COVID-19:
DỰ ĐOÁN ĐẠI DỊCH CỦA NHỮNG NGƯỜI LẬP MÔ HÌNH
Các biện pháp phòng chống đại dịch đã được thực hiện dưới ánh sáng những dự phóng được tính toán bởi các chuyên gia của một bộ môn thường ngày mang tính kín đáo, đó là mô hình hóa, một công cụ đột nhiên xuất hiện ở tuyến đầu và được đẩy đến giới hạn của nó.
Về phần các chuyên gia, họ cũng đã ở tuyến đầu trên mặt trận phòng chống dịch bệnh. Không phải ở các cơ sở y tế và bệnh viện, mà ở văn phòng, thao tác các hàm số mũ, thang đo logarit hoặc các tham số, chẳng hạn như R0 nổi tiếng kể từ nay – biểu thị tỷ số lây nhiễm cơ bản của virus. Trong nội bộ các chuyên gia cũng có một sự phân chia giữa những người cảnh báo và người “người trấn an”. Đó là những chuyên gia, thường là nữ, về mô hình hóa, một cộng đồng ít được biết đến, lần lượt họ là những người đem tin dữ, những thứ mà người ta không nghe, hoặc lời phán truyền mà người ta sùng bái, tùy theo các đợt gia tăng hay thoái lui của Covid-19 được họ mô tả, thậm chí thông báo.
 |
| Dominique Costagliola (1954-) |
“Cuối cùng, bộ môn này bắt đầu được quan tâm!, theo đánh giá của Alain-Jacques Valleron, giáo sư danh dự [đã nghỉ hưu] tại Đại học Sorbonne và thành viên của Viện hàn lâm Khoa học. Tôi rất ấn tượng với sự thay đổi giữa hôm nay và hôm qua. Vào năm 1980, khi tôi thành lập một nhóm nhỏ nghiên cứu về dịch tễ học về các bệnh truyền nhiễm, ở Pháp, lúc đó mọi thứ đều trống rỗng. Chúng tôi đã tự xoay xở, và giờ đây nó đã được sử dụng để giúp đưa ra quyết định.” Nhà nghiên cứu có thể tận hưởng những tiến bộ đạt được.
Ở Pháp, tất cả các ngôi sao hiện tại
trong lãnh vực [nghiên cứu dịch tễ học], trong số đó có Dominique Costagliola,
người được trao giải thưởng Grand Prix Inserm 2020, Pierre-Yves Böelle (Đại học
Sorbonne), Simon Cauchemez (Pasteur), Vittoria Colizza (Inserm), Pascal Crépey
(Trường Nghiên cứu Cao cấp về Y tế Công cộng)... đều đã hoàn thành luận án tiến
sĩ hoặc hậu tiến sĩ tại đơn vị làm việc của ông ở bệnh viện Saint-Antoine:
 |
| Vittoria Colizza (1978-) |
 |
| Lulla Opatowski |
“Đây là lần đầu tiên công cụ mô hình hóa
đã phục vụ nhiều như thế ở Pháp,” theo nhận định của Lulla Opatowski, giáo
sư tại Đại học Versailles-Saint-Quentin, người cũng được đào tạo trong môi trường trên. “Vào
năm 2009, khi bùng phát dịch H1N1, chúng tôi đã thực hiện một ít công việc mô
hình hóa, song rất ít công việc mô hình hóa phản ứng,” theo lời của Pierre-Yves
Boëlle, được biết đến là người đã phát triển các công cụ tính toán R0 nổi
tiếng.
Sự khác biệt lớn nằm ở đó. "Việc
ứng phó với khủng hoảng và phát triển một công trình hàn lâm, đó
là hai công việc rất khác nhau!, theo lời của Vittoria Colizza. Trong trường
hợp đầu tiên, người ta sẽ không phát triển các công cụ mới, không hành động tùy
cơ ứng biến. Đây là vấn đề trách nhiệm: không thể ‘thử nghiệm’ một cái gì đó
trong thời gian diễn ra dịch bệnh.” Chúng ta phải chạy đua với thời
gian. Vì thế, các chuyên gia đã sử dụng những mô hình của họ vốn đã được
xác thực trong các tình huống khác – chẳng hạn như dịch cúm, dịch Ebola hoặc
thậm chí những bệnh có nguồn gốc vi khuẩn bị nhiễm bệnh trong bệnh viện… –, và
điều chỉnh các mô hình đó cho phù hợp với các thông số của tình hình dịch bệnh mới. Laura
Temime, giáo sư tại đại học Conservatoire national des arts et métiers [Đại học
quốc gia về kỹ thuật và nghề]: “So với một công trình hàn lâm hơn,
chúng tôi đã phải từ bỏ một vài thứ, khi chấp nhận những kết quả có mức độ
không chắc chắn lớn hơn”.
