • ความสำเร็จของมาตรการล็อคดาวน์ในเดือนส.ค.นี้จึงขึ้นอยู่กับการดำเนินมาตรการที่แตกต่างจากเดือนก.ค.ที่ผ่านมา เช่น เราไม่เพียงลดการเคลื่อนที่หรือเจอกันน้อยลง แต่เราควรใช้มาตรการล็อคดาวน์เพื่อเป็นการซื้อเวลาให้เราตรวจให้กว้างขวางขึ้นและแยกโรคได้เร็วขึ้น รวมทั้งซื้อเวลาให้เราปรับมาตรการส่วนบุคคลให้เหมาะสมกับสายพันธุ์เดลต้าที่แพร่เชื้อได้ง่ายมากขึ้น

2. แนวโน้มผู้ติดเชื้อใหม่ที่ตรวจพบรายวันในอนาคตระยะสั้น กรณีใช้มาตรการ lockdown เป็นระยะเวลา 30 วัน ทั่วประเทศ (2 ส.ค.-1ก.ย.64)

  • หากเลือกใช้มาตรการการควบคุมโรคระยะเข้มข้น (lockdown) ควรต้องทำให้เกิดผลลัพธ์ในการลดการแพร่เชื้อในชุมชนให้ได้อย่างน้อย 45% (เมื่อเทียบกับก่อน lockdown เพิ่มเติม) จึงจะสามารถลดจำนวนผู้ติดเชื้อในชุมชนลงเพียงพอที่จะอยู่ภายในขีดความสามารถของระบบ TTI/NPIs (การตรวจเชิงรุก การติดตามผู้สัมผัส การแยกกัก) ซึ่งน่าจะทำให้แนวโน้มการระบาดในระยะหลังเริ่มผ่อนคลายมาตรการ lockdown รวมทั้งจำนวนผู้ป่วยครองเตียงและจำนวนผู้เสียชีวิตมีโอกาสลดลงต่อไปได้

  • เป้าหมายจำนวนผู้ติดเชื้อที่ว่าอยู่ในความสามารถในการควบคุมโรค คือควรอยู่ระดับเท่าไหร่? ถ้าดูจากโมเดล เราพอจะจัดการได้ถ้าผู้ติดเชื้อใหม่ทั้งประเทศประมาณไม่เกิน 3,000-5,000 คน/วัน แต่ความจริงแล้วควรพิจารณาจำนวนผู้ติดเชื้อใหม่ในระดับพื้นที่ เช่น ดูความสามารถของการตรวจเชิงรุก การติดตามผู้สัมผัส การแยกกัก (TTI) ในระดับจังหวัด หรือในระดับพื้นที่ที่แคบพอ ที่เราที่จะติดตามสอบสวนโรคได้และควบคุมการเดินทางข้ามพื้นที่ได้
  • นอกจากพิจารณาเรื่องการลดจำนวนผู้ติดเชื้อเพื่อให้อยู่ในระดับ "ความสามารถในการควบคุมโรค" แล้ว ประเด็นเรื่องความสามารถของประเทศในการดูแลผู้ป่วยโควิดระยะวิกฤตพร้อม ๆ กันก็มีความสำคัญเป็นอย่างมาก ถ้าคิดจาก facilities category จากข้อมูลใน co-ward สามารถพิจารณาได้เพียงคร่าวๆ เพราะในความเป็นจริง น่าจะมีการใช้ facilities สำหรับผู้ป่วยหนักกว่าในที่ซึ่งมีความพร้อมน้อยกว่าได้ เพราะ facilities สำหรับผู้ป่วยสีแดงคือ AIIR ICU & modified AIIR เท่านั้น เนื่องจาก ICU cohort & AIIR & Modified AIIR (M+F) เป็นเพียงเตียงเสริม และ AIIR ในรพ.เล็ก เตรียมไว้ใช้กับคนไข้วัณโรค หรือโรคที่ติดต่อทางอากาศอื่น ๆ แต่ส่วนใหญ่ไม่มีเครื่องมือในการดูแลผู้ป่วยวิกฤต ซึ่งถ้านับทั้งประเทศ จากข้อมูล coward เรามี AIIR 820 และ 2,246 เตียง รวมกันได้เพียง 3,066 เตียง (แต่วันนี้เรารายงานผู้ป่วยหนักทั้งที่ใส่และไม่ได้ใส่ท่อช่วยหายใจ 4,700+ ราย)

