สองตอนก่อนหน้านี้ ผู้เขียนพูดถึงปัญหาหลายประการของการสื่อสารเรื่องโควิด-19 ของหน่วยงานภาครัฐ โดยยกตัวอย่างเนื้อหาที่เข้าข่ายตีความข้อมูลผิด ตัวเลขไม่ครบถ้วนและชวนเข้าใจผิด หรือเปรียบเทียบกับประเทศอื่นชนิด ‘ผิดฝาผิดตัว’ เช่น รายงานสถานการณ์ปัจจุบัน แต่ใช้ตัวเลขอัตราตายและอัตราป่วยสะสมตั้งแต่ต้นปี 2563 นานนับปีก่อนที่โลกจะมีวัคซีนโควิด-19 แทนที่จะใช้แต่ข้อมูลล่าสุดเท่านั้น

นอกจากการสื่อสารของรัฐหลายครั้งจะทำให้เข้าใจผิดแล้ว ‘ข้อมูล’ บางตัวของทางการก็ยังไม่ครบถ้วน และขาดความน่าเชื่อถือ ทั้งที่เป็นข้อมูลสำคัญ ต่อการตัดสินใจของผู้ดำเนินนโยบาย และการติดตามสถานการณ์ของประชาชน

หัวใจของการสื่อสารในภาวะวิกฤตที่ดีคือ การพูดความจริง ความโปร่งใส การเผยแพร่ข้อมูลอัพเดทอย่างทันท่วงที และสื่อสารอย่างเต็มเปี่ยมด้วยความเข้าอกเข้าใจ และเห็นอกเห็นใจ ทว่าการสื่อสารของทางการไทยบ่อยครั้งกลับมีลักษณะตรงกันข้าม ไม่ว่าจะเป็นการพูดความจริงครึ่งเดียว การก่นด่าประชาชนว่า ‘การ์ดตก’ หรือยกตนข่มท่าน และบางครั้งก็นำเสนอข้อมูลชนิดที่ ‘ผิด’ เต็มประตู

อีกตัวอย่างหนึ่งของการสื่อสารข้อมูลโดยรัฐที่ผิดอย่างไม่น่าเชื่อ คือ อินโฟกราฟิกที่รายงานความเชื่อมโยงระหว่างการได้รับวัคซีน กับการเสียชีวิตของผู้ป่วยโควิด-19 โดยศูนย์ข้อมูลโควิด-19 ของกรมประชาสัมพันธ์ เมื่อวันที่ 13 กันยายน 2564 ซึ่งพาดหัวว่า สถิติชี้ คนไม่ฉีดวัคซีนมีอัตราการเสียชีวิตสูงกว่าคนฉีดวัคซีน (ดูภาพด้านล่าง)

พาดหัวนี้เป็นความจริง เพราะงานวิจัยมากมายทั้งในห้องทดลองและในโลกจริงยืนยันตรงกัน แต่ข้อสรุปในพาดหัวนี้ไม่อาจสรุปจากตัวเลขต่างๆ ในอินโฟกราฟิกได้

ถ้าอ่านผ่านๆ เราก็อาจคิดว่าอินโฟกราฟิกนี้ไม่มีอะไรผิด เพราะเนื้อหาแบ่งผู้ป่วยเสียชีวิตทั้งหมด 13,000 กว่าคน ออกเป็น 4 กลุ่ม คือ 

 1. ฉีดวัคซีนครบ 2 เข็ม 

 2. ฉีดวัคซีน 1 เข็ม 

 3. ไม่ได้ฉีดวัคซีน 

 4. ไม่มีประวัติการฉีดวัคซีน 

กราฟแท่งของจำนวนผู้ป่วยเสียชีวิตที่ ‘ไม่ได้ฉีดวัคซีน’ ยาวที่สุด 8,803 ราย ติดกับกราฟขึ้นข้อความ ‘คิดเป็น 64.6%’ ส่วนกราฟแท่งที่สั้นที่สุดแสดงจำนวนผู้ป่วยเสียชีวิตที่ ‘ฉีดวัคซีนครบ 2 เข็ม’ 107 ราย ติดกับกราฟขึ้นข้อความ ‘คิดเป็น 0.8%’

ตัวเลขเปอร์เซ็นต์ของคนทั้ง 4 กลุ่ม บวกกันได้ 100% พอดี ถ้าอ่านแค่ตัวเลขเหล่านี้ เราย่อมได้ข้อสรุปว่า “โอ้โฮ คนที่ยังไม่เคยฉีดวัคซีน เมื่อป่วยแล้วมีอัตราการตายสูงถึง 64.6% แน่ะ!”  (และถ้ารวมกับคนตายที่ ‘ไม่มีประวัติการฉีดวัคซีน’ ตัวเลขนี้จะสูงถึง 64.6 + 20.2 = 84.8%!) 