Những hoài nghi bước đầu
Trong cuộc đua này, một số người thậm
chí đã gặp một chút may mắn. “Chúng tôi khởi đầu với một dự án đánh giá tác
động của dịch bệnh lên hệ thống các cơ sở y tế và bệnh viện, và đã thu thập
thông tin về các bệnh viện của Pháp, vị trí, số giường bệnh, mật độ dân số xung
quanh… Thế nên, chúng tôi đã không mất nhiều thời gian khi chuyển sang tình huống
thực của Covid.” Pascal Crépey nhớ lại, người mà ngay từ ngày 20 tháng 3 năm
2020 đã đưa ra những kịch bản về tình trạng bão hòa các cơ sở y tế và bệnh viện
trên trang mạng MedRxiv, theo từng khu vực. Lúc đầu, những người đối thoại
với ông, những người mà ông đã chia sẻ kết luận của mình vài ngày trước, đã
không tin ông. Các chuyên gia nội bộ của họ đã nghiên cứu mà không có mô
hình, với những lý luận được đơn giản hóa, và những cuộc thảo luận diễn ra căng
thẳng. "Rồi họ gọi lại cho chúng tôi khi thấy những quan sát đầu tiên đã
khẳng định các dự đoán của chúng tôi”, theo lời kể của nhà nghiên cứu.
 |
| Simon Cauchemez |
Simon Cauchemez cũng đã sẵn sàng, nhờ có
nhiều mối quan hệ quốc tế của ông ấy. Vào ngày 30 tháng 1 năm 2020, ông đã
công bố những kết quả đầu tiên về nguy cơ virus lây lan sang các thành phố khác
của Trung Quốc. Vào ngày 5 tháng 3, ông tham gia hội đồng khoa học, được
chính thức thành lập vào ngày 11, và vào ngày 12, ông đóng góp ý kiến đầu tiên, dự đoán sẽ có “hàng trăm nghìn ca tử vong” nếu
không có biện pháp phòng chống dịch bệnh, và “một làn sóng virus thứ hai (…)
ngay sau khi dỡ bỏ các biện pháp phòng chống đó”.
Cuối tuần sau đó, ông trình bày chi tiết
những ước lượng đầu tiên cho các cơ quan y tế địa phương (ARS), dựa trên những
thông tin thu thập được từ Trung Quốc và Ý. Rồi, vài ngày sau, với tất cả
những dữ liệu mới từ các cơ sở y tế và bệnh viện của cơ sở dữ liệu SI-VIC trong
việc nhận diện và theo dõi những nạn nhân của các cuộc tấn công mưu sát và các tình thế y tế đặc biệt, vẫn còn rất phân mảnh, ông chứng minh mô
hình trong một trong các “ghi chú” đầu tiên của mình. Và còn có năm mươi
lăm ghi chú khác sẽ theo sau.
“Phần khó nhất khi bắt đầu nghiên cứu là
dữ liệu, còn thiếu rất nhiều, chỉ mới một phần thôi... Chúng tôi bắt đầu với
những giả thuyết về các thông số và dần dần thay thế chúng bằng những ước lượng
đáng tin hơn, theo tiến độ hiểu biết về dịch bệnh”, Vittoria Colizza giải
thích. “Dữ liệu tồi tệ nhất, như tôi đã giải thích với các sinh viên của mình,
đó là số lượng các ca”, Pascal Crépey nhớ lại, người cũng như các đồng nghiệp
của ông, đã sử dụng dữ liệu về số nhập viện hoặc số tử vong, nhưng các thông
tin đó lại đến rất muộn về thời điểm bùng phát dịch bệnh. Số ca và vai trò
của những bệnh nhân không có triệu chứng cũng đặt ra vấn đề trong việc đánh giá
đúng tình trạng lây nhiễm. Cũng giống như trường hợp các đứa trẻ. Hoặc
trường hợp khoảng cách thế hệ, thời gian giữa hai ca lây nhiễm, gấp đôi hoặc
gấp ba so với thời gian dịch cúm...
