Forskare vill hitta mer träffsäkra prognoser för smittspridning

Sedan coronautbrottet har det tagits fram hundratals modeller som simulerar hur olika åtgärder kan begränsa smittspridningen. Forskare vid Malmö universitet har både jämfört befintliga modeller och varit med att ta fram en egen. Målet är att kunna göra mer träffsäkra prognoser.

Syftet med simuleringsmodeller är att kunna beräkna hur smitta sprids, var och när och hur smittspridningen kan minskas vid olika åtgärder. Hur mycket kommer till exempel användandet av munskydd eller nedstängning av arbetsplatser påverka smittspridningen?

Postdoktor Fabian Lorig och professor Paul Davidsson har tillsammans med projektassistent Emil Johansson jämfört och analyserat 126 modeller som beskrivits i vetenskapliga artiklar fram till oktober 2020. De inriktade sig på agentbaserade modeller som till skillnad från matematiska modeller är mer individbaserade.

Utgår från våra olikheter
– Matematiska modeller bygger ofta på att alla individer gör samma sak och reagerar likadant i en viss situation. Agentbaserade modeller försöker istället utgå från hur olika individer är i verkligheten – att vi beter oss på olika sätt, har olika åldrar, följer råd och regler mer eller mindre, säger Fabian Lorig.

Han beskriver det som två olika angreppssätt där matematiska modeller har fördelen att de kan användas för att ge en bild av smittspridningen i ett helt land. De agentbaserade är mer precisa och tar hänsyn till fler variabler: vad precis en viss individ gjort, när den smittades, av vem, när hen tillfrisknade. De är också mer komplicerade och kan inte enkelt göras på lika stora populationer.

Stora förenklingar försvårar analyser
Ett stort problem är enligt forskarna att många modeller innehåller så stora förenklingar att det inte går att göra säkra analyser.

– Modellen tar kanske inte hänsyn till hur länge man var i närheten av andra personer, om man var inomhus eller utomhus. Sådana saker som vi vet är viktiga för smittspridningen. Vissa bygger på väldigt långa tidssteg som utgår från att det bara händer saker en gång per dygn, säger Paul Davidsson.

Studien tog fasta på vilka förenklingar som modellerna innehåller och vilka konsekvenser det får för resultaten. För analysen tittade de på ett 70-tal olika attribut: allt från vilka åtgärder modellerna utgår från, vad de använder för data, hur smittspridningen modelleras till hur individerna karaktäriseras - kön, ålder, om de jobbar, hur hushållet ser ut, om de använder munskydd …

– Alla modeller vi har studerat har simulerat effekter av olika åtgärder. De allra flesta handlar om karantän, social distans och isolering. Utifrån det beskrivs sannolikheten för att bli smittad. Men det fanns däremot knappt några modeller som vägde in mänskligt beteende, att människor behöver olika saker, säger Fabian Lorig.

Effekterna av åtgärder för att begränsa smitta beror ju på i vilken grad människor följer råd och regler, men också på deras olika dagliga rutiner. Beräkningarna i en viss modell kan till exempel utgå från att människor bär munskydd, men om de verkligen skulle göra det är inte så säkert.

Mer realistisk simulering av effekterna
Tillsammans med forskare i Umeå, Stockholm och i Holland har Lorig och Davidsson därför tagit fram en avancerad simuleringsmodell, ASSOCC, som använder sig av olika psykologiska och sociologiska modeller. Modellen utgår från att varje individ har olika behov, som att vara med familjen, träffa vänner, jobba, handla, vara utomhus eller roa sig. Modellen lägger sig nära verkligheten i att den räknar på att olika individer under dagen tar olika beslut kring beteenden och aktiviteter. På det sättet möjliggör ASSOCC en mer detaljerad och realistisk simulering av effekterna olika åtgärder kan ha på smittspridningen.

–För att såna modeller ska representera den reella världen så exakt som möjligt behövs det data på hur olika personer förhåller sig i olika situationer. Den framtida utmaningen med ASSOCC- projektet är alltså att samla data på människornas beteende och att anpassa modellen efter den, säger Fabian Lorig

Utmaning göra i större skala
En utmaning är att också att kunna simulera denna mer detaljerade beteende-modell i större skala. Det kräver mer datorresurser för att beräkna olika scenarier än modeller där alla individer antas bete sig på samma sätt och där dygnet simuleras som ett stort steg istället för flera mindre steg.

– Vårt nästa steg är att undersöka hur man kan kombinera olika modeller för att få mer robusta resultat. Dessutom vill vi kunna skala upp denna noggranna simuleringen till ett helt land – hur kan man kombinera resultat från olika modeller för att uppnå det? säger Paul Davidsson.