Derfor kan eksperter i dyresygdomme forudsige, hvordan corona virus spreder sig
"Artiklen er oprindelig bragt 3. december på Videnskab.dk’s Forskerzonen, hvor forskerne selv formidler".
Danmark er kendt i udlandet for at have gode registre for husdyr som køer, grise og får. Disse registre bliver brugt til at udvikle avanceret overvågning og kontroltiltag for sygdomme, som har skabt epidemier i verden.
Forskere:
- Carsten Thure Kirkeby Seniorforsker ved Institut for Veterinær- og Husdyrvidenskab, Københavns Universitet
- Kaare Græsbøll Seniorforsker, Institut for Matematik og Computer Science, Danmarks Tekniske Universitet
- Matt Denwood Lektor, Institut for Veterinær- og Husdyrvidenskab, Københavns Universitet
- Lasse Engbo Christiansen Lektor, Institut for Matematik og Computer Science, Danmarks Tekniske Universitet
- Tariq Halasa Lektor, Institut for Veterinær- og Husdyrvidenskab, Københavns Universitet
Hvad gør man, når man skal forsøge at forudsige udviklingen af en hidtil ukendt sygdom som COVID-19? Hvordan beregner man, hvor hurtigt og hvordan sygdommen spreder sig? Og hvilke tiltag, der mest effektivt kan sætte en stopper for epidemien?
De spørgsmål blev lidt for aktuelle, da COVID-19 spredte sig som en steppebrand fra Kina til resten af verden. Pludselig skulle vi og en hulens masse andre forskere verden over bygge troværdige modeller over smittespredningen på et mildest talt mangelfuldt datagrundlag.
At sygdomme spreder sig hurtigt mellem mennesker er dog ikke noget nyt fænomen. For cirka 100 år siden rasede Den Spanske Syge, hvor omkring 14.000 danskere døde og et sted mellem 20 og 50 millioner mennesker på verdensplan led samme skæbne.
Siden har vi haft en række mildere epidemier som eksempelvis SARS, MERS og svineinfluenza. Men vi har ikke oplevet noget som Den Spanske Syge.
Måske derfor var og er spredningen af COVID-19 helt uvirkelig for mange. Og måske er det også grunden til, at beredskabet for sygdomme som COVID-19 var mangelfuldt.
Sygdomsudbrud er 'hverdag' i veterinære kredse
Helt anderledes forholder det sig for veterinære sygdomme, som vi beskæftiger os med til daglig. Her er alvorlige sygdomsudbrud, der spreder sig, en naturlig del af verdensbilledet, og der er udviklet utallige modeller til at kontrollere udbrud.
Eksempelvis har afrikansk svinepest – en meget dødelig virus for svin – bredt sig de sidste 13 år fra Kaukasus til mange europæiske lande og til Asien og resulteret i millioner af døde grise.
Mund-og klovsyge forårsagede i 2001 et stort udbrud i Storbritannien og andre europæiske lande, som fik katastrofale økonomiske følger.
Desuden så vi i Danmark i 2007 for første gang bluetongue-virus, som angriber køer og får, og blev håndteret fra EU's side med bekostelige vaccinationsprogrammer.
Netop disse erfaringer er formentlig en stor del af grunden til, at en stor del af Statens Serum Instituts ekspertgruppe – heriblandt os – trækker på erfaringer fra den veterinære verden.
Fra køer, får og svin til COVID-19
Alle disse (og andre) udbrud krævede en reaktion for at begrænse smitten, og blandt andet derfor er det veterinære beredskab veludviklet til at håndtere pludselig opståede sygdomme og epidemier. Det foregår eksempelvis via vaccinationsprogrammer, restriktionszoner og overvågningsprogrammer.
Kan man bruge erfaringer med at overvåge, kontrollere og forudsige sygdomme hos dyr til noget i corona-pandemien? Det kan man – og netop derfor blev vi inviteret til at være en del af Statens Serum Instituts ekspertgruppe.
Derfor har vi siden midt i marts været med til at bygge modeller for COVID-19-spredningen og blandt andet skrevet en videnskabelig artikel omkring vores baggrund og processen: 'Prediction models in veterinary and human epidemiology: Our experience with modelling Sars-CoV-2 spread'.
