การระบาดของ COVID-19 คร่าชีวิตคนไทยไปแล้วกี่คน?
คำถามนี้คงหาคำตอบได้ไม่ยากในยุคที่ทุกคนสามารถเข้าถึงอินเทอร์เน็ตเพราะเพียงแค่คว้าโทรศัพท์แล้วพิมพ์คำถามเข้าไปใน Google ก็สามารถตอบได้ว่า ณ วันที่ 6 สิงหาคม พ.ศ.2564 มีคนไทยเสียชีวิตจาก COVID-19 ไปแล้วทั้งสิ้น 5,663 คนซึ่งเป็นตัวเลขที่รัฐบาลไทยรายงานอย่างเป็นทางการ
แต่ตัวเลขดังกล่าวคือจำนวนผู้เสียชีวิตจาก COVID-19 ทั้งหมดจริงๆ หรือ?
คำตอบคือ ไม่ใช่ เนื่องจากศักยภาพในการตรวจ COVID-19 ที่มีอยู่อย่างจำกัดจำเขี่ย ส่งผลให้มีผู้เสียชีวิตอีกจำนวนไม่น้อยจากเราไปโดยที่เราไม่รู้ด้วยซ้ำว่าเขาหรือเธอเสียชีวิตเพราะ COVID-19 หรือเปล่า
นอกจากนี้ โรคระบาดยังส่งผลทางอ้อมให้บางคนต้องเสียชีวิตก่อนวัยอันควรเนื่องจากไม่สามารถเข้ารับการรักษาโรคอื่นๆ ได้ทันท่วงที เพราะโรงพยาบาลไม่เหลือทรัพยากรในการดูแลผู้ป่วยปกติ อย่างไรก็ดี การระบาดของ COVID-19 ส่งผลให้ประชาชนต้องปรับเปลี่ยนพฤติกรรม ทำให้คนอีกจำนวนไม่น้อยมีชีวิตรอดจากไข้หวัดใหญ่ มลภาวะทางอากาศ รวมถึงอุบัติเหตุบนท้องถนน
คำถามที่ว่า COVID-19 คร่าชีวิตคนไทยไปทั้งหมดกี่คนจึงสามารถตอบแบบกำปั้นทุบดินโดยหยิบสถิติอย่างเป็นทางการมาเติมในช่องว่าง แต่เรามีอีกหนึ่งทางเลือกเพื่อประมาณการตัวเลขผู้เสียชีวิตที่แท้จริงอย่างรอบด้านโดยใช้แนวคิดที่ชื่อว่าอัตราการตายส่วนเกิน (excess mortality)
อัตราการตายส่วนเกินของไทย
เราคำนวณอัตราการตายส่วนเกินได้โดยการเปรียบเทียบโลกสองใบ โลกใบหนึ่งคือโลกที่มี COVID-19 ระบาดซึ่งเป็นโลกที่เราอยู่จริงๆ ส่วนโลกอีกใบหนึ่งคือโลกสมมติที่ปราศจากโรคระบาด อัตราการตายส่วนเกินคือการหักกลบลบกันระหว่างผู้เสียชีวิตในโลกจริงกับโลกสมมติ เสมือนการตอบคำถามว่าการระบาดของ COVID-19 ทำให้มีผู้เสียชีวิตเพิ่มขึ้นจากสภาวะปกติรวมทั้งสิ้นกี่คน?
