NTNUs Covid-19 Taskforce har utviklet en høykvalitets individbasert datasimulering for Covid-19 smittespredning i alle kommuner i Norge. Den tverrfaglige gruppen ved NTNU består av forskere fra flere fakultet og institutt som bringer sammen ekspertise innen medisin, bioteknologi, kybernetikk, statistikk, og økonomi.
Modellen har gjort det mulig å undersøke mange forskjellige tilnærminger til storskala testing av smitte i norske byer og byområder. De første resultatene er nå klare.
– Vi har i første omgang rettet oppmerksomheten vår mot spredningsproblematikken i Oslo i forbindelse med åpning av barnehage og 1.- 4. trinn i barneskolen. Analysene våre viser at strukturert Covid-19-testing av større husholdninger vil redusere smittespredning og kan bidra sterkt til å kontrollere spredningsforløpet i tiden som kommer, sier professor Stig W. Omholt.
Han koordinerer modelleringsarbeidet og leder NTNUs bioteknologisatsing.
– Dette er i stor kontrast til strategier basert på utvalg av tilfeldige personer eller tilfeldige husholdninger, som vil ha en svært begrenset smittedempende effekt, understreker han.
Koronasmitten sprer seg lett blant familiemedlemmer hvis noen i husstanden blir smittet. Desto større husstanden er, desto flere risikerer å bli smittet. Store husholdninger har derfor mye å si for spredning.
– Nå begynner gjenreisingen. Sterke merkenavn er ingen garanti for overlevelse.
Bidrar til å kontrollere hvordan ulike tiltak virker
Mange forskningsmiljøer landet over jobber dedikert med å bidra til å finne de beste strategiene for alt som er korona-relatert. Som en del av den nasjonale dugnaden. Forskerne i NTNU Covid-19 Taskforce definerer sin rolle i denne dugnaden til å være leverandør av beslutningsstøtteinformasjon til norske myndigheter basert på bred erfaring innen analyse, modellering og styring av komplekse systemer.
En sentral komponent i det modellrammeverket som forskningsgruppen fra NTNU har utviklet, er en individbasert datamodell som tar inn demografiske data, som antall og alderssammensetning av husholdninger, antall skoler og barnehager og lignende, for å kunne beskrive smittedynamikken på kommunenivå eller regionnivå.
Slik kan effekten av ulike tiltak vurderes mest mulig nøyaktig.
Oslo først ut, deretter kartlegges flere kommuner
Denne datamodellen, som er en epidemiologisk nettverksmodell, har blitt brukt til å studere effekten av forskjellige teststrategier. I første omgang har forskerne matet in data fra Oslo, som har størst spredning av koronaviruset og som har tettest befolkning.
– I analysen for Oslo har vi tatt høyde for å kunne benytte 50.000 tester hver uke, og gjennomført simuleringene med start i mars, barnehageåpning 20. april, åpning av 1.- 4. skoletrinn 27. april, og simulerings-stopp 20. juni 2020, forklarer Omholt.
Simuleringsmodellen kan mates med demografiske data fra ulike kommuner. Den kan også se på større regioner. Nå jobber forskerne med data for Trondheim og andre større byer.
– Håpet i det lengste: Aksjonærer har mistet troen på evighetsmaskin
Har undersøkt fire mulige testscenarioer
Forskerne har undersøkt fire mulige fremgangsmåter og strateger for bruk av tester:
- ingen testing
- testing av tilfeldig valgte individer
- sammenslått testing av tilfeldig valgte husholdninger
- sammenslått testing av alle husholdninger med fire eller flere medlemmer
Her betyr sammenslått testing at prøver fra alle personene i en husholdning legges sammen til en felles prøve som deretter testes for Covid-19.
Hvis en test viser seg å være positiv, forutsetter datamodellen at enkeltindivid (strategi 2) eller hele husstanden (strategi 3 og 4) settes i karantene.
– Vi har antatt at smitteforebyggende tiltak ikke har stor effekt på spredning i barnehage eller barneskole. Dette er en bevisst konservativ tilnærming for å få et bedre sikkerhetsmonn, sier Omholt.
Siden de fire scenarioene er analysert under samme betingelser, gjør dette at den direkte effekten av de forskjellige testingsstrategiene kan sammenlignes.
– Vi finner at strategi 4, med systematisk testing av husholdninger med fire eller flere medlemmer, er det tiltaket som reduserer smitteraten mest. Strategi 1 og 2 viser ingen vesensforskjell. Dermed kan testing av et tilfeldig utvalg av personer ikke forventes å ha noen effekt som intervensjon mot spredning, sier Omholt.
Strategi 3 viser en begrenset effekt. Her er smittetallet halvert ved datasimuleringens slutt sammenlignet med ingen testing.
Tverrfaglig samarbeid
Fire fagfelt har jobbet sammen om å konstruere modellrammeverket som den epidemiologiske nettverksmodellen er en del av.
Det som gjør dette rammeverket unikt er at det kan brukes både til å undersøke bredt hvilken effekt ulike koronatiltak har, og til å systematisk identifisere hvilke teststrategier og strategier for sosial distansering som er optimale med hensyn til både å unngå overbelastning av helsevesenet og normalisere aktiviteten i en gitt region mest mulig innenfor rammen av de føringene myndighetene setter, sier Omholt.
Dette er de som leder de ulike fagfeltene som modellrammeverket integrerer:
- Data analysis: Professor Ingelin Steinsland
- Epidemiological network model: Professor Eivind Almaas
- Model predictive control: Professor Thor I. Fossen
- Economic analysis of policy regimes: Professor Asgeir Tomasgard
Denne saken ble først publisert på forskningsnettstedet Gemini.no.
Covid 19-pandemien satte fart på utviklingen: Slik virker mRNA-vaksiner