แต่การสื่อสารแบบนี้ (ซึ่งนำไปสู่การตีความแบบนี้) ‘ผิด’ อย่างมหันต์ ผิดหลักสถิติขั้นพื้นฐานเลยทีเดียว

ตัวเลขเปอร์เซ็นต์ทั้งหมดนั้นคำนวณจาก ‘ผู้ป่วยที่เสียชีวิต’ เท่านั้น ทั้งที่ในความเป็นจริง การคำนวณ ‘อัตราการตาย’ (case fatality ratio) จากโควิด-19 จะต้องคำนวณจากคนทั้งหมดที่ได้รับและไม่ได้รับวัคซีน รวมผู้ที่ไม่เสียชีวิตด้วย 

ถ้าจะดูเฉพาะกลุ่ม ตัวตั้งและตัวหารก็ต้องมีฐานเดียวกัน ยกตัวอย่างเช่น การคำนวณ ‘อัตราการตาย’ ของกลุ่มคนที่ ‘ไม่ได้ฉีดวัคซีน’ ก็จะต้องเอาจำนวนผู้ป่วยเสียชีวิตที่ไม่ได้ฉีดวัคซีน หารด้วยจำนวนผู้ป่วยทั้งหมดที่ยังไม่ได้ฉีดวัคซีน ไม่ใช่เอาจำนวนผู้ป่วยเสียชีวิตที่ยังไม่ได้ฉีดวัคซีน หารด้วยจำนวนผู้ป่วยเสียชีวิตทั้งหมด (รวมคนที่ได้ฉีดและไม่ได้ฉีด) อย่างที่ศูนย์ข้อมูลโควิด-19 ทำ

ลองสมมติตัวอย่างว่า ประเทศไทยมีผู้ป่วยโควิด-19 ทั้งหมด 1,300,000 คน ในจำนวนนี้ฉีดวัคซีนแล้วอย่างน้อย 1 เข็ม จำนวน 520,000 คน คิดเป็น 40% ผู้ป่วยที่เหลือ 780,000 คน หรือ 60% ยังไม่ได้ฉีดวัคซีน และมีผู้ป่วยเสียชีวิตทั้งหมด 13,000 คน ในจำนวนผู้ตายมีคนได้รับวัคซีนอย่างน้อย 1 เข็ม จำนวน 1,300 คน คิดเป็น 10% ของผู้ป่วยเสียชีวิตทั้งหมด เท่ากับว่าผู้ตายที่เหลือ 90% หรือ 11,700 คน ยังไม่ได้ฉีดวัคซีนแม้แต่เข็มเดียว

ด้วยตัวเลขสมมติเหล่านี้ ถ้าเราจะคำนวณ ‘อัตราการตาย’ ของ ‘กลุ่มคนที่ยังไม่ได้ฉีดวัคซีน’ แบบที่ศูนย์โควิด-19 ทำ เราจะบอกว่า อัตราการตายของผู้ที่ยังไม่ฉีดวัคซีนสูงถึง 90% ทั้งที่การคำนวณที่ถูกต้องคือ เอา 11,700 (จำนวนผู้ป่วยเสียชีวิตที่ยังไม่ได้ฉีดวัคซีน) เป็นตัวตั้ง หารด้วย 780,000 (จำนวนผู้ป่วยโควิด-19 ทั้งหมดที่ยังไม่ได้ฉีดวัคซีน) = 1.5% เท่านั้น น้อยกว่าตัวเลข 90% ถ้าคำนวณแบบศูนย์ข้อมูลโควิด-19 ถึง 60 เท่าเลยทีเดียว

การรายงานที่ถูกต้องจึงต้องรายงานว่า ผู้ป่วยที่ยังไม่ได้ฉีดวัคซีนมีอัตราการตาย 1.5% ส่วนผู้ป่วยที่ฉีดวัคซีนแล้วอย่างน้อย 1 เข็ม มีอัตราการตายเพียง 1,300 / 520,000 = 0.25% เท่านั้น

