Foreslår gruppetesting av familier

Analyser utført av NTNUs covid-19-gruppe viser at store husholdninger har mye å si for smittespredning. Det åpner for nye måter å teste folk på.

NTNU COVID-19 Taskforce foreslår et nytt prinsipp for testing av koronaviruset. Erlend Lervik Coates og André Voigt er to av medlemmene.
Publisert Sist oppdatert

Artikkelen er oppdatert med opplysninger om at flere nå kan teste seg

De kaller seg NTNU COVID-19 Taskforce og har jobbet på spreng de siste ukene. De har utarbeidet en matematisk modell for å forstå og kontrollere koronaviruset i Norge. Målet er blant annet å finne ut hvilke testregimer som er mest effektive og hvordan tiltakene kan lempes på samtidig som man har kontroll på smitten.

Tester mange på få prøver

Det er NTNU som finansierer den tverrfaglige arbeidsgruppa, som blant annet består av kybernetikere, matematikere, bioteknologer, medisinere og økonomer. Resultatene av analysene skal hjelpe myndighetene og Folkehelseinstituttet i arbeidet med å håndtere pandemien.

Nå foreligger de første resultatene.

- Vi foreslår at karantenetiltakene baserer seg på at hvis én person i husstanden er smittet, så skal alle medlemmene anses som smittet. Ved å benytte gruppetesting for større husstander, får vi testet mange på få prøver, der hvor smitten sprer seg mest, forteller André Voigt og Erlend Lervik Coates, som er to av gruppas medlemmer.

Resonnementet til gruppa er som følger:

Kapasiteten for å teste folk er i dag begrenset. Det er først og fremst helsearbeidere og de som trenger sykehusinnleggelse som er testet. På sikt vil det være nyttig å få testet så mange som mulig, ikke minst fordi mange kan spre smitte uten å være klar over det. Så lenge kapasiteten ikke gjør det mulig å teste alle, blir spørsmålet: Hvem bør man bruke disse testene på for å bremse spredning mest mulig effektivt?

Én strategi de ser for seg av flere mulige, er: Teste de større husstandene, de med fire personer eller flere. 

Følg UA på Facebook, Twitter og Instagram.

Vet ikke hvem som er smittet

Ifølge Coates og Voigt er det veldig vanlig å bli smittet i hjemmet, særlig med de restriksjonene som nå gjelder. Alle tiltakene har så langt handlet om å begrense smitten i offentligheten. Jo større husstanden er, jo mer intern smitte. Store husholdninger har mye å si for spredning.

- Da blir det interessant å finne strategier som forhindrer at de har denne rollen som smittespreder. Siden det å forhindre smitte innenfor husstanden er ganske vanskelig, så forsoner man seg i stedet med at hvis én person er smittet, så er alle smittet, sier de.

Karantenetiltakene vil gjelde for hele husstanden hvis et familiemedlem er smittet. Siden hele husstanden skal i karantene, blir det mindre interessant hvem av dem som er smittet. Da kan man benytte seg av gruppetesting (pool testing). Alle i husstanden testes samtidig, prøver blir samlet inn og blandet sammen i et prøverør. Én test er utført for alle medlemmene. Det blir umulig å peke på hvem som er smittet, men det har heller ingen betydning siden alle må i karantene.

Flere kan testes

Onsdag ettermiddag meldte helseminister Bent Høie at myndighetene nå endrer kriteriene for koronatesting. På grunn av den nye testmetoden som NTNU og St. Olavs har utviklet, er testkapasiteten nå utvidet så mye at alle med symptomer kan testes, sa han på den daglige pressekonferansen om koronasituasjonen.

- Fra i dag kan kommuner med kapasitet teste alle med symptomer. Andre kommuner vil trenge mer tid, sa Høie.

LES OGSÅ: NTNU-forskere har laget ny testmetode for koronaviruset

Får automatisk data fra SSB

Erlend Lervik Coates er stipendiat ved Institutt for teknisk kybernetikk og André Voigt er postdoktor ved Institutt for bioteknologi og matvitenskap. De utgjør to ulike subgrupper i teamet. Voigt har vært med og laget en høyoppløselig modell av befolkninga, mens Coates har jobbet med hvordan de kan få identifisert de mest optimale tiltakene og hvordan samfunnet kan åpnes opp igjen på best mulig måte.

Disse stipendiater har også bidratt sterkt i NTNUs Covid-19-gruppe: Pål Holthe Mathisen på kybernetikk og Martina Hall og Emil Karlsen fra bioteknologi (se faktaboks for oversikt over deltakere). 

- Jobben min har vært å bygge en høyoppløselig modell som viser kontaktmønstrene mellom folk i samfunnet og dermed simulere sykdomsspredning over disse. Jeg har satt sammen ulike tiltak og simulerer et forløp for dem og setter et tall, som Erlend bruker for å finne ut hvilke tiltak det er vi ønsker å ha, sier Voigt.