ในหลายประเทศมีการรายงานอัตราการตายส่วนเกินอย่างเป็นทางการ เช่น ในสหรัฐอเมริกาที่พบว่าอัตราการตายส่วนเกินล่าสุดสูงกว่าตัวเลขผู้เสียชีวิตจาก COVID-19 ประมาณ 5 เปอร์เซ็นต์ ส่วนในประเทศออสเตรเลียพบว่าอัตราการตายส่วนเกินมีค่าติดลบกล่าวคือในปีที่มีการระบาดกลับมีผู้เสียชีวิตโดยรวมน้อยลง สำหรับกลุ่มประเทศสหภาพยุโรป เครือข่ายของนักระบาดวิทยาที่ชื่อว่า EuroMOMO ทำหน้าที่ติดตามจำนวนผู้เสียชีวิตจากทุกสาเหตุและรายงานจำนวนผู้เสียชีวิตส่วนเกินอย่างสม่ำเสมอ
ความแตกต่างของอัตราการตายส่วนเกินในแต่ละประเทศนั้นเกิดขึ้นจากศักยภาพในการตรวจหาเชื้อ COVID-19 ว่าครอบคลุมมากน้อยเพียงใด เกณฑ์ที่ใช้ในการจัดประเภทว่าเสียชีวิตจาก COVID-19 เข้มงวดแค่ไหน รวมทั้งปัจจัยอื่นๆ เช่น ความสามารถในการรองรับผู้ป่วยของระบบสาธารณสุข
อัตราการตายส่วนเกินมีความสำคัญอย่างยิ่งในการฉายภาพสถานการณ์การระบาดของแต่ละประเทศว่าวิกฤติเพียงใด เพราะยิ่งอัตราการตายส่วนเกินมีค่าสูงมากเท่าไหร่ ก็จะสะท้อนให้เห็นว่ารัฐบาลล้มเหลวทั้งในการตรวจหาเชื้ออย่างครอบคลุม การจัดการระบบสาธารณสุขอย่างรอบคอบ รวมทั้งการจัดสรรทรัพยากรเพื่อดูแลผู้ป่วยทั่วไปที่ไม่ได้ติดเชื้อ COVID-19 อย่างมีประสิทธิภาพ
หันกลับมามองที่ประเทศไทย ผมใช้ข้อมูลตัวเลขผู้เสียชีวิตล่าสุด (รวมทุกสาเหตุการตาย) จากกรมการปกครอง กระทรวงมหาดไทย เพื่อนำมาคำนวณอัตราการเสียชีวิตส่วนเกินอย่างง่าย โดยเปรียบเทียบระหว่างจำนวนผู้เสียชีวิตรายเดือนตั้งแต่ต้นปีที่ผ่านมากับจำนวนผู้เสียชีวิตเฉลี่ย 5 ปี ผมเลือกใช้ช่วงเวลาระหว่าง พ.ศ.2558–2562 เป็นค่าแทนของ ‘สภาวะปกติ’ ซึ่งยังไม่มีการระบาดของ COVID-19 ข้อมูลทั้งหมดสามารถแสดงได้ดังกราฟด้านล่างโดยพื้นที่สีแดงอ่อนคือจำนวนผู้เสียชีวิตระหว่าง พ.ศ.2558–2562 เส้นสีส้มคือจำนวนผู้เสียชีวิตในปี พ.ศ. 2564 และพื้นที่สีแดงเข้มคือจำนวนผู้เสียชีวิตส่วนเกิน
ผลลัพธ์ที่ได้อาจทำให้หลายคนประหลาดใจ เพราะนับตั้งแต่เดือนมกราคมที่ผ่านมาจนถึงเดือนกรกฎาคมปีนี้ ประเทศไทยมีผู้เสียชีวิตสูงกว่าภาวะปกติเฉลี่ยถึงเดือนละ 4,910 คน โดยเฉพาะในเดือนกรกฎาคมที่ผู้เสียชีวิตเฉลี่ยในปี พ.ศ.2558–2562 เท่ากับ 38,427 คน แต่ในเดือนที่ผ่านมามีผู้เสียชีวิตสูงถึง 48,944 คน เท่ากับว่ามีผู้เสียชีวิตเพิ่มขึ้น 10,517 คน เราสามารถนำข้อมูลชุดเดียวกันนี้มาคำนวณอัตราการตายส่วนเกิน*จะได้ค่าเฉลี่ยเท่ากับ 13 เปอร์เซ็นต์ โดยในเดือนกรกฎาคมตัวเลขดังกล่าวสูงถึง 27 เปอร์เซ็นต์