“Nhất là chúng tôi chưa bao giờ thử nghiệm
những biện pháp can thiệp như việc phong tỏa y tế. Điều đó đã đẩy các mô hình
của chúng tôi đến giới hạn”, Vittoria Colizza nhấn mạnh. "Và làm thế nào
để phân tích một dịch bệnh khi mà các thông số thay đổi hầu như hàng ngày?”,
Simon Cauchemez nói thêm. Vì thế, đó là cả một công việc “xoay xở”. Do
đó có việc thu thập dữ liệu trên điện thoại di động để đánh giá mức giảm số lần
tương tác giữa người dân Pháp với nhau trong thời gian phong tỏa. Chúng
tôi đưa ra một bảng câu hỏi, SocialCov, với hơn 42.000 người được khảo sát vào
tháng 4, để ước tính con số về tương tác và bản chất của các cuộc tiếp xúc, hai
dữ liệu then chốt để hiệu chỉnh mô hình.
Mặc dù có những khó khăn nói trên, “chúng
tôi đã chứng kiến sự thành công của các mô
hình… năm 1927!”, Alain-Jacques Valleron nói đùa, để nhấn mạnh rằng nay không
phải là thời điểm của sự thay đổi [mang tính cách mạng] mà của sự ổn
định. Thực vậy, năm 1927 là năm ra đời cách tiếp cận dịch tễ học được gọi
là cách tiếp cận theo “khoang”, nơi một quần thể dân số được phân loại vào các
ô, “khỏe mạnh”, “bị nhiễm”, “được chữa khỏi” hoặc “tử vong”, và xác suất chuyển
từ ô này đến ô khác mô tả diễn tiến của một căn bệnh. Kể từ đó, số khoang
ngày càng tăng thêm, với các ô “đang chăm sóc đặc biệt”, “không triệu chứng”, “nhập
viện”... nhưng triết lý vẫn như cũ. Chính từ cách tiếp cận đó mà các khái
niệm về tăng trưởng theo số mũ, miễn dịch nhóm hoặc tỷ số lây nhiễm... đã
trở nên nổi tiếng. “Mô hình giúp biểu
trưng một tập hợp các suy luận logic nhỏ, điều
mà một sự kết hợp quá phức tạp [các suy luận] sẽ trở nên bất khả trong đầu
chúng ta. Nó bao gồm tất cả kiến thức
tại một thời điểm nhất định, và đưa ra một phân tích tình hình có tính đến
những điều không chắc chắn”, Lulla Opatowski tóm tắt.
Về phần mình, Alain-Jacques Valleron tỏ
ra nghiêm ngặt hơn: “Một mô hình không phải để tính toán tỷ số lây nhiễm. Nó
sẽ giúp chúng ta khám phá ra điều chưa biết. Ví dụ, nhờ cách tiếp cận đó, chúng
ta hiểu được điều gì đã xảy ra vào năm 1987, trong thời kỳ dịch bệnh AIDS, bằng
cách ước tính thời gian ủ bệnh rất dài, vào khoảng mười lăm năm."
Nhưng nếu những người lập mô hình đã ở
tuyến đầu, thì điều đó không chỉ có nghĩa là do tính lâu đời, tính kịp thời hay
tính chặt chẽ trong các phân tích của họ. Đó còn là do khía cạnh “phán
truyền” của họ, mặc dù họ phủ nhận điều đó. "Công việc của chúng tôi không
phải là đưa ra những lời tiên tri!”, Pierre-Yves Böelle nhắc lại, trong nỗ lực xóa tan sự hiểu
sai thường xuyên nhất về công việc của ông. Các ghi chú của Simon
Cauchemez đã chỉ rõ: “Sự khác biệt giữa ‘kịch bản’ và ‘dự đoán’ là rất quan
trọng. Nếu xem những dự phóng liên kết với một kịch bản là những dự đoán, thì
điều này ngụ ý các dự phóng đó sẽ trở thành sự thật bất luận điều gì xảy ra.
