Dancing around the R0
25 มีนาคม 2563
โดย ผู้ช่วยศาสตราจารย์ นายแพทย์บวรศม ลีระพันธ์
สาขาวิชาการจัดการระบบสุขภาพ ภาควิชาเวชศาสตร์ชุมชน
คณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล
1. R0 คืออะไร?
ค่า “R0” (อ่านว่า “อาร์นอท” หรือ “อาร์ศูนย์”) หรือ basic reproductive number คือค่าเฉลี่ยที่ผู้ติดเชื้อหนึ่งคนจะแพร่เชื้อให้แก่คนอื่นกี่คนที่ยังไม่มีภูมิคุ้มกันโรค
ตอนนี้เรากำลังลุ้นจำนวนผู้ติดเชื้อ COVID-19 ในประเทศไทยว่าจะเพิ่มขึ้นเร็วสักเท่าไหร่? เนื่องจากตัวเลขที่เพิ่มขึ้นด้วยอัตราเร่งที่เร็วมากในช่วงสัปดาห์ที่ผ่านมา (R0 เฉลี่ยทั้งประเทศน่าจะประมาณ 2.2-2.3 หรืออาจจะเกิน 4.0 ถ้าคิดเฉพาะคนในกทม.) ถ้าเราโชคดีกราฟที่ชันขึ้นอาจเป็นเพียงผลจากการติดเชื้อแบบกลุ่มที่สนามมวยและผับบาร์ (ซึ่งหวังว่าจะได้รับการติดตามตรวจและกักโรคไปเกือบหมดแล้ว) เราอาจจะกลับมาที่วงจรการติดเชื้อในประเทศไทยที่มี R0=1.8 หรือต่ำกว่านั้นได้ในอีกไม่กี่วัน
source: Popular Science
แต่ถ้าโชคร้ายควบคุมการติดเชื้อแบบกลุ่มไม่ได้ (และอาจหลุดจากกทม.ไปทั่วประเทศแบบไม่ได้คาดไว้ล่วงหน้าเพราะหลายคนเดินทางกลับบ้านต่างจังหวัดในช่วงนี้) ก็ต้องหวังว่ามาตรการเข้มข้นระยะสั้น เช่น การปิดสถานประกอบการหรือการให้ประชาชนอยู่บ้าน อาจจะได้ผลทำให้ดึง R0 กลับลงมาต่ำกว่า 1.0 ซึ่งเป็นเป้าหมายในการควบคุมโรคโดยทั่วไป
The dynamics of epidemic (Susceptible, Exposed, Infectious, Recovered: SEIR Model)
2. เป้าหมายการทำงานคือการลด R0?
เป้าหมายการควบคุมโรค COVID-19 ไม่ใช่เพียงแค่หยุดการระบาด แต่เรายังมีเป้าหมายในการป้องกันการเสียชีวิตจากจำนวนผู้ป่วยวิกฤตที่กำลังจะล้น ICU ด้วย
มาตรการเข้มข้นในระยะสั้นมีความสำคัญมาก ผลการศึกษาจากแบบจำลองสถานการณ์ในฉากทัศน์ที่เลวร้ายที่สุดที่เป็นไปได้ในไทย (“reasonable worst case scenario”) คาดการณ์ว่าที่ R0=1.8 เราจะพบว่าจำนวนผู้ป่วยวิกฤตจาก COVID-19 ในประเทศไทยจะล้น ICU ในอีกไม่กี่เดือน
หรือถ้าเราทำมาตรการเพิ่มระยะห่างทางสังคม (social distancing) กันแบบไม่จริงจัง อาจจะลด R0 จาก 1.8 ลงมาเป็นประมาณ 1.5 เราอาจเลื่อน peak ของการติดเชื้อจากกลางปีนี้ออกไปปีหน้า แต่จำนวนผู้ป่วยวิกฤตในตอนนั้นก็ยังจะล้น ICU ที่มีอยู่ในระบบประมาณ 8,500 units อยู่ดี (ซึ่งยังต้องแบ่งกับคนไข้โรคอื่นที่ต้องใช้ ICU อยู่แล้วด้วย)
ยิ่งไปกว่านั้น ถ้าหากเราเตรียมการได้ไม่ดีพอ เราอาจมีจำนวนผู้เสียชีวิตมากกว่ากรณีเลวร้ายที่เคยคาดการณ์กันไว้ด้วยเหตุผลเพิ่มเติมอีก 2 ข้อ คือ 1) ทรัพยากรทางการแพทย์ เช่น personal protective equipment (PPE) ที่ยังขาดแคลน อาจทำให้มีโอกาสสูงที่บุคลากรทางการแพทย์จะติดเชื้อเสียเอง ซึ่งอาจจะทำให้ขีดความสามารถในการดูแลรักษาผู้ป่วยวิกฤตลดลง 2)ในช่วงที่มีผู้ติดเชื้อใหม่จำนวนใหม่จำนวนมาก อาจเกินขีดจำกัดของการตรวจวินิจฉัยและทำให้การแยกผู้ติดเชื้อ (isolation) ได้ในสัดส่วนที่น้อยลง ซึ่งก็จะทำให้ยังคงมีการแพร่เชื้อในชุมชน เพิ่มจำนวนผู้ป่วยมากขึ้น เป็นวงจรอุบาทว์ซ้ำเติมระบบบริการสุขภาพเข้าไปอีก
(ร่าง) SEIR Model Silmulator โดย “คณะทำงานเพื่อพัฒนาแบบจำลอ
งระบบการแก้ไขปัญหา covid-19″ (มี.ค.63)
3. ซื้อเวลาเพื่อเพิ่มศักยภาพในการควบคุมโรค?
