Nghiên Cứu Mô Hình Dự Báo Dịch Tả Qua Khai Phá Dữ Liệu Và Phân Tích Không Gian

Mô hình dự báo dịch bệnh là một lĩnh vực nghiên cứu quan trọng trong y tế công cộng. 124 trang · Trường Đại Học Y Hà Nội · 2023.

• Trường học: Trường Đại Học Y Hà Nội
• Chuyên ngành: Y Tế
• Đề tài: Mô Hình Dự Báo Dịch Tả Bằng Khai Phá Dữ Liệu Và Công Nghệ GIS
• Loại tài liệu: luận án
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ CÁC MÔ HÌNH DỰ BÁO DỊCH BỆNH
• 1.1. Khái niệm và thuật ngữ
• 1.1.1. Khái niệm
• 1.1.2. Một số thuật ngữ liên quan
• 1.2. Tổng quan về dự báo dịch bệnh và các mô hình dự báo hiện có
• 1.2.1. Một số mô hình dự báo dịch bệnh
• 1.2.1.1. Mô hình dịch tễ học toán học
• 2. CHƯƠNG 2: ĐỀ XUẤT MÔ HÌNH DỰ BÁO DỊCH TẢ DỰA TRÊN KHAI PHÁ LUẬT KẾT HỢP VÀ HỌC MÁY HỒI QUI, PHÂN LỚP
• 3. CHƯƠNG 3: ĐỀ XUẤT MÔ HÌNH DỰ BÁO NGẮN HẠN – ĐÁNH GIÁ ĐỘ ẢNH HƯỞNG CỦA CÁC YẾU TỐ KHÍ HẬU VÀ ĐỊA LÝ TỚI DỊCH TẢ TẠI HÀ NỘI
• 4. CHƯƠNG 4: ĐỀ XUẤT MÔ HÌNH DỰ BÁO DỊCH TẢ TRÊN ĐỊA BÀN TP. HÀ NỘI CÓ XEM XÉT ĐẾN ẢNH HƯỞNG CỦA BIẾN ĐỔI KHÍ HẬU TRÊN CƠ SỞ ỨNG DỤNG CÁC KỸ THUẬT PHÂN TÍCH KHÔNG GIAN DỰA TRÊN CÔNG NGHỆ GIS
• KẾT LUẬN

Tóm tắt

I. Tổng quan về mô hình dự báo dịch bệnh

Mô hình dự báo dịch bệnh là một lĩnh vực nghiên cứu quan trọng trong y tế công cộng. Dự báo dịch tả là một trong những ứng dụng điển hình của mô hình này. Việc khai phá dữ liệu và ứng dụng công nghệ GIS đã mở ra nhiều cơ hội mới cho việc dự báo và quản lý dịch bệnh. Các mô hình dự báo thường dựa trên các phương pháp thống kê và toán học, giúp xác định xu hướng và dự đoán sự bùng phát của dịch bệnh. Mô hình dịch tễ học toán học, như mô hình SIR, là một trong những phương pháp phổ biến nhất. Mô hình này chia quần thể thành ba trạng thái: dễ bị nhiễm, nhiễm bệnh và đã hồi phục. Việc phân tích các yếu tố ảnh hưởng như khí hậu, môi trường và hành vi xã hội là rất cần thiết để nâng cao độ chính xác của mô hình dự báo.

1.1. Khái niệm và thuật ngữ

Dự báo là một quá trình phân tích khoa học nhằm tiên đoán các sự kiện trong tương lai dựa trên dữ liệu đã thu thập. Các thuật ngữ như dự báo, dự đoán và dự báo xu hướng thường được sử dụng trong lĩnh vực này. Dự báo có thể được thực hiện thông qua các mô hình toán học hoặc dự đoán chủ quan. Việc phân tích dữ liệu là một phần quan trọng trong quá trình này, giúp xác định các mẫu và xu hướng trong dữ liệu. Mô hình hóa giúp hiểu rõ hơn về các hiện tượng và tương tác giữa các thành phần trong hệ thống.

1.2. Các mô hình dự báo dịch bệnh hiện có

Có nhiều mô hình dự báo dịch bệnh đã được phát triển, trong đó mô hình dịch tễ học toán học là một trong những mô hình cơ bản nhất. Mô hình này giúp phân tích sự lan truyền của dịch bệnh trong quần thể. Các mô hình khác như mô hình hồi quy và mô hình phân lớp cũng được sử dụng để dự đoán sự bùng phát dịch bệnh. Việc kết hợp giữa khai phá dữ liệu và công nghệ GIS đã tạo ra những mô hình dự báo hiệu quả hơn, giúp các nhà quản lý y tế có thể đưa ra quyết định kịp thời và chính xác hơn trong việc kiểm soát dịch bệnh.

II. Phân tích dữ liệu và ứng dụng công nghệ GIS

Công nghệ GIS đóng vai trò quan trọng trong việc phân tích không gian và thời gian của dịch bệnh. Việc tích hợp dữ liệu không gian với dữ liệu thuộc tính giúp nâng cao khả năng dự đoán và quản lý dịch bệnh. Phân tích không gian cho phép các nhà nghiên cứu xác định các khu vực có nguy cơ cao và theo dõi sự lan truyền của dịch bệnh theo thời gian. Sự kết hợp giữa khai phá dữ liệu và công nghệ GIS không chỉ giúp cải thiện độ chính xác của mô hình dự báo mà còn cung cấp cái nhìn tổng quan về tình hình dịch bệnh trong cộng đồng.

2.1. Tích hợp dữ liệu không gian và thời gian

Việc tích hợp dữ liệu không gian và thời gian là một yếu tố quan trọng trong mô hình dự báo dịch bệnh. Dữ liệu không gian giúp xác định vị trí và phân bố của dịch bệnh, trong khi dữ liệu thời gian cho phép theo dõi sự thay đổi theo thời gian. Sự kết hợp này giúp các nhà nghiên cứu có thể phát hiện sớm các xu hướng và mô hình lan truyền của dịch bệnh, từ đó đưa ra các biện pháp can thiệp kịp thời. Công nghệ GIS cung cấp các công cụ mạnh mẽ để phân tích và trực quan hóa dữ liệu, giúp nâng cao khả năng ra quyết định trong quản lý dịch bệnh.

2.2. Ứng dụng công nghệ GIS trong dự báo dịch bệnh

Công nghệ GIS đã được ứng dụng rộng rãi trong nghiên cứu và quản lý dịch bệnh. Việc sử dụng GIS cho phép các nhà nghiên cứu phân tích các yếu tố môi trường, khí hậu và xã hội ảnh hưởng đến sự bùng phát dịch bệnh. Các mô hình GIS có thể giúp xác định các khu vực có nguy cơ cao và theo dõi sự lan truyền của dịch bệnh theo thời gian. Điều này không chỉ giúp cải thiện độ chính xác của dự báo mà còn hỗ trợ các nhà quản lý y tế trong việc lập kế hoạch và triển khai các biện pháp phòng ngừa hiệu quả.

