Có phải 1% người mắc COVID-19 tử vong nghĩa là có 1% khả năng bạn sẽ chết nếu mắc bệnh?

CÓ PHẢI 1% NGƯỜI MẮC COVID-19 TỬ VONG NGHĨA LÀ CÓ 1% KHẢ NĂNG BẠN SẼ CHẾT NẾU MẮC BỆNH?

LỜI GIẢI THÍCH TỪ MỘT NHÀ TOÁN HỌC VỀ SỰ KHÁC BIỆT GIỮA THỐNG KÊ TRÊN MỘT TỔNG THỂ VÀ RỦI RO CÁ NHÂN CỦA BẠN

Nguy cơ tử vong do COVID-19 khác nhau ở mỗi người. Jasmin Merdan/Getty Images

Tính đến tháng 4 năm 2023, khoảng 1% số người nhiễm COVID-19 đã tử vong. Có phải điều đó nghĩa là bạn có 1% nguy cơ chết vì COVID-19?

Con số 1% là cái mà các nhà dịch tễ học gọi là tỷ lệ chết bệnh (case fatality rate - CFR), tính bằng cách chia số ca tử vong được xác nhận do COVID-19 cho tổng số ca mắc bệnh đã được xác nhận. Tỷ lệ chết bệnh là một thống kê hoặc điều gì đó được tính toán từ một tập dữ liệu. Cụ thể, loại thống kê này được gọi là tỷ lệ mẫu, đo lường tỷ lệ dữ liệu đáp ứng một số tiêu chí – trong trường hợp này là phần ca bệnh COVID-19 kết thúc bằng cái chết.

Mục tiêu của việc tính toán một thống kê như tỷ lệ chết bệnh thường là để ước tính một phần chưa biết. Trong trường hợp này là, nếu tất cả mọi người trên thế giới đều bị nhiễm COVID-19 thì phần người chết sẽ là bao nhiêu? Tuy nhiên, một số người cũng sử dụng thống kê này như một hướng dẫn để ước tính rủi ro cá nhân.

Người ta dễ nghĩ về thống kê như một kiểu xác suất. Ví dụ: những tuyên bố thường thấy như bạn dễ bị sét đánh hơn là chết trong một cuộc tấn công khủng bố, hoặc chết khi lái xe đi làm dễ hơn là gặp tai nạn máy bay, đều dựa trên số liệu thống kê. Nhưng hiểu những tuyên bố này theo nghĩa đen có chính xác không?

Tôi là một nhà toán học nghiên cứu lý thuyết xác suất. Trong thời kỳ đại dịch, tôi đã chứng kiến cảnh số liệu thống kê về sức khỏe trở thành chủ đề bàn tán trên toàn quốc. Công chúng chìm ngập trong mớ dữ liệu luôn thay đổi nhờ nghiên cứu được tiến hành và cập nhật kết quả theo thời gian thực, thu hút sự chú ý tới các yếu tố rủi ro cụ thể như các bệnh nền hoặc tuổi tác. Tuy nhiên, gần như không thể dùng những số liệu thống kê này để xác định chính xác rủi ro cá nhân của riêng bạn vì nó thay đổi rất nhiều từ người này sang người khác và phụ thuộc vào các quá trình vật lý và sinh học phức tạp.

Toán học của xác suất

Trong lý thuyết xác suất, một quá trình được coi là ngẫu nhiên nếu kết quả của nó không thể đoán trước. Sự không thể đoán trước này có thể đơn giản là do khó có được thông tin cần thiết để dự đoán chính xác kết quả. Các quá trình ngẫu nhiên có các sự kiện có thể quan sát được, mỗi sự kiện này có thể được gán cho một xác suất hoặc xu hướng mà quá trình sẽ cho ra kết quả cụ thể đó (một sự kiện có thể quan sát được).

Một ví dụ điển hình của quá trình ngẫu nhiên là tung đồng xu. Mỗi lần tung đồng xu có hai kết quả có thể xảy ra, mỗi kết quả được ấn định xác suất là 50%. Dù có lẽ hầu hết mọi người nghĩ quá trình này là ngẫu nhiên, việc biết chính xác lực tác dụng lên đồng xu có thể cho phép người quan sát dự đoán kết quả. Nhưng tung đồng xu vẫn được coi là ngẫu nhiên vì việc đo lường lực này không khả thi trong điều kiện thực tế. Một thay đổi nhỏ có thể dẫn tới kết quả khác khi tung đồng xu.

Bạn có thể dự đoán kết quả của việc tung đồng xu nếu bạn có thông tin chính xác.

Một cách thông thường để nghĩ về xác suất 50% ra mặt ngửa là, khi một đồng xu được tung nhiều lần, bạn sẽ mong đợi 50% số lần tung đó là mặt ngửa. Thực tế, với một lượng lớn các lần tung, số lần ra mặt ngửa sẽ rất gần với 50%. Một định lý toán học được gọi là luật số lớn đảm bảo điều đó, định lý này nói rằng tỷ lệ cộng dồn của các kết quả sẽ ngày càng tiến gần hơn đến xác suất thực tế khi quá trình được lặp lại nhiều lần. Bạn tung đồng xu càng nhiều lần, tỷ lệ ra mặt ngửa sẽ càng tiến gần đến 50%, về cơ bản thì chắc chắn là thế. Tuy nhiên, điều này phụ thuộc vào việc các lần tung đồng xu có lặp đi lặp lại trong những điều kiện cơ bản giống hệt nhau không.