| เดือน | จำนวนผู้เสียชีวิตที่สูงกว่าปกติ (คน) | จำนวนผู้เสียชีวิตจาก COVID-19 (คน) | ความแตกต่าง |
| มกราคม | 4,066 | 14 | 290.4 เท่า |
| กุมภาพันธ์ | 525 | 6 | 87.4 เท่า |
| มีนาคม | 6,694 | 11 | 608.5 เท่า |
| เมษายน | 778 | 109 | 7.1 เท่า |
| พฤษภาคม | 5,436 | 828 | 6.5 เท่า |
| มิถุนายน | 6,357 | 992 | 6.4 เท่า |
| กรกฎาคม | 10,517 | 2,834 | 3.7 เท่า |
เมื่อเปรียบเทียบจำนวนผู้เสียชีวิตที่สูงกว่าปกติกับจำนวนผู้เสียชีวิตจาก COVID-19 ที่รัฐบาลไทยรายงานอย่างเป็นทางการ จะพบว่ามีความแตกต่างกันอย่างมากโดยเฉพาะช่วงเวลาก่อนเดือนเมษายนที่รัฐบาลเริ่มตื่นตัวในการตรวจหาเชื้อ COVID-19 จะเห็นว่าช่องว่างดังกล่าวค่อยๆ หดแคบลงเรื่อยๆ จนกระทั่งเหลือเพียง 3.7 เท่าในเดือนกรกฎาคม
ความแตกต่างข้างต้นสามารถอธิบายได้ด้วยเหตุผลสามประการ อย่างแรกคือมีผู้เสียชีวิตจำนวนมากจาก COVID-19 ตั้งแต่เดือนมกราคม แต่รัฐไทยไม่นับอยู่ในผู้เสียชีวิตจาก COVID-19 อย่างเป็นทางการเนื่องจากไม่มีการตรวจหาเชื้อ ประการที่สองคือมีผู้เสียชีวิตจากผลกระทบทางอ้อมเป็นจำนวนมาก เพราะการระบาดทำให้ผู้ป่วยถูกเลื่อนการผ่าตัดออกไปหรือไม่มีเตียงเพียงพอที่จะรับคนไข้ฉุกเฉิน คนไข้ที่ต้องรักษาต่อเนื่องไม่สามารถไปตามนัด ภาวะขาดแคลนเลือด ความเครียดและแรงกดดันทางเศรษฐกิจยังส่งผลให้ประชาชนฆ่าตัวตายเพิ่มขึ้นอีกด้วย ประการสุดท้ายคือเกิดจากเหตุบังเอิญทางสถิติซึ่งเป็นคำอธิบายที่ดูไม่สมเหตุสมผลนักเมื่อเทียบกับสถานการณ์ในปัจจุบัน
ดังนั้นขณะที่คนบางกลุ่มยังคงยืดอกอย่างภาคภูมิใจว่ารัฐบาลชุดนี้จัดการ COVID-19 ได้ดีเพราะมีผู้ติดเชื้อและผู้เสียชีวิตไม่มากเท่าการระบาดในสหรัฐอเมริกาหรือสหราชอาณาจักรเมื่อปีที่ผ่านมา โปรดรู้ไว้เถอะครับว่ามีผู้ติดเชื้อและผู้เสียชีวิตอีกจำนวนมากที่ไม่ได้ถูกรายงานไว้ในสถิติอย่างเป็นทางการซึ่งกระทรวงสาธารณสุขเองก็ออกมายอมรับว่าตัวเลขที่รายงานต่ำกว่าความจริงหลายเท่า ยังไม่นับว่ามีผู้เสียชีวิตทางอ้อมอีกจำนวนมากต้องจากไปก่อนวัยอันควรเพราะการบริหารที่ผิดพลาดโดยเฉพาะการจัดหาวัคซีน
นี่คือสถิติเห็นแล้วรู้สึกปวดใจ เพราะจำนวนคนตายไม่ใช่แค่ตัวเลข แต่คือชีวิตและคนในครอบครัวของใครสักคน
เมื่อตัวชี้วัดใช้การไม่ได้