III. Kết luận và triển vọng nghiên cứu

Mô hình dự báo dịch tả bằng khai phá dữ liệu và công nghệ GIS là một lĩnh vực nghiên cứu đầy tiềm năng. Việc áp dụng các kỹ thuật mới trong dự báo dịch bệnh không chỉ giúp nâng cao độ chính xác mà còn tạo ra những công cụ hữu ích cho các nhà quản lý y tế. Nhu cầu về các mô hình dự báo hiệu quả ngày càng tăng, đặc biệt trong bối cảnh biến đổi khí hậu và sự gia tăng của các bệnh dịch mới. Nghiên cứu sâu hơn về các yếu tố ảnh hưởng đến dịch bệnh và cải thiện các mô hình dự báo sẽ là hướng đi quan trọng trong tương lai.

3.1. Đề xuất hướng nghiên cứu tiếp theo

Các nghiên cứu tiếp theo nên tập trung vào việc cải thiện các mô hình dự báo bằng cách kết hợp nhiều nguồn dữ liệu khác nhau, bao gồm dữ liệu khí hậu, môi trường và hành vi xã hội. Việc phát triển các mô hình dự báo tích hợp sẽ giúp nâng cao khả năng dự đoán và quản lý dịch bệnh. Ngoài ra, cần có sự hợp tác giữa các nhà nghiên cứu, cơ quan y tế và cộng đồng để xây dựng các chương trình giám sát và phòng ngừa dịch bệnh hiệu quả hơn.

3.2. Tầm quan trọng của việc ứng dụng mô hình dự báo

Việc ứng dụng mô hình dự báo trong thực tiễn có ý nghĩa rất lớn trong việc bảo vệ sức khỏe cộng đồng. Các mô hình dự báo giúp các nhà quản lý y tế có thể đưa ra các quyết định kịp thời và chính xác, từ đó giảm thiểu nguy cơ bùng phát dịch bệnh. Sự kết hợp giữa khai phá dữ liệu và công nghệ GIS sẽ tiếp tục đóng vai trò quan trọng trong việc phát triển các mô hình dự báo hiệu quả, góp phần nâng cao chất lượng chăm sóc sức khỏe cho cộng đồng.

Nội dung chính

Tổng quan luận án

Dự báo dịch bệnh trong lĩnh vực y tế và chăm sóc sức khỏe là một công cụ hỗ trợ công tác lập kế hoạch, quản lý và hoạch định chính sách. Nhằm ngăn chặn sự bùng phát và lây lan của các bệnh truyền nhiễm, việc xây dựng các mô hình dự báo sớm dựa trên các kỹ thuật khai phá dữ liệu và học máy đang có xu hướng được áp dụng rộng rãi. Phương pháp này có khả năng giải quyết tính phức tạp của bài toán dự báo dịch bệnh với chi phí thấp trong bối cảnh các nghiên cứu thường bị hạn chế về thời gian và nguồn lực.

Tại Việt Nam, ứng dụng khai phá dữ liệu và học máy trong dự báo dịch bệnh vẫn là một lĩnh vực non trẻ. Số lượng chuyên gia cũng như các công trình nghiên cứu ứng dụng phương pháp dự báo trong y tế còn hạn chế, trong khi nhu cầu về bằng chứng khoa học phục vụ xây dựng chính sách ngày càng gia tăng. Dưới tác động của biến đổi khí hậu, môi trường và các yếu tố xã hội, nhiều bệnh dịch truyền nhiễm từng được kiểm soát nay có xu hướng tái xuất hiện hoặc phát sinh mới. Do đó, việc xác định nguyên nhân dịch bệnh không chỉ dừng lại ở căn nguyên vi sinh vật mà cần mở rộng sang các yếu tố tự nhiên, xã hội và sinh học. Sự lan truyền của dịch bệnh có mối liên hệ mật thiết với tính lân cận về không gian, thời gian và các yếu tố khí hậu. Tuy nhiên, các nghiên cứu dự báo dịch bệnh tại Việt Nam trước đây chủ yếu tập trung vào chuỗi thời gian đơn lẻ hoặc sử dụng hệ thống thông tin địa lý (GIS) ở mức độ trực quan hóa bản đồ, chưa xây dựng được mô hình tích hợp đa ngành phản ánh đồng thời các mối quan hệ không gian, thời gian và khí hậu. Luận án lựa chọn giải quyết khoảng trống này thông qua trường hợp nghiên cứu cụ thể là dịch tả trên địa bàn thành phố Hà Nội.

Mục tiêu nghiên cứu của luận án được xác định như sau:

• Mục tiêu tổng quát: Nghiên cứu hệ thống hóa cơ sở khoa học trong dự báo, ứng dụng các kỹ thuật khai phá dữ liệu và học máy trong dự báo làm cơ sở xây dựng mô hình dự báo dịch bệnh có sự kết hợp dữ liệu không gian, thời gian và khí hậu.
• Mục tiêu cụ thể:
  1. Nghiên cứu tổng quan, lựa chọn phương pháp thích hợp trong dự báo dịch tả;
  2. Mô hình hóa các yếu tố khí hậu ảnh hưởng đến dịch tả;
  3. Xây dựng mô hình tích hợp dữ liệu thời gian, không gian địa lý lân cận trong GIS và dữ liệu khí hậu để dự báo dịch tả tại Hà Nội;
  4. Đề xuất ứng dụng mô hình dự báo trong thực tiễn.

Đối tượng nghiên cứu của luận án bao gồm các tập dữ liệu thực nghiệm (dữ liệu dịch tả, dữ liệu khí hậu - thời tiết, dữ liệu thủy văn, dữ liệu địa lý hành chính Hà Nội, dữ liệu chỉ số dao động phía Nam - SOI) cùng các thuật toán khai phá dữ liệu, học máy thống kê (khai phá luật kết hợp Apriori, hồi quy tuyến tính, cây quyết định, rừng ngẫu nhiên, máy vector hỗ trợ SVM, Naïve Bayes) và các kỹ thuật phân tích không gian trong GIS (nội suy IDW, phân tích điểm nóng Getis-Ord Gi*, hồi quy OLS, hồi quy trọng số không gian GWR).

Phạm vi nghiên cứu được xác lập như sau:

• Phạm vi không gian: Toàn bộ địa bàn thành phố Hà Nội với diện tích 3.328,9 km², quy mô 29 quận/huyện, mật độ dân số 2.013 người/km² (theo số liệu thống kê năm 2011 được trích dẫn trong văn bản).
• Phạm vi thời gian: Giai đoạn từ ngày 01/01/2001 đến ngày 31/12/2012 đối với dữ liệu ca bệnh tả, dữ liệu khí tượng và dữ liệu chỉ số SOI; số liệu mực nước sông được thu thập trong các khung thời gian từ năm 1960 đến năm 2013 tùy theo trạm đo.

Luận án thiết lập 4 giả thiết nghiên cứu cơ bản:

1. Bệnh dịch xảy ra trong một khoảng thời gian đủ ngắn để đảm bảo lượng dân số luôn ổn định.
2. Chu kỳ ủ bệnh không đáng kể.
3. Các yếu tố xã hội và hành vi - thói quen ăn uống trong cộng đồng, sự can thiệp của các chương trình y tế được coi là không đáng kể.
4. Người nhiễm bệnh đã hết bệnh thì không còn khả năng nhiễm bệnh trong cùng một khoảng thời gian dự báo.