คนอ่านก็จะได้ข้อสรุปว่า ‘วัคซีนช่วยลดอัตราการเสียชีวิตได้’ เหมือนกัน โดยที่ไม่ต้องแตกตื่นตกใจกับตัวเลข ‘อัตราการตาย’ ของกลุ่มไม่ได้ฉีดวัคซีน ที่เอาสัดส่วนผู้ป่วยเสียชีวิตที่ไม่ได้ฉีดวัคซีนมารายงานผิดๆ ทำให้คนเข้าใจผิดว่าอัตราการตายสูงถึง 90% ทั้งที่ความจริงคือ 1.5% 

การคำนวณและสื่อสารผิดๆ แบบนี้ไม่ได้มีแต่ศูนย์ข้อมูลโควิด-19 เท่านั้นที่ทำ เอกสารนำเสนอหลายวาระของกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม (อว.) ซึ่งโดยหน้าที่แล้วควรเป็นหน่วยงานที่เคร่งครัดเรื่องการนำเสนอข้อมูลทางวิทยาศาสตร์อย่างถูกต้อง กลับไม่ถูกต้องอย่างไม่น่าเชื่อเช่นกัน ก่อนหน้านี้ผู้เขียนอธิบายการเรียงลำดับการฉีดวัคซีนในอาเซียนอย่างไม่ถูกต้องของ อว. เนื่องจากเรียงลำดับตาม ‘จำนวนวัคซีนที่ฉีด’ ทั้งที่ควรเรียงลำดับตาม ‘อัตราการฉีดวัคซีน’ (จำนวนวัคซีนที่ฉีด หารด้วยจำนวนประชากร) ของแต่ละประเทศ เพื่อให้เป็นธรรมกับประเทศขนาดเล็กที่มีประชากรไม่มาก

อว. อธิบายความเชื่อมโยงระหว่าง ‘การฉีดวัคซีน’ กับ ‘การเสียชีวิต’ ชนิดที่ ‘แย่กว่า’ อินโฟกราฟิกของศูนย์ข้อมูลโควิด-19 เสียอีก! กล่าวคือ ไม่เพียงแต่นำเสนอ ‘สัดส่วนผู้ป่วยเสียชีวิตที่ไม่ได้ฉีดวัคซีน’ ผิดๆ ว่าเป็น ‘อัตราการตาย’ เท่านั้น แต่ยังไปไกลกว่านั้นอีกขั้น ด้วยการอ้างว่าตัวเลขนี้บอกความเชื่อมโยงชนิด ‘เป็นเหตุปัจจัย’ (causal relationship) ว่า “วัคซีนช่วยลดการเสียชีวิต” (ซึ่งถึงแม้ว่าข้อความนี้จะเป็นจริง ก็ไม่อาจสรุปจากการนำเสนอข้อมูลของ อว. ได้) 

ในเอกสารเผยแพร่วันที่ 8 สิงหาคม 2564 ของ อว. (ดูภาพด้านล่าง เนื้อหาของ อว. ทางด้านซ้าย) แสดงข้อมูลชุดเดียวกันกับศูนย์ข้อมูลโควิด-19 นั่นคือ จำนวนผู้ป่วยเสียชีวิต และสัดส่วนของผู้เสียชีวิตที่ไม่ได้ฉีดวัคซีน, ฉีดวัคซีน 1 เข็ม, ฉีดวัคซีน 2 เข็ม และไม่มีประวัติการฉีดวัคซีน โดยลงรายละเอียดมากกว่าเล็กน้อย กล่าวคือแสดงยี่ห้อของวัคซีนที่ฉีดด้วย อว. แสดงข้อมูลดังกล่าวเป็นตารางและกราฟวงกลม พร้อมพาดหัว ‘วัคซีนลดการเสียชีวิตได้’

ที่มาของพาดหัวนี้ คือ มีผู้ป่วยเสียชีวิตเพียง 2 ราย ในจำนวนผู้ป่วยเสียชีวิตทั้งหมด 819 ราย ที่ได้วัคซีนยี่ห้อซิโนแวค 2 เข็ม คิดเป็นสัดส่วนเพียง 0.2% 