3. การปรับมาตรการ lockdown ในระยะต่อไปเพื่อช่วยเพิ่มประสิทธิผลในการลดการแพร่เชื้อในชุมชุน (2 ส.ค.-1ก.ย.64)

  • เร่งรัดเพิ่มเติมมาตรการตรวจและแยกโรคของผู้ติดเชื้อในครัวเรือนที่ครอบคลุมและทันเวลา รวมทั้งการพิจารณาเริ่มการรักษาทั้งครัวเรือนหากไม่สามารถแยกผู้ติดเชื้อออกจากครัวเรือนได้ เนื่องจากมาตรการ lockdown มุ่งเน้นการลดการแพร่เชื้อที่สาธารณะ (community transmission) แต่อาจไม่ลดการแพร่เชื้อในครัวเรือน (household transmission) โดยพิจารณานโยบายเพิ่มเติมเพื่อทำให้ประชากรกลุ่มเสี่ยงเข้าถึง Antigen test kit (ATK) อย่างสม่ำเสมอ (ตรวจซํ้าเพื่อลดผลลบลวง)ในพื้นที่ซึ่งมีความชุกโรคสูง และเริ่มมีปัญหาเรื่องการเข้าถึง RT-PCR test (เช่น กทม.และปริมณฑล) ร่วมกับพิจารณาคงการใช้ RT-PCR test ในพื้นที่ซึ่งยังมีความชุกของโรคตํ่า และไม่มีปัญหาเรื่องการเข้าถึง RT-PCR test
  • พิจารณาลดขนาดของพื้นที่ lockdown เพื่อจำกัดพื้นที่การระบาดให้แคบลง เช่น ปรับเป็นการจำกัดพื้นที่จากระดับจังหวัดเป็นระดับอำเภอหรือตำบล เนื่องจากการอนุญาตการเดินทางภายในจังหวัดอาจจะกว้างเกินไปสำหรับบางพื้นที่ เช่น กทม.
  • พิจารณาการบังคับใช้มาตรการ lockdown อย่างเข้มข้นมากขึ้น แต่บังคับใช้เพียงระยะเวลาจำกัดโดยหลีกเลี่ยงการสร้างความเข้าใจของประชาชนว่าภาครัฐอาจจะมีการต่อมาตรการออกไปเรื่อย ๆเนื่องจากประชาชนมีแนวโน้มที่จะลดความร่วมมือกับการทำตามมาตรการควบคุมโรคหากมีการบังคับใช้มาตรการเป็นเวลาต่อเนื่องยาวนาน (“fatigue of adherence”)

4. การปรับยุทธศาสตร์ระยะยาวหากประเทศไทยไม่สามารถกำจัดโรคโควิดแต่จำเป็นต้อง “อยู่กับโควิดให้ได้ในระยะยาว”