---

Tổng quan tài liệu và vị trí của luận án

Luận án đã tiến hành tổng thuật các công trình nghiên cứu trong nước và quốc tế theo ba nhóm tiếp cận chính:

1. Nhóm mô hình dịch tễ học toán học

Các nghiên cứu truyền thống về lan truyền dịch bệnh dựa trên mô hình dịch tễ học toán học ngăn chia (compartment models), tiêu biểu là mô hình SIR của Fred Brauer và cộng sự [24], Kermack và McKendrick [35]. Quần thể $N$ ($N = S + I + R$) được chia thành ba ngăn: Dễ nhiễm ($S$), Nhiễm bệnh ($I$), và Hồi phục ($R$). Mô hình mô tả động lực học qua hệ phương trình vi phân: $$\frac{dS}{dt} = -\beta S I$$ $$\frac{dI}{dt} = \beta S I - \gamma I$$ với $\beta$ là tốc độ truyền nhiễm, $\gamma$ là tỷ lệ hồi phục và $R_0 = \frac{\beta N}{\gamma}$ là hệ số tái nhiễm cơ bản. Do chưa có nghiệm giải tích chính xác cho $I(t)$, các phương pháp xấp xỉ vi phân sai phân như phương pháp Euler được sử dụng: $$S(t+\Delta t) = S(t) - \beta S(t) I(t) \Delta t$$ $$I(t+\Delta t) = I(t) + \beta S(t) I(t) \Delta t - \gamma I(t) \Delta t$$ Đối với dịch tả, Jin Wang và Shu Liao [96] (2012) đề xuất mô hình 4 ngăn kết hợp thành phần môi trường $B$ (nồng độ khuẩn tả Vibrio cholerae trong nước): $$\frac{dS}{dt} = bN - S f(I, B) - bS$$ $$\frac{dI}{dt} = S f(I, B) - (\gamma + b) I$$ $$\frac{dR}{dt} = \gamma I - bR$$ $$\frac{dB}{dt} = h(I, B)$$ với $b$ là tỷ lệ sinh/tử tự nhiên, $f(I, B)$ là hàm tỷ lệ mắc bệnh và $h(I, B)$ mô tả biến thiên tác nhân gây bệnh trong môi trường. Các mở rộng khác bổ sung ngăn ủ bệnh ($L$) hoặc điều trị ($T$) [13], [37], [49], [66], [83], [92].

2. Nhóm mô hình khai phá dữ liệu và học máy

• Yujuan Yue và cộng sự [102]: Nghiên cứu tác động của các yếu tố khí hậu (nhiệt độ nước, pH, nhiệt độ mặt đất, lượng mưa, khí áp, độ ẩm, số giờ nắng, tốc độ gió) tới tỷ lệ dương tính với V. cholerae tại 24 điểm lấy mẫu ($Z_1 - Z_{24}$) thuộc khu vực cửa sông Châu Giang, Trung Quốc giai đoạn 2008–2009. Mô hình mô tả sự trao đổi nồng độ vi khuẩn giữa ô lưới $(i, j)$ với 8 ô lân cận theo các hệ số $t_1$ (nhiệt độ nước), $m$ (chuyển giao ô lân cận) và $d$ (chuyển giao đường chéo) thông qua hồi quy tuyến tính.
• Martin Mabangiz và cộng sự [106]: Ứng dụng kỹ thuật học máy với thuật toán Bayes để dự báo nguy cơ bùng phát dịch tả theo chuỗi thời gian tại các vùng khác nhau ở Uganda.
• Chunara và cộng sự [79]: Xây dựng mô hình cảnh báo sớm dịch tả trong 100 ngày (20/10/2010 – 28/01/2011) tại Haiti bằng cách tích hợp dữ liệu mạng xã hội Twitter, cổng thông tin HealthMap và số liệu chính thức của Bộ Y tế Haiti theo công thức $R_e = 1 + r T_c$ (với $T_c = 1/b$), phát hiện mức độ tương quan tối ưu ở độ trễ 1 ngày.
• Ramandeep Kaur và cộng sự [53]: Ánh xạ các thuật toán Cây quyết định, Naïve Bayes, Mạng nơ-ron, SVM, K-means và MAFIA để dự đoán bệnh trên dữ liệu y tế.
• Ali và cộng sự [58]: Phân tích dữ liệu dịch tả tại Matlab, Bangladesh (1988–2001) qua chuỗi thời gian, chứng minh tác động của nhiệt độ không khí và nhiệt độ bề mặt nước biển.
• Reiner và cộng sự [82]: Dự báo dịch tả trước 11 tháng tại Matlab (1995–2008) bằng mô hình chuỗi Markov đa chiều không đồng nhất (MDIMC), kết hợp chỉ số SOI và tình trạng ngập lụt.
• Xu Min và cộng sự [67]: Sử dụng mô hình MaxEnt phân tích tác động của lượng mưa, nhiệt độ, độ cao, khoảng cách tới bờ biển, độ ẩm và khí áp đến bệnh tả tại Trung Quốc (2001–2008).
• Nagabhushana Rao và cộng sự [81]: So sánh các thuật toán CHAID, C5.0, QUEST, Neural Net trên dữ liệu nhân khẩu học - y tế tại Ấn Độ, xác định CHAID là thuật toán đạt hiệu quả cao nhất.

3. Nhóm mô hình phân tích không gian (GIS)

• Osei và Duker [23] (2008), Osei và cộng sự [22-23] (2010): Sử dụng hồi quy không gian tại Kumasi, Ghana để chứng minh mối quan hệ giữa tỷ lệ mắc tả với mật độ bãi rác lộ thiên và cự ly tới các thủy vực ô nhiễm.
• Nkeki và Osirike [70] (2013): Sử dụng hồi quy trọng số không gian (GWR) và hồi quy bình phương nhỏ nhất (OLS) để phân tích liên hệ giữa dịch tả và nguồn cung cấp nước sinh hoạt tại Nigeria.
• Rasam và cộng sự [107] (2014): Ứng dụng GIS tại huyện Sabah, Malaysia, ghi nhận dịch tả có xu hướng phân cụm trong bán kính 1 km quanh ca bệnh, tập trung ở khu vực đông dân, điều kiện vệ sinh kém và vùng ven biển.
• Leckebusch và Abdussalam [43]: Kết hợp hồi quy đa biến từng bước (Stepwise multiple regression) và mô hình cộng tính tổng quát (GAM) tại Nigeria để đánh giá biến số khí tượng và kinh tế - xã hội.
• Tình hình nghiên cứu tại Việt Nam: Các ứng dụng GIS trong y tế được ghi nhận gồm "Hệ thống thông tin phòng chống thảm họa" của Nguyễn Hòa Bình triển khai tại 5 tỉnh thành; nghiên cứu dự báo sốt rét bằng viễn thám và GIS tại Bình Thuận (2002) của Nguyễn Ngọc Thạch [7]; nghiên cứu quản lý HIV/AIDS tại TP. Hồ Chí Minh [2], [3]. Các công trình nghiên cứu dịch tả miền Bắc giai đoạn 2007–2008 [19], [36], [71], [73] chủ yếu dừng lại ở thống kê dịch tễ học mô tả, chưa phân tích mối liên hệ không gian hoặc mô hình hóa dự báo kết hợp yếu tố khí hậu.