การนำเสนอแบบนี้มีปัญหาเหมือนกันกับอินโฟกราฟิกของศูนย์ข้อมูลโควิด-19 ที่ผู้เขียนอธิบายไปแล้วข้างต้น แต่ปัญหาที่แย่กว่านั้นอีก คือการใช้ตัวเลขผิดๆ นี้มาสรุปว่า ‘วัคซีนลดการเสียชีวิตได้’ 

เพื่อให้เห็นภาพมากขึ้น ลองสมมติว่าเราได้ข้อมูล ‘ยี่ห้อโทรศัพท์มือถือ’ ของผู้ป่วยเสียชีวิตทั้งหมด และสมมติต่อไปว่า เมื่อนำข้อมูลมาแสดงเป็นกราฟวงกลม เราจะได้กราฟตามภาพประกอบข้างต้น (ด้านขวา) 

ข้อมูล (สมมติ) บอกเราว่า ในบรรดาผู้ป่วยโควิด-19 ที่เสียชีวิต 819 คน ใช้มือถือยี่ห้อซัมซุง 70%, เสี่ยวหมี่ 15%, ออปโป้ 10% และ ไอโฟน 5% 

ในเมื่อผู้ป่วยเสียชีวิตที่ใช้ไอโฟนมีสัดส่วนน้อยที่สุด (5%) ของผู้ป่วยเสียชีวิตทั้งหมด ถ้าใช้วิธี (ด่วน) สรุปจากตัวเลขนี้แบบเดียวกันกับ อว. เราก็จะพาดหัวได้ว่า ‘ไอโฟนช่วยลดการเสียชีวิตได้’

ถ้ามีคนมาบอกเราแบบนี้ เพราะตีความตัวเลขแบบนี้ แน่นอนว่าเราจะมองออกว่าไร้สาระ เพราะเรารู้โดยสามัญสำนึกว่า ยี่ห้อมือถือไม่เกี่ยวอะไรกับการตายจากโควิด-19 

อว. ตีความข้อมูลผิดๆ และเชื่อมโยงเหตุปัจจัยผิดๆ แบบเดียวกัน เพียงแต่กรณีนี้เราดูออกยากกว่า เพราะเราพร้อมจะเชื่ออยู่แล้วว่า ‘วัคซีนลดการเสียชีวิตได้’ (ซึ่งก็เป็นความจริง แต่หลักฐานไม่ใช่การเชื่อมโยงผิดๆ ของ อว.)

นอกจากหน่วยงานภาครัฐหลายองค์กรจะสื่อสารข้อมูลโควิด-19 อย่างผิดหลักวิทยาศาสตร์ และบางครั้งก็ผิดกระทั่งหลักสถิติพื้นฐานแล้ว หลายกรณียังให้ข้อมูลที่ไม่ครบถ้วน และ/หรือไม่น่าเชื่อถือด้วย

ผู้เขียนลองยกตัวอย่างกรณีที่ ‘ข้อมูลไม่ครบถ้วน’ หรือ ‘ข้อมูลไม่น่าเชื่อถือ’ มาอีกสองกรณีดังนี้

1. สถิติการเสียชีวิตจากโควิด-19 น่าจะต่ำกว่าความเป็นจริงมาก

แพทย์นิติเวชหลายคนเคยให้ข้อมูลกับผู้เขียนว่า จำนวนผู้ตายจากโควิด-19 บางวันมีความ ‘เหลื่อม’ หรือไม่ตรงกัน ระหว่างตัวเลขที่สาธารณสุขจังหวัดรายงานกับตัวเลขรวมที่กระทรวงสาธารณสุขรายงาน และบางวัน ตัวเลขผู้ตายนอกโรงพยาบาล (เช่น ตายที่บ้านหรือข้างถนน) บางเคสที่ตรวจพบว่าติดโควิด-19 หลังตาย ก็ไม่ได้ถูกนับรวมเข้าไปในตัวเลขทางการ ยังไม่นับผู้ตายอีกจำนวนมากที่น่าสงสัยว่าอาจตายเพราะติดเชื้อโควิด-19 แต่ไม่มีการตรวจศพเพื่อยืนยันอย่างเป็นทางการ 

จากข้อจำกัดของข้อมูลเช่นนี้ เราจะประเมินอัตราการตายจากโควิด-19 ได้อย่างไร แนวทางหนึ่งที่เป็นไปได้ คือ การคำนวณ ‘อัตราการตายส่วนเกิน’ (excess mortality) ข้อมูลสำคัญที่เราควรรู้ แต่ทางการไทยไม่เคยเปิดเผย

รพีพัฒน์ อิงคสิทธิ์ อธิบายความหมายและความสำคัญของ ‘อัตราการตายส่วนเกิน’ ไว้ในบทความ รัฐล้มเหลวท่ามกลางโรคระบาดคร่าชีวิตคนไทยไปกี่คนกันแน่? 