Den epidemiologiske værktøjskasse
Metoderne til at estimere effekten af forskellige kontroltiltag, inden de implementeres, er veludviklede, og der er et stort overlap mellem veterinære og humane metoder.
Særligt epidemiologiske modeller – altså modeller for, hvordan sygdomme udvikler sig – er vigtige, da de kan bruges til at forudsige, hvad der vil ske under en epidemi, og hvad der er den bedste måde at håndtere situationen på.
Danmark er kendt i udlandet for at have gode registre for husdyr som køer, grise og får. Disse registre bliver brugt til at udvikle avanceret overvågning og kontroltiltag for sygdomme, som har skabt epidemier i verden.
Der er udviklet forskellige matematiske modeller til at forudse spredning af disse sygdomme, hvis de bliver introduceret i Danmark, og effekten af forskellige kontrol- og overvågningstiltag for at kontrollere spredningen.
Principperne for modellering af sygdomsspredning er det samme for dyr og mennesker. Men det er nødvendigt at have et godt kendskab til, hvordan sygdommen spreder sig gennem populationen (eller befolkningen) for at kunne bygge en nyttig model.
Det er disse parametre, som er altafgørende for, at en matematisk model er retvisende. En model er nemlig aldrig bedre, end de antagelser man fodrer den med.
Og derfor var det kritisk at skaffe gode parametre i starten af COVID-19-epidemien i Danmark.
Vigtigt at vise modellernes usikkerheder
Vi søgte derfor efter brugbart input fra hele verden og lykkedes med at få bygget en model på rekordtid. Allerede 2. april blev den første ekspertrapport offentliggjort med modelresultater.
Det er selvfølgelig svært at forudsige folks reaktion i forhold til en helt ny sygdom, og derfor har en del også kritiseret de første resultater. Men når man tager de sparsomme data i betragtning, er resultaterne faktisk rimelig retvisende.
Siden er modellerne opdateret og udviklet efterhånden, som vi fik mere viden omkring sygdommen, befolkningens adfærd og kontroltiltag som regeringen indførte.
En ekstraordinær situation som i marts 2020 kræver selvfølgelig handling. Og de matematiske modeller kan være med til at støtte politikernes beslutninger – hvis de er retvisende.
En model kan vise helt forkerte resultater, hvis bare en enkelt parameter er forkert. Derfor indbyggede vi også usikkerheden i modellerne fra starten.
I praksis vil det sige, at man varierer de parametre, som man er usikker på, og kører modellen rigtig mange gange med varierende parametre. På den måde får man et sandsynligt udfaldsrum for, hvordan epidemien vil udvikle sig.
En god epidemiologisk model skal ligne virkeligheden
For COVID-19 kniber det stadig med solid viden om, hvordan det spreder sig til hvem og hvor hurtigt. Selvom sygdommen har bredt sig til hele verden, kræver det tid at undersøge disse mekanismer videnskabeligt.
Heldigvis bliver der offentliggjort nye resultater hele tiden, med rekordfart.
Det er desuden vigtigt at have et kendskab til befolkningen, tætheden af individer og kontaktmønstre imellem dem. Det er helt afgørende for at bygge en nyttig epidemiologisk model. Derudover er det vigtigt at vide, hvordan individerne interagerer, altså overfører smitten.
I Danmark havde vi ingen gode data på det, da epidemien brød ud.
Til alt held havde blandt andet BBC gennemført et studie for et par år siden, hvor almindelige mennesker registrerede deres kontakter gennem en dag. Det studie skulle vise sig at få overordentlig stor betydning for vores evne til at forudsige smittespredningen.
For at epidemiologiske modeller skal være brugbare til at håndtere en epidemi, skal de afspejle virkeligheden realistisk og bruge så mange af de tilgængelige data som muligt.
Derudover skal de kunne køres hurtigt, så man ikke skal vente for længe på et resultat. Endelig skal modellerne være fleksible, så de kan justeres og opdateres, når der fremkommer nye data.