มาริลิน สตราเทิร์น (Marilyn Strathern) เรียบเรียงแนวคิดของ ชาร์ลส์ กู๊ดฮาร์ท (Charles Goodhart) ได้อย่างสละสลวยว่า ‘เมื่อตัวชี้วัดกลายเป็นเป้าหมาย มันก็ไม่ใช่ตัวชี้วัดที่ดีอีกต่อไป’ ประโยคสั้นๆ นี้หลายคนรู้จักกันดีในชื่อกฎของกู๊ดฮาร์ท (Goodhart’s Law) หลักการคลาสสิกที่สามารถประยุกต์ใช้ได้ทั้งกับภาครัฐและภาคเอกชน
อ่านแล้วอาจจะงงๆ ว่าหมายถึงอะไร ผมขอใช้เนื้อที่หนึ่งย่อหน้ายกตัวอย่างประกอบการอธิบายนะครับ
ย้อนกลับไปเมื่อปี ค.ศ.1902 ชุมชนชาวต่างชาติที่ตั้งรกรากในเวียดนามสมัยที่ยังเป็นอาณานิคมของฝรั่งเศสประสบปัญหาจากสัตว์น่ารำคาญที่ใช้ระบบท่อน้ำทิ้งสมัยใหม่เป็นแหล่งแพร่พันธุ์ สัตว์ที่ว่าก็คือหนูท่อนั่นแหละครับ เมื่อรัฐบาลฝรั่งทนเสียงเรียกร้องจากประชาชนไม่ไหว นำไปสู่มาตรการกำจัดหนูครั้งใหญ่โดยให้นักล่าหนูนำหางมาขึ้นรางวัล โครงการดังกล่าวประสบความสำเร็จอย่างงดงาม บางวันมีคนส่งหางหนูแตะหลักหมื่นแต่ที่น่าแปลกใจคือเสียงบ่นระงมจากเหล่าฝรั่งตาน้ำข้าวก็ยังไม่สงบลงเสียที
พอเดาได้ไหมครับว่าเกิดอะไรขึ้น?
เมื่อหางหนูกลายเป็นตัวชี้วัดการกำจัดหนู เหล่านักล่าหัวหมอก็ไม่มีความจำเป็นใดๆ ที่จะต้องฆ่าหนูแต่ตัดเอาไปเพียงแต่หางเพื่อให้มั่นใจว่าในอนาคตจะมีรายได้จากอาชีพนี้ต่อไปเรื่อยๆ บางคนขี้เกียจต้องไปมุดท่อก็ทำฟาร์มหนูแล้วเก็บเกี่ยวหางเอาเสียเลย นี่คือหัวใจของกฎของกู๊ดฮาร์ท เพราะไม่ว่าคุณจะตั้งตัวชี้วัดได้รัดกุมเพียงใด เหล่ามนุษย์หัวใสก็ต้องหาทางหนีที่ไล่เพื่อ ‘ปั่นตัวเลข’ เพื่อเอาชนะระบบที่ออกแบบมาโดยไม่สนใจผลลัพธ์ปลายทาง
ที่ผมอธิบายมายืดยาวก็เพื่อให้ทุกคนเข้าใจว่าทำไมจำนวนผู้ติดเชื้อและผู้เสียชีวิตจาก COVID-19 ในแต่ละวันซึ่งเป็นตัวชี้วัดสำคัญที่ทุกคนต่างจับตามองและเป็นเป้าหมายในการจำกัดการระบาดของรัฐบาลจึงต้องตีความอย่างระมัดระวัง
คำตอบตามกฎของกู๊ดฮาร์ทคือภาครัฐย่อมทำทุกวิถีทางเพื่อให้ ‘ตัวชี้วัด’ ดังกล่าวออกมาดูดี หรืออย่างน้อยที่สุด ภาครัฐก็ขาดแรงจูงใจที่จะรายงานตัวเลขให้ใกล้เคียงกับความเป็นจริง นี่อาจเป็นเหตุผลหนึ่งที่ภาครัฐดูไม่กระตือรือร้นเท่าไหร่ที่จะเร่งเพิ่มกำลังการตรวจ COVID-19 ทั้งที่มีการรายงานข่าวว่าประชาชนจำนวนมากต้องไปรอคิวตรวจหลายสิบชั่วโมง อีกทั้งยังมีท่าทีตื่นเต้นกับการประโคมข่าวเรื่องการคัดกรองเชิงรุก 6 จุดทั่วกรุงเทพฯ ที่มีศักยภาพรองรับวันละ 3,700 คน