Tỷ lệ 1% tử vong do COVID-19 có thể được coi là phần trăm cộng dồn của các ca bệnh chết vì COVID-19. Tuy nhiên, 1% không đại diện cho xác suất tử vong trung bình thực sự, vì vi-rút cũng như khả năng miễn dịch và hành vi của người dân khắp thế giới đã thay đổi rất nhiều theo thời gian. Các điều kiện không phải là hằng số.

Chỉ khi vi-rút ngừng phát triển, khả năng miễn dịch và nguy cơ tử vong của mọi người là giống hệt nhau và không thay đổi theo thời gian, và luôn có người sẵn sàng bị nhiễm bệnh, thì theo quy luật số lớn, tỷ lệ chết bệnh mới tiến gần đến mức trung bình thực sự của xác suất tử vong theo thời gian.

1% nguy cơ tử vong?

Quá trình sinh học dẫn đến cái chết của một căn bệnh rất phức tạp và bất định. Nó không thể đoán trước được và do đó, là ngẫu nhiên. Mỗi người đều có rủi ro thể chất thực sự là tử vong do COVID-19, mặc dù rủi ro này thay đổi theo thời gian, địa điểm và giữa các cá nhân. Vì vậy, trong điều kiện tốt nhất, 1% có thể coi như là xác suất tử vong trung bình trong dân số.

Rủi ro sức khỏe cũng khác nhau giữa các nhóm nhân khẩu học. Ví dụ, người già có nguy cơ tử vong cao hơn nhiều so với những người trẻ tuổi. Việc theo dõi các trường hợp lây nhiễm COVID-19 và kết quả bệnh của một lượng lớn những người có đặc điểm nhân khẩu học tương tự như bạn sẽ cho ra ước tính chính xác hơn về rủi ro cá nhân.

Bạn có nguy cơ tử vong do tai nạn ô tô thấp hơn nhiều nếu bạn không ở gần bất kỳ con đường hay ô tô nào. georgeclerk/E+ qua Getty Images

Tỷ lệ chết bệnh là một xác suất, nhưng chỉ khi bạn nhìn vào tập dữ liệu cụ thể được dùng để trực tiếp tính toán ra nó. Nếu bạn viết kết quả của mọi ca mắc COVID-19 trong bộ dữ liệu đó vào một dải giấy và chọn ngẫu nhiên một ca bệnh, thì bạn có 1% cơ hội chọn được một ca kết thúc bằng cái chết. Nếu chỉ làm điều này đối với các ca bệnh thuộc một nhóm cụ thể, chẳng hạn như nhóm người lớn tuổi có nguy cơ cao hơn hoặc trẻ nhỏ có nguy cơ thấp hơn, sẽ khiến tỷ lệ phần trăm cao hơn hoặc thấp hơn. Đây là lý do tại sao 1% có thể không phải là ước tính chính xác về rủi ro cá nhân cho mọi người trong tất cả các dân số.

Chúng ta có thể áp dụng logic này cho các vụ tai nạn xe hơi. Nguy cơ bị đụng xe trong chuyến đi dài 1.000 dặm (khoảng 1.609 km) là khoảng 1 trên 366. Nhưng nếu bạn không bao giờ ở gần đường sá hoặc ô tô, thì bạn sẽ có 0% nguy cơ. Đây chỉ thực sự là một xác suất theo đúng nghĩa của việc rút thăm trong một cái mũ đựng phiếu đề tên người tham gia một cuộc xổ số. Xác suất này cũng áp dụng không đồng đều trên một tổng thể – chẳng hạn do sự khác biệt trong hành vi lái xe và điều kiện đường sá địa phương.

Mặc dù thống kê trên một tổng thể không tương đương với xác suất, đó có thể là một ước tính tốt cho xác suất. Nhưng chỉ khi tất cả mọi người trong tổng thể này có đủ mức tương đồng về mặt nhân khẩu học để thống kê không thay đổi nhiều khi tính toán cho các nhóm nhỏ khác nhau.

Lần tới, khi bạn đối mặt với một dữ liệu thống kê trên một tổng thể như vậy, hãy nhớ ngay con số đó thực sự là gì: Đó chỉ là phần trăm đáp ứng một số tiêu chí trong một tổng thể cụ thể. Rất có thể, bạn không ở mức trung bình của tổng thể đó. Xác suất cá nhân của riêng bạn có thể cao hơn hoặc thấp hơn.

Tác giả

Joseph Stover

Phó Giáo sư Toán học, Đại học Gonzaga

Tuyên bố công khai

Joseph Stover không làm việc, tư vấn, sở hữu cổ phần trong hoặc nhận tài trợ từ bất kỳ công ty hoặc tổ chức nào có thể hưởng lợi từ bài viết này và không có sự trực thuộc nào ngoài giới chuyên môn của mình.

Huỳnh Thị Thanh Trúc dịch

Nguồn: If 1% of COVID-19 cases result in death, does that mean you have a 1% chance of dying if you catch it? A mathematician explains the difference between a population statistic and your personal risk, The Conversation, Apr 18, 2023.