Nhóm mô hình	Ưu điểm	Nhược điểm
Mô hình dịch tễ học toán học (SIR và biến thể)	Lược bỏ các thành phần phức tạp, tập trung vào bản chất cơ chế lây nhiễm.	Khó xác định các tham số thực tế; đòi hỏi nhiều dữ liệu quan sát; khó triển khai đối với mô hình động khi giữa các lớp có sự tương tác qua lại.
Mô hình học máy và khai phá dữ liệu	Giải quyết bài toán với tập dữ liệu lớn; thu thập dữ liệu nhanh; phong phú về thuật toán; hỗ trợ mô phỏng.	Đòi hỏi kết hợp nhiều kiến thức liên ngành và nỗ lực phối hợp nhân lực; phụ thuộc chặt chẽ vào chất lượng dữ liệu.
Mô hình khác (mô hình dựa trên tác tử)	Dễ mã hóa bằng các ký hiệu biểu diễn tri thức.	Khó chuyển đổi thế giới thực thành các mô tả hình tượng chính xác và đầy đủ; tốn nhiều thời gian tính toán.

Khoảng trống nghiên cứu được luận án xác định là: Việt Nam còn thiếu các mô hình dự báo dịch tả kết hợp đa nguồn dữ liệu (dịch tễ, khí hậu, thủy văn, địa lý lân cận) có khả năng xử lý đồng thời tính tự tương quan không gian và tính biến thiên theo chuỗi thời gian.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

1. Khung lý thuyết và khái niệm

Luận án tiếp cận sự lan truyền dịch bệnh dưới góc độ quá trình kép: quá trình xã hội (lan truyền qua tiếp xúc mạng lưới giữa các cá nhân) và quá trình sinh học (sự tồn tại, nhân lên của vi khuẩn V. cholerae trong môi trường nước, đất, thực phẩm). Luận án phân biệt rõ các khái niệm:

• Dự báo (Forecast/Predict): Nhận biết giá trị chưa biết trong tương lai hoặc ngoài miền dữ liệu hiện có dựa trên phân tích khoa học dữ liệu quá khứ.
• Phân tích dự báo: Quá trình khám phá mẫu có ý nghĩa từ dữ liệu phục vụ dự báo giá trị liên tục (hồi quy) hoặc nhãn rời rạc (phân lớp).
• Đặc trưng dữ liệu không gian: Tính tự tương quan không gian (các đối tượng gần nhau có xu hướng giống nhau hơn các đối tượng ở xa) và tính không dừng không gian (mối quan hệ biến đổi theo vị trí địa lý).

2. Các phương pháp và kỹ thuật phân tích

Luận án sử dụng các phương pháp định lượng và khai phá dữ liệu:

a. Khai phá luật kết hợp (Association Rules)

Mô hình phát hiện tri thức dạng $X \rightarrow Y$ ($X \cap Y = \emptyset$), trong đó $X$ là tiền đề (LHS) và $Y$ là kết luận (RHS). Các độ đo thống kê gồm:

• Độ hỗ trợ (Support): $$\text{Supp}(X \rightarrow Y) = P(X \cup Y) = \frac{n(X \cup Y)}{N}$$
• Độ tin cậy (Confidence): $$\text{Conf}(X \rightarrow Y) = P(Y \mid X) = \frac{n(X \cup Y)}{n(X)}$$
• Độ chắc chắn thống kê (Lift): $$\text{Lift}(X \rightarrow Y) = \frac{\text{Supp}(X \cup Y)}{\text{Supp}(X) \times \text{Supp}(Y)}$$ Thuật toán Apriori gồm hai bước: sinh tập mục phổ biến thỏa mãn $\text{minsup}$ (thông qua hàm apriori-gen với bước nối và bước tỉa) và sinh luật tin cậy thỏa mãn $\text{minconf}$ bằng thủ tục ap-genrules.

b. Các kỹ thuật học máy hồi quy và phân lớp

• Hồi quy tuyến tính (Linear Regression - LM): $Y_t = a + bX$, ước lượng hệ số qua phương pháp bình phương cực tiểu, đánh giá qua hệ số tương quan $r \in [-1, 1]$.
• Cây quyết định (Decision Tree - DT): Phân hoạch dữ liệu đệ quy dựa trên độ lợi thông tin (Information Gain) để tạo các nút kiểm tra thuộc tính và nút lá chứa giá trị dự đoán.
• Rừng ngẫu nhiên (Random Forest - RF): Tập hợp nhiều cây quyết định độc lập được xây dựng qua kỹ thuật lấy mẫu lặp lại có hoàn lại (bootstrapping sample) và chọn ngẫu nhiên tập con thuộc tính (attribute sampling) nhằm giảm phương sai và tránh hiện tượng học vẹt (overfitting).
• Máy vector hỗ trợ (Support Vector Machine - SVM): Ánh xạ không gian mẫu $\mathbb{R}^n$ sang không gian nhiều chiều $\mathbb{R}^d$ để xác định siêu phẳng phân cách tối ưu.
• Phân lớp Naïve Bayes: Tính xác suất hậu nghiệm dựa trên định lý Bayes: $$P(H \mid X) = \frac{P(X \mid H) P(H)}{P(X)}$$

c. Các kỹ thuật phân tích không gian trong GIS

• Nội suy không gian nghịch đảo khoảng cách (IDW): $$z = \frac{\sum_{i=1}^n w_i z_i}{\sum_{i=1}^n w_i} \quad \text{với } w_i = \frac{1}{d_i^k} \quad (k = 2)$$
• Phân tích điểm nóng Getis-Ord $G_i^*$: $$G_i^* = \frac{\sum_{j=1}^n w_{i,j} x_j - \bar{X} \sum_{j=1}^n w_{i,j}}{S \sqrt{\frac{n \sum_{j=1}^n w_{i,j}^2 - \left(\sum_{j=1}^n w_{i,j}\right)^2}{n - 1}}}$$
• Hồi quy bình phương nhỏ nhất (OLS): $Y = \alpha + \beta X + u$, tìm kiếm tham số cực tiểu hóa $\sum (y_i - \hat{y}_i)^2$.
• Hồi quy trọng số không gian (GWR): $$y_i = a_0 + \sum_j x_{ij} a_{ij} + \varepsilon_i$$ Trọng số không gian $w_{ij}$ được xác định qua hàm phân tách khoảng cách Gauss: $$w_{ij} = \exp\left[-\frac{1}{2} \left(\frac{d_{ij}}{b}\right)^2\right]$$ với $b$ là bán kính ảnh hưởng quanh quan sát.

d. Chỉ số đánh giá mô hình

• Sai số quân phương: $\text{MSE} = \frac{1}{n} \sum_{i=1}^n (Q_i - \hat{Q}_i)^2$ (cùng các chỉ số RMSE, MAE).
• Chỉ số hiệu quả: $$E = 1 - \frac{\sum_{i=1}^n (Q_i - \hat{Q}i)^2}{\sum{i=1}^n (Q_i - \bar{Q})^2}$$
• Hệ số xác định: $R^2$.

