Báo cáo Phân tích dữ liệu về Covid 19 môn Lập trình phân tích dữ liệu với Python | Đại học Phenika

TRƯỜNG ĐẠI HỌC PHENIKAA
KHOA CÔNG NGHỆ THÔNG TIN
------------------------------o0o----------------------------- BÁO CÁO HỌC PHẦN
LẬP TRÌNH PHÂN TÍCH DỮ LIỆU VỚI PYTHON
Đề tài 1: Phân tích dữ liệu về Covid 19
Cán bộ hướng dẫn: ThS. Nguyễn Văn Thiệu
Nhóm sinh viên thực hiện: Nhóm 1 Họ và tên MSSV Phạm Hoàng Anh 21011234 Đinh Tiến Đạt 21013111 Hà Nội, 03/2024 LỜI NÓI ĐẦU
Ngày nay, cuộc cách mạng công nghiệp 4.0 đang bắt đầu bùng nổ trên toàn
cầu đã mang đến những thách thức cho thế giới nói chung và cho Việt Nam trên
tất cả các lĩnh vực: kinh tế, kỹ thuật, y tế,…trong đó có lĩnh vực công nghệ
thông tin. Việc phát triển công nghệ thông tin, trong đời sống là một trong
những xu hướng mới mà xã hội đang hướng tới cũng và đòi hỏi những người kỹ
sư, những sinh viên đại học phải nắm vững, hiểu rõ những kiến thức về các ngôn
ngữ lập trình, cơ sở dữ liệu, lập trình hướng đối tượng,khai phá dữ liệu, phân
tích dữ liệu,… và cách ứng dụng chúng để có thể bắt kịp được sự phát triển của
thời đại. Vì vậy, việc chúng ta hiểu rõ hơn về phân tích dữ liệu và làm chủ nó là
thực sự cần thiết để có thể nắm bắt được thông tin một cách chi tiết, cụ thể đối
với nhóm chúng em nói riêng và toàn thể những sinh viên công nghệ thông tin nói riêng.
Được sự hướng dẫn của ThS.Nguyễn Văn Thiệu – cán bộ trực tiếp hướng
dẫn học phần Lập trình phân tích dữ liệu với Python, với sự nhiệt tình và tâm
huyết đã trang bị những kiến thức quý giá, giải đáp thắc mắc giúp chúng em có
được những kỹ năng trong việc ứng dụng phân tích và xử lí dữ liệu vào việc.
Chúng em mong rằng đề tài sau khi thực hiện sẽ góp phần giải quyết bài toán về mạng xã hội.
Chúng em xin chân thành cảm ơn! 1
BẢNG PHÂN CÔNG CÔNG VIỆC ST Họ Và Tên MSSV
Nội dung công việc T
Thu thập dữ liệu, thực hiện mô 4
bài toán, chạy và kiểm thử mô 1 Phạm Hoàng Anh
21011234 hình, góp ý, tổng hợp quá trình làm việc và viết báo cáo
Thực hiện tiền xử lý dữ liệu, hỗ trợ
thực hiện mô hình 4 bài toán, chạy 2 Đinh Tiến Đạt
21013111 và kiểm thử lại lần 2 và 3, làm
slide và hỗ trợ viết báo cáo 2 MỤC LỤC LỜI NÓI ĐẦU 1
BẢNG PHÂN CÔNG CÔNG VIỆC 2
TÓM TẮT VẤN ĐỀ VÀ LÝ DO CHỌN ĐỀ TÀI 6 NỘI DUNG 7 I. Mục đích nghiên cứu 7
II. Phương pháp nghiên cứu 7
1. Cơ sở lý thuyết.........................................................................................................7
2. Các bước thực hiện.................................................................................................. 8
2.1. Thu thập dữ liệu.................................................................................................9
2.2. Làm sạch dữ liệu..............................................................................................11
2.3. Khai phá dữ liệu...............................................................................................13
2.3.1. Xử lý dữ liệu............................................................................................. 13
2.3.1.1. Châu Á................................................................................................ 13
2.3.1.2. Việt Nam.............................................................................................20
2.4. Lập mô hình dữ liệu.........................................................................................30
