ธนิสา ทวิชศรี [email protected] สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
นฎา วะสี [email protected] สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
บทความนี้กลั่นกรองเนื้อหาจากบทความ aBRIDGEd ฉบับเต็มเรื่อง “COVID-19 จากมุมมองของนักเศรษฐศาสตร์ ตอนที่ 3” เผยแพร่ใน website ของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
ตั้งแต่เริ่มเกิดวิกฤติโรคระบาด นักเศรษฐศาสตร์ได้ผลิตงานวิจัยเกี่ยวกับ COVID-19 ออกมาจำนวนมาก บางงานเป็นการต่อยอดแบบจำลองทางระบาดวิทยา บางงานวิเคราะห์ผลกระทบในมิติต่างๆ อาทิ ผลต่อระบบเศรษฐกิจ ตลาดหุ้น และแรงงานแต่ละกลุ่ม โดยในช่วงหนึ่งปีที่ผ่านมา ได้มีงานวิจัยจากนักเศรษฐศาสตร์ออกมาเพิ่มเติมอีกหลายชิ้น โดยนักเศรษฐศาสตร์เข้าใจข้อจำกัดของแบบจำลองมากขึ้น ประกอบกับข้อมูลจริงจากหลากหลายประเทศก็ช่วยให้นักวิจัยสามารถเรียนรู้จากประสบการณ์ของประเทศต่าง ๆ รวมถึงสามารถคำนวณประโยชน์ของมาตรการยับยั้งการแพร่ระบาดได้
บทความนี้จะมาเล่าให้ฟังเกี่ยวกับงานวิจัยเหล่านี้ในช่วงหนึ่งปีที่ผ่านมา โดยได้ข้อสรุปสำคัญ 6 ประการ ดังนี้
1. เราจำเป็นต้องตีความค่า R อย่างระมัดระวัง
หลาย ๆ คน อาจจะเคยได้ยิน “ค่า R” กันมาบ้างแล้ว โดยเฉพาะระดับของค่า R ว่าอยู่ที่เท่าใด ค่าพารามิเตอร์ตัวนี้มาจากแบบจำลองของนักระบาดวิทยาที่ช่วยทำนายระยะของการแพร่ระบาดว่าจะยาวนานแค่ไหน และขึ้นถึงจุดสูงสุดเมื่อใด ค่า R ที่คนพูดถึงกันนั้นจริง ๆ แล้วมีสองตัว คือ R0 และ R (บางครั้งเรียกว่า Rt) ค่า R ตัวแรก คือ ค่า R0 (basic reproduction number) เป็นค่าที่บอกว่าผู้ติดเชื้อหนึ่งคนจะสามารถกระจายเชื้อต่อได้อีกกี่คนในช่วงเริ่มต้น ซึ่งประชากรเกือบทั้งหมดยังไม่มีภูมิคุ้มกัน และรัฐยังไม่มีมาตรการใด ๆ ในการป้องกัน โดยค่านี้มักจะใช้เทียบความยากง่ายในการแพร่เชื้อของโรคระบาดชนิดต่าง ๆ ทั้งนี้ ค่า R0 ของ COVID-19 ที่ประมาณการนั้นมีตั้งแต่ 1.5 ไปจนถึง 17 แล้วแต่ข้อมูลและบริบทของประเทศที่ใช้ศึกษา ส่วนตัวที่สอง คือ ค่า R หรือ Rt (effective reproduction number) เป็นอัตราการแพร่เชื้อ ณ เวลาหนึ่ง ๆ ซึ่งขึ้นกับจำนวนประชากรที่ยังไม่มีภูมิคุ้มกันและพฤติกรรมของประชากรด้วย หากค่า R มากกว่า 1 ก็หมายความว่าโรคระบาดยังจะคงขยายวงกว้างไปเรื่อย ๆ