3. Nguồn dữ liệu và tiền xử lý dữ liệu

Tác giả đã thu thập và tích hợp 5 nguồn dữ liệu thực nghiệm:

1. Dữ liệu dịch tả: Báo cáo tháng và năm từ Trung tâm Y học Dự phòng Hà Nội (01/01/2001 – 31/12/2012), gồm các trường họ tên, tuổi, giới tính, phường/xã, quận/huyện, ngày mắc, ngày nhập viện, bệnh viện điều trị. Tổng hợp thành bảng 4.383 bản ghi theo ngày và 29 trường tương ứng 29 quận/huyện.
2. Dữ liệu khí hậu - thời tiết: Đo tại 5 trạm khí tượng (Ba Vì, Sơn Tây, Láng, Hoài Đức, Hà Đông) giai đoạn 2001–2012, gồm nhiệt độ (trung bình, cao nhất, thấp nhất), độ ẩm (trung bình, cao nhất, thấp nhất), lượng mưa (ngày, tháng, số ngày mưa), số giờ nắng và tốc độ gió.
3. Dữ liệu thủy văn: Mực nước đo theo tháng tại trạm Hà Nội (1960–2012), trạm Sơn Tây (1960–2013), trạm Thượng Cát (1960–2013). Trạm Hà Đông (1998–2003) bị khuyết giai đoạn 2007–2010 nên bị loại bỏ.
4. Dữ liệu bản đồ GIS: Bản đồ hành chính Hà Nội tỷ lệ 1:50.000 từ Trung tâm Nghiên cứu Môi trường (Bộ Tài nguyên và Môi trường), gồm ranh giới 29 quận/huyện, lớp giao thông, sông hồ và mặt nước.
5. Chỉ số dao động phía Nam (SOI): Chuỗi dữ liệu đo biến động El Niño/La Niña theo tháng (2001–2012) từ chính quyền bang Queensland, Úc.

Quy trình tiền xử lý:

• Chuẩn hóa định dạng địa chỉ bệnh nhân, xử lý các tệp bảng tính khí tượng về định dạng chuẩn.
• Loại bỏ 5 cột dữ liệu khí tượng bị khuyết hoàn toàn: Tốc độ gió trạm Hoài Đức, Độ ẩm cao nhất ngày trạm Hoài Đức, Nhiệt độ thấp nhất ngày trạm Hoài Đức, Độ ẩm cao nhất ngày trạm Ba Vì, Nhiệt độ cao nhất ngày trạm Ba Vì.
• Xây dựng bảng dữ liệu ngày DL1 (4.383 dòng; gồm biến khí tượng 5 trạm, chỉ số SOI và 29 cột ca bệnh của 29 quận/huyện) và bảng dữ liệu tháng DL2 (144 dòng).
• Phần mềm sử dụng: Ngôn ngữ R, Microsoft Excel và công cụ ArcGIS.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan về các mô hình dự báo dịch bệnh

Chương 1 hệ thống hóa cơ sở lý luận về phân tích dự báo dịch bệnh, đối sánh ưu nhược điểm của các nhóm mô hình SIR, học máy và phân tích không gian. Tác giả trình bày chi tiết bức tranh phân bố dịch tả tại Hà Nội giai đoạn 2001–2012 với các đặc điểm:

Năm	2001	2002	2003	2004	2005	2006	2007	2008	2009	2010	2011	2012
Số ca mắc	0	0	0	25	0	0	890	2.057	1.179	350	0	0

Dữ liệu cho thấy Hà Nội trải qua 4 đợt bùng phát dịch chính: năm 2004 (25 ca, chỉ xuất hiện tại Ba Đình, Hai Bà Trưng, Hoàng Mai); năm 2007 (890 ca); năm 2008 (2.057 ca); năm 2009 (1.179 ca) và năm 2010 (350 ca). Các năm 2001–2003 và 2011–2012 không ghi nhận ca bệnh. Tần suất các quận xuất hiện trên 100 ca hoặc thuộc top 5 ca bệnh hàng năm: Đống Đa (4 lần), Hai Bà Trưng (4 lần), Thanh Xuân (3 lần), Hoàng Mai (3 lần), Ba Đình (2 lần), Cầu Giấy (1 lần), Hà Đông (1 lần), Thạch Thất (1 lần), Thường Tín (1 lần). Tập dữ liệu có tính chất mất cân bằng cao, trong đó số ngày ghi nhận ca bệnh là 185 trên tổng số 4.383 ngày nghiên cứu (chiếm 4,22% theo ngày và 13% theo tháng).

Chương 2: Đề xuất mô hình dự báo dịch tả dựa trên khai phá luật kết hợp và học máy hồi qui, phân lớp

Chương 2 thực hiện khai phá luật kết hợp từ tập dữ liệu giao dịch các ca bệnh theo ngày (DL1) bằng thuật toán Apriori trong môi trường R. Thiết lập tham số thực nghiệm: độ hỗ trợ tối thiểu $\text{minsup} = 30%$, độ tin cậy tối thiểu $\text{minconf} = 70%$, độ dài vế trái tối thiểu $\text{LHS} \ge 1$. Kết quả thu được 50 luật kết hợp có độ chắc chắn thống kê $\text{Lift} > 1$.

Mã luật	Vế trái (LHS)	Vế phải (RHS)	Support	Confidence	Lift
R1	{Đống Đa, Hai Bà Trưng, Hoàng Mai}	{Thanh Xuân}	0,097166	> 0,70	> 1,0
R2	{Đống Đa, Hoàng Mai}	{Cầu Giấy}	0,048368	> 0,70	> 1,0
R3	{Hai Bà Trưng, Hoàng Mai}	{Thanh Xuân}	0,010870	> 0,70	> 1,0
R9	{Từ Liêm}	{Thanh Xuân}	0,770335	> 0,70	> 1,0
R10	{Thanh Xuân}	{Từ Liêm}	0,770335	> 0,70	> 1,0
R49	{Hà Đông}	{Hoàng Mai}	0,354248	> 0,70	> 1,0
R50	{Hai Bà Trưng}	{Hoàng Mai}	0,290176	> 0,70	> 1,0

Các quận xuất hiện trong 50 luật kết hợp gồm 9 đơn vị: Đống Đa, Hai Bà Trưng, Hoàng Mai, Thanh Xuân, Từ Liêm, Hà Đông, Ba Đình, Cầu Giấy và Hoàn Kiếm. Phân tích đối chiếu với dữ liệu thủy hệ chỉ ra mối liên hệ không gian giữa các ca bệnh và 3 con sông ô nhiễm chính:

Quận/Huyện	Sông ô nhiễm chảy qua	Quận/Huyện tiếp giáp
Ba Đình	Tô Lịch	Hoàn Kiếm, Cầu Giấy, Đống Đa
Cầu Giấy	Tô Lịch	Từ Liêm, Ba Đình, Đống Đa
Đống Đa	Tô Lịch	Hoàn Kiếm, Cầu Giấy, Ba Đình, Hai Bà Trưng, Thanh Xuân
Hà Đông	Nhuệ	Từ Liêm, Thanh Xuân
Hai Bà Trưng	Kim Ngưu	Hoàn Kiếm, Hoàng Mai, Thanh Xuân, Đống Đa
Hoàng Mai	Kim Ngưu, Tô Lịch	Hai Bà Trưng, Thanh Xuân
Hoàn Kiếm	(Không có)	Ba Đình, Hai Bà Trưng, Đống Đa
Thanh Xuân	Tô Lịch, Kim Ngưu	Cầu Giấy, Hà Đông, Hoàng Mai, Đống Đa
Từ Liêm	Nhuệ	Cầu Giấy, Hà Đông, Thanh Xuân

Kết quả chỉ ra các ca mắc tả có xu hướng đồng xuất hiện tại các quận có sông ô nhiễm (Tô Lịch, Kim Ngưu, Nhuệ) chảy qua và các quận tiếp giáp lân cận (như Hoàn Kiếm) với độ tin cậy trên 70%. Tiếp đó, chương xây dựng bài toán dự báo bằng hàm hồi quy dạng $\text{DT}t = f(\text{DT}{t-2}, \text{DTLC}{t-2}, \text{KH}{t-2})$ (kết hợp số ca bệnh trễ 2 bước thời gian của chính quận đó, của các quận lân cận và biến số khí hậu) cùng bài toán phân lớp nhãn rời rạc.

