Mobildata og koronatallet k avslører pandemiens verste smittefeller

I månedsvis har kontakttallet R tegnet smittekurven og definert koronahåndteringen. Men tallet k – spredningsfaktoren – er kanskje viktigere. Den tankegangen underbygges nå av nye kunnskap om smittespredning basert på mobildata fra millioner av mennesker.

I månedsvis har kontakttallet R tegnet smittekurven og definert koronahåndteringen. Men tallet k – spredningsfaktoren – er kanskje viktigere. Den tankegangen underbygges nå av nye kunnskap om smittespredning basert på mobildata fra millioner av mennesker.

Shutterstock

Husker du den røde og den grønne kurven?

Koronastrategien var fra starten av å holde smittetrykket på den lave, grønne kurven. Det krevde at kontakttallet R holdt seg under 1, altså at pasienter i gjennomsnitt smitter færre enn én annen.

R er veldig nyttig til å vurdere hvor alvorlig epidemien er, men det har sine begrensninger.

Derfor fokuserer forskere nå mer på den såkalte spredningsfaktoren, k, som avslører pandemiens dynamikk – og koronavirusets potensielle svakheter.

I en nyig utgitt studie har forskere med bakgrunn i k og mobildata utpekt pandemiens største smittefeller – og der restriksjonene gjør størst nytte.

K tegner smittens sanne bilde

For COVID-19 svinger kontakttallet R typisk mellom 2 og 6.

Grafik viser smittespredning mellem mennesker

Grafikken viser R hvis hver person smitter tre andre. Et lett forståeligt tall, men når det gjelder COVID-19 er det bare noen få som smitter tre eller flere andre.

© Adam Kleczkowski

I praksis står 19 prosent] av de smittede for 80 prosent av smitten, mens omkring 69 prosent ikke ser ut til å smitte andre.

Her kommer k inn i bildet.

Hvis samtlige COVID-19-pasienter stilles opp i en rekke etter hvem som har smittet flest, angir k antallet smittede, som personen midt i rekken har smittet.

Grafik viser smittespredning mellem mennesker

En grafisk fremstilling av k angitt til 3, dvs. hvis alle COVID-19-bærere sto på en rekke fra flest til færrest andre smittede, ville personen i midten ha smittet tre. Det gir et bedre smittebilde fordi modellen tar høyde for at ikke alle mennesker smitter andre. Et høyt k – som for eksempel 3 – er også typisk med en høy R-verdi.

© Adam Kleczkowski

For COVID-19 er k veldig lavt – om lag 0,1, viser en ny studie. Det innebærer at middelverdien – hvor mange personer den midterste personen i rekken har smittet – er langt under 1. Tallet avslører at visse personer i den ene enden av rekken smitter uforholdsmessig mange. For spanskesyken var k om lag 1.

Grafik viser smittespredning mellem mennesker

Her ses dispersjonsfaktoren k med en verdi under 1. Grafikken viser hvordan COVID-19 spres, nemlig i klynger. Her smitter enkelte personer svært mange andre i uheldige situasjoner, der mange faktorer er til stede samtidig, for eksempel mange mennesker, begrenset plass og en person som asymptomatisk sprer mange viruspartikler.

© Adam Kleczkowski

Ut fra k kan forskere si mer om hvordan smittespredningen tar fart. Den lave k-verdien kan for eksempel forklare hvorfor en franskmann allerede i desember brakte viruset til Europa – uten det oppsto noe utbrudd. Den forklarer også hvorfor Nord-Italia ble så hardt rammet epidemien – noen få superspredere og de rette forholdene spredte viruset til mange mennesker.

Koronaklynger driver pandemien

Den lave k-verdien viser at superspredningsbegivenheter er pandemiens avgjørende drivkraft. Det er ikke nødvendigvis dårlige nyheter, fordi:

  • Høy k og R indikerer en lineær smittespredning som er vanskelig å stoppe.
  • Lav k indikerer en tilfeldig utvikling som er vanskelig å spå, men selv stopper de fleste smittekjeder.

Med den kunnskapen sporer de japanske helsemyndighetene for eksempel opp klynger og ikke enkeltpersoner, og har med relativt begrensede tiltak holdt seg under 1700 dødsfall.

Tankegangen er at hvis myndighetene kan forhindre klyngeutbrudd, vil ikke smitten spre seg markant mellom individene.

Mobildata peker ut de verste smittefellene

En nettopp utgitt studie peker på akkurat hvor antallet smittede har høyest risiko for å eksplodere – som forutsagt av k.

I studien har forskerne utviklet en modell som sammenligner bevegelsesdata fra 98 millioner mobiltelefoner i ulike deler av store amerikanske byer som Chicago, San Francisco og New York med en enkel modell for koronavirussmitte. Til sammen avslører det steder og befolkningsgrupper med høy smitterisiko.

Modellen kunne med høy presisjon forutsi det virkelige antallet smittede i ulike områder og vise smitteutviklingen time for time på 553 000 bestemte steder, kalt Points of Interest, POI.

Disse kan deles inn i 20 ulike kategorier, og modellen avslører smittefare i hver kategori. POI med høyest risiko er:

  • Restauranter
  • Treningsstudio
  • Kafeer
  • Hoteller
  • Hurtigmatrestauranter
  • Religiøse bygninger
  • Legesentre
  • Supermarkeder

Forskerne framhever at visse POI er underrepresentert på grunn av mangel på data, for eksempel skoler, aldershjem og fengsler.

I for eksempel Chicago sto ti prosent av stedene ifølge modellen for 85 prosent av de forutsette smittetilfellene.

Samtidig bekrefter modellen en samfunnsmessig skjevhet i smittespredning. Supermarkeder i lavinntektsområder hadde for eksempel 59 prosent flere besøkende per kvadratmeter, og besøkene varte 17 prosent lenger enn i tilsvarende butikker i høyinntektsområder.

Studien konkluderer med at en begrensning i antall besøkende på hvert sted mer effektivt bremser smitte enn reduksjon i den personlige bevegelsesfriheten.

Derfor er visse steder koronasmittefeller

Vitenskapen lærer hele tiden mer om hvor risikoen for smitte er størst.

Mennesker står tæt samlet i kirke
© Shutterstock

Kirker

Over 5000 smittetilfeller antas å stamme fra én kvinne i en sørkoreansk megakirke.

Vitenskapens forklaring: Dårlig ventilasjon, ingen munnbind og tett fysisk kontakt skapte optimale forhold for smittespredning.

Mennesker står tæt og synger af karsken bælg
© Shutterstock

Kor

53 av 61 kormedlemmer ble smittet med COVID-19 etter 2,5 timers øving.

Vitenskapens forklaring: Sang sendte ut over 1000 spyttdråper i minuttet. Begrenset fysisk avstand økte risikoen.

Mennesker danser tæt på et dansegulv
© Shutterstock

Natteliv

Et sørkoreansk utbrudd av minst 246 smittede kunne spores til én mann som en kveld besøkte flere barer.

Vitenskapens forklaring: Mange høyrøstede mennesker sender ut millioner av viruspartikler i tette, små rom.

Mænd skærer kød på et slagteri.
© Shutterstock

Slakteri

Over 2000 fikk koronavirus fra et tysk slakteri. Mange andre land har opplevd utbrudd i samme industri.

Vitenskapens forklaring: Folk arbeider tett, roper og luften blir resirkulert. En pasient kan under disse forholdene overføre smitte over 8 meter – og viruspartiklene trives for for øvrig på kjølige metalloverflater.