อย่างไรก็ดี ความน่าเชื่อถือของค่า R นั้นขึ้นอยู่กับคุณภาพของข้อมูลแต่ละประเทศ และข้อสมมติต่าง ๆ ที่นักวิจัยเลือกใช้ เช่น โอกาสที่ผู้ติดเชื้อจะมีการสัมผัสใกล้ชิดกับกลุ่มที่ยังไม่ติดเชื้อ ระยะเวลาฟักตัว และโอกาสที่จะเป็นกลุ่มไม่แสดงอาการ ซึ่งข้อสมมติเหล่านี้นักวิจัยก็ยังไม่ได้มีความเห็นตรงกันมากนัก
นอกจากนี้ งานวิจัยในช่วงหลังชี้ให้เห็นถึงข้อจำกัดของแบบจำลอง อาทิ งานวิจัยบางชิ้นพบว่าข้อมูลจำนวนผู้ติดเชื้อและผู้เสียชีวิตรายวันในระยะสั้นนั้น ไม่เพียงพอที่จะประมาณการพารามิเตอร์ทั้งหมดของแบบจำลอง SEIR1 ได้
ส่วนอีกหลายงานศึกษาแสดงให้เห็นว่า หากจำนวนผู้ป่วยที่รายงานนั้นต่ำกว่าความเป็นจริง เพราะกลุ่มที่ไม่แสดงอาการไม่ได้ไปตรวจหาเชื้อ ค่าประมาณของ R0 จะต่ำกว่าความเป็นจริง ทั้งนี้ การตีความค่า R ยังต้องใช้ความระมัดระวัง เพราะค่า R ขึ้นกับพฤติกรรมของประชาชนด้วย ซึ่งแปลว่าหากค่า R ลดลงแต่คนการ์ดตก ไม่รักษาระยะห่างเหมือนเดิม ค่า R ที่ต่ำลงก็อาจจะกลับมาสูงขึ้นใหม่ได้
2. มาตรการยับยั้งการแพร่ระบาดสามารถรักษาชีวิตผู้คนไว้ได้จำนวนมาก
งานศึกษาในช่วงต้นมักจะคำนวณผลทางลบของมาตรการต่าง ๆ ที่นำมาใช้ยับยั้งการแพร่ระบาด ไม่ว่าจะเป็นจำนวนคนว่างงาน จำนวนธุรกิจที่ต้องปิดตัวลง หรือการหดตัวของระบบเศรษฐกิจ แต่ยังไม่มีใครคำนวณประโยชน์ของมาตรการเหล่านี้มากนัก ในปัจจุบัน งานวิจัยสามารถใช้ข้อมูลจริงจำนวนมากมา ประมาณการว่าหากไม่มีมาตรการเหล่านี้ จำนวนผู้ติดเชื้อและจำนวนผู้เสียชีวิตจะสูงเพียงใด
งานเหล่านี้มักจะใช้การเก็บข้อมูลของมาตรการที่ต่างกันและเริ่มขึ้นไม่พร้อมกันในแต่ละเมือง หรือในแต่ละประเทศ มาประมาณการเปรียบเทียบอัตราการแพร่ระบาดก่อนและหลังมาตรการ และเทียบกับเมืองที่ยังไม่มีมาตรการใด ๆ โดยงานวิจัยชิ้นหนึ่งประมาณการว่า จำนวนผู้ติดเชื้อในหกประเทศที่ทำการศึกษารวมกันจะเพิ่มขึ้นกว่า 60 ล้านรายในช่วงมีนาคม-เมษายน 2563 หากประเทศเหล่านั้นไม่ได้ดำเนินมาตรการใด ๆ2
ส่วนงานวิจัยสำหรับประเทศสหรัฐอเมริกา พบว่า ทั้งมาตรการของรัฐและข่าวสารข้อมูลมีผลต่อพฤติกรรมการรักษาระยะห่าง และประเมินว่า หากย้อนเวลากลับไป รัฐบาลสหรัฐอเมริกาบังคับให้ประชาชนสวมหน้ากากอนามัยตั้งแต่เดือนมีนาคมปีที่แล้ว จะช่วยลดจำนวนผู้ติดเชื้อและผู้เสียชีวิตในช่วงปลายเดือนเมษายน 2020 ได้ถึงร้อยละ 10
3. ประสบการณ์การรับมือโรคระบาด ผู้นำประเทศที่มีความเด็ดขาด การสื่อสารที่โปร่งใส ล้วนส่งผลต่อความสำเร็จในการจัดการโรคระบาด
