Hiệu lực vắc-xin là gì?
Hiệu lực vắc-xin (VE) đo lường khả năng giảm nguy cơ mắc bệnh của vắc-xin ở những người được tiêm chủng so với những người không tiêm, trong điều kiện thử nghiệm có kiểm soát. Chỉ số này được biểu thị bằng phần trăm: VE đạt 90% nghĩa là người đã tiêm có số ca bệnh ít hơn 90% so với khi họ không tiêm. Công cụ này tính toán dựa trên số ca bệnh thô và quy mô từng nhóm, nên đây là một công cụ dịch tễ học phổ quát — không gắn riêng với bất kỳ quốc gia, loại vắc-xin hay căn bệnh nào.
Cách sử dụng máy tính
Bạn chỉ cần nhập bốn con số: số ca bệnh trong nhóm đã tiêm, tổng số người tham gia đã tiêm, số ca bệnh trong nhóm chưa tiêm (hoặc nhóm dùng giả dược), và tổng số người chưa tiêm. Máy tính sẽ chuyển số ca bệnh thành tỷ lệ mắc bệnh cho từng nhóm, rồi trả về hiệu lực vắc-xin cùng cả hai tỷ lệ mắc bệnh để bạn thấy rõ mức nguy cơ nền tảng.
Giải thích công thức
Trước tiên, hãy tính tỷ lệ mắc bệnh của mỗi nhóm: \(\text{ARV} = \frac{\text{số ca đã tiêm}}{\text{tổng số người đã tiêm}}\), và \(\text{ARU} = \frac{\text{số ca chưa tiêm}}{\text{tổng số người chưa tiêm}}\). Sau đó:
$$\text{VE} = \left(1 - \frac{\text{ARV}}{\text{ARU}}\right) \times 100$$Tỷ số \(\frac{\text{ARV}}{\text{ARU}}\) chính là nguy cơ tương đối; lấy 1 trừ đi tỷ số này cho ta mức giảm nguy cơ theo tỷ lệ nhờ vào việc tiêm chủng.
Ví dụ minh họa
Giả sử một thử nghiệm ghi nhận 30 ca bệnh trong số 1.000 người đã tiêm và 150 ca trong số 1.000 người chưa tiêm. Khi đó \(\text{ARV} = \frac{30}{1000} = 0{,}03\) (3%) và \(\text{ARU} = \frac{150}{1000} = 0{,}15\) (15%).
$$\text{VE} = \left(1 - \frac{0{,}03}{0{,}15}\right) \times 100 = (1 - 0{,}2) \times 100 = \mathbf{80\%}$$Như vậy vắc-xin đã giảm 80% nguy cơ mắc bệnh.
Câu hỏi thường gặp
VE âm có nghĩa là gì? Nếu tỷ lệ mắc bệnh ở nhóm đã tiêm cao hơn, VE sẽ mang giá trị âm, cho thấy không có tác dụng bảo vệ (thường do yếu tố ngẫu nhiên, cỡ mẫu nhỏ hoặc yếu tố gây nhiễu).
VE (efficacy) có giống với hiệu quả thực tế (effectiveness) không? "Efficacy" là kết quả trong thử nghiệm có kiểm soát, còn "effectiveness" là hiệu quả khi sử dụng trong thực tế. Cách tính toán giống hệt nhau, nhưng nguồn dữ liệu thì khác nhau.
Tại sao phải nhập quy mô của từng nhóm? Vì nguy cơ là một tỷ lệ, không phải con số đếm — so sánh số ca bệnh thô giữa các nhóm có quy mô khác nhau sẽ dẫn đến kết luận sai lệch.