“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”

ผู้เขียนบทความชิ้นนี้คำนวณอัตราการตายส่วนเกินตั้งแต่เดือนมกราคมถึงกรกฎาคม 2564 ว่า ตลอด 7 เดือนนี้ “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” 

ทีมงาน The Researcher คำนวณอัตราการตายส่วนเกินโดยเทียบจำนวนผู้เสียชีวิตจริงในแต่ละเดือนกับค่าเฉลี่ยจำนวนผู้เสียชีวิตในแต่ละเดือนย้อนหลัง 5 ปี พบว่า ในเดือนกรกฎาคม 2564 อัตราการตายส่วนเกินพุ่งสูงทะลุ 88 เปอร์เซ็นต์ ในหลายจังหวัด อาทิ สมุทรสาคร กรุงเทพฯ สมุทรปราการ นนทบุรี และ ปทุมธานี (ดูภาพด้านล่าง)

เมื่อเทียบกับประเทศเพื่อนบ้านในอาเซียน อัตราการตายส่วนเกินของไทย ราว 25 เปอร์เซ็นต์ ณ สิ้นเดือนกรกฎาคม 2564 ต่ำกว่าอัตราการตายส่วนเกินของฟิลิปปินส์ที่สูงกว่า 40 เปอร์เซ็นต์ แต่สูงกว่าอัตราของสิงคโปร์ (9.6 เปอร์เซ็นต์) และมาเลเซีย (7.8 เปอร์เซ็นต์) ซึ่งอาจบอกเรากลายๆ ว่า ไทยตรวจหาเชื้ออย่างทั่วถึงและครอบคลุมน้อยกว่าสิงคโปร์และมาเลเซียมาก

2. ทางการเปลี่ยนมารายงานอัตราการตรวจพบเชื้อ (positive rate) แต่เลิกรายงานจำนวนการตรวจ

หลายคนตั้งข้อสังเกตมานานหลายเดือนแล้วว่า รัฐบาลไทยดำเนินมาตรการรับมือกับโควิด-19 หลายอย่างในทางที่แปลกประหลาดและ ‘สวนทาง’ กับสิ่งที่ประเทศอื่นทำ 

การตรวจหาเชื้อเป็นตัวอย่างที่ชัดเจน โดยทั่วไปเมื่อรัฐประกาศ ‘ล็อกดาวน์’ จะต้องเร่งระดมตรวจหาเชื้อเชิงรุกเพื่อแยกตัวผู้ป่วย ลดการระบาดของโรค แต่ในประเทศไทย ตัวเลขการตรวจ RT-PCR กลับน้อยลงอย่างต่อเนื่องหลังประกาศล็อกดาวน์ จากที่เคยทำได้กว่า 70,000 (ซึ่งก็น้อยมากอยู่แล้วเมื่อเทียบกับประเทศอื่น) ลดลงเหลือเพียง 40,000 เศษๆ เท่านั้น ทำให้คนโจษจันกันทั้งประเทศว่า กรมควบคุมโรคอาจจะอยาก ‘ควบคุมเลข’ ไม่ให้ตัวเลขผู้ติดเชื้อทะยานขึ้นสูงหรือไม่ เพราะอย่างที่เรารู้กันว่า ตรวจน้อยเจอน้อย ตรวจมากเจอมาก

ที่ผ่านมา อัตราการตรวจพบเชื้อ (positive rate คำนวณจากการเอาจำนวนผู้ติดเชื้อใหม่ในแต่ละวันเป็นตัวตั้ง หารด้วยจำนวนการตรวจทั้งหมดในวันเดียวกัน) ของไทยสูงเป็นอันดับต้นๆ ของโลก คือถึง 40 เปอร์เซ็นต์ (เกือบ 100 เปอร์เซ็นต์ด้วยซ้ำในบางจังหวัด) บ่งชี้อย่างชัดเจนว่า ไทยตรวจหาเชื้อ ‘น้อยกว่าที่ควร’ หลายเท่า (อัตราการตรวจพบเชื้อที่องค์การอนามัยโลกแนะนำว่า สะท้อนระดับการตรวจหาเชื้อที่เพียงพอ อยู่ที่ 5 เปอร์เซ็นต์) 