งานวิจัยที่เปรียบเทียบ 4 ประเทศในเอเชียตะวันออกเฉียงใต้ เพื่อศึกษาว่าปัจจัยใดบ้างที่ทำให้สิงคโปร์และเวียดนามควบคุมการแพร่ระบาดได้ดีกว่ามาเลเซียและฟิลิปปินส์ พบว่าปัจจัยสำคัญน่าจะเป็นเรื่องของผู้นำ ประสบการณ์การรับมือโรคระบาด และการสื่อสารกับประชาชน โดยสิงคโปร์และเวียดนามเคยเผชิญการแพร่ระบาดของ SARS และ H1N1 มาก่อน จึงมีระบบเฝ้าระวังที่เตรียมพร้อมดีกว่า
เป็นที่น่าสนใจว่า แม้เวียดนามจะเป็นประเทศรายได้ปานกลาง มีประชากรถึง 95 ล้านคน แต่มีจำนวนผู้ติดเชื้อเพียง 3,137 คน และมีผู้เสียชีวิต 35 คน (ข้อมูล ณ วันที่ 8 พฤษภาคม 2021) ซึ่งหากเทียบกับมาเลเซียและฟิลิปปินส์ เวียดนามมีผู้นำที่เข้มแข็งกว่า มีการสื่อสารที่ดี โปร่งใส ชัดเจน และทั่วถึงกว่า เช่น การส่งข้อความไปยังโทรศัพท์มือถือของประชาชนว่าควรปฏิบัติตนอย่างไร มีการรณรงค์ผ่าน application รวมถึงยังรักษาความเคร่งครัดของมาตรการอย่างสม่ำเสมอ เช่น ในปัจจุบัน เวียดนาม ขยายเวลากักตัวของผู้เดินทางมาจากต่างประเทศจาก 14 วันเป็น 21 วัน
4. ระดับรายได้ของประเทศระงับการแพร่เชื้อไม่ได้ แต่เงินนั้นซื้อวัคซีนได้
ความสามารถในการควบคุมการแพร่ระบาดของ COVID-19 ดูจะไม่ได้ขึ้นกับระดับรายได้ของประเทศมากนัก แต่หากมาดูที่สัดส่วนของประชากรที่ได้รับวัคซีน ณ ปัจจุบัน ระดับรายได้ของประเทศมีความสัมพันธ์กับสัดส่วนผู้ได้รับวัคซีนค่อนข้างชัดเจน (รูปที่ 1) ซึ่งหมายความว่า ประเทศรายได้สูงน่าจะฟื้นกลับมาสู่ภาวะปกติได้เร็วกว่าประเทศรายได้ต่ำ ประเทศกลุ่มรายได้สูงที่มีอัตราผู้ที่ได้รับวัคซีนเกินร้อยละ 35 ของประชากร ได้แก่ อิสราเอล สหรัฐอาหรับเอมิเรตส์ อังกฤษ ชิลี และสหรัฐอเมริกา ส่วนประเทศกลุ่มรายได้ปานกลางที่มีสัดส่วนประชากรได้รับวัคซีนสูงที่สุด ได้แก่ เซอร์เบียร์ ตุรกี และ โมร็อกโก การที่ประเทศรายได้สูงมีอัตราการฉีดวัคซีนที่สูงกว่า น่าจะเป็นเพราะมีความพร้อมในการลงทุนและพัฒนาวัคซีน หรือ สั่งซื้อวัคซีนล่วงหน้าจำนวนมากได้ แต่ส่วนหนึ่งอาจเป็นเพราะประเทศเหล่านี้ไม่สามารถควบคุมการระบาดได้ จึงต้องเร่งใช้วัคซีนมาเป็นทางออกเช่นกัน
5. ไม่มีประเทศใดรู้ว่าบริษัทไหนจะผลิตวัคซีนได้สำเร็จก่อน แต่บางประเทศรู้เท่าทันความเสี่ยงและบริหารจัดการล่วงหน้าอย่างเหมาะสม
เบื้องหลังความสำเร็จของการผลิตวัคซีนในสหรัฐอเมริกานั้น ไม่ได้อาศัยเพียงเทคโนโลยีที่ดีและเงินทุนที่สูงเท่านั้น แต่รัฐบาลสหรัฐฯ ยังให้เงินอุดหนุนแก่บริษัทพัฒนาวัคซีนหลายบริษัท ซึ่งสะท้อนการกระจายความเสี่ยง แม้เราจะพอทราบกันว่าวัคซีนของสหรัฐฯ ที่สามารถผลิตออกมาใช้ได้ก่อนนั้น คือ วัคซีนของ Pfizer-BioNTech Moderna ตามมาด้วย Johnson & Johnson