โถ … พ่อคุณ ช่วงที่เริ่มมีการระบาดในสหราชอาณาจักร ประเทศซึ่งมีจำนวนประชากรใกล้เคียงกับไทย แต่ละวันรัฐบาลทำการเก็บตัวอย่างได้หลักล้านคน ขณะที่ช่วงวิกฤติในไทยกลับมีจำนวนการตรวจ RT-PCR ไม่ถึงหนึ่งแสนคนด้วยซ้ำ การตรวจที่ครอบคลุมประชากรจำนวนมากคือสาเหตุที่ตัวเลขผู้ติดเชื้อของอังกฤษมีจำนวนมากทั้งที่การระบาดอาจไม่หนักหนาสาหัสเท่าที่ไทยกำลังเจออยู่ในปัจจุบัน
อีกหนึ่งเรื่องชวนฉงนคือแนวทางของกระทรวงสาธารณสุขที่ระบุว่าผู้ที่ได้ผลบวกจากผลการตรวจคัดกรองด้วยด้วยชุดตรวจแอนติเจน (antigen test kit -ATK) จะยังไม่ถูกนับเป็น ‘ผู้ติดเชื้อรายใหม่’ โดยจะจัดอยู่ในประเภทผู้ป่วยที่อาจติดเชื้อ (probable case) ซึ่งรัฐบาลยังไม่มีรายงานตัวเลขดังกล่าว แต่ในทางกลับกันกระทรวงสาธารณสุขจะรับผู้ป่วยกลุ่มนี้เข้ารักษาในระบบทันทีโดยที่ไม่ต้องรอการตรวจยืนยันด้วย RT-PCR ซ้ำอีกครั้ง
อ่านแล้วก็ชวนสงสัยว่าจะมีผู้ป่วยที่เข้าระบบการรักษาเพราะมีผล ATK เป็นบวกจะได้ตรวจ RT-PCR ทุกคนหรือไม่ เพราะตราบใดที่ยังไม่มีผลตรวจ RT-PCR ผู้ป่วยเหล่านั้นก็จะนับเป็นผู้ป่วย COVID-19 ตกสำรวจที่ทั้งผลตรวจของ ATK โอกาสพบผลลวงเพียง 3–5 เปอร์เซ็นต์เท่านั้น
ในภาวะวิกฤติเช่นนี้ ผู้นำที่ชาญฉลาดย่อมมองทะลุผ่าน ‘ภาพลวงตา’ ที่เหล่าลูกน้องพยายามนำเสนอเพื่อเอาอกเอาใจ แล้วกำหนดแนวทางหรือมาตรการเพื่อ ‘เค้น’ ตัวเลขที่แท้จริงออกมาให้ได้ ส่วนผู้นำที่คิดไม่ครบอาจพึงพอใจกับการได้เห็นตัวเลขตรงหน้าพลางคิดเองเออเองว่าข้าพเจ้าช่างเก่งฉกาจเหลือเกิน เมื่อวันหนึ่งความจริงเริ่มปรากฏตรงหน้า แทนที่จะคิดว่าตนเองโง่เขลาเบาปัญญาที่ถูกลูกน้องหลอกเอาง่ายๆ ก็ไพล่ความผิดไปว่า ‘ประชาชนไม่ให้ความร่วมมือ’
ผมก็ได้แต่หวังว่าผู้นำของประเทศไทยในยามวิกฤตินี้ จะเป็นแบบแรกไม่ใช่แบบหลัง
*อัตราการตายส่วนเกินแบบ P-score จะให้ผลลัพธ์เป็นเปอร์เซ็นต์ความแตกต่างระหว่างจำนวนผู้เสียชีวิตในช่วงเวลาที่มีการระบาดและค่าเฉลี่ยของจำนวนผู้เสียชีวิตในภาวะปกติซึ่งสามารถคำนวณตามสูตรนี้
สำหรับใครที่สนใจการคำนวณอย่างละเอียด หรือต้องการปรับเปลี่ยนสมมติฐาน เช่น ปีที่ใช้เป็นเกณฑ์ฐาน ผมอัพโหลดข้อมูลทั้งหมดไว้แล้วในไฟล์นี้นะครับ
อ้างอิงข้อมูลจาก
There have been 7m-13m excess deaths worldwide during the pandemic
How we estimated the true death toll of the pandemic
Excess mortality during the Coronavirus pandemic (COVID-19)
Illustration by Krittaporn Tochan