Tất nhiên, điều đó không đúng. Những biện pháp kiểm soát [dịch bệnh] bổ sung
hoặc một sự tuân thủ tốt hơn [các biện pháp phòng dịch] từ phía người dân, đến
những hành động phản kháng, có thể làm thay đổi, một cách nhanh chóng và mạnh
mẽ, động thái của dịch bệnh, và ngăn cản kịch bản xảy ra.” Nói cách
khác, “chúng tôi đưa ra cảnh báo để tránh xảy ra thảm họa”, Pascal Crépey cách trả lời né tránh khéo léo. Một cách trả
lời né tránh khéo léo, điều mà những người gièm
pha cáo buộc khi nhắc đến những “sai lầm” trong quá khứ về bệnh bò điên, hay
bệnh cúm H1N1 với những “dự báo” mang tính thảm khốc.
 |
| Alain-Jacques Valleron (1943-) |
Các lời chỉ trích đó lướt qua những
người lập mô hình, vốn thường sử dụng lập luận cho rằng “các mô hình không sai,
chính các giả thiết hoặc dữ liệu đằng sau đó mới là những thứ có thể không
chính xác.” Liên quan đến bệnh bò điên, đúng là việc tính đến cấu trúc
tuổi tác đã làm giảm đáng kể số ca tử vong. Liên quan đến bệnh cúm năm
2009, tỷ lệ tử vong thấp hơn nhiều so với những ước lượng ban đầu. “Chúng
ta sẽ không đạt được bất cứ đều gì nếu chỉ giới hạn vào mô hình ‘tổng quát’ năm
1927!”, Alain-Jacques Valleron nhấn mạnh một cách hóm hỉnh. “Tôi đã nhận
được một vài lời xúc phạm qua email hoặc thư. Chúng tôi đọc phản hồi đầu tiên,
rồi sau đó sàng lọc. Chúng tôi cũng ngừng chú ý đến những người nói ‘Tôi không
phải là nhà dịch tễ học, nhưng...’”, Pierre-Yves Boëlle nói trong tiếng thở
dài. Các chuyên gia này cũng nhắc lại rằng các mô hình của họ không liên quan
gì đến quyết định phong tỏa.
Tuy vậy, tất cả các chuyên gia đột ngột
nỗi tiếng này đều thừa nhận những khó khăn trong truyền thông. “Chúng
tôi đã phải học cách trình bày các kết quả nghiên cứu của mình cho công chúng,
cũng như cho những người có thẩm quyền ra quyết định, đặc biệt khi chỉ ra những
điều không chắc chắn, các khoảng ước lượng, bằng cách đề cập đến các ‘kịch bản’ thay vì nói các ‘dự
đoán’….”, Laura Temime tóm tắt lại. “Điều đó không hề đơn giản bởi vì những gì
được đọc không phải lúc nào cũng là những gì được viết”, Pierre-Yves Boëlle nhớ
lại, khi kể lại việc đã có một số người cáo buộc một trong những bài báo của
ông có nội dung bêu xấu người lớn tuổi, trong khi đó là công việc nghiên cứu hiệu
ứng của việc giảm thiểu tiếp xúc trong nhóm độ tuổi này. “Một trong những vấn
đề là nếu các chuyên gia không giữ vị
trí của mình, thì sẽ có người khác, ít chuyên môn hơn,
thế chỗ đó, Pascal Crépey cho biết. Điều khá phiền phức là rơi vào vị thế người
phát ngôn của một cộng đồng. Việc đưa tin trên các phương tiện truyền
thông dẫn đến một sự chính đáng hoá, điều mà chúng tôi không quen trong công việc mang tính học
thuật.”
