Denne artikkelen er produsert og finansiert av NTNU - les mer.
I og med at koronaviruset smitter lett mellom folk som bor i samme hustand, viser den nye NTNU-modellen at det vil være en god strategi å teste i familier med mange medlemmer.(Illustrasjon: creativeneko / Shutterstock / NTB scanpix)
Testing av større husholdninger kan redusere koronasmitte i Norge
Testing av familier på fire personer eller flere vil være en måte å få ned smitten. Det viser simulering av ulike strategier for testing i Oslo.
Forskere ved NTNU har utviklet en datasimulering for smittespredning av COVID-19 i alle kommuner i Norge.
De er en del av NTNU COVID-19 Taskforce, en gruppe forskere som sammen har ekspertise innen medisin, bioteknologi, kybernetikk, statistikk, og økonomi.
Modellen har gjort det mulig å undersøke mange forskjellige tilnærminger til stor-skala testing av smitte i norske byer og byområder.
De første resultatene er nå klare.
Åpning av barnehager og skolen
Forskerne tok for seg spredning i Oslo i forbindelse med åpning av barnehagene og 1. til 4. trinn i barneskolen.
– Analysene våre viser at strukturert COVID-19-testing av større husholdninger vil redusere smittespredning. Det 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. Det 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.
Professor Stig W. Omholt koordinerer modelleringsarbeidet og leder NTNUs bioteknologisatsing.(Foto Geir Mogen / NTNU)
Tester 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 til norske myndigheter av det de kaller beslutningsstøtteinformasjon. Dette er informasjon basert på erfaring med analyse, modellering og styring av komplekse systemer.
Forskningsgruppen har utviklet en individbasert datamodell. Den har demografiske data, som hvor mange det er i husholdningen og hvor gamle de er. De har også lagt inn skoler og barnehager, for å kunne beskrive smittedynamikken i kommuner og regioner.
Slik kan forskerne vurdere effekten av ulike tiltak mest mulig nøyaktig.
Oslo først ute av flere kommuner
Forskerne har brukt datamodellen til å studere effekten av forskjellige teststrategier. I første omgang har forskerne matet inn 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. Vi gjennomførte simuleringene med start i mars, barnehageåpning 20. april, åpning av 1.- 4. skoletrinn 27. april, og simulerings-stopp 20. juni 2020, forklarer Omholt.
Annonse
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.
Har undersøkt fire mulige bruk av testing
Forskerne har undersøkt fire strategier for bruk av tester:
1. Ingen testing.
2. Testing av tilfeldig valgte personer.
3. Sammenslått testing av tilfeldig valgte husholdninger.
4. Sammenslått testing av alle husholdninger med fire eller flere medlemmer.
Sammenslått testing betyr 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 enkeltpersoner (strategi 2) eller hele husstanden (strategi 3 og 4) settes i karantene.
Testing av alle store husholdninger virker best
– 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 scenariene er analysert under samme betingelser, gjør dette at den direkte effekten av de forskjellige strategiene for testing kan sammenlignes.
Annonse
– 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 vesentlig forskjell. Dermed kan testing av et tilfeldig utvalg av personer ikke forventes å ha noen effekt mot spredning, sier Omholt.
Strategi 3 viser en begrenset effekt. Her er smittetallet halvert ved datasimuleringens slutt sammenlignet med ingen testing.
Disse leder de ulike fagfeltene for modellrammeverket: professor Ingelin Steinsland (data analysis), professor Eivind Almaas (epidemiological network model), professor Thor I. Fossen (model predictive control), professor Asgeir Tomasgard (economic analysis of policy regimes.)