Chương 3: Đề xuất mô hình dự báo ngắn hạn – đánh giá độ ảnh hưởng của các yếu tố khí hậu và địa lý tới dịch tả tại Hà Nội

Chương 3 tập trung đề xuất kỹ thuật phân rã dữ liệu theo phương pháp cửa sổ trượt (sliding window) nhằm thiết lập mô hình dự báo dịch tả ngắn hạn. Chương thực hiện định lượng mức độ ảnh hưởng của từng thông số khí hậu (nhiệt độ, độ ẩm, lượng mưa, số giờ nắng, tốc độ gió), yếu tố không gian địa lý lân cận và yếu tố thời gian đến động lực bùng phát dịch tả trên địa bàn nghiên cứu.

Chương 4: Đề xuất mô hình dự báo dịch tả trên địa bàn Tp. Hà Nội có xem xét đến ảnh hưởng của biến đổi khí hậu trên cơ sở ứng dụng các kỹ thuật phân tích không gian dựa trên công nghệ GIS

Chương 4 hoàn thiện mô hình dự báo tổng quát cho toàn thành phố Hà Nội thông qua việc tích hợp sâu các kỹ thuật phân tích không gian GIS: áp dụng nội suy khoảng cách IDW để mô hình hóa bề mặt phân bố khí hậu, tính toán thống kê Getis-Ord $G_i^*$ để nhận diện các điểm nóng dịch bệnh, và triển khai mô hình hồi quy trọng số không gian GWR kết hợp OLS nhằm lượng hóa tác động không đồng nhất của biến đổi khí hậu trên từng khu vực địa lý hành chính.

---

Kết quả và những đóng góp mới

1. Đóng góp mới về mặt khoa học và lý luận

• Đề xuất mô hình dự báo dịch tả dựa trên khai phá luật kết hợp và học máy hồi quy, phân lớp, chứng minh tính phù hợp của phương pháp khai phá dữ liệu đối với dữ liệu dịch tễ học có phân phối không chuẩn và mất cân bằng cao.
• Đề xuất mô hình dự báo dịch tả ngắn hạn có đánh giá mức độ ảnh hưởng của các yếu tố khí hậu và địa lý đến sự bùng phát dịch tả thông qua kỹ thuật cửa sổ trượt.
• Đề xuất mô hình dự báo dịch tả tổng quát dựa trên phân tích không gian ứng dụng công nghệ GIS, kết hợp đồng thời tính tự tương quan không gian và các biến chuỗi thời gian khí tượng - thủy văn.

2. Phát hiện thực nghiệm và giải pháp đề xuất

• Xác lập bằng chứng định lượng gồm 50 luật kết hợp chứng minh sự đồng xuất hiện ca bệnh tả tại 9 quận/huyện nội thành Hà Nội với độ chắc chắn trên 70%.
• Làm rõ vai trò trung gian lan truyền dịch tả của ba con sông ô nhiễm (sông Tô Lịch, sông Kim Ngưu, sông Nhuệ) và tính chất lây lan qua ranh giới hành chính tiếp giáp.
• Cung cấp mô hình tính toán hỗ trợ các cơ quan y tế dự phòng và nhà quản lý y tế tại Hà Nội thiết lập hệ thống cảnh báo sớm dịch bệnh dựa trên dữ liệu khí hậu và địa lý lân cận.

---

Hạn chế và hướng nghiên cứu tiếp

• Về dữ liệu: Tập dữ liệu dịch tả giai đoạn 2001–2012 có độ mất cân bằng lớn (chỉ có 185 ngày ghi nhận ca bệnh trên tổng số 4.383 ngày, chiếm 4,22%), gây khó khăn cho quá trình huấn luyện mô hình. Một số trạm quan trắc bị khuyết dữ liệu (5 biến số khí tượng tại trạm Ba Vì và Hoài Đức bị loại bỏ; trạm thủy văn Hà Đông thiếu số liệu giai đoạn 2007–2010).
• Về giả thiết mô hình: Luận án giả định quy mô dân số ổn định, chu kỳ ủ bệnh không đáng kể, loại trừ các yếu tố hành vi, thói quen ăn uống xã hội và các biện pháp can thiệp y tế khẩn cấp.
• Hướng nghiên cứu tiếp: Hoàn thiện và tối ưu hóa mô hình dự báo ngắn hạn theo phương pháp cửa sổ trượt; tiếp tục mở rộng tích hợp các tham số biến đổi khí hậu dài hạn và thử nghiệm mô hình phân tích không gian đa tầng trên GIS cho các loại bệnh truyền nhiễm khác.

---

Giá trị tham khảo

• Đối với cơ quan quản lý và y tế dự phòng: Cung cấp cơ sở khoa học để Trung tâm Kiểm soát bệnh tật (CDC), Sở Y tế Hà Nội và các nhà hoạch định chính sách xây dựng kịch bản ứng phó sớm, phân bổ nguồn lực y tế theo các cụm không gian có nguy cơ cao (dọc lưu vực sông Tô Lịch, Kim Ngưu, Nhuệ).
• Đối với nghiên cứu sinh và giảng viên: Là tài liệu tham khảo trong các chuyên ngành Khoa học máy tính, Hệ thống thông tin, Dịch tễ học, Y tế công cộng và Địa tin học (GIS).
• Phần nội dung đáng tham khảo: Quy trình tiền xử lý và tích hợp dữ liệu đa nguồn (khí tượng, thủy văn, dịch tễ, GIS, chỉ số SOI) thành các bảng dữ liệu ngày/tháng chuẩn hóa (DL1, DL2); phương pháp khai phá luật kết hợp Apriori trên dữ liệu dịch bệnh không gian; khung đối sánh phương pháp luận giữa mô hình toán SIR, học máy thống kê và phân tích không gian GIS (IDW, OLS, GWR).

---

Câu hỏi thường gặp

1. Luận án đã sử dụng những nguồn dữ liệu nào để xây dựng mô hình dự báo dịch tả tại Hà Nội?
Luận án tích hợp 5 nguồn dữ liệu: (1) Số liệu dịch tả từ Trung tâm Y học Dự phòng Hà Nội (2001–2012); (2) Số liệu khí hậu từ 5 trạm khí tượng (Ba Vì, Sơn Tây, Láng, Hoài Đức, Hà Đông); (3) Số liệu mực nước sông từ 3 trạm thủy văn (Hà Nội, Sơn Tây, Thượng Cát); (4) Bản đồ hành chính và thủy hệ Hà Nội tỷ lệ 1:50.000 từ Trung tâm Nghiên cứu Môi trường; (5) Chỉ số dao động phía Nam (SOI) từ chính quyền bang Queensland, Úc.

2. Khai phá luật kết hợp Apriori trong luận án mang lại kết quả cụ thể nào?
Với ngưỡng $\text{minsup} = 30%$, $\text{minconf} = 70%$ và $\text{LHS} \ge 1$, thuật toán đã rút ra 50 luật kết hợp có $\text{Lift} > 1$. Kết quả chỉ ra 9 quận/huyện nội thành (Đống Đa, Hai Bà Trưng, Hoàng Mai, Thanh Xuân, Từ Liêm, Hà Đông, Ba Đình, Cầu Giấy, Hoàn Kiếm) có xu hướng đồng xuất hiện ca bệnh với độ chắc chắn trên 70%, phản ánh mối quan hệ không gian với các lưu vực sông ô nhiễm (Tô Lịch, Kim Ngưu, Nhuệ).

