Dancing around the R0

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 “คณะทำงานเพื่อพัฒนาแบบจำลองระบบการแก้ไขปัญหา 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