Få varsel ved oppdateringer av «Koronavirus-modellering ved FHI»
Du har meldt deg på nyhetsvarsel for:
- Koronavirus-modellering ved FHI
Oops, noe gikk galt...
... ta kontakt med nettredaksjon@fhi.no.
... last inn siden på nytt og prøv igjen.
Artikkel
Koronavirus-modellering ved FHI
Publisert Oppdatert
Denne siden beskriver den modellen FHI bruker til situasjonsforståelse og framskrivinger av koronavirusutbruddet i Norge, og du finner alle modelleringsrapportene som er publisert.
Denne siden beskriver den modellen FHI bruker til situasjonsforståelse og framskrivinger av koronavirusutbruddet i Norge, og du finner alle modelleringsrapportene som er publisert.
Siste rapport
- 2021.01.13. National and Regional Corona Report (engelsk) (pdf ) - publisert 13. januar 2021
- 2021.01.13. Oppdateringslogg National and Regional Corona Report (engelsk) (pdf)
Se liste nederst med alle rapporter.
Om rapportene (norsk)
Smittetallet R
Jevnlig oppdatering av smittetallet R (reproduksjonstallet) vil i tiden framover bli publisert i ukerapportene.
Modellberegninger av smittetallet R legger stor vekt på utviklingen av antallet pasienter som legges inn på sykehus med covid-19-diagnose i Norge. I tillegg benyttes testdataene for å få best mulig estimater av smittsomheten av viruset. Testdataene er mer oppdaterte enn pasientdata og inneholder derfor mer informasjon om eventuelle nylige endringer i smittesituasjonen. Estimatene oppdateres jevnlig og publiseres i ukesrapportene.
Du finner liste over tidligere rapporter fra modelleringsgruppen nederst på denne siden. I rapporten finner du R i tabell 1.
Stor usikkerhet
Siden koronavirus er et nytt virus, er det fortsatt stor usikkerhet knyttet til sykdomsforløpet, og hvor stor andel av de smittede personene som krever innleggelse og behandling på sykehus. Følgelig er det store usikkerhetsmomenter knyttet til modellens prediksjoner. Vi håndterer dette i noen grad ved å gjøre stokastiske simuleringer.
Vi oppdaterer løpende parameterne i modellen, når ny kunnskap og bedre data blir tilgjengelig. Samtidig jobber vi stadig med å forbedre metodene vi bruker for å tilpasse modellen til data. En del av parameterne er basert på estimater fra litteraturen, mens andre er estimert fra norske pasientdata på individnivå.
Metapopulasjonsmodell
Modellen er en stokastisk SEIR-type modell med en lokal smitteprosess i hver kommune. Smittespredningen mellom kommunene er modellert ved folk som reiser mellom kommunene. Mengden reising mellom de ulike kommunene er basert på mobiltelefondata fra Telenor. Modellen er en videreutvikling av Engebretsen et al. (2019) og Engebretsen et al. (2020).
Flere artikler (Ferretti et al. 2020, ECDC rapport, LSHTM rapport) har pekt på viktigheten av presymptomatisk smitte. Vi inkluderer derfor presymptomatiske og asymptomatiske i modellen. En skjematisk oversikt over den epidemiologiske modellen er illustrert i figur 1 nedenfor:

Mobilitetsdataene fra Telenor Norway viser hvor mange som har reist fra kommune A til kommune B i løpet av 6-timersintervaller hver dag. Vi simulerer mobilitet ved å flytte personer hver 6. time, i henhold til mobilitetsdataene for det relevante tidsintervallet. Mellom forflytningene lar vi alle mikse der hvor de er i 6 timer, slik at viruset kan spre seg mellom folk i simuleringen, ved at et smittsomt individ befinner seg i samme kommune som et mottakelig individ.
Modellimplementeringen er tilgjengelig på GitHub. Vi bruker asymmetric_mobility_se1e2iiar-modellen fra denne pakken.
Modellen gir oss tidsrekker for antallet i hver sykdomstilstand (klassene i figuren over) i hver kommune. Vi bruker predikert insidens i hver kommune til å simulere antall sykehusinnleggelser, intensivpasienter og dødsfall.
Modellens parametre
For smittespredningsdelen av modellen bruker vi data fra Ferretti et al. (2020), med noen mindre endringer basert på ECDC-rapporten om presymptomatisk tid.
Parameter |
Value |
Latenstid |
3 dager |
Presymptomatisk tid |
2 dager |
Smittsom periode |
5 dager |
Relativ smittsomhet presymptomatiske |
1.25 |
Andel asymptomatiske |
40 % |
Relativ smittsomhet asymptomatiske |
0,1 |
For andelen som må på sykehus, bruker vi aldersbestemte rater basert på data fra Salje et al. (2020) justert for andel som er på sykehjem, slik at dødsraten i Norge blir 0,7 % per infeksjon.
I tillegg justerer vi for aldersfordelingen av smittetilfellene i befolkningen, som vi estimerer ut fra testdata. Disse oppdateres jevnlig, og vi refererer til de ulike rapportene for oppdaterte sannsynligheter. Vi korrigerer også for rapporteringsforsinkelser for de fire siste dagene når vi kalibrerer til data. Ved å benytte historiske datasett, har vi estimert sannsynlighet for rapporteringsforsinkelser på 1-4 dager, både for sykehusinnleggelser, positive tester og negative tester. De estimerte sannsynlighetene oppdateres jevnlig, og vi refererer til den nyeste modelleringsrapporten for oppdaterte estimater.