2.4.1. Bài toán 1: Bài toán dự đoán số ca nhiễm trong khoảng thời gian 5, 10
tháng tới của Việt Nam........................................................................................30
2.4.2. Bài toán 2: Bài toán phân cụm nhóm các quốc gia, khu vực theo dữ liệu
thống kê thu thập được........................................................................................33
2.4.3. Bài toán 3: Bài toán phân tích tình cảm.................................................... 36
2.4.4. Bài toán 4: Bài toán sử dụng các thuật toán học máy để xác định các đặc
tính quan trọng góp phần vào sự lây lan của Covid-19.......................................37
2.4.5. Tổng kết sau khi hoàn thành 4 bài toán.....................................................40 KẾT LUẬN 43 TỔNG KẾT 44 TÀI LIỆU THAM KHẢO 45 3 DANH MỤC HÌNH ẢNH
Hình 1: Check thông tin được cập nhật mới nhất 9
Hình 2: Import thư viện, đọc file csv và hiển thị thông tin cơ bản về Data Frame 11
Hình 3: Tóm tắt, tổng quan về dữ liệu 12
Hình 4: Xoá các cột không cần thiết 12
Hình 5: Điền các giá trị còn thiếu 13
Hình 6: Số ca nhiễm, tử vong và mức tăng hàng ngày tương ứng của Châu Á 13
Hình 7: Biểu đồ cột tổng số ca nhiễm do Covid -19 khu vực Châu Á 14
Hình 8: Biểu đồ cột tổng số ca tử vong Covid-19 khu vực Châu Á 14
Hình 9: Biều đồ tròn thể hiện tỉ lệ giữa số người chết và số người phục hổi khu vực Châu Á 17
Hình 10: Biều đồ cột thể hiện tổng số người đã được tiêm vắc xin ở Châu Á 18
Hình 11: Số ca nhiễm, tử vong và mức tăng hàng ngày tương ứng của Việt Nam 20
Hình 12: Biểu đồ đường thể hiện tổng số ca nhiễm Covid-19 tại Việt Nam 20
Hình 13: Biểu đồ đường thể hiện tổng số ca tử vong do Covid-19 tại Việt Nam 21
Hình 14: Biểu đồ tròn thể hiện tỉ lệ số người chết và số người phục hồi tại Việt Nam 23
Hình 15: Biểu đồ đường thể hiện tổng số vắc xin đã được tiêm tại Việt Nam 24
Hình 16: Biểu đồ đường thể hiện top 10 khu vực có tỉ lệ nhiễm bệnh cao nhất trên thế giới 28
Hình 17: Biểu đồ mô hình dự đoán 1 31
Hình 18: Biểu đồ mô hình dự đoán 2 32
Hình 19: Biểu đồ phân cụm 35
Hình 20: Biểu đồ dự đoán số ca nhiễm mới bằng Random Forest 39 4
DANH MỤC BẢNG BIỂU
Bảng 1: Bảng đặc trưng dùng để phân tích 10
Bảng 2: Bảng data thu thập bao gồm tên data và link data 10
Bảng 3: Bảng so sánh tương quan giữa Việt Nam và Châu Á 26
Bảng 4: Bảng so sánh kết quả so sánh mô hình dự đoán 1 vs mô hình dự đoán 2 33
Bảng 5: Bảng thể hiện ý nghĩa của các cụm sau khi thực hiện bài toán phân cụm 35
Bảng 6: Bảng so sánh 3 mô hình dự đoán số ca mắc bệnh trong tương lai 40 5
TÓM TẮT VẤN ĐỀ VÀ LÝ DO CHỌN ĐỀ TÀI
Đại dịch Covid-19 là một trong những sự kiện lịch sử đầy ám ảnh và cảm
động, đánh dấu sự thay đổi đậm chất của thế giới trong suốt nhiều thập kỷ qua.
Vào đầu năm 2020, một đại dịch không lường trước đã lan rộng từ thành phố Vũ
Hán của Trung Quốc ra toàn thế giới. Covid-19, một căn bệnh mới, nhanh chóng
lan truyền và gây ra sự đau buồn, sợ hãi và khủng hoảng trên khắp hành tinh.
Ngày qua ngày, con số về số ca nhiễm và số ca tử vong tăng lên, đánh bại
mọi dự đoán và thách thức sức chịu đựng của hệ thống y tế. Các bác sĩ, y tá và
nhân viên y tế trên toàn cầu đang nỗ lực hết mình, thậm chí làm việc quá giờ và
đối mặt với nguy cơ tự lây nhiễm, để chăm sóc và cứu chữa những người bệnh Covid-19.