อย่างไรก็ดี ล่าสุดเมื่อวันที่ 4 กันยายน 2564 กระทรวงสาธารณสุขกลับเปลี่ยนวิธีนำเสนอข้อมูลนี้ดื้อๆ โดยไม่มีการอธิบายเหตุผลหรือที่มาที่ไปใดๆ ทั้งสิ้น โดยเปลี่ยนจากการแสดง ‘จำนวนการตรวจหาเชื้อ’ เฉลี่ยย้อนหลัง 7 วัน เป็น ‘ร้อยละการตรวจพบเชื้อ’ (positive rate) เฉลี่ยย้อนหลัง 7 วัน แทน

เพจเฟซบุ๊ก ‘แพทย์ไทย ไอเดียสุด’ ตั้งข้อสังเกตประกอบภาพ (ดูด้านล่าง) ถึงความผิดปกติของข้อมูลนี้ว่า

พอทักเรื่อง Positive​ Rate​ ยังสูงถึง 30 กว่า % อยู่ดีๆ ก็ตัดตัวเลขการตรวจ PCR ทิ้ง แต่ที่ดูผิดปกติคือ การใส่ Positive​ Rate​ ลงมา ซึ่งเหมือนลดลงครึ่งนึงหน้าตาเฉย

แต่ไหนแต่ไร ไม่เคยใส่ Positive​ Rate​ อยู่ดีๆ กลับใส่ แต่ใส่น้อยกว่าความเป็นจริงหรือไม่ ??

#ถ้าอยากเปิดเผยให้โปร่งใส #ต้องใส่จำนวนตรวจรายวันเข้ามาด้วย

เพราะคำนวณย้อนจากตัวเลขติดเชื้อของวันที่ 4 ก.ย. 64 ที่มีรายงานผู้ติดเชื้อ 15,942 คน กับ Positive​ Rate​ คือ 17.70 %

พอคำนวณย้อนกลับ พบว่าต้องตรวจเชื้อถึง 9 หมื่นกว่าคน ทั้งที่ก่อนหน้านี้ ที่เคย crop ไว้ ตัวเลขการตรวจ PCR รายวัน แค่ 44,562 คน อยู่ดีๆ เพิ่มมาเกิน 100 %

…สรุปว่า 1 ปี 8 เดือนที่ผ่านมา ระบบเก็บข้อมูลการตรวจ ผลตรวจของไทยที่ส่วนกลางยังไม่ตรงไปตรงมา ไม่สมบูรณ์​ ไม่เปิดเผยให้ครบ ตรวจสอบข้อมูลดิบที่ต้นทางไม่ได้ครบ  

#จึงไม่มีทางรู้ว่าที่รายงานกันทุกวันนั้นตัวเลขจริงแค่ไหนได้เลย

…สรุปว่า #ไทยคงหาตัวเลขผู้ติดเชื้อจริงยากมาก …ตัวเลขที่ทุกคนมานั่งคำนวณเพื่อ #หามาตรการที่เหมาะสม จึงผิดพลาดและชักช้าเกินจะคุมระบาดได้ดีตลอดทาง

เวลาล่วงเลยมามากแล้ว ผู้เขียนคงไม่ต้องอธิบายให้มากความถึงความสำคัญของการพยายาม ‘รวบรวม’ และ ‘รายงาน’ ข้อมูลต่างๆ เกี่ยวกับสถานการณ์การระบาดของโควิด-19 ที่ใกล้เคียงกับความเป็นจริงที่สุด 

ข้อมูลที่ใกล้เคียงกับความจริงที่สุด ย่อมมีส่วนช่วยให้รัฐบริหารจัดการสถานการณ์โควิด-19 ได้อย่างมีประสิทธิภาพ 

สำหรับประชาชน การได้รับรู้ข้อมูลที่ใกล้เคียงกับความจริงที่สุด ก็เป็นหัวใจที่ขาดไม่ได้ในการสร้างความตระหนักรู้อย่างมีสติ และสร้าง ‘ความเชื่อมั่น’ มากพอที่จะปฏิบัติตามมาตรการของรัฐ

Tags: , , , ,