Da koronapandemien lammet Norge og resten av verden, var en av de store utfordringene å beregne hvor raskt smitten spredte seg. Dette kan matematisk beskrives gjennom det såkalte R-tallet, et begrep som nesten ingen vanlige dødelige kjente til før pandemien, men som plutselig ble allemannseie.
R-tallet brukes til å si hvilken vei pandemien beveger seg. Eller for å være helt nøyaktig: R-tallet beskriver hvor mange personer én enkelt person i gjennomsnitt smitter. Så lenge R-tallet er mindre enn 1, vil smitten etter hvert dø ut. Hvis R-tallet er høyere, altså større enn 1, vil smitten øke eksponentielt.
For at myndighetene skal kunne sette i gang de rette tiltakene, er det derfor viktig for dem å kunne finberegne R-tallet så sikkert som mulig.
– Hvis R-tallet estimeres for høyt, kan smitteverntiltakene bli for voldsomme. Et for lavt tall er også ille. Men det er ikke enkelt å finne det rette R-tallet når man ikke har noen fasit, poengterer statistiker og forsker Jūratė Šaltytė Benth på Institutt for klinisk medisin ved Universitetet i Oslo (UiO) og Avdeling for helsetjenesteforskning på Ahus.
Ulike beregninger
Det finnes mange måter å beregne R-tallet på.
– Det er mulig å lage svært avanserte modeller som tar hensyn til fødselsrater, dødsrater, fordelingen av alder og kjønn, antall sykehusinnleggelser – som gjerne skjer én til to uker etter smitte, hvor mange som er eksponert for viruset – men ikke smittet, hvor fort folk blir smittet, hvor mange som er blitt friske og hvordan viruset oppfører seg. For å nevne noe, sier Šaltytė Benth.
Espen Rostrup Nakstad, som er lege, jurist og myndighetenes mest kjente stemme under pandemien da han var assisterende helsedirektør, bekrefter at både Norge og andre land brukte svært avanserte modeller for å beregne R-tallet under pandemien.
– Problemet var at mange av de verdiene som ble lagt inn i modellen vår, var veldig usikre. Da blir også resultatet usikkert, påpeker Nakstad, som i dag leder Nasjonal behandlingstjeneste for CBRNE-medisin på Ullevål universitetssykehus.
Statistikeren bekrefter problemet med usikkerhet.
.png)
– Når pandemier er i en tidlig fase, er det vanskelig å få ut troverdig informasjon. Det er fortsatt få personer som er smittet. Man vet ikke nok om hvordan viruset oppfører seg, hvor fort folk blir friske og hvor mye folk kan smitte hverandre. Mye av informasjonen i modellen bygger på usikre kilder. Når det er mye usikkerhet i dataene, eskaleres usikkerhetene i estimatet av R-tallet, forklarer Šaltytė Benth.
Dagens modell trenger mye informasjon og store ressurser. Det gjorde det ikke bedre at resultatene kunne bli utdatert før de var klare.
– En avansert modell er ikke nødvendigvis den beste.
Samtidig er hun tydelig på at hun ikke ønsker å kritisere noen.
– Under pandemien visste man ingenting. Folkehelseinstituttet hadde ikke så mye å forholde seg til den gangen. De gjorde en god jobb og ville ha kontroll på situasjonen. Så det må ikke oppfattes slik at dette er kritikk av det som ble gjort under pandemien. Det er ikke intensjonen vår. Det er lett å være etterpåklok og sitte på denne siden av pandemien og komme med forslag om hva man kunne ha gjort bedre, forteller statistikeren.
Betaler 1,1 milliarder for klimakvoter – vil ha midler i retur
Ny og enklere modell
Sammen med Espen Rostrup Nakstad og professor Fred Espen Benth på Matematisk institutt har Jūratė Šaltytė Benth nylig lansert en helt ny, enklere og raskere metode som gjør det mulig å beregne R-tallet med betydelig mindre usikkerhet.
De nye beregningene baserer seg ene og alene på smittetallene. Intet mer. Her er ingen ny matematikk.
– Vi bruker en kombinasjon av kjente matematiske og statistiske metoder. Modellen vår viser at R-tallet varierte mindre og var lavere enn det modellen under pandemien viste, forteller Šaltytė Benth og legger til at resultatene stemte bra med den reelle smitten.
– Det finnes mange data fra pandemien. Og vi vet alle at en pandemi kan dukke opp igjen. Da er det greit å ha en slik modell. Vi skal nå teste den med blant annet data fra andre land. Verdens helseorganisasjon har enorme mengder med data fra alle land. Dette er en gullgruve for oss, sier hun.
Fordelen med den nye modellen er at den også kan brukes i land som ikke har mye ressurser til rådighet. Og vel så viktig:
– Modellen kan brukes til å beregne R-tallet til en hvilken som helst pandemi.
– Den nye modellen viser at de estimerte R-tallene under pandemien var for voldsomme. Sannsynligvis var ikke alle de nasjonale tiltakene nødvendige. Noen ganger kunne det ha holdt med regionale tiltak, sier hun.
Bra hjelpemiddel
Nakstad har stor tro på at den nye modellen kan bli nyttig i kommende pandemier.
– Jo bedre bilde vi har av en pandemi i sanntid, desto lettere er det å vurdere behovene for smitteverntiltak. Og når myndighetene får kunnskap om det reelle R-tallet, kan de avvikle tiltakene raskere. Sånn sett kan denne modellen bidra til en mer effektiv håndtering av pandemier og bidra til at vi raskere kan ta ned tiltak når vi har nådd den ønskete effekten, sier Nakstad.
– Kunne samfunnet spart store kostnader med en slik modell?
– Vi kunne sannsynligvis raskere fått et bilde av situasjonen, men det er også mange andre faktorer som spiller inn. Det viste seg at viruset endret seg ganske fort, så en slik matematisk modell er ikke alene nok til å håndtere en pandemi. Men modellen kan være et godt hjelpemiddel, og den kan gjøre det lettere og raskere å vurdere effekten av smitteverntiltak.
Artikkelen ble først publisert på Apollon.uio.no
Bruker Nansen-løsning: – Fungerer nesten uansett