  • มุ่งเน้นการพัฒนานโยบายเพื่อสนับสนุน mitigation strategies และลดผลกระทบของการระบาด เช่น การเร่งรัดฉีดวัคซีนและการรักษาพยาบาลเพื่อลดอัตราตาย (โดยไม่สามารถกำจัดโรคให้หมดไป) รวมทั้งเพิ่มมาตรการเยียวยา เช่น การช่วยเหลือทางการเงิน การฟื้นฟูภาคธุรกิจ และการเยียวยาผู้ได้รับผลกระทบด้านสังคม
  • ปรับมาตรการเพื่อบริหารความเสี่ยงหากการระบาดของเชื้อสายพันธุ์ delta ในชุมชนและในครัวเรือนหากสามารถเกิดขึ้นได้ผ่านทางละลองฝอย (aerosol transmission/airborne transmission)
  • เร่งรัดมาตรการตรวจและแยกโรคของผู้ติดเชื้อในครัวเรือนที่ครอบคลุมและทันเวลา โดยเฉพาะการตรวจคัดกรองก่อนการทำกิจกรรมทางเศรษฐกิจ (เช่น โรงงาน การท่องเที่ยว การประชุม) หรือการตรวจคัดกรองก่อนการทำกิจกรรมทางสังคม (เช่น โรงเรียน)
  • หลังพ้นระยะวิกฤตแล้ว ควรเพิ่ม ICU capacity สำหรับผู้ป่วยโควิด โดยแยกออกจาก ICU capacity ที่ใช้สำหรับผู้ป่วยวิกฤตกลุ่มอื่น (ซึ่งปัจจุบันถูกดึงมาใช้เป็น surge capacity สำหรับผู้ป่วยโควิด)
  • พัฒนาระบบ “สัญญาณเตือนล่วงหน้า” (early warning sign) เพื่อสื่อสารให้ผู้กำหนดนโยบายและผู้มีส่วนได้เสีย เช่น ประชาชน ภาคธุรกิจ สามารถติดตามสถานการณ์และเข้าใจที่มาหรือความจำเป็นในการใช้มาตรการ lockdown เป็นครั้งคราวอย่างเข้มข้นในระยะเวลาจำกัดได้อย่างทันท่วงที โดยควรมีการพัฒนาสัญญาณเตือนล่วงหน้าของทั้งระดับประเทศและระดับพื้นที่ โดยที่การพัฒนาสัญญาณเตือนล่วงหน้าในระดับพื้นที่ จะช่วยให้สามารถตัดสินใจบังคับใช้มาตรการ lockdown เป็นเฉพาะแต่ละพื้นที่ได้
  • ตัวอย่างตัวชี้วัดซึ่งอาจนำมาใช้เป็นสัญญาณเตือนล่วงหน้า เช่น การสำรวจความชุกโรคในประชากรทั่วไป (seroprevalence surveys) หรืออัตราป่วย-ตาย (case-fatality rate) หรือขีดความสามารถในการรองรับผู้ป่วยหนักของหออภิบาลผู้ป่วยวิกฤต (ICU capacity) ซึ่งคงไม่มีเกณฑ์ตายตัวในการพิจารณาว่าจะเพิ่มหรือลดความเข้มข้นการบังคับใช้มาตรการ lockdown โดยการพิจารณาสัญญาณเตือนล่วงหน้า แต่การตัดสินใจเรื่องนี้น่าจะเป็นประเด็นพิจารณาเชิงนโยบาย ตัวอย่างเช่น
      1. เราควรเพิ่มความเข้มข้นการบังคับใช้มาตรการ lockdown เมื่อเรามีผู้ป่วยหนักล้นโรงพยาบาลเกินกว่าศักยภาพของ ICU ที่มีอยู่ในระบบ หรือ “ICU overcapacity” (น่าจะช้าเกินไป)
      2. เราควรเพิ่มความเข้มข้นการบังคับใช้มาตรการ lockdown เมื่อจำนวนผู้ติดเชื้อใหม่มากกว่าความสามารถของทีมสอบสวนโรคในพื้นที่นั้น หรือ “TTI overcapacity” (น่าจะเป็นนโยบายเชิงรุกมากขึ้น)
      3. เราควรเพิ่มความเข้มข้นการบังคับใช้มาตรการ lockdown เมื่อการตรวจเชิงรุกหรือการตรวจเพื่อเฝ้าระวัง (เช่น positive rate of COVID-19 ในผู้ป่วยนัดผ่าตัดที่ไม่มีความเสี่ยงสัมผัสเชื้อโควิด) เริ่มแสดงให้เราเห็นว่าความชุกของโรคโควิดในประชากรทั่วไปเริ่มมีแนวโน้มสูงขึ้น หรือ “rising seroprevalene” (น่าจะเป็นนโยบายเชิงรุกมากที่สุด)