Công việc phối hợp
Khi các chuyên gia tuyến đầu này vận
hành máy tính của họ, chấp nhận nằm dưới ánh đèn của giới truyền thông, gánh
chịu búa rìu dư luận và đóng góp ý kiến cho các cố vấn của những người có thẩm
quyền ra quyết định, thì một nhóm thứ hai đã nhanh chóng nhập cuộc. "Chúng
tôi đã mất kiên nhẫn!”, theo lời của Pierre-Louis Lions, nhà toán học được trao
giải thưởng Fields, người am tường sự gia tăng theo hàm mũ và là người sớm thấy
thảm họa xảy đến. Jean-Stéphane Dhersin, nhà toán học, Phó giám đốc Viện
quốc gia các khoa học toán học và các tương tác của các khoa học, thuộc trung
tâm CNRS cho biết: “Ngay từ tháng 2, chúng tôi đã bắt đầu nhận được những đề
xuất về mô hình, những câu hỏi về các bài báo đã đăng, những đề nghị hỗ trợ...
từ các nhà nghiên cứu mà dịch tễ học không phải là lĩnh vực nghiên cứu cốt lõi
của họ, tuy nhiên họ rất có năng lực. Chúng tôi biết các chuyên gia lập mô hình
dịch bệnh đang quá tải và đang tiến hành việc lập các mô hình để giúp đưa ra
quyết định. Thế nên đã nảy ra ý tưởng phối hợp toàn bộ những người có thiện ý
đó để làm một việc khác. Vào ngày 31 tháng 3, mạng Modcov19 đã ra mắt.”
Trong vòng một tuần, đã có 150 người
tham gia theo dõi và cập nhật các thư mục, đề xuất các bài thuyết trình, tập
hợp các nhóm làm việc... Cùng một sáng kiến tương tự như ở Vương quốc Anh, dưới sự bảo trợ của hội Royal
Society, đã truyền cảm hứng cho 1.800 tình nguyện viên, dấu hiệu về một văn hóa
mô hình hóa về dịch tễ học được lan truyền rộng rãi hơn ở bên kia bờ biển
Manche (nước Anh – ND), nơi đã phát minh ra bộ môn này.
Ý tưởng đã nảy ra rất nhanh trong mạng
lưới này. “Các mô hình đầu tiên, trong đó có mô hình của Đại học Hoàng gia
London, đã thiếu cái được gọi là ‘phân tích độ nhạy’, có nghĩa là sự ước tính
ảnh hưởng của từng tham số trong kết quả. Có một số nhân tố có tầm ảnh hưởng
lớn hơn các nhân tố khác, và vì vậy điều quan trọng là cần phải giảm mức độ bất
định. Thế mà, chúng tôi đã nhận ra tỷ lệ những bệnh nhân không có triệu chứng
là một trong những nhân tố then chốt đó. Vì vậy chúng tôi đã đề xuất tiến hành
lấy mẫu ngẫu nhiên ở vùng Ile-de-France để biết số người nhiễm bệnh hiện tại”,
theo lời của Josselin Garnier, nhà toán học, giáo sư tại Đại học Bách khoa ở
Trung tâm Toán học Ứng dụng (CMAP). Một nhóm nghiên cứu khoảng mười người
với nhiều năng lực khác nhau đã được động viên tiến hành kiểm định. Thành phố
Paris ủng hộ dự án này. "Và rồi mọi việc trở nên phức tạp hơn. Tôi không
biết điều gì đã xảy ra. Không hẳn là đụng vào một bức tường, nhưng công việc đã
bị sa lầy. Và không thể tiến hành”, Josselin Garnier nói thẳng, một cách thất
vọng nhưng không cay đắng.
Nhìn thấy trong mớ tù mù các dữ liệu
Một đồng nghiệp đã có “nhiều” may mắn
hơn. Nắm bắt được nhanh ý tưởng, Anne Gégout-Petit và Pierre Vallois, giáo
sư về xác suất và thống kê tại Đại học Lorraine, đã quyết định tiến hành công
việc tương tự ở đô thị Nancy. Vào đầu tháng 4, những cuộc tiếp xúc đầu tiên đã
được thực hiện, và kiểm định đã được tiến hành vào tháng 7 trên 2.000 người,
nhưng… vẫn không có kết quả nào được thông báo vào ngày 3 tháng 1.
