TÁC ĐỘng của nhiệT ĐỘ LÊn tử vong: phân tích số liệu dãy thời gian tại thành phố huế, 2009-2013



tải về 76.76 Kb.
Chuyển đổi dữ liệu10.08.2016
Kích76.76 Kb.
#16226
TÁC ĐỘNG CỦA NHIỆT ĐỘ LÊN TỬ VONG: PHÂN TÍCH SỐ LIỆU DÃY THỜI GIAN TẠI THÀNH PHỐ HUẾ, 2009-2013

Trần Ngọc Đăng,1,2§, Xerxes T. Seposo1, Nguyễn Hữu Châu Đức 3,4,

Trần Bình Thắng5, Đỗ Đăng An 6, Lại Thị Minh Hằng7, Trần Thanh Long7, Bùi Thị Hồng Loan1, Yasushi Honda8
Biến đổi khí hậu là một yếu tố nguy cơ đe dọa sức khỏe cộng đồng ở nhiều nước trên thế giới. Tác động của biến đổi khí hậu lên sức khỏe cộng đồng thông qua hai phương cách: tác động trực tiếp và tác động gián tiếp. Tác động trực tiếp của biến đổi khí hậu chủ yếu thể hiện qua sự gia tăng tỉ lệ tử vong khi nhiệt độ tăng cao. Đã có nhiều nghiên cứu trước đây chỉ ra mối liên quan giữa việc nhiệt độ tăng cao (do biến đổi khí hậu) và sự gia tăng tỉ lệ tử vong. Mối liên quan giữa nhiệt độ và tử vong có hình chữ -U hoặc chữ -V, có nghĩa là khi nhiệt độ nóng tăng cao hoặc nhiệt độ lạnh hạ thấp hơn so với nhiệt độ lý tưởng, thì tỉ lệ tử vong cũng tăng lên. Những nghiên cứu về tác động của nhiệt độ lên tử vong hầu hết là ở các nước phát triển có khí hậu lạnh hoặc ôn đới, rất ít các nghiên cứu cùng chủ đề đã được tiến hành ở các nước đang phát triển có khí hậu nhiệt đới hoặc cận nhiệt đới.

Mục đích: Đánh giá mối liên quan và tác động của nhiệt độ lên tử vong ở thành phố Huế từ 2009-2013.

Phương pháp: Chúng tôi thu thập số liệu tử vong theo ngày được quản lý và ghi nhận trong sổ tử vong A6 tại trạm y tế tuyến xã phường. Trong nghiên cứu này, số liệu tử vong bao gồm 6214 người, được thu thập tại 27 phường thuộc thành phố Huế. Sau đó chúng tôi sử dụng mô hình “độ trễ phi tuyến tính” (distributed lag nonlinear model-DLNM) để phân tích mối liên quan giữa nhiệt độ và số tử vong theo ngày. Chỉ số Akaike (Akaike information criterion) được sử dụng để lựa chọn mô hình tối ưu.

Kết quả: Mối liên quan giữa nhiệt độ và tử vong ở Huế khi sử dụng mô hình độ trễ dài ngày (14,21 hoặc 28 ngày) thì có hình chữ “L”, có nghĩa là tác động của nhiệt độ lạnh lên tử vong thì cao hơn hẳn so với tác động của nhiệt độ nóng. Nhiệt độ nóng thì gia tăng số tử vong ngay lập tức và đạt đỉnh sau đó năm ngày (tỉ số nguy cơ tích lũy RR = 1.37, 95% khoảng tin cậy= 1.06 - 1.76). Trong khi đó nhiệt độ lạnh thì làm gia tăng số tử vong từ từ và đạt đỉnh sau 28 ngày (tỉ số nguy cơ tích lũy RR = 1.78, 95% khoảng tin cậy= 1.1 - 2.88). Thêm vào đó nhiệt độ nóng còn gây ra hiện tượng “dịch chuyển tử vong” (mortality displacement), có nghĩa là khi gia tăng số tử vong và đạt đỉnh sau 5 ngày, thì tỉ số nguy cơ RR giảm xuống dưới 1 từ ngày thứ 6 trở đi. Điều này giải thích lý do tại sao trong mô hình độ trễ dài ngày thì mối liên quan giữa nhiệt độ và tử vong lại có hình chữ “L”.



