Mobildata och coronatalet k avslöjar pandemins värsta smittfällor

I månader har reproduktionstalet R visat smittkurvan och definierat coronahanteringen. Men kanske bör det så kallade k-talet – dispersionstalet – styra hur pandemin ska hanteras i stället. Det tankesättet motiveras nu av ny vetenskap om smittspridning som baseras på miljontals av människors mobildata.

I månader har reproduktionstalet R visat smittkurvan och definierat coronahanteringen. Men kanske bör det så kallade k-talet – dispersionstalet – styra hur pandemin ska hanteras i stället. Det tankesättet motiveras nu av ny vetenskap om smittspridning som baseras på miljontals av människors mobildata.

Shutterstock

Minns du den röda och den gröna kurvan?

Den övergripande coronastrategin var från början att hålla nere infektionstrycket på den låga, gröna kurvan. Målet krävde att reptroduktionstalet R skulle vara under 1, det vill säga att patienter i genomsnitt smittar färre än en annan person.

R är mycket användbart för att uppskatta hur hårt epidemien har gripit tag i samhället, men dess användbarhet avtar snabbt.

Därför fokuserar forskare alltmer också på det så kallade dispersionstalet, k, som avslöjar pandemins dynamik – och coronavirusets potentiella svagheter.

I en nyligen publicerad studie har forskare mot bakgrund i k och mobildata pekat ut pandemins största smittfällor – och där restriktionerna gör störst nytta.

K tecknar den sanna bilden av infektionen

För covid-19 varierar reproduktionstalet R vanligtvis mellan 2 och 6.

Grafik visar smittspridning mellan människor

Grafiken visar R om varje person smittar tre andra. Ett lättförståeligt tal, men inte en särskilt rättvisande bild för coronapandemin eftersom endast ett fåtal smittade verkligen överför Covid-19 till tre andra – många smittar inte alls någon vidare – medan en liten grupp smittar många andra.

© Adam Kleczkowski

I själva verket står 19 procent av de smittade för 80 procent av smittan, medan cirka 69 procent uppenbarligen inte alls smittar andra.

Det är här k-talet kommer in i bilden.

Om samtliga covid-19-patienter radas upp utifrån vem som har smittat flest anger det så kallade k-talet antalet smittade som personen i mitten av raden har smittat.

Grafik visar smittspridning mellan människor

En grafisk framställning av k satt till 3, det vill säga om alla covid-19-bärare stod på en rad indelade från flest till minst antal andra smittade skulle personen i mitten ha smittat tre. Det ger en betydligt mer rättvisande bild av smittan eftersom modellen tar hänsyn till att inte alla människor smittar andra. Ett högt k-tal – som exempelvis 3 – är vanligt med ett högt R-värde.

© Adam Kleczkowski

K-talet för covid-19 är ytterst lågt – cirka 0,1, visar en ny studie. Det betyder att medelvärdet – hur många personer person i mitten av raden har smittat – är långt under 1. Talet avslöjar att vissa personer i den ena änden av raden smittar oproportionerligt många. För spanska sjukan var k cirka 1.

Grafik visar smittspridningen mellan människor

Här ses dispersionstalet k med ett värde under 1. Grafiken visar den mest rättvisande bilden på hur Covid-19 sprids, nämligen i kluster. Där smittar enskilda personer riktigt många andra i olyckliga situationer där många faktorer spelar in samtidigt, exempelvis många människor, begränsat utrymme och en person som asymptomatiskt sprider många viruspartiklar.

© Adam Kleczkowski

Utifrån k-talet kan forskare bättre identifiera hur smittspridningen tar fart. Det låga k-värdet kan exempelvis förklara varför en fransk man redan i december tog viruset till Europa – utan att något utbrott uppstod. Omvänt förklarar värdet också hur norra Italien i början drabbades hårt av epidemin – eftersom ett fåtal superspridare och rätt förhållanden dessvärre spred viruset till många många människor.