“Tại cuộc họp hàng tuần của nhóm vào
ngày 12 tháng 3, tôi thuyết trình về dịch bệnh, và ngạc nhiên khi không thấy
kết quả từ các đồng nghiệp lập mô hình, trong khi ở Anh đã có những bài đăng
[về mô hình hóa]. Tôi giải thích rằng chúng ta có thể bắt tay vào việc,” theo
lời của Samuel Alizon, giám đốc nghiên cứu tại trung tâm CNRS, Phòng thí nghiệm
về các bệnh truyền nhiễm và vectơ truyền bệnh: sinh thái học, di truyền học,
thuyết tiến hóa và kiểm soát ở Montpellier. Nhà sinh vật học tiến hóa này
không tạo được sự nhiệt tình, bởi cảm giác chung là “mọi người sẽ làm điều đó”.
Cuối cùng, nhóm của ông đã nhận diện
được nhiều “ngách” và một mục tiêu, mảng tò mò nhất của công chúng, thứ đưa họ
lên hàng những người đối thoại đáng tin trong nhóm nghiên cứu mô hình hóa dịch
bệnh. Họ là những người đầu tiên phân tích trình tự di truyền của virus
trong nước và phát triển mối liên hệ với các thuộc tính của dịch bệnh. Họ
tính toán tỷ lệ lây nhiễm nổi tiếng. Họ liên kết được các dự phóng với
nhiều thông số có thể điều chỉnh được... Tổng cộng có mười ba “mối quan hệ” và
hai phần mềm được đưa lên mạng. “Cuối cùng, đây là một cách tiếp cận độc đáo và
không tệ lắm!”, nhà nghiên cứu nói đùa.
Một nhà toán học khác của trường CMAP,
Marc Lavielle, cũng nổi bật với một cách tiếp cận độc đáo. Giống như các
nhà nghiên cứu khác, ông có khả năng “nhìn thấy” trong mớ tù mù các dữ
liệu. Ngay từ tháng 9, người am tường các phát triển tin học và phần mềm
này đã đưa lên mạng một dạng nhiệt kế về dịch bệnh ở Pháp, có khả năng trích
xuất những biến động gia tốc và giảm tốc liên tiếp của đại dịch. Đây là
một cách tiếp cận cổ điển trong toán học hoặc vật lý. Thay vì mô hình hóa
các hiện tượng, chúng ta mô hình hóa bản thân các dữ liệu, có nghĩa là chúng ta
cố gắng tìm ra một hàm toán học tốt nhất có thể tái tạo quá trình tiến hóa quan
sát được. Nói cách khác, chúng ta tìm cách xem liệu sự tăng trưởng [virus]
có theo hàm mũ hay không, thay vì giải thích tại sao nó lại như vậy, như các mô
hình theo khoang đã làm.
Và, trong trường hợp này, vào tháng 10,
chuyên gia đó đã phát hiện ra đó là [sự tăng trưởng] “siêu hàm mũ”! Hệ số
mũ thay đổi theo thời gian… Thậm chí ông còn thấy rất sớm sự chậm lại của quá
trình suy giảm sau đỉnh điểm thứ hai và sự gia tăng hiển nhiên trở lại trong
giai đoạn hiện tại… “Chúng ta không nên xem liệu khi nào thì những biến động đó
đi lên (khiến ta lo lắng) hay đi xuống (khiến ta yên tâm), mà trên hết, nên xem
những biến động đó đang tiến triển như thế nào theo thời gian”, nhà nghiên cứu
tóm tắt.
Một cộng đồng khác đã lên tiếng bảo vệ
một cách tiếp cận thứ ba, không theo dạng khoang hay mô hình hóa dữ liệu. “Vào
đầu tháng 3, chúng tôi đã đưa ra một sáng kiến để đáp lại những thách thức do dịch bệnh gây ra. Từ một nhóm
nghiên cứu nòng cốt chỉ có 5 người, nhà địa lý học, nhà tin học, nhà toán học,
nhóm đã nhanh chóng tăng lên ba mươi người”, theo lời của Arnaud Banos, nhà địa
lý học, giám đốc nghiên cứu tại trung tâm CNRS, phát sinh từ tập thể này, được
gọi là CoVprehension. Chuyên môn của họ là mô phỏng đa tác nhân, có nghĩa là
tái hiện in silico [mô phỏng sử dụng máy tính] những xã hội nhỏ, được đại diện
bằng những cá thể di chuyển, tương tác, tự giãn cách, tránh xa, và có hoặc
không có khả năng lan nhiễm virus cho nhau... Vì thế, cách tiếp cận này khác
với cách tiếp cận theo dạng khoang đã từng giành chiến thắng. Thế nhưng, đây là
một kỹ thuật được bàn tán nhiều nhất. Kết luận của Đại học Hoàng gia London và
của Neil Ferguson, vào ngày 16 tháng 3, đã được đúc kết từ những mô phỏng như
thế, vốn đã được phát triển và xác thực trước đây trong trường hợp của bệnh
cúm.