สมมติฐานของแบบจำลองการระบาดของ COVID-19 ในประเทศไทย

Model Parameters

  1. ศึกษาระดับประเทศ จำนวนประชากรกลุ่มเสี่ยง ~65,000,000 คน, ผู้ติดเชื้อเริ่มต้น= 5,000 คน (28 ก.พ.64)
  2. ระยะเวลาฟักตัวโดยเฉลี่ย (ตั้งแต่ติดเชื้อถึงแสดงอาการ) = 5.2 วัน
    ระยะเวลาแพร่เชื้อโดยเฉลี่ย = 7 วัน (1 วันก่อนแสดงอาการ, 6 วันหลังแสดงอาการ)
    ระยะเวลาฟื้นตัวโดยเฉลี่ยกรณีไม่ได้รับไว้รักษาในรพ. = 7 วัน (ตั้งแต่แสดงอาการถึงไม่มีอาการ)
  3. Basic reproduction number (R0) ในเดือนมี.ค. = 1.05 (เฉลี่ยทั้งประเทศ)
    Delta strain = เริ่มเพิ่ม transmission ~25% ตั้งแต่ 1 มิ.ย.64 และเพิ่ม transmission อีก ~20% ตั้งแต่ 1 ก.ค.64
    • SSE จากคลัสเตอร์สถานบันเทิง เริ่มมีผลต่อการระบาดตั้งแต่ 20 เม.ย.64 = เพิ่ม transmission 330%
    • ข้อกำหนดพ.ร.ก.ฉุกเฉินฉบับที่ 19 เริ่มมีผลตั้งแต่ 10 เม.ย.64 = ลด transmission 60%
    • ข้อกำหนดพ.ร.ก.ฉุกเฉินฉบับที่ 20 เริ่มมีผลตั้งแต่ 18 เม.ย.64 = ลด transmission 1%
    • ข้อกำหนดพ.ร.ก.ฉุกเฉินฉบับที่ 22 เริ่มมีผลตั้งแต่ 1 พ.ค.64 = ลด transmission 5%
    • ข้อกำหนดพ.ร.ก.ฉุกเฉินฉบับที่ 23 เริ่มมีผลตั้งแต่ 17 พ.ค.64 = เพิ่ม transmission 1%
    • ข้อกำหนดพ.ร.ก.ฉุกเฉินฉบับที่ 24 เริ่มมีผลตั้งแต่ 21 มิ.ย.64 = เพิ่ม transmission 19%
    • ข้อกำหนดพ.ร.ก.ฉุกเฉินฉบับที่ 25 เริ่มมีผลตั้งแต่ 28 มิ.ย.64 = ลด transmission 18%
    • ข้อกำหนดพ.ร.ก.ฉุกเฉินฉบับที่ 27 เริ่มมีผลตั้งแต่ 12 ก.ค.64 (lockdown#1) = ลด transmission 5%
    • ข้อกำหนดพ.ร.ก.ฉุกเฉินฉบับที่ 28 เริ่มมีผลตั้งแต่ 20 ก.ค.64 (lockdown#2) = ลด transmission 7%
  4. ผู้สัมผัสเชื้อที่ติดเชื้อ (แม้ว่าจะยังไม่ได้รับการตรวจยืนยันว่าติดเชื้อ):
    • 65% พัฒนาเป็น asymptomatic infections (ต้องการ admission ใน hospital, field hospital, hospital)
    • 31% พัฒนาเป็น mild/moderate symptomatic infections (ต้องการ hospital admission)
    • 4% พัฒนาเป็น severe/critical symptomatic infections (ต้องการ ICU/AIIR และมีโอกาสเสียชีวิต)
    • Case fatality rate ก่อนเม.ย.64 = 0.05% ตั้งแต่ 1 เม.ย.64 = 0.2%
  5. ระยะเวลาตั้งแต่แสดงอาการถึงกลับบ้านหรือเสียชีวิต
    • ระยะเวลาฟื้นตัวโดยเฉลี่ยตามธรรมชาติหรือระยะแพร่เชื้อ = 7 วัน
    • ระยะเวลาฟื้นตัวกรณีรับไว้รักษาในรพ. = 14 วัน
    • ระยะเวลาฟื้นตัวกรณีรับไว้รักษาใน ICU = 21 วัน + พักฟื้นต่อในรพ. = 14 วัน
  6. ความสามารถของ outbreak investigator teams:
    • ศักยภาพในการตรวจ 81,700 test/day
    • สามารถทำ contact tracing ได้ 65% ในกลุ่ม asymptomatic infection และมี lag time ในการแพร่เชื้อในชุมชนก่อน
    เข้า isolation ได้ 1-3 วัน
    • สามารถทำ contact tracing ได้ครบ 100% ในกลุ่ม symptomatic infection แต่มี lag time ในการแพร่เชื้อในชุมชน
    ก่อนเข้า isolation ได้ 5 วัน