แต่หลาย ๆ คนอาจจะยังไม่ทราบว่า จริง ๆ แล้ว รัฐบาลสหรัฐฯ ได้ลงทุนกับการพัฒนาวัคซีนอย่างน้อยใน 7 บริษัท และบางบริษัทใหญ่ เช่น Merck, Sanofi และ GlaxoSmithKlein (GSK) ก็ไม่ประสบความสำเร็จ
นอกจากนี้ สหรัฐฯ ยังมีปัจจัยอื่น ๆ ที่สนับสนุนความสำเร็จ อาทิ การมีห่วงโซ่อุปทาน (supply chain) ต่าง ๆ ที่ครบถ้วน ตั้งแต่ cellular material ไปจนถึงหลอดฉีดยา รวมถึงการที่รัฐบาลจัดตั้งองค์กร Operation Warp Speed (OWS) เพื่อให้มีการประสานงานของกระบวนการผลิตตลอดทั้ง supply chain และช่วยเหลือบริษัทขนาดเล็กในการร่วมมือกันด้านการผลิตเพื่อที่จะขยายการผลิต รวมถึงดูแลแจกจ่ายวัคซีน
6. COVID-19 มีผลกระทบต่อระบบสุขภาพในหลายมิติ
มีรายงานว่าจำนวนผู้เข้ารับบริการในโรงพยาบาลนั้นลดลงตั้งแต่เกิดวิกฤติ แต่จำนวนผู้ป่วยจริงอาจจะไม่ได้ลดลงทุกโรค โดยโรคที่จำนวนผู้ป่วยลดลงจริง น่าจะเป็นโรคระบบทางเดินหายใจ เช่น หวัด ปอดบวม เพราะการรณรงค์ให้ใส่หน้ากากอนามัยและล้างมือบ่อย ๆ ช่วยยับยั้งการระบาด การทำงานจากที่บ้านก็ดูจะทำให้จำนวนผู้บาดเจ็บและเสียชีวิตจากอุบัติเหตุทางถนนลดลงเช่นเดียวกัน ซึ่งงานวิจัยพบหลักฐานในประเทศตุรกี บราซิล สเปน และสหรัฐอเมริกา
สำหรับประเทศไทย จำนวนผู้เสียชีวิตจากอุบัติเหตุทางถนนในปี 2020 ลดลงกว่าสองพันรายจากปี 2019 ขณะที่โรคอื่น ๆ นั้น จำนวนผู้ป่วยอาจจะไม่ได้ลดลงจริงแต่มารับบริการลดลงเท่านั้น ทางฝั่งผู้รับบริการ ผู้ป่วยอาจจะกลัวความเสี่ยงที่จะติดเชื้อจึงไม่ไปโรงพยาบาล ทางฝั่งผู้ให้บริการ ก็พบว่ามีเลื่อนการให้บริการบางประเภทเพื่อจัดสรรทรัพยากรไปจัดการกับโรคระบาด หรือลดโอกาสการติดเชื้อของบุคลากรทางการแพทย์
โดยในปี 2020 WHO รายงานว่า ประเทศกลุ่มรายได้ต่ำลดการบริการทางการแพทย์สำหรับโรคมะเร็ง โรคหัวใจ โรคหลอดเลือด รวมถึงการตรวจเพื่อป้องกันโรคต่าง ๆ ดังนั้น จำนวนผู้ป่วยหรือผู้เสียชีวิตด้วยโรคเหล่านี้อาจจะเพิ่มขึ้นในระยะยาว เพราะผู้ป่วยไม่ได้รับการรักษาอย่างทันท่วงที
สุขภาพจิตของบุคลากรทางการแพทย์ก็เป็นอีกหนึ่งประเด็นที่น่ากังวล งานวิจัยในญี่ปุ่น จีน อังกฤษ และสหรัฐอเมริกา พบปัญหาสุขภาพจิตมากขึ้นในกลุ่มบุคลากรทางการแพทย์ ทั้งจากงานที่หนักขึ้น การที่ต้องดูแลผู้ป่วยหนักใกล้ตาย ความกลัวว่าจะติดโรคระบาดและแพร่เชื้อสู่คนรอบข้างและครอบครัว รวมถึงความกังวลในการจัดการกับคนไข้ที่ไม่ให้ความร่วมมือในการกักตัว และอุปกรณ์ป้องกันทางการแพทย์ที่ไม่เพียงพอ ความเสี่ยงและสุขภาวะของบุคลากรทางการแพทย์จึงเป็นอีกหนึ่งต้นทุนของการปล่อยให้มีการแพร่ระบาด