Samuel Alizon lưu ý: “Trên thực tế, mô
hình to lớn, rất chi tiết này cho ra những kết quả tương tự như cách tiếp cận
theo dạng khoang, vốn có ít thông số hơn.” Bản thân nhóm nghiên cứu của
Ferguson sẽ ngã trở lại rất nhanh theo cách tiếp cận theo dạng “khoang”.
Alain-Jacques Valleron nhắc lại rằng: “Các phương pháp này phức tạp hơn, trong
thực tế, để triển khai thực hiện và do đó khó tác nghiệp hơn,
đặc biệt trong thời kỳ khủng hoảng”. ”Các mô phỏng đa tác nhân chứng minh
rõ hơn tính biến động của hiện tượng”, theo lập luận của Arnaud Banos, người
lưu ý rằng hai cách tiếp cận nói trên ít có tách biệt hơn là trong quá khứ.
 |
Chúng rất hiệu quả cho việc giảng dạy,
thể hiện qua 20 thách thức có thể thấy trên trang CoVprehension, kèm theo rất
nhiều mô phỏng tương tác. Thay cho những phương trình vi phân, các
quả bóng sẽ chuyển động, chạm vào nhau, đổi màu. Chúng ta hiểu rõ hơn vai
trò của biện pháp giãn cách thể chất, phong tỏa y tế... Điều hơn hẳn là nhận
thức được tầm quan trọng của mạng lưới tương tác xã hội, của các siêu cá nhân
lây truyền... Juliette Rouchier và Victorien Barbet, hai thành viên của nhóm
CoVprehension, tác giả cuốn La Diffusion de la Covid-19 [Truyền bá Covid-19]
(NXB Editions Matériologiques, 2020), đã tóm tắt khá tốt những đóng góp về mặt
sư phạm và khoa học của các phương pháp nói trên. "Cách tiếp cận mang tính
định tính của các mô hình này sẽ đặc biệt thích hợp để bổ sung cho các cách
tiếp cận mang tính định lượng. Chúng ta cũng có thể sử dụng chúng để tinh
chỉnh, theo cách thử và sai [trial and error], in silico [mô phỏng sử dụng máy
tính] việc xác định chính xác các chính sách công mà chúng ta muốn triển khai.
Tất cả những điều đó góp phần đa dạng hóa nhiều hơn các cách tiếp cận và các
nghiên cứu mang tính tập thể lớn hơn”, theo lời của Juliette Rouchier.
Nhóm nghiên cứu thứ nhất, nhóm thứ hai,
chúng ta thậm chí có thể bổ sung thêm nhóm thứ ba, khi xem xét đến tập thể các
nhà khoa học thiện chí này, những người muốn đóng góp phần mình vào công trình
tập thể. Ví dụ, nhà vật lý nọ, người đã chuyển sang các thang đo logarit
để chứng minh tính gần gũi của tình trạng tăng trưởng virus ở Trung Quốc, Ý và
Pháp, và là người muốn cảnh báo về những đỉnh điểm thảm họa sắp xảy
ra. Hoặc như nhà vật lý thiên văn nọ, người cũng đã đưa ra các bản tin
thời tiết đáng lo ngại từ việc sử dụng những dữ liệu tương tự. "Tôi đã
nhận khá nhiều tin, ít nhiều mang tính điên rồ, hoặc những tin nhắn hàng tuần
chỉ kéo dài đường cong... Tất nhiên, trong số đó, cũng có những điều đúng”,
Jean-Stéphane Dhersin nhớ lại, người đã làm nổi bật đặc điểm “vị tha” của các
nhà toán học và “trải nghiệm con người thân thiện” mà ông đã sống.