Kết luận: Ở thành phố Huế, thì mỗi liên quan giữa nhiệt độ và tử vong có hình chữ “L” trong mô hình độ trễ dài ngày. Đặc điểm này khác so với những nghiên cứu trước đây tiến hành ở các nước phát triển có khí hậu lạnh hoặc ôn đới. Cần có nhiều nghiên cứu hơn nữa tại các nước đang phát triển có khí hậu nhiệt đới và cận nhiệt đới để khẳng định lại kết quả này.

Từ khóa: biến đổi khí hậu và tử vong, mô hình độ trễ phi tuyến tính, thành phố Huế, nhiệt đới, cận nhiệt đới.

Short term temperature effect on mortality: a time series analysis

in Hue, Vietnam, 2009-2013
The association between temperature and mortality was found to have U-, V-, or J shapes in developed temperate countries, however, in developing tropical/subtropical cities, it remains unclear. This study investigated the short term temperature effect on mortality in Hue, a subtropical city of Vietnam. We collected daily mortality data from A6 system in Vietnam with 6214 deceased persons between 2009 and 2013. A distributed lag nonlinear model (DLNM) was used to examine the temperature effects on all-cause mortality by assuming Poisson distribution for count data. We developed an objective-oriented model selection with four steps following the Akaike information criterion (AIC) rule (i.e. smaller AIC value is the better model). In lags 0-1 and 0-2, the temperature-mortality relationship had a J-shaped pattern where only hot temperature increased the risks of mortality. In lags 0-3, 0-4 and 0-7, the relation appeared U-shaped wherein both hot and cold temperatures increased the risks of mortality. From lags 0-14 to lags 0-28, however, the pattern was L-shaped wherein only cold temperatures significantly increased the risks. The cumulative relative risk (RR) of heat effect sharply increased and peaked at lags of 0-5 days (RR = 1.37, 95% CI: 1.06 - 1.76). In contrast, cumulative RR of the cold effect rose gradually with the lag periods and reached the peak at 0-28 lags (RR = 1.78, 95% CI: 1.1 - 2.88). This is the first study has quantified the short term effect of temperature on mortality in Vietnam. The results of this study can help local government to establish intervention strategies against temperature extremes.

Keywords: temperature mortality, distributed lag non linear model, Hue City, daily all-cause mortality.
Tác giả