ข่าวร้ายคือ เมื่อจบมาตรการเข้มข้นในระยะสั้นโอกาสที่โรคจะกลับมาระบาดใหม่ก็ยังคงมีอยู่ แต่ถ้าหากเราได้ใช้เวลาที่มีค่าระหว่างการรอดูผลของมาตรการเข้มข้นในช่วงสองสามสัปดาห์นี้ ระดมกำลังทุกภาคส่วนช่วยกันเตรียมทรัพยากรสำหรับการใช้มาตรการเพิ่มเติมอื่นๆ เพื่อให้เราสามารถจัดการกด R0 ให้ลดลงต่ำกว่า 1.0 ได้ โดยไม่จำเป็นต้องใช้มาตรการเข้มข้นตลอดเวลา
มาตรการเพิ่มเติมที่สำคัญคือการเพิ่มขีดความสามารถในการตรวจโรค (test) ซึ่งนอกจากเพื่อเพิ่มการวินิจฉัยโรคและการรักษาผู้ป่วยแล้ว ยังมีความสำคัญมากในการช่วยระบุกลุ่มเสี่ยงเพื่อตามรอยการแพร่เชื้อ (trace) เพื่อนำไปสู่ทั้งการแยกผู้ติดเชื้อออกจากสังคมชั่วคราว (isolation) และดึงผู้มีความเสี่ยงในการติดเชื้อออกจากวงจรการแพร่เชื้อ (quarantine)
มีคำถามอีกมากที่เรายังไม่รู้คำตอบ เช่น มาตรการรักษาระยะห่างทางสังคมในรูปแบบต่างๆ มีผลจริงต่อการลดการแพร่กระจายการติดเชื้อในบริบทสังคมไทยได้มากน้อยเพียงใด? (ผลลัพธ์อาจแตกต่างกันระหว่างสังคมเมืองและสังคมชนบท) ที่ผ่านมาเราได้ตรวจเพื่อค้นหาผู้ติดเชื้อมากพอหรือไม่? (เราอาจมีผู้ติดเชื้อในประเทศที่ไม่แสดงอาการมากกว่าที่คิด) สรุปว่า ถึงตอนนี้เรายังไม่รู้ว่าแต่ละมาตรการช่วยลด R0 ได้เท่าไหร่?
ดังนั้น การพัฒนานวัตกรรมที่หลายคนอยากช่วยกันทำเพื่อสู้ภัย COVID-19 ในระยะนี้ จึงควรมุ่งเน้นการแสวงหาวิธีการใหม่ๆ ที่พิสูจน์ได้ว่าลด R0 ได้จริงในบริบทไทยๆ ในระยะยาว เช่น ระบบจ้างงานแบบใหม่ที่ตอบโจทย์ social distancing หรือ digital solutions ที่จะช่วยตามรอยการแพร่เชื้อและดึงคนที่มีความเสี่ยงเข้ามาตรวจและกักโรค หรือแม้แต่วิธีการแยกผู้ติดเชื้อที่ทำได้จริงโดยที่ผู้ถูกกักโรคในทุกเศรษฐสถานะไม่เดือดร้อนจนเกินไป เป็นต้น
Source: Thomas Pueyo’s Hammering and Dancing