De har lett etter alle mulige data som de kan legge inn i modellen, mye fra Statistisk sentralbyrå (SSB). De må ha oversikt over mye, for eksempel aldersfordeling innenfor husstander. For å få nøyaktige estimat over hvordan epidemien kommer til å utvikle seg, må de ha en anelse om hvor gamle folk er. Småbarnsfamilier og sykehjem blir påvirket ulikt, derfor må de taste inn data for dette.

Voigt og Coates gir ros til Emil Karlsen og Kristen Nyhamar for å ha gjort en god jobb med å sette opp et verktøy som henter data fra SSB automatisk. De kan angi kommune, hente ut automatisk alle tall fra SSB fra denne kommunen og bruke disse for å sette sammen trekkene for befolkninga i kommunen.

adaptive

Tester tiltakenes effekt

- Modellen kan brukes til å teste effekten av de ulike tiltakene myndighetene kan sette inn. Det er ikke trivielt å sette inn sekvensen av tiltak over tid. Her kommer dynamisk optimering og kybernetikk inn. Vi kan bruke kunnskapen for å se når det er mest gunstig over tid for eksempel å åpne opp barneskolen, så ungdomsskolen og så gradvis opp for alle, sier Coates.

Han forklarer videre at sentralt i konseptet er tilbakekobling, noe kybernetikk legger stor vekt på. De skaffer til veie de nyeste observasjonene de har om hvordan sykdommer utvikler seg og forbedrer prognosene løpende. Metoden som brukes er prediktiv - en modell som ser fram i tid og tar hensyn til usikkerheten man har i modellen. Får man ny informasjon etter ei stund, så oppdaterer man modellene og kalkulerer en ny sekvens av tiltak.

Det har vært krevende å tilpasse en komplisert modell til et begrenset datagrunnlag. Ting har utviklet seg fort. Ofte får de flere valg som gir samme resultat.

- Alle vil bidra

Nå foreligger altså det første resultatet av epidemiologi-modellen de har laget, der de anbefaler gruppetesting.

Det store spørsmålet mange lurer på under denne pandemien er hvor mange nordmenn som egentlig har vært smittet. Er det en stor andel av befolkninga eller en veldig liten andel? Hvordan finne ut det når testkapasiteten er så begrenset? Voigt og Coates har noen tanker om hvordan de kan komme med estimater på dette, men har ikke fått testet ut dette ennå.

De har begge lagt noen interessante uker bak seg.

- Dette har vært en utfordrende problemstilling å jobbe med. Det er ikke akkurat dette vi jobber med til vanlig. Alle vil vel bidra med det de kan i en slik situasjon som dette, sier Erlend Lervik Coates, som ellers forsker på optimal styring av droner.

André Voigt sier det har vært et annet tidsperspektiv enn det de er vant til.

- Her har vi jobbet i sanntid i større grad. Det er ikke fullt så relevant å teste effekten av tiltak hvis vi gjør det tre uker etter at tiltakene er iverksatt, konstaterer han.

Voigt forsker til vanlig på å simulere oppførselen til cellene ved hjelp av datamodeller.

NTNUs covid-19-gruppe vil offentliggjøre resultatene på sin hjemmeside framover. Der kan du også lese mer om prosjektet og hvem som deltar i gruppa fra ulike fagmiljø (se også faktaboks).

LES OGSÅ: Tiltak for å redde liv må settes inn der det kast mest av seg

LES OGSÅ: Koronaviruset - en matematisk oppklaring

Fakta

NTNUs covid-19-gruppe

NTNus covid-19-gruppe har utarbeidet en matematisk modell for å forstå og kontrollere koronaviruset i Norge.

Målet er blant annet å finne ut hvilke testregimer som er mest effektive og hvordan tiltakene kan lempes på samtidig som man har kontroll på smitten.

Én strategi de foreslår er å gruppeteste større husstander.

Disse har deltatt i det tverrfaglige teamet:

Eivind Almaas

André Voigt

Martina Hall

Nikolay Martyushenko

Emil Karlsen

Kristen Nyhamar

Signe Sævareid

Pål Røynestad

Thor I. Fossen

Erlend Magnus Lervik Coates

Pål Holthe Mathisen

Edmund Førland Brekke

Ingelin Steinsland

Harald Martens

Adil Rasheed

Geir Arne Fuglstad

Andre I. Riebler

Johan Håkon Bjørngaard

Pål R. Romundstad

Asgeri Tomasgard

Paolo Pisciella

Simon Risanger

Oddgeir Lingaas Holmen

Matus Kosut

Sandor Zeestraten

Tom-Erik Røberg

Quassay Ghazeia

Magnar Bjørås

Andreas Christensen

Steinar Krokstad

Signe Opdahl

Erik R. Sund

Nina Hagesæther

Andreas Asheim

Bjørn Blindheim