Coronakluster driver pandemin vidare

Det låga k-talet avslöjar att superspridningshändelser är pandemins avgörande drivkraft. Det behöver inte nödvändigtvis vara dåligt eftersom:

  • Högt k-tal och R-tal indikerar en linjär smittspridning som är svår att stoppa.
  • Lågt k-tal indikerar en tillfällig utveckling som är svår att förutse, men de flesta smittkedjor upphör naturligt.

Med den kunskapen letar de japanska hälsovårdsmyndigheterna exempelvis upp kluster och inte enskilda personer och håller sig med relativt begränsade siffor på under 1 700 dödsfall på grund av corona.

Tanken är att om myndigheterna kan förhindra eller vidta åtgärder mot klusterutbrott kommer smittan inte sprida sig markant mellan de individuella invånarna i samhället eftersom endast ett fåtal rent faktiskt smittar andra med covid-19.

Mobildata pekar de värsta smittfällorna

En nyligen publicerad studie visar exakt var antalet smittade har störst risk för att explodera - förutsagt av k.

I studien har forskare utvecklat en modell som jämför rörelsedata från 98 miljoner mobiltelefoner i olika stadsdelar i stora amerikanska städer som Chicago, San Francisco och New York med en enkel modell av coronavirusinfektion. Tillsammans avslöjar informationen platser och befolkningsgrupper med hög risk att smittas.

Modellen kunde med hög precision förutsäga det verkliga antalet smittade i olika områden och visa infektionsutvecklingen timme för timme på 553 000 specifika platser, så kallade Points of Interest, POI (särskilt intressanta platser).

Dessa POI kan delas in i 20 olika kategorier, och modellen avslöjar infektionsrisken för varje kategori. POI med högst risk är:

  • Restauranger
  • Gym
  • Caféer
  • Hotell
  • Snabbmatsrestauranger
  • Religiösa byggnader
  • Vårdcentraler och sjukhus
  • Stormarknader

Forskarna betonar att vissa POI är underrepresenterade på grund av brist på data, såsom exempelvis skolor, vårdhem och fängelser.

I Chicago stod exempelvis tio procent av de enligt modellen specifika platserna för 85 procent av de förutspådda smittfallen.

Samtidigt bekräftar modellen en samhällsmässig snedvridning när det gäller spridningen av smittan. Stormarknader i låginkomstområden hade till exempel 59 procent fler besökare per kvadratmeter och besöken varade 17 procent längre än i liknande butiker i höginkomstområden.

Forskarna drar slutsatsen i studien att en begränsning av antalet samtidiga besökare på varje plats är mer effektivt för att begränsa infektioner än att minska den personliga rörelsefriheten.

Därför är vissa platser coronasmittfällor

Forskarna blir ständigt klokare på var i synnerhet du ska se upp för att bli smittad.

Mennesker står tæt samlet i kirke
© Shutterstock

Kyrkor

Drygt 5 000 fall anses härstamma från en enda kvinna i en sydkoreansk jättekyrka.

Vetenskapens förklaring: Dålig ventilation, inga munskydd och nära fysisk kontakt skapade optimala förhållanden för smittspridning.

Mennesker står tæt og synger af karsken bælg
© Shutterstock

Körer

53 av 61 körmedlemmar smittades med covid-19 efter 2,5 timmars repetition.

Vetenskapens förklaring: Sång och djupandning sände ut drygt 1 000 salivdroppar i minuten. Begränsat fysiskt avstånd ökade risken.

Mennesker danser tæt på et dansegulv
© Shutterstock

Nattliv

Ett sydkoreanskt utbrott med minst 246 smittade kunde spåras till en man som under en kväll besökte flera barer.

Vetenskapens förklaring: Många högljudda människor sänder ut miljontals viruspartiklar i täta, små utrymmen där få kan komma undan viruset.

Mænd skærer kød på et slagteri.
© Shutterstock

Slakteri

Drygt 2 000 personer fick coronavirus på ett tyskt slakteri. Många andra länder har upplevt utbrott inom samma bransch.

Vetenskapens förklaring: Folk arbetar nära intill varandra, ropar och luften återvinns. En patient kan under dessa förhållanden sprida smitta drygt åtta meter – och viruspartiklarna trivs för övrigt på kalla metallytor.