ThaiPublica > ประเด็นร้อน > รับมือโควิด-19: ยุทธศาสตร์ผสมผสานสาธารณสุขและเศรษฐศาสตร์

รับมือโควิด-19: ยุทธศาสตร์ผสมผสานสาธารณสุขและเศรษฐศาสตร์

15 เมษายน 2020


สมชัย จิตสุชน

การระบาดทั่วโลก (pandemic) ของไวรัสโคโรนาสายพันธุ์ใหม่หรือโควิด-19 ได้ก่อให้เกิดวิกฤติเศรษฐกิจไปทั่วโลกเช่นกัน โดยคาดว่าเศรษฐกิจโลกจะเข้าสู่ภาวะถดถอยแน่นอนในปีนี้ ธนาคารแห่งประเทศไทยก็คาดว่าเศรษฐกิจไทยจะหดตัวลงร้อยละ 5.3 ผลกระทบต่อเศรษฐกิจจะผ่านทางมาตรการควบคุมโรคมากกว่าตัวโรคเอง โดยเฉพาะอย่างยิ่งมาตรการเว้นระยะห่างทางสังคม (social distancing) ที่เริ่มตั้งแต่การจำกัดหรือปิดการเดินทางระหว่างประเทศ การปิดเมืองซึ่งได้แก่การปิดกิจการและสถานที่บางประเภท การห้ามการรวมตัวเกินกว่าจำนวนคนที่กำหนด การห้ามออกจากบ้านตลอดเวลาหรือในเวลาที่ระบุ ฯลฯ

ในแวดวงวิชาการเศรษฐศาสตร์มีการสร้างแบบจำลองที่ ‘เชื่อม’ การระบาดของโรคเข้ากับภาวะเศรษฐกิจ โดยมีพื้นฐานจากแบบจำลองที่เรียกว่า SIR model ที่ริเริ่มโดยสองนักเศรษฐศาสตร์ชาวสกอตชื่อ A. G. McKendrick และ W.O. Kermack ตั้งแต่ปี 1927 ในแบบจำลองได้แบ่งคนเป็น 3 กลุ่ม คือ กลุ่มเสี่ยงจะติดเชื้อ (susceptible) ได้แก่คนทั่วไปที่ยังไม่มีภูมิคุ้มกัน กลุ่มผู้ติดเชื้อ (infected) และกลุ่มคนที่หายป่วย (recovered) คนสามกลุ่มจะมีกิจกรรมทางเศรษฐกิจ เช่น ทำงาน บริโภค แตกต่างกัน

สัดส่วนของคนสามกลุ่มในเวลาใดเวลาหนึ่งจึงมีผลต่อภาพเศรษฐกิจโดยรวม มีความตื่นตัวในการพัฒนาแบบจำลองแนวนี้หลังการระบาดของโควิด-19 ให้ดีขึ้น เช่น เพิ่มกลุ่มคนที่ตายจากโรค (deceased) กลุ่มที่ถูกกักกัน เพิ่มกลไกการส่งผ่านสู่ระบบเศรษฐกิจที่ซับซ้อนขึ้น แต่โดยสรุปแล้วแบบจำลองก็ยังไกลจากความเป็นจริง เช่น ส่วนใหญ่ยังไม่ได้รวมผลของมาตรการควบคุมการแพร่เชื้อที่หลากหลายต่อแนวโน้มการระบาดและต่อเศรษฐกิจ จึงมีประโยชน์ไม่มากนัก