TRẦN NGỌC ĐĂNG,1,2§, XERXES T. SEPOSO1, NGUYỄN HỮU CHÂU ĐỨC 3,4,



TRẦN BÌNH THẮNG5, ĐỖ ĐĂNG AN 6, LAI THI MINH HẰNG7, TRẦN THANH LONG7, BÙI THỊ HỒNG LOAN1, YASUSHI HONDA8

1 Trường sau đại học Khoa Học Tổng Hợp Về Con Người, Đại học Tsukuba, Nhật Bản

2 Khoa Y Tế Công Cộng, Đại học Y Dược TPHCM

3 Trường sau đại học Y Nha Khoa, đại học Y Nha Tokyo, Nhật Bản

4 Đại học Y Dược Huế

5 Viện Nghiên Cứu Sức Khỏe Cộng Đồng, Đại học Y Dược Huế

6 Phòng Hợp Tác Quốc Tế, Bộ Y Tế

7 Đại học Kagoshima, Nhật Bản

8 Khoa Y Học Thể Thao, Đại học Tsukuba, Nhật Bản

1 Graduate School of Comprehensive Human Sciences, University of Tsukuba, Tsukuba, Japan

2 Faculty of Public Health, University of Medicine and Pharmacy in Ho Chi Minh City, Vietnam

3 Department of International Health, University of Tokyo Medical and Dental, Japan

4 Department of Pediatrics, Hue University of Medicine and Pharmacy, Vietnam

5 Institute for Community Heath Research, Hue University of Medicine and Pharmacy, Vietnam

6 Department of International Cooperation, Ministry of Health, Vietnam

7 Department of Epidemiology and Preventive Medicine, University of Kagoshima, Japan

8 Faculty of Health and Sport Sciences, University of Tsukuba, Tsukuba, Japan


  1. GIỚI THIỆU

Biến đổi khí hậu là một yếu tố nguy cơ đe dọa sức khỏe cộng đồng ở nhiều nước trên thế giới. Tác động của biến đổi khí hậu lên sức khỏe cộng đồng thông qua hai phương cách: tác động trực tiếp và tác động gián tiếp. Tác động trực tiếp của biến đổi khí hậu chủ yếu thể hiện qua sự gia tăng tỉ lệ tử vong khi nhiệt độ tăng cao [1]. Đã có nhiều nghiên cứu trước đây chỉ ra mối liên quan giữa việc nhiệt độ tăng cao (do biến đổi khí hậu) và sự gia tăng tỉ lệ tử vong. Mối liên quan giữa nhiệt độ và tử vong có hình chữ -U hoặc chữ -V, có nghĩa là khi nhiệt độ nóng tăng cao hoặc nhiệt độ lạnh hạ thấp hơn so với nhiệt độ lý tưởng, thì tỉ lệ tử vong cũng tăng lên. Những nghiên cứu về tác động của nhiệt độ lên tử vong hầu hết là ở các nước phát triển có khí hậu lạnh hoặc ôn đới (ví dụ ở Châu Âu, Bắc Mỹ, Nhật Bản, vv...)[2]. Rất ít các nghiên cứu cùng chủ đề đã được tiến hành ở các nước đang phát triển có khí hậu nhiệt đới hoặc cận nhiệt đới [3, 4].

Theo báo cáo của “Chỉ số khí hậu toàn cầu 2015”, Việt Nam đứng thứ 7 trong 10 nước bị ảnh hưởng nặng nề nhất do biến đổi khí hậu [5]. Đáng chú ý là 9 trong 10 nước bị ảnh hưởng nặng nề nhất bởi biến đổi khí hậu đều là các nước đang phát triển. Trong một nghiên cứu gần đây tiến hành bởi Guo và cộng sự, đánh giá tác động của nhiệt độ nóng và lạnh lên tử vong ở mức độ toàn cầu, nghiên cứu này thu thập số liệu từ 306 thành phố thuộc 12 nước bao gồm: Úc, Brazil, Thái Lan, Trung Quốc, Đài Loan, Nhật Bản, Ý, Tây Ban Nha, Anh, Mỹ và Canada. Tuy nhiên không có bất kỳ nước nào thuộc 10 nước bị ảnh hưởng nặng nề nhất được đánh giá trong nghiên cứu này [6]. Điều này có thể gây ra một sự mất cân bằng trong việc đánh giá ảnh hưởng của biến đổi khí hậu lên sức khỏe. Vì vậy để góp một tiếng nói về tác động của biến đổi khí hậu lên sức khỏe cộng đồng ở các nước đang phát triển có khí hậu nhiệt đới hoặc cận nhiệt đới, cụ thể là ở Việt Nam, chúng tôi tiến hành đề tài “Tác động của nhiệt độ lên tử vong: Phân tích số liệu dãy thời gian tại thành phố Huế, 2009-2013” với mục tiêu tìm hiểu mối liên quan và đánh giá tác động ngắn hạn của nhiệt độ lên tử vong tại thành phố Huế năm 2009-2013. Tác động ngắn hạn ở đây nghĩa là sự tăng hay giảm của nhiệt độ theo ngày ảnh hưởng như thế nào đến sự tăng và giảm của số tử vong theo ngày.


  1. ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Khu vực nghiên cứu:

Việt Nam nằm ở vĩ độ 8 đến 24 độ bắc của xích đạo. Do đó khí hậu Việt Nam tương đối khác biệt từ miền bắc tới miền nam. Theo hệ thống phân loại khí hậu Kȍppen-Geiger, khí hậu ở miền nam (ví dụ ở thành phố Hồ Chí Minh) thuộc khí hậu “nhiệt đới khô và ẩm” với nhiệt độ trung bình hằng năm khá cao và chỉ có mùa mưa và mùa khô. Trong khí đó khí hậu khu vực miền bắc thuộc khí hậu “cận nhiệt đới” có đủ 4 mùa và mùa đông tương đối lạnh [7]. Thành phố Huế là thủ phủ của tỉnh Thừa Thiên Huế, thuộc khu vực Bắc-trung bộ, có diện tích khoảng 71.7 km2 và dân số khoảng 348,000 (năm 2013) [8]. Huế có khí hậu “nhiệt đới gió mùa” với mùa đông ẩm lạnh và mùa hè nóng khô. Mùa mưa ở Huế kéo dài tháng 9 đến tháng 1 và mùa khô từ tháng 3 đến tháng 8. Nhiệt độ trung bình hằng năm ở Huế vào khoảng 25oC và lượng mưa trung bình năm xấp xỉ 3000mm.