Tuy nhiên, đằng sau những con số lạnh lùng là những câu chuyện về sự
mất mát và sự đau khổ. Các gia đình phải chịu đựng sự mất mát của người thân
và bạn bè, không thể nói lời tạm biệt vào những lễ tang hoặc chia sẻ niềm đau
với người thân trong những khoảnh khắc cuối cùng. Giữa bi kịch, cũng có
những cảm xúc của sự đoàn kết và hy vọng. Cả thế giới đồng lòng trong việc
chống lại đại dịch, từ các nhóm y tế đến những người dân bình thường, từ các tổ
chức phi lợi nhuận đến các doanh nghiệp lớn. Mọi người cùng nhau đặt mục tiêu
chung là đối phó với Covid-19 và bảo vệ nhau khỏi sự lây lan của căn bệnh.
Đại dịch Covid-19 đã làm thay đổi cuộc sống của chúng ta một cách
không thể ngờ đến. Nhưng qua mỗi nỗi đau và thách thức, chúng ta cũng học
được sự giá trị của sự đoàn kết, sự nhân ái và hy vọng. Dù chúng ta phải đi qua
những thời kỳ khó khăn, chúng ta tin rằng chúng ta sẽ vượt qua cùng nhau, vì
con người không bao giờ từ bỏ hy vọng và tình yêu thương.
Chính vì vậy nhóm chúng em quyết định chọn đề tài này để có thêm
những cái nhìn sâu sắc hơn là những con số thống kê khô khan, lạnh lùng! 6 NỘI DUNG
I. Mục đích nghiên cứu
Hậu quả mà đại dịch Covid 19 đã và đang để lại là thật sự lớn đối với nước
Việt Nam ta nói riêng và trên Thế Giới nói chung. Chính tại thời điểm đại dịch
diễn ra mãnh liệt nhất cũng là lúc chúng ta cần những số liệu để thống kê chi tiết
để đưa ra những giải pháp hợp lý và kịp thời nhất. Dù đại dịch đã đi qua và hậu
quả của nó cũng đã được khắc phục phần nào, qua đó, chúng em càng thấu hiểu
hơn sự quan trọng của việc sử dụng phân tích dữ liệu để giải quyết một vấn đề là
lớn như thế nào. Mục tiêu của chúng em trong đề tài này chính là sử dụng dữ
liệu có sẵn từ quá khứ để xây dựng mô hình dự đoán, từ đó ước lượng số ca
nhiễm Covid-19 có thể mắc trong tương lai. Việc này sẽ có thể giúp chúng ta
đưa ra những biện pháo và cách ứng phó kịp thời, hiệu quả.
II. Phương pháp nghiên cứu
1. Cơ sở lý thuyết
- Pandas: Thư viện Pandas là một thư viện mã nguồn mở phổ biến trong
Python được sử dụng để xử lý và phân tích dữ liệu. Pandas cung cấp các cấu
trúc dữ liệu và công cụ phân tích mạnh mẽ, đặc biệt là trong việc làm việc
với dữ liệu dạng bảng và chuỗi thời gian. Các đối tượng chính trong Pandas là Series và DataFrame.
- Matplotlib: Là một thư viện vẽ đồ thị trong Python. Nó cung cấp các công cụ
cho việc tạo ra các biểu đồ, đồ thị, histogram và các loại biểu đồ khác để
trình bày dữ liệu một cách trực quan và dễ hiểu.
- Sklearn (Scikit-learn): Là một thư viện trong Python cung cấp một tập các
công cụ xử lý các bài toán machine learning và statistical modeling. Nó cung
cấp các thuật toán phổ biến như hồi quy tuyến tính (linear regression), phân
loại (classification), phân cụm (clustering), và rừng ngẫu nhiên (random
forest). Sklearn cũng cung cấp các công cụ để tiền xử lý dữ liệu, chọn đặc
trưng (feature selection), và đánh giá mô hình.
- Numpy: Thư viện NumPy là một thư viện mã nguồn mở cực kỳ phổ biến
trong Python được sử dụng cho tính toán khoa học và toán học số. NumPy 7
cung cấp các đối tượng mảng đa chiều (hay còn gọi là ndarray) và một loạt
các chức năng để làm việc với các mảng này. Các mảng NumPy cung cấp
hiệu suất cao và khả năng tích hợp dữ liệu dạng mảng với các tính toán toán học phổ biến.