Parameter |
Verdi |
Tid tilbragt på sykehus |
Se figur 2 nedenfor |
Innleggelsesrisiko (samlet) |
3,9 % |
Sykehusinnleggelser per infeksjon 0- 9 år 10-19 år 20- 29 år 30-39 år 40-49 år 50-59 år 60-69 år 70-79 år 80+ år |
0,2 % (Salje et al, 2020) 0,2 % 0,6 % 1,3 % 1,7 % 3,5 % 7,1 % 11,3 %* 27 %* |
Innsykning til sykehus |
9,7 dager fram til 1. august 2020 (neg. binomial). |
Andel på intensiv: |
|
februar-juli 2020 |
16 % |
august- 2020 |
7,6 % |
*Andel innlagt på sykehus er redusert siden beboere på sykehjem vanligvis ikke blir innlagt |
Kalibrering
En av nøkkelparameterne i modellen er reproduksjonstallet. Vi kalibrerer modellen og estimerer reproduksjonstallet slik at modellen tilpasses sykehusinnleggelser og testdata både på nasjonalt og fylkesnivå.
I kalibreringen og simuleringene, tar vi hensyn til alle bekreftede importerte tilfeller fra utlandet. Vi plasserer dem i deres bostedskommuner på den datoen de fikk symptomer i modellen, i den symptomatiske klassen. Siden det er sannsynlig at det var flere importerte tilfeller enn de bekreftede, inkluderer vi en forsterkningsfaktor som vi også kalibrerer til data på sykehusinnleggelser.
Vi varierer det estimerte reproduksjonstallet underveis i modellen, definert som R0 (reproduksjonstallet i starten av modellen) og Reff1, Reff2 .....etter tiltak. Vi introduserer løpende nye reproduksjonstall for å kunne fange opp den nylige utviklingen. Vi kalibrerer disse sammen med amplifiseringsfaktoren ved sekvensiell ABC, hvor vi sammenlikner simulerte nye sykehusinnleggelser med observerte nye sykehusinnleggelser og de simulerte positive testtilfellene med de observerte.
Usikkerhet
Resultatene fra modellen er beheftet med usikkerhet på grunn av tilfeldighet i smittespredningen, tilfeldighet i mobilitet (om det er smittsomme eller mottakelige som reiser for eksempel) og usikkerhet i de kalibrerte parameterne. I tillegg er det flere kilder til usikkerhet som modellen ikke fanger opp, og vi tar ikke høyde for usikkerhet knyttet til modellens øvrige parametre. Modellen er en forenklet representasjon av virkeligheten og bygger på en antakelse om gjennomsnittlig atferd i befolkningen på tvers av alder.
Antall innlagte på sykehus er basert på parameterne som angir andelen av smittede som legges inn på sykehus. Dette har store usikkerheter og gir store utslag for estimater av antallet som har blitt smittet i Norge. Basert på ny kunnskap er anslaget for risiko for sykehusinnleggelse justert i uke 12 og i uke 16. Anslaget for antallet smittede i Norge vil justeres opp, når anslag om innleggelsesrisiko justeres ned, og omvendt.
Vi har oppdatert flere parametre i modellen om helsesektorbruk til norske forhold, med bruk av data fra beredskapsregisteret. For andelen som blir innlagt på sykehus vil det være essensielt å få data fra lokale prevalensstudier. Disse dataene kan endre andelene på sykehus betraktelig. For de mest oppdaterte parameterverdiene refererer vi til den nyeste modelleringsrapporten.
Modellen inneholder ikke aldersstruktur, og ulik smittespredning mellom ulike aldersgrupper fanges derfor ikke opp. Råd om at eldre ikke burde ha kontakt med andre og på den måten minske sin risiko for smitte er for eksempel ikke inkludert i modellen.
Tolking av resultatene
Resultatene fra modellen bør tolkes med varsomhet og må alltid ses i sammenheng med annen informasjon og med epidemiologiske vurderinger. Som nevnt ovenfor er det mange usikkerhetsmomenter, og modellen forbedres stadig.
I modellen er det sykehusdata og testdata som brukes for å forstå utviklingen av epidemien. Hvis nye tall for innleggelser ikke stemmer med modellens estimater, betyr det at modellen må revideres for bedre å beskrive den utviklingen vi observerer. Hvis andre data ikke er godt beskrevet av modellen, betyr det mest sannsynlig at noen av de andre parameterne ikke beskriver situasjonen i Norge godt nok. Vi prøver å oppdatere disse parameterne så snart vi får oppdatert informasjon.
Endringer i modellen
Modellen er dynamisk, og den oppdateres den når det kommer ny informasjon fra Norge eller utlandet. Større endringer er beskrevet i den detaljerte rapporten. Disse endringene forklarer hvorfor resultatene endrer seg fra rapport til rapport.
Andre covid-19-modeller utviklet ved FHI
I tillegg til metapopulasjonsmodellen vi har beskrevet over utvikler FHI en individbasert covid-19 modell basert på en publisert modell i Di Ruscio et al. (2019), som ble utviklet for å studere spredning av methicillin-resistent S. aureus i Norge. I denne modellen simuleres smittespredningen i detalj og modellen kan brukes til å estimere effekt av tiltak som stengning av skoler eller bruk av hjemmekontor. Denne modellen kan også se på effekter i ulike aldersgrupper.
Vi har også utviklet en nasjonal modell med aldersstruktur for å vurdere effekter av mulige vaksiner mot covid-19. I denne nasjonale modellen bruker vi data fra Helsedirektoratet om risikogrupper for COVID-19 og antall helsepersonell som jobber aktivt i helsesektoren for målrettet vaksinering.