Đối tượng nghiên cứu: số liệu tử vong và thời tiết

Hiện nay, việc ghi nhận số tử vong theo ngày được quản lý và ghi nhận trong sổ tử vong A6 tại trạm y tế tuyến xã phường. Có 14 thông tin cơ bản được ghi nhận trong sổ A6, bao gồm: họ và tên, ngày tháng năm sinh, ngày tháng năm mất, nguyên nhân mất, nơi mất, một số đặc điểm dân số,….[9] Những thông tin trong sổ tử vong A6 sau đó được báo cáo định kỳ lên Sở Y Tế (SYT) và cuối cùng được quản lý bởi Cục Y Tế Dự Phòng – Bộ Y Tế. Chúng tôi đã liên lạc và phối hợp với SYT thành phố Huế để thu thập số liệu tử vong A6 của 27 phường trên địa bàn thành phố. Trong nghiên cứu này, chúng tôi thu thập số tử vong theo ngày của 6214 người với các thông tin về ngày mất, tuổi, giới, nguyên nhân mất được phân loại theo mã ICD10. Để đảm bảo tính đạo đức, tên của người mất đã được ẩn danh và không thể hiện trong kết quả của nghiên cứu này. Số liệu thời tiết theo ngày bao gồm nhiệt độ trung bình, nhiệt độ max, nhiệt độ min, nhiệt độ điểm sương, và độ ẩm tương đối được thu thập từ cơ sở dữ liệu của Hoa Kỳ “National Oceanic and Atmospheric Administration's (NOAA) National Climate Data Center (NCDC)” [10].

Phương pháp nghiên cứu:

Thiết kế nghiên cứu sinh thái (Ecology study)

Phân tích số liệu: mối liên quan giữa số tử vong theo ngày Yi và nhiệt độ ti có thể được biểu diễn theo mô hình phân phối Poisson như sau:

E (Yi) = exp{α +  f(ti|β) + (specific covariates) + (smooth function of time)} (1)

Trong đó:

f(ti/β): là hàm số chức năng của nhiệt độ

specific covariates: là các biến gây nhiễu tiềm tàng. Trong việc phân tích mối liên quan giữa nhiệt độ và tử vong thì các biến số về nhiệt độ điểm sương và độ ẩm tương đối có thể được xem là các biến gây nhiễu.

smooth function of time: là hàm số chức năng của thời gian, mục đích của việc sử dụng hàm số này nhằm kiểm soát tính chu kỳ và khuynh hướng dài hạn (seasonality and long term trend) trong mối liên quan giữa nhiệt độ và tử vong

Trong nghiên cứu này chúng tôi sử dụng mô hình phân phối độ trễ phi tuyến tính (distributed lag nonlinear model-DLNM), được phát triển bởi Antonio Gasparrini và Ben Amstrong để phân tích mối liên quan giữa số tử vong ngày và nhiệt độ [11]. Để lựa chọn các tham số tối ưu của DLNM, chúng tôi tuân thủ theo chỉ số thông tin Akaike - AIC (có nghĩa là chỉ số AIC càng nhỏ thì mô hình đó càng tốt) [12, 13].

Định nghĩa tác động nóng (hot effect) và tác động lạnh (cold effect): Để lượng giá tác động của nhiệt độ nóng và nhiệt độ lạnh lên số tử vong ngày, chúng tôi tính chỉ số nguy cơ tích lũy (relative risk-RR), so sánh bách phân 99 với trung vị (tác động nóng) và bách phân 1 với trung vị (tác động lạnh) theo các khoảng thời gian trễ khác nhau: 0-1,0-2,0-3, 0-5,0-7,0-14,0-21, và 0-28 ngày. Ví dụ, tỉ số nguy cơ tích lũy RR của nhiệt độ lên tử vong tại khoảng thời gian 0-2 ngày được tính bằng cách nhân dồn tỉ số nguy cơ RR tại mỗi thời điểm trễ RR0*RR1*RR2.