 

Policy Effectiveness Parameters

  1. Pub/bar and restaurant close ≈ 25% of transmission reduction
  2. Mask and personal hygiene ≈ 20% of transmission reduction
  3. Asking people to stay home ≈ 20% of transmission reduction
  4. Physical distancing behaviors ≈ 10% of transmission reduction
  5. Bans of mass gathering (incl. department stores) ≈ 15% of transmission reduction
  6. Schools and universities close ≈ 15% of transmission reduction
  7. Curfew from 10PM - 4AM ≈ 5% of transmission reduction

งานวิจัยพัฒนาแบบจำลองสถานการณ์ที่อยู่ในระหว่างดำเนินการของทีมวิจัย (What's next)

  1. การคาดการณ์ผลของนโยบาย เร่งรัดการฉีดวัคซีนในประชากรกลุ่มต่างๆในครึ่งปีหลังของปี 2564
  2. การพิจารณาผลลัพธ์ของ testing capacity & isolation capacity ที่อาจจะปรับตามความชุกของโรคในกลุ่มประชากรทั่วไป (seroprevalence) ที่เพิ่มขึ้น
  3. การคาดการณ์ผลลัพธ์ของผลลบลวง (false negative) ในการตรวจด้วย ATK ในกลุ่มผู้ติดเชื้อไม่มีอาการ
  4. การปรับข้อมูลให้เป็นมาตรฐาน (calibration) เรื่อง จำนวนผู้ติดเชื้อใหม่ โดยพิจารณาเรื่อง underreporting
  5. การปรับข้อมูลให้เป็นมาตรฐาน (calibration) เกี่ยวกับข้อมูลผู้ติดเชื้อที่รับไว้รักษาในรพ. โดยพิจารณาแยกผู้ป่วยใน CI, HI, Field hospital รวมทั้งแยกจำนวนผู้ป่วยวิกฤต critical care (ที่ต้องใส่ท่อช่วยหายใจ) ออกจากผู้ป่วยใน ICU ทั้งหมด

คณะทำงานแบบจำลองระบบบูรณาการเพื่อแก้ไขปัญหา COVID-19

1. รศ.ดร.นพ.บวรศม ลีระพันธ์ คณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล
2. ดร.นพ.ระพีพงศ์ สุพรรณไชยมาตย์ กรมควบคุมโรค และ International Health Policy Program
3. ผศ.ดร.พาส์น ฑีฆทรัพย์ มหาวิทยาลัยนานาชาติสแตมฟอร์ด
4. ดร.นพ.ปณิธี ธัมมวิจยะ กรมควบคุมโรค กระทรวงสาธารณสุข
5. ดร.นพ.วรสิทธิ์ ศรศรีวิชัย มูลนิธิสุขภาพภาคใต้ และสถาบันนโยบายสาธารณะ มหาวิทยาลัยสงขลานครินทร์
6. ผศ.พญ.ปฐมพร ศิรประภาศิริ สำนักงานปลัดกระทรวงสาธารณสุข
7. นพ.ขวัญประชา เชียงไชยสกุลไทย International Health Policy Program
8. ทพญ.วรารัตน์ ใจชื่น สำนักงานปลัดกระทรวงสาธารณสุข
9. นพ.ภาณุวิชญ์ แก้วกำจรชัย คณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล
10. น.ส.แพรวนภา พันธุ์สวาสดิ์ คณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล