Mobildata og koronatallet k avslører pandemiens verste smittefeller

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.

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.

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.