  1. KẾT QUẢ

Thống kê mô tả

Tổng số tử vong được thu thập từ năm 2009-2013 theo báo cáo A6 là 6214, bao gồm 2215 (35.64%) tử vong do nguyên nhân tim mạch, 1074 (17.28%) tử vong do nguyên nhân ung thư. Số tử vong nam thì cao hơn so với số tử vong nữ (53.49% vs. 46.51%). Phần lớn những người tử vong là những người già trên 65 tuổi chiếm 65.5%. Bảng 1 thể hiện thống kê mô tả của số liệu tử vong và thời tiết. Theo đó, số tử vong ngày trung bình là 3 (min là 0 và max là 12). Nhiệt độ trung bình ở Huế là 25.7°C.

Bảng 1. Thống kê mô tả số liệu tử vong và thời tiết

Biến số

Trung bình

Độ lệch chuẩn

Min

Bách phân vị

Max

25%

50%

75%

Nhiệt độ max (oC)

29.9

5.5

15

26.2

31

34.2

42

Nhiệt độ trung bình (oC)

25.7

4.1

14.4

23

26.3

28.9

33.9

Nhiệt độ min (oC)

21.7

3.1

12.7

19.8

22.8

24.2

27.5

Nhiệt độ điểm sương (oC)

22.1

2.7

12.5

20.6

22.9

24.1

28.5

Độ ẩm tương đối (%)

81.9

12.7

21.9

75.8

85

91.1

100

Tổng số tử vong

3.4

2.2

0

2

3

5

12


Mối liên quan ngắn hạn của nhiệt độ và tử vong.

Mối liên quan ngắn hạn của nhiệt độ và tử vong theo các khoảng thời gian trễ khác nhau được thể hiện trong hình 1. Trong khoảng trễ 0-1 và 0-2 thì mối liên quan có hình chữ “J”, có nghĩa là chỉ có nhiệt độ nóng làm tăng nguy cơ tử vong. Trong khoảng trễ 0-3, 0-5 và 0-7 thì mối liên quan có hình chữ “U”, có nghĩa là cả nhiệt độ nóng và nhiệt độ lạnh đều gia tăng nguy cơ tử vong. Trong các khoảng thời gian trễ 0-14 đến 0-28 thì mối liên quan lại có hình chữ “L”, thể hiện chỉ có nhiệt độ lạnh là gia tăng nguy cơ tử vong. Để lượng giá mối liên quan này thì bảng 2 thể hiện tỉ số nguy cơ tích lũy của tác động nóng và tác động lạnh lên tử vong (xem thêm phần định nghĩa tác động nóng và tác động lạnh ở Đối tượng và phương pháp nghiên cứu). Theo đó, tỉ số nguy cơ tích lũy RR của tác động nóng gia tăng cấp kì và đạt đỉnh tại khoảng thời gian trễ 0-5 (tỉ số nguy cơ tích lũy RR = 1.37, 95% CI: 1.06 - 1.76). Trái lại tỉ số nguy cơ tích lũy RR của tác động lạnh thì gia tăng từ từ và đạt đỉnh tại khoảng thời gian trễ 0-28 (RR = 1.78, 95% CI: 1.1 - 2.88).



Hình 1. Mối liên quan ngắn hạn của nhiệt độ và tử vong theo các khoảng thời gian trễ khác nhau.

Đường màu đỏ là đường chỉ số nguy cơ tích lũy RR theo các khoảng thời gian trễ khác nhau, và vùng màu xám là 95% khoảng tin cậy của RR.



Table 2. tỉ số nguy cơ tích lũy của tác động nóng và tác động lạnh lên tử vong theo các khoảng thời gian trễ khác nhau.

