Tirsdag denne uken offentliggjorde forskere fra University of Oxford en studie som fikk stor oppmerksomhet særlig i britiske medier. Studien er ikke publisert i noe fagfellevurdert tidsskrift, som betyr at resultatene og metodene ikke har blitt sjekket av andre forskere.

Men hvis Oxford-forskernes høyeste anslag for smittespredning er riktig, betyr det at opp mot 80 prosent av Storbritannias befolkning kan være smittet av covid-19 i midten av april, sier Martin Rypdal, professor i anvendt matematikk ved UiT Norges arktiske universitet, til forskning.no.

Rypdal jobber blant annet med matematisk modellering av epidemier. Det betyr at han forsøker å regne ut hvordan sykdommer sprer seg i en befolkning.

Flokkimmunitet

Rypdal forteller at forskerne bak Oxford-studien også har en antagelse om at rundt 1 prosent av befolkningen er i risikogruppen for alvorlig sykdom og at rundt 1 av 7 av dem som får alvorlig sykdom dør.

For norske forhold ville det bety over 40 000 alvorlig syke og 6000 dødsfall.

– Hvis dette anslaget stemmer, så kommer flokkimmuniteten med en veldig høy pris og viruset vil slå inn som en tsunami.

Flokkimmunitet oppnås når mange nok i en befolkning har fått immunitet mot et virus, enten gjennom at de er blitt smittet eller gjennom vaksinering.

Når immuniteten i samfunn passerer en terskel, vil flokkimmuniteten gradvis sørge for at sykdommen forsvinner.

Ifølge Sunetra Gupta, professor i teorietisk epidemiologi ved University of Oxford og hovedforsker bak den nye studien, kan flokkimunitet hjelpe i kampen mot covid-19-viruset, skriver avisa Financial Times.

Hvis de høye tallene på smittede bekreftes etter hvert som flere og flere testes, så betyr det at restriksjonene på reise, næringsvirksomhet og sosialt samvær kan avluttes tidligere enn det britiske myndigheter antyder, ifølge den amerikanske avisa.

Skeptisk til modellen

Men Rypdal tror ikke tallene stemmer. Han forklarer at Oxford-forskerne har brukt en såkalt SIR-modell og at det er den enkleste modellen vi har for sykdomsspredning.

– Det at den er enkel betyr ikke at den er dårlig, men vi må være klar over hva denne modellen kan gjøre og hva den ikke kan gjøre.

Rypdal forteller at modellens største begrensing er at den ikke skiller mellom mennesker som har mye kontakt med andre og de som ikke har så mye kontakt med andre folk.

Den baserer seg altså på et slags gjennomsnittsmenneske og ikke hvordan ting er i den virkelige verden. I tillegg, forteller Rypdal, så har ikke Oxford-forskerne modellert inn noen tiltak for å bremse smittespredningen.

– Så det denne modellen egentlig forteller oss, er hva antall smittede kunne vært i befolkningen hvis sykdomsspredningen hadde vært fri. Som om den ikke hadde vært oppdaget.

– Det vi vet fra Kina er at relativt små tiltak relativt har stor effekt tidlig i fasen. Jeg tror ikke det er en riktig antakelse at smitten sprer seg på samme måte nå i mars i Storbritannia som den gjorde tidlig i januar. Det tror jeg er den store svakheten med denne studien.

– Ekstremt usikkert

Rypdal forklarer at i en veldig tidlig fase i en epidemi, når det er få smittede, så er slike modeller svært usikre. Det gjelder ikke bare denne modellen, men alle modeller.

– Jeg kan ikke si at resultatet i denne nye studien er galt, men det er ekstremt usikkert.

Rypdal sier at han har testet Oxford-modellen og gjort små endringer i noen av faktorene, for eksempel antall dødsfall, og da blir resultatene helt annerledes.

– Det samme så vi i Kina. Når man prøvde å gjøre prediksjoner på et tidlig tidspunkt, så bommet man kraftig. Når det var flere som var smittet, så begynte vi å få sikrere og sikrere prediksjoner, og det samme gjelder her.

En modell som mange myndigheter rundt i verden nå bruker, blant annet her i Norge, for å anslå hvordan covid-19-viruset sprer seg og hva slags tiltak som vil ha effekt, kommer fra Imperial College i London.

Denne modellen har blant annet blitt brukt til å vise at det var folk med uoppdaget sykdom som sto for det meste av spredningen i Kina.

Ifølge denne modellen kan stenging av skoler og universiteter, utbredt sosial distansering, isolering av smittede, og karantene av husholdninger hvor det bor syke, effektivt begrense spredningen til et håndterlig nivå.

– Kompleks, men ikke nødvendigvis bedre

Men Rypdal er også skeptisk til denne modellen. Han forteller at den er basert på en 15 år gammel modell som er designet for å studere hvordan en influensaepidemi sprer seg i USA og Storbritannia. Den store forskjellen fra Oxford-modellen er at den ikke baserer seg på et tenkt gjennomsnittsmenneske, ifølge Rypdal.

Imperial College-modellen bruker i stedet virkelige data for ting som befolkningstetthet, antall elever på skole, størrelse på arbeidsplasser og flytrafikk.

Det gjør modellen mye mer kompleks, men det gjør den ikke nødvendigvis bedre, sier Rypdal.

– I utgangspunktet så tror jeg ikke at det nødvendigvis er en bedre modell, men det som er åpenbart er at i den modellen så kan du prøve å se på effekten av ulike tiltak. Den ser på hvor mange kontakter en person har helt eksplisitt, så kan du prøve å se effekten. Om det her gir noe mer pålitelige resultater eller ikke, det vet jeg ikke.

– Må lære av andre land

Rypdal forteller at det beste er hvis både kompliserte og enkle modeller begynner å fortelle samme historie.

– Jeg er veldig skeptisk til å tro på enkeltmodeller, for vi må huske på at i en tidlig fase av en epidemi, så er ikke de matematiske modellene vi bruker spesielt mye bedre enn de dataene vi bruker for å kalibrere dem.

Rypdal sier at vi i Norge per i dag ikke har godt nok tallgrunnlag for å si noe som helst om hvordan det kommer til å utvikle seg, uansett hvilken modell som brukes.

– Det vi kan lære mest av det er å se hva som har skjedd i de andre landene.

forskning.nos podcaster