- Textblod: Cung cấp các công cụ để thực hiện các tác vụ phổ biến trong NLP
như phân tích cảm xúc, phân loại văn bản, phân tích ngữ pháp, và nhiều hơn
nữa. Nó được xây dựng trên NLTK (Natural Language Toolkit) và có cú pháp
dễ đọc hơn cho nhiều nhiệm vụ NLP.
2. Các bước thực hiện
Những nội dung chính mà chúng em sẽ thực hiện ở trong bài toán này sẽ bao gồm:
- Thu thập dữ liệu đầu vào: Trước khi bắt đầu đi sâu đến bước phân tích ,chúng
em sẽ lựa chọn những nguồn dữ liệu đáng tin cậy từ các cơ quan, y tế quốc
gia, tổi chức y tế quốc tế hay những báo cáo chính thức. Dữ liệu mà chúng
em thu thập được sẽ bao gồm những thông tin về tổng số ca nhiễm hằng
ngày, số ca tử vong, số ca bình phục,...
- Làm sạch dữ liệu: Ở bước này, chúng em sẽ làm những công việc như loại bỏ
các bản sao, điền các giá trị còn thiếu hay chuyển đổi các loại dữ liệu,...
- Khai phá dữ liệu ( tự đặt ra những câu hỏi và trả lời bằng dữ liệu): Đến bước
tiếp theo này, chúng xem sẽ đi sâu hơn vào xử lý dữ liệu đã làm sạch trước
đó, tính toán số liẹu thống kê về các để mục đã đặt ra như số ca nhiễm, số ca
tử vong, số ca phục hồi hay số mức tăng hàng ngày về số ca nhiễm và số ca
tử vong trong một số quốc gia cụ thể, khu vực. Xử lý dữ liệu hoàn tất, chúng
em sẽ thể hiện số liệu trên những biểu đồ để chúng ta sẽ có những cái nhìn
trực quan nhất về đại dịch từ đó rút ra những hiểu biết sâu sắc.
- Lập mô hình dữ liệu: Chúng em sẽ sử dụng mô hình này để đưa ra dự đoán
về số ca nhiễm, số ca tử vong trong tương lai để có thể giúp thông báo các
quyết định chính sách và phân bổ nguồn lực hợp lý; sử dụng thuật toán phân
cụm xem ở đâu có tần suất số ca nhiễm lớn hay có thể sử dụng phân tích tình 8
cảm dữ liệu để xem phản ứng của công chúng đối với chính sách của chính phủ như thế nào,.....
- Đánh giá mô hình dữ liệu: Mô hình dự đoán của chúng em sẽ được đánh giá
và kiểm định bằng cách so sánh kết quả dự đoán với dữ liệu thực tế. Các chỉ
số đánh giá như độ chính xác, sai số trung bình và sai số tuyệt đối có thể
được sử dụng để đánh giá hiệu suất của mô hình. Mô hình cải thiện được độ
chính xác sẽ đem lại dự đoán chính xác hơn về tiềm ẩn của đại dịch ở trong tương lai.
- Dự đoán và ứng phó trong bài toán tương lai: Khi hoàn thành mô hình và
đánh giá xong hiệu suất của nó, kết quả sẽ được sử dụng để ước lượng số ca
nhiễm Covid-19 trong tương lai ở Việt Nam và trên Thế giới.
Vì vậy bài toán dự đoán số ca nhiễm Covid-19 ở Việt Nam và Thế giới là một
bài toán quan trọng , dù đại dịch đã đi qua giai đoạn căng thẳng nhưng đó sẽ là
bài học sâu sắc, là kinh nghiệm quý báu để sau này chúng ta sẽ dự đoán kịp thời
và khắc phục triệt những đại dịch có thể diễn ra sau này.
2.1. Thu thập dữ liệu
Chúng em sẽ sử dụng chủ yếu dữ liệu tại Our World in Data là dự án
nghiên cứu được đại học Oxford thành lập với mục đích thu thập, tổ chức và
phân tích dữ liệu về các vấn đề toàn cầu như sức khỏe, môi trường, giáo dục và xã hội.
Lý do chúng em chọn dữ liệu của Our World in Data là vì data ở đây được
cập nhật đến hiện tại là 06/03/2024, và có đầy đủ các tiêu chí mà chúng em
muốn phân tích như tổng số ca nhiễm, số ca nhiễm mới trong ngày, số ca nhiễm
mới trung bình trong 1 tuần, số ca tử vong trong ngày,… 9
Dưới đây là bảng về một số đặc trưng bọn em muốn lưu ý đến trong data:
Bảng 1: Bảng đặc trưng dùng để phân tích Tên cột Nội Dung total-cases
Tổng số ca nhiễm tính đến 06/03/2024 new-cases
Số ca nhiễm mới trong ngày new-cases-smoothed
Số ca nhiễm mới trung bình trong 7 ngày total-deaths
Tổng số ca tử vong tính đến 06/03/2024 new-deaths
Số ca tử vong mới trong ngày new-deaths-smoothed
Số ca tử vong mới trung bình trong 7 ngày icu-patients
Số bệnh nhân điều trị ICU total-vaccinations
Tổng số liều vắc xin đã tiêm people-vaccinated
Tổng số người đã được tiêm vắc xin People-fully-vaccinated
Tổng số người đã tiêm đủ liều vắc xin Total-tests-per-housand
Tổng số ca nhiễm COVID-19 trên mỗi triệu người
Tổng số ca tử vong do COVID-19 trên mỗi triệu Total-deaths-per-million người Total-cases-per-million
Tổng số ca nhiễm COVID-19 trên mỗi triệu người
Bảng 2: Bảng data thu thập bao gồm tên data và link data Tên data Link data
https://raw.githubusercontent.com/owid/covid-19-data/ Vaccinations.csv
master/public/data/vaccinations/vaccinations.csv
https://github.com/owid/covid-19-data/blob/master/pu
Owid-covid-data.csv blic/data/owid-covid-data.csv
https://github.com/CSSEGISandData/COVID-19/tree/ Số ca mắc master/csse_covid_19_data
https://github.com/CSSEGISandData/COVID-19/tree/ Số ca chết master/csse_covid_19_data 10
https://github.com/CSSEGISandData/COVID-19/tree/ Số ca phục hồi master/csse_covid_19_data
2.2. Làm sạch dữ liệu
Để có một mô hình thuật toán tốt nhất, thì chúng ta phải cho dữ liệu thật
sạch trước khi đưa vào phân tích. Bước đầu tiên chúng em cần làm ở đây đó
chính là phải đọc được file.csv mà chúng em đã thu thập được. Trong quá trình
làm sạch, chúng em sẽ làm đại diện một file, các file còn lại trong quá trình phân
tích, chúng em đều làm các bước tương tự như vậy. Chúng em sẽ sử dụng file
mà chúng em phân tích chủ yếu trong bài toán này đó là Owid-covid-data.csv.
Sau khi chạy được file.cvs đã chọn và nắm được một số thông tin về
DataFrame, tiếp theo chúng em chỉ lưu ý đến các cột mà mình sẽ xét đến, còn lại
chúng em sẽ xóa những cột mà bọn em không sử dụng để tiết kiệm tài nguyên hơn. 11
Tiếp theo, khi đã xác định được những mục chính cần phân tích, chúng
em sẽ bắt đầu tóm tắt dữ liệu để có những cái nhìn tổng quan hơn về bộ dữ liệu mà chung em phân tích.
Nắm được các thông tin sơ bộ về dữ liệu như đã làm ở bước trên, ở bước
này, chúng em sẽ tiếp tục điền các giá trị còn thiếu để đảm bảo tính toàn vẹn của
dữ liệu, tránh làm mất mát những dữ liệu quan trọng và để tối ưu hóa khả năng
sử dụng dữ liệu nằmh cách thay thế những giá trị còn thiếu bằng giá trị trung bình của cột. 12
1. Khai phá dữ liệu
2.3.1. Xử lý dữ liệu
Với dữ liệu đã được làm sạch, chúng em bắt đầu xử lý nó. Bắt tay vào tính
toán các số liệu thống kê như: Tổng số ca nhiễm, số ca tử vong, số ca hồi phục
cũng như mức tăng hàng ngày về số ca nhiễm và số ca tử vong trong khu vực
Châu Á nói chung và nước Việt Nam nói riêng.
Công thức được sử dụng để phân tích:
- Công thức tính số ca hồi phục:
𝑠ố 𝑐𝑎 𝑚ắ𝑐 − 𝑠ố 𝑐𝑎 𝑡ử 𝑣𝑜𝑛𝑔 = 𝑠ố 𝑐𝑎 ℎổ𝑖 𝑝ℎụ 𝑐
- Công thức tính tỉ lệ số ca hồi phục:
𝑇ỉ 𝑙ệ 𝑠ố 𝑐𝑎 ℎồ𝑖 𝑝ℎụ𝑐 = 𝑆ố 𝑐𝑎 ℎồ𝑖 𝑝ℎụ𝑐 ×100 %
𝑇ổ𝑛𝑔 𝑠ố 𝑐𝑎
Chúng em cũng sẽ có quy tắc màu sắc khi vẽ các biểu đồ như sau:
- Màu xanh da trời: Biểu thị số ca nhiễm
- Màu đỏ: Biểu thị số ca tử vong
- Màu xanh lá cây: Biểu thị số vắc xin được tiêm 2.3.1.1. Châu Á 13
Hình 8: Biểu đồ cột thể hiện tổng số ca tử vong do Covid -19 khu vực Châu Á 14
Từ Hình 6, Hình 7, Hình 8 chúng em có cái nhìn tổng quan như sau:
Mức tăng hàng ngày của Châu Á có thể nói là khá cao (xấp xỉ 4,5 nghìn
ca) nhưng số ca tử vong ở khu vực Châu Á vẫn nằm ở mức có thể kiểm soát (xấp xỉ 30 ca). ● Từ tháng 1 năm 2020: - Số ca nhiễm: + Trung Quốc: ~ 40.000 ca
+ Châu Á (trừ Trung Quốc): ~ 1.000 ca - Số ca tử vong: + Trung Quốc: ~ 1.000 ca
+ Châu Á (trừ Trung Quốc): ~ 10 ca
Nhận xét: Lúc này, đại dịch COVID-19 bắt đầu bùng phát tại Trung Quốc. ● Tháng 7 năm 2020:
- Số ca nhiễm: Châu Á: ~ 3.000.000 ca
- Số ca tử vong: Châu Á: ~ 60.000 ca
Nhận xét: Đại dịch COVID-19 lúc này đã bắt đầu có dấu hiệu lan rộng ra nhiều quốc gia Châu Á. ● Tháng 1 năm 2021:
- Số ca nhiễm: Châu Á: ~ 20.000.000 ca
- Số ca tử vong: Châu Á: ~ 300.000 ca
Nhận xét: Dịch COVID-19 đã lan rất rộng, tiếp tục diễn biến phức tạp tại Châu
Á và gây ra hậu quả thực sự khôn lường khiến chúng ta phải sởn gai ốc. ● Tháng 7 năm 2021:
- Số ca nhiễm: Châu Á: ~ 100.000.000 ca
- Số ca tử vong: Châu Á: ~ 2.000.000 ca
Nhận xét: Biến thể Delta khiến dịch COVID-19 bùng phát mạnh mẽ tại Châu Á,
con số lúc này đã lên đến con số trăm triệu người mắc, loài người lúc này như
chết lặng đi với cảm giác như đang chạy đua với tử thần. ● Tháng 1 năm 2022:
- Số ca nhiễm: Châu Á: ~ 300.000.000 ca 15
- Số ca tử vong: Châu Á: ~ 4.000.000 ca
Nhận xét: Biến thể Omicron khiến dịch COVID-19 bùng phát trở lại tại Châu Á.
Ngay tại đây, khi đọc đến con số này thì chúng ta tưởng chừng như đã không thể
thắng nổi dịch bệnh, mọi người đều hoảng loạn trong khi chính phủ các nước
vẫn tích cực chấn an tinh thần của người dân nước mình để giữ mọi chuyện trong tầm kiểm soát. ● Tháng 7 năm 2022:
- Số ca nhiễm: Châu Á: ~ 500.000.000 ca
- Số ca tử vong: Châu Á: ~ 6.000.000 ca
Nhận xét: Biến thể BA.5 khiến dịch COVID-19 bùng phát mạnh mẽ tại Châu Á.