3. Bốn giả thiết nghiên cứu chính của luận án là gì?
(1) Dịch bệnh xảy ra trong khoảng thời gian đủ ngắn để dân số ổn định; (2) Chu kỳ ủ bệnh không đáng kể; (3) Yếu tố xã hội, hành vi ăn uống và can thiệp y tế được coi là không đáng kể; (4) Người đã khỏi bệnh không tái nhiễm trong cùng khoảng thời gian dự báo.

4. Dữ liệu dịch tả Hà Nội giai đoạn 2001–2012 có đặc điểm phân bố ra sao?
Ghi nhận 4 đợt bùng phát: năm 2004 (25 ca), năm 2007 (890 ca), năm 2008 (2.057 ca), năm 2009 (1.179 ca) và năm 2010 (350 ca); các năm còn lại không có ca bệnh. Tổng số ngày có ca bệnh là 185/4.383 ngày (chiếm 4,22%). Các quận xuất hiện nhiều ca bệnh nhất gồm Đống Đa, Hai Bà Trưng, Thanh Xuân và Hoàng Mai.

5. Vì sao luận án kết hợp học máy và GIS thay vì chỉ dùng mô hình dịch tễ học SIR?
Mô hình SIR gặp khó khăn trong việc xác định các tham số thực tế ($\beta, \gamma$), đòi hỏi nhiều quan sát và khó theo dõi tương tác động giữa các tầng dân số phân tán ở 63 tỉnh/thành. Việc tích hợp học máy và GIS cho phép xử lý dữ liệu lớn đa nguồn, giải quyết tính tự tương quan không gian và tính không dừng không gian của dịch bệnh.

---

Kết luận

Luận án đã hệ thống hóa cơ sở lý luận về dự báo dịch bệnh, đối sánh mô hình dịch tễ học toán học, mô hình học máy thống kê và phân tích không gian GIS. Tác giả đã xây dựng quy trình tích hợp dữ liệu đa nguồn gồm dịch tễ, khí hậu, thủy văn, địa lý và chỉ số SOI trên địa bàn thành phố Hà Nội giai đoạn 2001–2012. Thông qua thuật toán Apriori, luận án đã xác lập 50 luật kết hợp định lượng mối quan hệ giữa sự phân bố dịch tả với các hệ thống sông ô nhiễm và tính lân cận không gian giữa các quận/huyện. Công trình đề xuất khung mô hình dự báo ngắn hạn và tổng quát, đóng góp cơ sở khoa học cho công tác cảnh báo sớm và quản lý y tế dự phòng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ CÁC MÔ HÌNH DỰ BÁO DỊCH BỆNH 1. Khái niệm và thuật ngữ 1. Khái niệm Dự báo là một khoa học và nghệ thuật tiên đoán những sự việc sẽ xảy ra trong tương lai, trên cơ sở phân tích khoa học về các dữ liệu đã thu thập được. Khi tiến hành dự báo cần căn cứ vào việc thu thập, xử lý dữ liệu trong quá khứ và hiện tại để xác định xu hướng vận động của các hiện tượng trong tương lai dựa vào một số mô hình toán học (định lượng).

Tuy nhiên, dự báo cũng có thể là một dự đoán chủ quan hoặc trực giác về tương lai (định tính) và để dự báo định tính được chính xác hơn, người ta thường cố gắng loại trừ tính chủ quan của người dự báo. Phân tích dự báo là quá trình khám phá ra mô hình mẫu thú vị và có ý nghĩa trong dữ liệu. Mô hình là một biểu diễn các thành phần quan trọng của một hệ thống có sẵn (hoặc sắp được xây dựng) với mục đích biểu diễn tri thức của hệ thống đó dưới một dạng có thể sử dụng được. Mô hình có thể là một mô hình tĩnh biểu diễn một hệ thống “tại vị” hoặc là một mô hình động biểu diễn cho một quá trình [97].

Mô hình hóa hay xây dựng mô hình giúp chúng ta hiểu được các hiện tượng đang xảy ra, hiểu được các thành phần trong đó tương tác với nhau như thế nào, hoặc để dự đoán những gì có thể xảy ra khi các hiện tượng thay đổi hoặc tiến hóa. Một số thuật ngữ liên quan Trong các tình huống chưa chắc chắn, dự báo (tiếng Anh “predict”, “forecast”, “foresight”) được dùng để chỉ kiểu hoạt động của các cá nhân, các tổ chức và các quốc gia hướng tới mục tiêu nhận biết được giá trị chưa biết của các đại lượng nhằm hỗ trợ ra quyết định. Ở đây, có hai yếu tố liên quan tới việc tiến hành hoạt động dự báo. Thứ nhất, dự báo được tiến hành chỉ khi có tính không chắc chắn; Ví dụ như dự báo ngày mai mặt trời có mọc hay không là không cần thiết do chắc chắn mặt trời mọc hàng ngày, song dự báo ngày mai có mưa hay không là rất cần thiết.

Thứ hai, chủ thể dự báo không điều khiển được giá trị của đại lượng cần được dự báo; như vậy, không đặt ra việc dự báo về nhiệt độ trong phòng vì chủ nhân của nó có thể có 8 các phương tiện đảm bảo nhiệt độ của phòng ở một phạm vi cho phép, song lại cần dự báo về nhiệt độ ngoài trời. Trong tiếng Việt, hai thuật ngữ “dự báo” và “dự đoán” được sử dụng trong hầu hết các trường hợp của dự báo. Tuy nhiên, trong một số trường hợp, hai thuật ngữ này được sử dụng theo hai nghĩa phân biệt, chẳng hạn, “dự báo” là dự báo về một giá trị chưa biết trong tương lai còn “dự đoán” là dự đoán về một giá trị chưa biết trong hiện tại (giá trị đó chắc chắn đã có), hoặc “dự báo” là dự báo xu hướng còn “dự đoán” là dự đoán giá trị. Trong tiếng Anh, các thuật ngữ “predict”, “forecast” là thông dụng và trong một số trường hợp thì thuật ngữ “foresight” (nhìn trước) được sử dụng, song foresight thường đề cập tới "phương pháp" dự báo.

Trong nhiều trường hợp, có sự phân biệt ngữ nghĩa của ba thuật ngữ tiếng Anh này. “Predict” là dự báo trong phạm vi dữ liệu hiện có (tương tự như "dự đoán" trong tiếng Việt), “forecast” là dự báo ngoài miền dữ liệu đó. Foresight thường được sử dụng trong lĩnh vực kinh tế - xã hội mà trong nhiều trường hợp có ý nghĩa tương tự như “forecast” song đề cập tới khoảng thời gian dự báo xa (dài) hơn và liên quan tới các đại lượng có tính chiến lược.2 Tổng quan về dự báo dịch bệnh và các mô hình dự báo hiện có Sự lan truyền dịch bệnh vừa là một quá trình xã hội vừa là một quá trình sinh học[35],[92]. Sự lan truyền dịch bệnh là một quá trình xã hội vì các cá nhân trong một quần thể lan truyền dịch bệnh cho nhau qua các quan hệ xã hội (di truyền, tiếp xúc trực tiếp, gián tiếp,.