ด้วยเหตุนี้หากจะศึกษาเพื่อกำหนดนโยบายจึงยังต้องใช้การวิจัยย่อยๆ หรือการใช้ตรรกะพื้นฐานทางเศรษฐศาสตร์และสาธารณสุขเข้าช่วย เช่น เราต้องรู้ว่ามาตรการด้านสาธารณสุขในการควบคุมการระบาดนั้นประกอบด้วยอะไรบ้าง มาตรการเหล่านี้ทดแทนหรือหนุนเสริม (substitutable or complementary) กันอย่างไร ตัวอย่างเช่น มีข้อถกเถียงว่าระหว่างการปิดเมืองกับการตรวจหาเชื้อแบบปูพรมจนนำไปสู่การแกะรอย กักกัน และรักษา (test, trace, isolate, treat) แบบไหนจะได้ผลกว่า เป็นไปได้มากว่า มาตรการทั้งสองล้วนช่วยลดการระบายและทดแทนกันได้ระดับหนึ่ง ดังแสดงในรูป production possibility frontier (PPF) of COVID-19 containment ซึ่งวาดขึ้นด้วยสมมติฐานว่ามาตรการทั้งสองด้านให้ผลในการควบคุมโรคไม่ดีนักหากทำน้อยไป แต่เมื่อทำมากถึงระดับหนี่งประสิทธิภาพส่วนเพิ่มก็ลดลงเช่นกัน

เนื่องจากมาตรการเว้นระยะทางสังคมกระทบต่อเศรษฐกิจมากกว่า นักเศรษฐศาสตร์ส่วนใหญ่ก็คงอยากลดส่วนนี้ลงและเพิ่มการตรวจ/แกะรอย/กักกัน/รักษา (จุด A ในรูป) ซึ่งหมายถึงรัฐต้องทุ่มเทงบประมาณด้านสาธารณสุข เช่น เร่งสร้างห้องปฏิบัติการตรวจ ผลิตอุปกรณ์การตรวจเช่นน้ำยา ชุดป้องกันสำหรับผู้ตรวจ เพิ่มสถานกักกันทั้งในและนอกโรงพยาบาล เพิ่มเตียงผู้ป่วยหนักให้มากพอ หากสามารถควบคุมการระบาดย่อมเป็นการใช้งบประมาณที่คุ้มค่าไม่ว่าจะเป็นในแง่การรักษาชีวิตผู้ป่วย และการประหยัดงบประมาณที่ต้องใช้ในการพยุงเศรษฐกิจและช่วยเหลือผู้ได้รับผลกระทบซึ่งรัฐบาลได้เตรียมวงเงินไว้เกิน 1 ล้านล้านบาทแล้ว

อย่างไรก็ตาม เราต้องคำนึงถึงปัจจัยอื่นที่ไม่ได้แสดงในรูป PPF และเป็นมาตรการอื่นที่ทำได้ เช่น การให้ความรู้ประชาชนในการป้องกันการติดเชื้ออันจะนำไปสู่ความสมัครใจปฏิบัติตาม เช่น ใส่หน้ากากทุกครั้งที่ออกจากบ้าน ล้างมือบ่อยๆเว้นระยะห่างในทุกสถานการณ์ ปัจจัยเหล่านี้สามารถทำให้เส้น PPF ขยับลงล่างได้ การสำรวจของกรมควบคุมโรคเมื่อต้นเดือนเมษายนที่ผ่านมาพบว่ามีการใช้หน้ากากถึงร้อยละ 95 ซึ่งอาจเป็นปัจจัยที่ช่วยชะลอการเพิ่มจำนวนผู้ป่วยในระยะหลังมากกว่าการปิดเมืองหรือการตรวจเชื้อก็เป็นได้

อีกเรื่องสำคัญยิ่งที่นักเศรษฐศาสตร์ต้องให้ความสำคัญคือ การศึกษาผลกระทบต่อคนเล็กคนน้อย คนฐานราก คนชายชอบ เขาเหล่านี้รับแรงกระแทกได้น้อยกว่า และผลกระทบที่ได้รับอาจถาวร เช่น การขาดเรียนของเด็กยากจนที่ส่งผลต่อการสะสมทุนมนุษย์ในระยะยาว

มาตรการเว้นระยะห่างทางสังคมจึงควรออกแบบให้เหมาะกับบริบทของพวกเขาแต่ละกลุ่ม

ต้องมีการวิเคราะห์ระดับเศรษฐศาสตร์จุลภาคหรือเศรษฐศาสตร์พฤติกรรม ที่ดูต้นทุนและแรงจูงใจในการปรับตัว ควรมีการเก็บและวิเคราะห์ข้อมูลแบบ big data ที่มีลักษณะ real time อันจะนำไปสู่มาตรการช่วยเหลือเขาเหล่านั้นได้อย่างตรงจุดที่สุด