Nửa tỷ người trên thế giới đã và đang đối mặt với cánh cửa tử, sự hoảng loạn
dần được đẩy lên cao, các phương thức cách ly cũng không làm thuyên giảm. ● Tháng 1 năm 2023:
- Số ca nhiễm: Châu Á: ~ 600.000.000 ca
- Số ca tử vong: Châu Á: ~ 7.000.000 ca
Nhận xét: Dịch COVID-19 dần được kiểm soát tại Châu Á. Mọi biện pháp cách
ly được kiểm soát nghiêm ngặt, vắc xin bắt đầu phát huy tác dụng vốn có của nó. ● Tháng 7 năm 2023:
- Số ca nhiễm: Châu Á: ~ 650.000.000 ca
- Số ca tử vong: Châu Á: ~ 7.500.000 ca
Nhận xét: Dịch COVID-19 tiếp tục được kiểm soát tại Châu Á.
Bắt đầu từ cuối năm 2023 đến nay, mọi thứ đã dần nằm trong tầm kiểm
soát, nên bệnh dịch gần như đã không có sự phát triển nào hơn. 16
Tiếp theo, chúng ta sẽ thử so sánh tỷ lệ số người chết và số người phục hồi
ở Châu Á xem mức độ tử vong có đáng quan ngại hay không:
Số người chết chỉ chiếm có 1%, số người phục hồi lên đến con số 99% đã
minh chứng cho việc các quốc gia trên lãnh thổ Châu Á đã làm công tác kiểm
soát dịch bệnh rất tốt từ đó sẽ là tiền đề kinh nghiệm để đối phó với những dịch
bệnh khó lường sau này.
Vậy lý do vì sao mà Châu Á có thể kiểm soát tốt lượng người tử vong so
với lượng người hồi phục như vậy, chúng em đã tiến hành xem thử xem công tác
tiêm vắc xin tại Châu Á xem sao, và dưới đây chính là kết quả trực quan: 17
Chúng ta cùng thống kê qua một số vấn đề mà ta có thể dễ dàng nhìn thấy
được qua Hình 10 như sau: Tỷ lệ tiêm chủng: ● Năm 2021:
- Tháng 1: Tỷ lệ tiêm chủng thấp, chỉ một số quốc gia bắt đầu chiến dịch tiêm chủng.
- Tháng 5: Tỷ lệ tiêm chủng tăng dần, nhưng vẫn còn thấp.
- Tháng 9: Tỷ lệ tiêm chủng tăng cao, nhiều quốc gia đạt tỷ lệ tiêm chủng cao cho nhóm nguy cơ cao. ● Năm 2022:
- Tháng 1: Tỷ lệ tiêm chủng tiếp tục tăng, nhiều quốc gia đạt tỷ lệ tiêm
chủng cao cho người lớn.
- Tháng 5: Tỷ lệ tiêm chủng cao, nhiều quốc gia bắt đầu tiêm chủng cho trẻ em.
- Tháng 9: Tỷ lệ tiêm chủng cao, nhiều quốc gia đạt tỷ lệ tiêm chủng đầy đủ cho người dân. 18 ● Năm 2023:
- Tháng 1: Tỷ lệ tiêm chủng cao, nhiều quốc gia bắt đầu chiến dịch tiêm mũi nhắc lại.
- Tháng 5: Tỷ lệ tiêm mũi nhắc lại tăng cao.
- Tháng 9: Tỷ lệ tiêm mũi nhắc lại cao, nhiều quốc gia bắt đầu tiêm mũi thứ
4 cho người cao tuổi và nhóm nguy cơ cao.
Cụ thể, số vắc xin được tiêm như sau: ● Năm 2021: - Tháng 1: 10 triệu liều
- Tháng 5: 100 triệu liều - Tháng 9: 1 tỷ liều ● Năm 2022: - Tháng 1: 5 tỷ liều - Tháng 5: 10 tỷ liều - Tháng 9: 15 tỷ liều ● Năm 2023: - Tháng 1: 20 tỷ liều - Tháng 5: 25 tỷ liều - Tháng 9: 30 tỷ liều Nhận xét:
- Việc tiêm chủng COVID-19 tại Châu Á đã được đẩy mạnh trong thời gian qua.
- Tỷ lệ tiêm chủng ở Châu Á ngày càng tăng, nhưng vẫn còn chênh lệch giữa các quốc gia.
- Việc tiêm chủng COVID-19 đã góp phần giúp kiểm soát dịch COVID-19 tại Châu Á. Khuyến cáo:
- Nên tiếp tục đẩy mạnh việc tiêm chủng COVID-19, đặc biệt là ở các quốc gia
có tỷ lệ tiêm chủng thấp. 19