Artikkel

Koronavirus-modellering ved FHI

Publisert Oppdatert

Denne siden beskriver den modellen FHI bruker til situasjonsforståelse og framskrivinger av koronavirusutbruddet i Norge.

Denne siden beskriver den modellen FHI bruker til situasjonsforståelse og framskrivinger av koronavirusutbruddet i Norge.

Read in English
Del/tips
Facebook Twitter Del på e-post
Skriv ut

Siste rapporter:

Se liste nederst med alle rapporter.

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. Siden smittepresset i Norge nå er stabilt lavt, og antallet pasienter som er innlagt ved norske sykehus er lavt og synkende, gir ikke hyppige modellberegningene av R verdifull tilleggsinformasjon. Derfor har instituttet valgt å publisere oppdatert R i ukerapportene.

Du finner liste over tidligere rapporter fra modelleringsgruppen nederst på denne siden. I rapporten finner du R i tabell 1.

Fra rapportene

29. juni

I rapporten som er publisert 29. juni 2020, er det innført et nytt reproduksjonstall (R3) for perioden fra 11. mai 2020, og en ny metode, Sequential Monte Carlo, for å estimere daglige R-verdier.

16. mai

I rapporten som er publisert 16. mai 2020 er følgende nytt:

  • Metapopulasjonsmodellen er kalibrert til antall nye pasienter innlagt på sykehus (insidensdata). Tidligere ble modellen kalibrert til totalt antall inneliggende pasienter (prevalensdata). 
  • Liggetiden i sykehus og liggetid med respirator er estimert med norske data. Tidligere ble det brukt data fra internasjonale rapporter. 

4. mai

I rapporten som er publisert 4. mai 2020, er det innført et nytt reproduksjonstall (Reff2) for perioden 20. april 2020 og fram til 3. mai 2020. Se avsnittene Kalibrering og Usikkerhet nedenfor.  

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.

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:

En skjematisk oversikt over den epidemiologiske modellen

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.

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 dager (neg. biomial)

Andel på intensiv: 

februar-mars

20 %

april

10 %

mai

15,1 %

*Andel innlagt på sykehus er redusert siden beboere på sykehjem vanligvis ikke blir innlagt
skisse over pasientflyt i modellen
Skisse over pasientflyt i modellen. FHI.

Kalibrering

En av nøkkelparameterne i modellen er reproduksjonstallet. Vi kalibrerer modellen og estimerer reproduksjonstallet slik at modellen tilpasses sykehusinnleggelser på nasjonalt nivå. Siden testkriteriene har endret seg underveis i epidemien, gir sykehusinnleggelser en mer robust måte å karakterisere utviklingen på, selv om vi har en forsinkelseseffekt i sykehusinnleggelsene.

Vi begynner kalibreringen med å ta hensyn til alle bekreftede importerte tilfeller fra utlandet før 19. mars. 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 og Reff3etter tiltak.

  • R0 brukes fra 17. februar 2020 til 14. mars 2020
  • Reff1 fra 15. mars 2020 til 19. april 2020 
  • Reff2 fra 20. april 2020 til 10. april 2020
  • Reff3 fra 11. mai 2020

Datoen 15. mars er valgt fordi det gir best tilpasning til sykehusinnleggelsene.

Vi kalibrerer disse sammen med amplifiseringsfaktoren ved sekvensiell ABC, hvor vi sammenlikner simulerte nye sykehusinnleggelser med observerte nye sykehusinnleggelser. Etter hvert som retningslinjene og tiltakene endres, vil vi nødvendigvis også legge inn flere endringer i reproduksjonstallet.

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 tre 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.

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 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 vi oppdaterer den når vi får 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.

Referanser

Daglige rapporter

Lokale rapporter

Nasjonale rapporter

Rapporter april 2020

Om artikkelen / endringshistorikk

Innhold på denne siden

Flere artikler