“Đây là điều mà tôi gọi là nghiên cứu
bên ngoài bức tường, mang tính tham gia. Đó là điều phi thường về Covid. Chắc
chắn là có điều xấu, nhưng cũng có điều tốt!”, theo đánh giá của Alain-Jacques
Valleron. “Người ta không thể trở thành chuyên gia trong vài tuần,” theo lời
tiết chế của Pierre-Yves Boëlle.
Bài học rút ra từ những tháng đầu tiên ở
tiền tuyến cho cộng đồng siêu năng động này là gì?
Tất nhiên, có những điều đáng tiếc là đã
không thể tiến hành những “thử nghiệm” để lấp đầy khoảng trống về dữ liệu,
giống như với những kiểm định ngẫu nhiên. Alain-Jacques Valleron nhấn
mạnh: “Chúng tôi cũng có thể theo dõi một nhóm 30.000 đến 50.000 người để có
những dữ liệu về dịch bệnh này khác với những dữ liệu của các cơ sở y tế và
bệnh viện.” Điều đáng tiếc lớn nhất của những người lập mô hình là đã
không thể dành nhiều thời gian hơn để phục vụ cho thiện ý nói trên, nhưng việc
kèm cặp, đào tạo người mới có thể đã làm thiệt thòi bản thân công việc của
họ. Pascal Crépey đặt câu hỏi: “Có lẽ nên mở rộng nguồn dự trữ y tế sang
các nhà khoa học dữ liệu.” Hoặc tạo ra một nguồn dự trữ khoa học, như theo đề
xuất của nhà vi sinh vật học Philippe Sansonetti, giáo sư tại Đại học Collège
de France.
Cũng có hiện tượng quả lắc đảo lại, đột
ngột đi từ chỗ không có mô hình sang chỗ tràn ngập những con số, và dẫn đến
việc công bố những tỷ lệ lây nhiễm
tới hai phân số, không có bất kỳ ý nghĩa
gì.
 |
| David Larousserie |
Vẫn còn quá sớm để biết liệu cảnh quan
trong nước có được giữ nguyên hay nhích gần hơn đến các hệ thống của Anh hoặc
Mỹ, vốn có một văn hóa và một cộng đồng quan tâm nhiều hơn đến chủ đề
này. Simon Cauchemez nhấn mạnh: “Việc cải thiện sự liên kết giữa công cụ
mô hình hóa và việc hỗ trợ ra quyết định đã được tiến hành ở Pháp. Covid-19 đã
tạo ra một lực thúc đẩy điều này.” “Chúng ta cần tiếp tục suy nghĩ về cách làm tốt nhất”, Pascal
Crépey ủng hộ quan điểm nói trên. Cho đến giờ, Cơ quan Y tế Công cộng Quốc
gia của Pháp (SPF) đã không chọn cách thành lập một nhóm người lập mô hình thực
sự, mà chọn cách duy trì các mối quan hệ hợp tác với giới học thuật để ở “đỉnh
cao tri thức”, theo lời của Daniel Lévy-Brühl, người phụ trách Đơn vị chống lây
nhiễm đường hô hấp của cơ quan SPF, chỉ ra rõ rằng cách tiếp cận mô hình hóa đã
làm phong phú cho các quyết định của cơ quan, ví dụ như về chiến lược tiêm
chủng vắc xin. Mạng Modcov19, trong mọi trường hợp, sẽ tồn tại trong bốn
năm, sẵn sàng đáp ứng tốt hơn mọi nhu cầu.
Trong khi đó, mỗi người đều có mức độ hài lòng khác nhau, đặc biệt với các bài viết đăng trên những tạp chí uy tín. “Với đại dịch này, tôi đã có những người cộng tác mới và những dự án mới, chẳng hạn như công việc mô phỏng tỷ lệ nhập viện ở bệnh viện”, theo lời của Anne Gégout-Petit. “Đó sẽ là những ví dụ tuyệt vời cho khóa học phân tích độ nhạy của tôi,” theo lời của Josselin Garnier. Nhưng đối với nhiều người, vẫn còn nhiều áp lực và có vẻ như đã đánh mất khái niệm thời gian, điều ước hàng đầu là “mong đại dịch chấm dứt!”.
Huỳnh
Thiện Quốc Việt dịch
Nguồn: Covid-19:
ces modélisateurs qui anticipent la pandémie, Le Monde, ngày
05/01/2021.