Matematiske modeller kan fremskrive sygdomsspredning

Folk blev frarådet at forsamle sig på tætbefolkede steder, da COVID-19-pandemien nåede de nordiske lande i starten af 2020. Det gjaldt blandt andet arbejdspladser, spisesteder, supermarkeder, offentlig transport og indkøbscentre.

Af disse fem steder, hvor var smitterisikoen så størst? Det har et nordisk forskningsprojekt undersøgt. Svaret vender vi tilbage til.

I spidsen for studiet står Tom Britton, der er professor på Stockholms Universitet. Han har ledet et projekt, hvor forskere fra Norge, Sverige og Finland har undersøgt, hvordan datastrømme og matematisk modellering kan støtte beslutningstagning under pandemier.

“Den matematiske modellering bruges til scenariebeskrivelser, selvom der er stor usikkerhed forbundet med det. Scenariebeskrivelserne kan vejlede politiske beslutningstagere i, hvad der bør gøres for eksempel i forbindelse med en pandemi. Det er vigtigt at forske i, fordi omkostningerne ved den seneste COVID-19-pandemi var astronomiske – både økonomisk og i form af lidelse og tabte liv. Derfor er enhver viden, der kan reducere dette ved en kommende pandemi, vigtig,” siger Tom Britton.

Tallet 1 er afgørende, når vi taler om matematisk smittespredningsmodellering. En smitsom virus afhænger nemlig af, om sygdommen spreder sig. Spreder sygdommen sig i gennemsnit til flere end en person, så stiger smitten. Spreder den sig til færre end en person, så falder den.

Reproduktionstallet angiver, hvor mange hver smittet person i gennemsnit smitter. Man var optaget af hele tiden at kende det aktuelle reproduktionstal. Var tallet 2, så betød det, at man måtte få smitten ned med 50 procent. Målet er at få tallet til at være mindre end 1.

"Der findes matematiske modeller, som vi kalder mikroskopiske modeller. De beskriver, hvordan enkeltmennesker opfører sig på individniveau. Enkle matematiske modeller siger, at hvert individ har et vist antal kontakter. Vi observerer, hvad der sker på det individuelle, mikroskopiske niveau, og så analyserer vi det for at sige noget på det makroskopiske niveau, altså på befolkningsniveau. Dette er fælles for al matematisk modellering af smitsomme sygdomme."

Her var smitterisikoen størst

Tilbage til smitterisikoen ved de fem steder: arbejdspladser, spisesteder, supermarkeder, offentlig transport og indkøbscentre. Ved hjælp af Google Mobility Trends har forskningsprojektet kortlagt, hvor risikoen for smitten var størst. Dataene, som forskerne har brugt, har hovedsageligt været fra Sverige og Norge. Google Mobility Trends registrerer, hvor folk befinder sig på et givent tidspunkt ved hjælp af signaler fra deres mobiltelefoner.

Dataene viser, hvor lang tid folk befandt sig på givne steder under pandemien. Det viste sig, at tiden, folk tilbragte i supermarkeder faldt, da pandemien ramte. Det samme var tilfældet med cafeer og restauranter. Når de sammenholdt dataene med smitterapporterne, fandt de ud af, at den største smitte fandt sted på offentlig transport og på arbejdspladser.

”Smitten var mindre udbredt i supermarkederne, og det kan skyldes, at folk opholdt sig der i kortere tid end på offentlig transport og arbejdspladserne. Det er en god nyhed, for det ville være vanskeligere at forhindre folk i at gå i supermarkedet og handle mad end i at benytte offentlig transport. Disse resultater giver en indikation om, hvor beslutningstagerne kan gøre en indsats for at reducere smittespredningen. Vi har altså lært, at hvis der kommer en ny pandemi med en lignende virus, bør vi sørge for, at der ikke bliver overfyldt i den offentlige transport. Vores analyse tyder på, at folk står tæt i den offentlige transport,” siger han.

Nordisk samarbejde om matematisk modellering er vigtigt

I de nordiske lande er der i alt mellem 20 til 25 forskere med ekspertise på matematisk modellering. Til sammenligning var der i Storbritannien før pandemien omtrent 200.

”Det er værdifuldt, at de nordiske lande samarbejder om matematisk modellering, for hver især er vi små på området. Det er helt essentielt, at vi lærer af hinanden. På nogle områder er vi ens, og på andre er vi forskellige, og det så vi blandt andet under pandemien ved, at Sverige havde færre restriktioner end Norge og Danmark,” siger Tom Britton.