Khoảng thời gian trễ

Tỉ số nguy cơ tích lũy RR (95% khoảng tin cậy)

Tác động nóng a

Tác động lạnh b

Lag 0-1

1.2 (0.98 - 1.46)

0.94 (0.76 - 1.16)

Lag 0-2

1.28 (1.04 - 1.58)*

1.05 (0.86 - 1.28)

Lag 0-3

1.34 (1.06 - 1.68)*

1.14 (0.92 - 1.41)

Lag 0-4

1.36 (1.07 - 1.74)*

1.36 (0.95 - 1.49)

Lag 0-5

1.37 (1.06 - 1.76)*

1.22 (0.96 - 1.54)

Lag 0-7

1.33 (1.00 - 1.77)*

1.23 (0.95 - 1.59)

Lag 0-14

1.12 (0.77 - 1.61)

1.32 (0.95 - 1.82)

Lag 0-21

0.96 (0.61 - 1.52)

1.54 (1.04 - 2.27)*

Lag 0-28

0.93 (0.53 - 1.64)

1.78 (1.10 - 2.88)*


a Tác động nóng là tác động của bách phân 99 (tương đương 32.4oC) so với trung vị (tương đương 26.3oC)

b Tác động lạnh là tác động của bách phân 1 (tương đương 15.8oC) so với trung vị (tương đương 26.3oC)

* Có ý nghĩa thống kê với p value <0.05




  1. KẾT LUẬN

Đây là nghiên cứu đầu tiên sử dụng số tử vong theo ngày để lượng giá tác động ngắn hạn của nhiệt độ lên tử vong tại Việt Nam. Tại thành phố Huế, tác động của nhiệt độ nóng làm gia tăng nguy cơ tử vong cấp kì, trong khi đó nhiệt độ lạnh làm gia tăng tử vong từ từ nhưng kéo dài hơn so với nhiệt độ nóng.
Tài liệu tham khảo

1. Smith KR, Woodward A, Campbell-Lendrum D, Chadee DD, Honda Y, Liu Q et al. Human health: impacts, adaptation, and co-benefits. In: Field CB, Barros VR, Dokken DJ, Mach KJ, Mastrandrea MD, Bilir TE et al., editors. Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel of Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press; 2014. p. 709-54.

2. Hajat S, Kosatky T. Heat-related mortality: a review and exploration of heterogeneity. J Epidemiol Community Health. 2010;64(9):753-60.

3. Xie H, Yao Z, Zhang Y, Xu Y, Xu X, Liu T et al. Short-term effects of the 2008 cold spell on mortality in three subtropical cities in Guangdong Province, China. Environ Health Perspect. 2013;121(2):210-6.

4. McMichael AJ, Wilkinson P, Kovats RS, Pattenden S, Hajat S, Armstrong B et al. International study of temperature, heat and urban mortality: the 'ISOTHURM' project. International journal of epidemiology. 2008;37(5):1121-31.

5. Kreft S, Eckstein D, Junghans L, Kerestan C, Hagen U. GLOBAL CLIMATE RISK INDEX 2015. Who Suffers Most From Extreme Weather Events? Weather-related Loss Events in 2013 and 1994 to 2013. 2015:1-31.

6. Guo YM, Gasparrini A, Armstrong B, Li SS, Tawatsupa B, Tobias A et al. Global Variation in the Effects of Ambient Temperature on Mortality A Systematic Evaluation. Epidemiology. 2014;25(6):781-9.

7. Peel MC, Finlayson BL, McMahon TA. Updated world map of the Köppen-Geiger climate classification. Hydrol Earth Syst Sci. 2007;11(5):1633-44.

8. Thua-Thien-Hue provincial people’s committee. Thành Phố Huế. https://www.thuathienhue.gov.vn/portal_ge/Views/LevDetail.aspx?OneID=14&TwoID=78&ThreeID=734. Accessed Jan 2015.

9. Vietnam Ministry of Health. Decision No 822/BYT.QD to issue mortality reporting book A6/YTCS. 1992.

10. Global Summary of the Day [database on the Internet] 2015. Available from: http://www.ncdc.noaa.gov/. Accessed: Jan 2015

11. Gasparrini A. Distributed Lag Linear and Non-Linear Models in R: The Package dlnm. Journal of statistical software. 2011;43(8):1-20.

12. Peng RD, Dominici F, Louis TA. Model choice in time series studies of air pollution and mortality. J Roy Stat Soc a Sta. 2006;169:179-98.

13. Armstrong B. Models for the relationship between ambient temperature and daily mortality. Epidemiology. 2006;17(6):624-31.






tải về 76.76 Kb.

Chia sẻ với bạn bè của bạn:




Cơ sở dữ liệu được bảo vệ bởi bản quyền ©hocday.com 2024
được sử dụng cho việc quản lý

    Quê hương