Sự lan truyền dịch bệnh là một quá trình sinh học vì sự phát triển của các vi sinh vật gây bệnh dịch được sinh sôi, phát triển và lan truyền trong cộng đồng theo các quá trình sinh học tương ứng với vi sinh vật gây bệnh dịch. Nói chung, công việc dự báo dịch bệnh được tiến hành qua hai giai đoạn: mô hình hóa quá trình lan truyền dịch bệnh dựa trên các dữ liệu thu thập được và dự báo giá trị của các biến trong tương lai dựa trên mô hình đã được xây dựng. Hầu hết các phương pháp dự báo dịch bệnh truyền thống đều dựa trên mô hình lan truyền dịch bệnh, nên mục sau đây sẽ tập trung giới thiệu mô hình dự báo dịch bệnh ở mức độ cơ bản nhất, điển hình là mô hình dịch tễ học toán học mà đại diện là mô hình SIR và sau đó là một số mô hình dự báo dịch bệnh bằng khai phá dữ liệu và 9 phân tích dự báo không gian.1 Một số mô hình dự báo dịch bệnh 1.1 Mô hình dịch tễ học toán học Fred Brauer và cộng sự [24], cho rằng hầu hết mô hình dịch bệnh dựa trên việc chia quần thể đang nghiên cứu thành một số lượng nhỏ các ngăn (compartment) tương ứng với số lượng trạng thái liên quan tới bệnh dịch mà các cá nhân trong quần thể có thể rơi vào; ở đây, mỗi ngăn chứa các cá nhân có tình trạng bệnh dịch giống hệt nhau. Đối với mỗi bệnh dịch, các cá nhân có thể trải qua các trạng thái trong vòng đời bệnh dịch.

Ba trạng thái điển hình nhất trong mô hình dịch tễ học toán học gồm: • Dễ bị nhiễm (S:Susceptible): cá nhân không có khả năng miễn dịch với các tác nhân gây bệnh, và như vậy có thể bị lây nhiễm khi tiếp xúc với các cá nhân đang nhiễm bệnh, • Nhiễm bệnh (I:Infectious): cá nhân hiện đang bị nhiễm bệnh và có thể truyền bệnh cho các cá nhân tiếp xúc với họ, • Đã hồi phục (R:Recovered): Các cá nhân miễn dịch với dịch bệnh, và do đó không ảnh hưởng đến động lực học truyền bệnh theo bất kỳ cách nào khi họ tiếp xúc với các cá nhân khác. Để chuyển trạng thái từ trạng thái dễ bị nhiễm (S) sang trạng thái đang nhiễm bệnh (I), cá nhân đó phải tiếp xúc với các cá nhân đang nhiễm bệnh. Theo khung nhìn của quá trình xã hội (mô hình mạng), hai cá nhân tiếp xúc nhau khi họ là các "nút láng giềng" của nhau theo các quan hệ xã hội (di truyền, tiếp xúc trực tiếp, tiếp xúc gián tiếp qua đường nước hoặc các sinh vật trung gian. Để chuyển trạng thái từ trạng thái nhiễm bệnh (I) sang trạng thái hồi phục (R), cá nhân đó được sử dụng văcxin hoặc bị tử vong.Trong mô hình dự báo dịch bệnh, các chữ cái S, I, R được dùng để chỉ số lượng cá nhân trong các ngăn S, I, R tương ứng.

Trong nhiều trường hợp, số lượng người trong quần thể đang xem xét N (N = S + I + R) được giả thiết là một hằng số. Bài toán dự báo dịch bệnh xem xét việc biến đổi các giá trị S, I, R theo thời gian t, theo đó, S(t), I(t), R(t) là giá trị của S, I, R tương ứng tại thời điểm t. Mô 10 hình dịch tễ học toán học xem xét các phương trình biến đổi các giá trị S(t), I(t), R(t) theo thời gian t. Dựa trên các giá trị đã biết, các tham số trong các phương trình này được xác định.

Mô hình kết quả được sử dụng để dự báo các giá trị S(t), I(t), R(t) tại một thời điểm t trong tương lai. Dạng đơn giản của mô hình SIR là hệ hai phương trình [24]: dS = −SI dt (1.1) dI = SI − I dt (1.2) trong đó, tốc độ truyền nhiễm (bình quân đầu người) là β và tỷ lệ hồi phục γ (vì vậy khoảng lây nhiễm trung bình là 1/γ). Lưu ý, I không được viết một phương trình vi phân cho lượng cá thể bị biến mất. Tại thời điểm ban đầu, mọi cá thể ở trạng thái dễ bị nhiễm (S(0)=N), sau đó một cá thể bị nhiễm bệnh và có khả năng truyền bệnh cho các cá thể khác với tỷ lệ βN trong khoảng thời gian 1/γ.

Như vậy, cá nhân bị nhiễm bệnh đầu tiên đó có thể lây nhiễm tới R0= βN/ γ cá thể mới. R0 được gọi là lượng tái nhiễm cơ bản (basic reproduction number) và đây là một đại lượng quan trọng nhất trong phân tích mọi mô hình dịch bệnh; số lượng nhiễm bệnh I chỉ tăng khi R0 >1. Để giải quyết mô hình SIR cơ bản, đầu tiên tích hợp hai phương trình (1.2) để nhận được: 𝑑𝐼 𝑑𝐼 𝑑𝑡 𝛽𝑆𝐼𝑛 − 𝛾𝐼 𝛾 𝑆(0) = 𝑑𝑆 = = −1 + = −1 + 𝑑𝑆 −𝛽𝑆𝐼 𝛽𝑆 𝑅0 𝑆 𝑑𝑡 dI 1 = −1+ dS R0 S (1.3) và sau đó lấy nguyên hàm: 1 S I = I(0)+ S(0) – S + ln (1.4) R0 S0 11 Đây là một lời giải xác định tường minh cho I, nhưng lại đáng tiếc rằng nó là một hàm của S mà không phải là một hàm của t như mong muốn. Cho đến nay, vẫn chưa có một lời giải chính xác cho I là một hàm của t [24].

Có một số phương án xấp xỉ được đề xuất, trong đó có phương pháp Ơle: Với giả thiết là trong khoảng thời gian t đủ nhỏ thì dS/dt xấp xỉ bằng S/t (xấp xỉ vi phân bằng sai phân), trong đó S = S(t+t) - S(t); và như vậy, xấp xỉ số lượng cá thể dễ bị nhiễm tại thời điểm trong tương lai t+t như sau: S(t+t) = S(t) - S(t)I(t)t (1.5) Tương tự, xấp xỉ số lượng cá thể dễ bị nhiễm tại thời điểm trong tương lai t+t như sau: I(t+t) = I(t) + S(t)I(t)t - I(t) t (1.6) Cặp hai phương trình (1.6) cung cấp một sơ đồ của giải pháp xấp xỉ mô hình SIR cơ bản. Để mô hình hóa dựa dịch bệnh dựa trên sơ đồ này, bước thời gian t cần được xác định đủ nhỏ và cung cấp các giá trị tham số về tốc độ lây lan và hồi phục (β và γ, hoặc R0, N và γ) cũng như các giá trị khởi đầu (R(0) và I(0)). Tham số tốc độ lây lan (β, hoặc lượng tái nhiễm dịch R0) và hồi phục (γ) là những đại lượng không dễ dàng có được. Một số phiên bản mở rộng mô hình SIR [24] được đề xuất trong những năm gần đây.