โดยสรุป คงไม่มีใครปฏิเสธได้ว่า COVID-19 ได้ก่อให้เกิดความสูญเสียต่อชีวิตผู้คนจำนวนมากและส่งผลเสียหายต่อระบบเศรษฐกิจในวงกว้าง ประเทศต่าง ๆ รับมือกับกับวิกฤติครั้งนี้แตกต่างกันไป หลาย ๆ ประเทศยังต้องชั่งน้ำหนักระหว่างจะชะลอการแพร่ระบาดหรือชะลอกิจกรรมทางเศรษฐกิจ ข้อมูลที่เพิ่มขึ้นช่วยให้งานวิจัยในช่วงหลัง สามารถคำนวณประโยชน์และต้นทุนของทางเลือกต่าง ๆ ได้ชัดเจนขึ้น มาตรการใส่หน้ากากอนามัย หากบังคับใช้ได้จริง มีการศึกษาว่าได้ผลและดูจะมีต้นทุนต่อระบบเศรษฐกิจต่ำกว่ามาตรการอื่น ๆ
ที่สำคัญ วิกฤติครั้งนี้ยังน่าจะส่งผลต่อเนื่องในระยะยาวอีกหลากหลายมิติ ในทางบวก วิกฤติครั้งนี้ทำให้นวัตกรรมบางอย่างเกิดขึ้นได้อย่างรวดเร็ว และช่วยให้ประชาชนปรับเปลี่ยนไปใช้ digital technology มากขึ้น อาทิ นวัตกรรมเกี่ยวกับ telemedicine และการทำธุรกรรมทางการเงินโดยไม่ใช้เงินสด ขณะที่ในทางลบ นอกจากผลกระทบทางเศรษฐกิจต่อกลุ่มเปราะบางแล้ว จำนวนผู้ป่วยด้วยโรคอื่น ๆ ที่ไม่ได้รับการรักษาในช่วงวิกฤติโควิดยังอาจจะเพิ่มขึ้นในระยะยาว
ความเสี่ยงและภาระงานที่เพิ่มขึ้นอาจจะทำให้คนรุ่นหลังเลือกเรียนแพทย์และพยาบาลน้อยลง การเรียนการสอนทุกระดับชั้น ซึ่งถูกปรับเปลี่ยนมาเป็นระบบ online อาจจะส่งผลเสียต่อทุนมนุษย์ ยิ่งไปกว่านั้น การที่ประเทศต่าง ๆ ต้องนำเงินมาเยียวยาและช่วยเหลือผู้ได้รับผลกระทบจากวิกฤติครั้งนี้ อาจจะทำให้รัฐจำเป็นต้องตัดเงินสนับสนุนในด้านอื่น ๆ อย่างหลีกเลี่ยงไม่ได้ด้วย
หมายเหตุ :
1.แบบจำลอง SEIRD เป็นแบบจำลองที่พัฒนาต่อยอดมาจาก SIR โดยแบบจำลอง SIR แบ่งประชากรเป็นสามกลุ่ม ได้แก่ (1) S: Susceptible คือกลุ่มที่ยังไม่ได้ติดเชื้อ และยังไม่มีภูมิคุ้มกัน (2) I: Infected คือกลุ่มที่ป่วยและแพร่เชื้อได้ (3) R: Recovered คือกลุ่มที่หายป่วยและไม่สามารถแพร่เชื้อต่อได้ ส่วนแบบจำลอง SEIRD ได้เพิ่มอีก 2 กลุ่ม ได้แก่ E: Exposed คือกลุ่มที่ติดเชื้อแต่ยังอยู่ในระยะฟักตัว ซึ่งอาจเป็นผู้ติดเชื้อแต่ไม่มีอาการ (asymptotic cases) และ D: Dead คือกลุ่มที่เสียชีวิต
2. ประเทศที่ทำการศึกษา 6 ประเทศ ได้แก่ จีน เกาหลีใต้ อิตาลี อิหร่าน ฝรั่งเศส และสหรัฐอเมริกา โดยในช่วงที่ทำการศึกษา จำนวนผู้ป่วยสะสมคิดเป็น 634,210 ราย
ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
ข่าวหรือบทความที่เกี่ยวข้อง
