Mobiele data en coronacijfers geven de grootste besmettingshaarden aan

Maandenlang is er bij het vormgeven van de besmettingscurve en het coronabeleid vooral uitgegaan van het contactgetal R, maar misschien kunnen we beter naar K kijken: de dispersiefactor. Dat idee wordt nu onderbouwd door nieuwe kennis over de verspreiding van besmettingen, gebaseerd op de mobiele data van miljoenen mensen.

Maandenlang is er bij het vormgeven van de besmettingscurve en het coronabeleid vooral uitgegaan van het contactgetal R, maar misschien kunnen we beter naar K kijken: de dispersiefactor. Dat idee wordt nu onderbouwd door nieuwe kennis over de verspreiding van besmettingen, gebaseerd op de mobiele data van miljoenen mensen.

Shutterstock

Weet je de rode en groene curve nog?

Vanaf het begin was het doel van het beleid om het besmettingsniveau op de lage, groene curve te houden. Daarvoor moest het contactgetal R onder de 1 liggen, wat inhoudt dat elke patiënt gemiddeld minder dan één ander besmet.

Met R kun je goed inschatten hoe hevig de epidemie is, maar het nut is beperkt.

Daarom kijken wetenschappers steeds vaker naar de zogeheten dispersiefactor K, die de dynamiek van de pandemie en de potentiële zwakke plekken van het virus toont.

In een onlangs gepubliceerd onderzoek wijzen de onderzoekers op basis van K en mobiele data aan wat de grootste besmettingshaarden van de pandemie zijn – en waar restricties het grootste voordeel opleveren.

K geeft beter beeld

Voor COVID-19 ligt het contactgetal R meestal tussen de 2 en de 6.

Illustratie van besmetting tussen mensen

Deze illustratie toont een R waarbij één persoon drie anderen besmet. Het getal is makkelijk te begrijpen, maar geeft niet altijd een juist beeld van de coronapandemie omdat niet veel patiënten COVID-19 inderdaad doorgeven aan drie anderen. Velen geven de ziekte überhaupt niet door, en een klein groepje besmet velen.

© Adam Kleczkowski

In de praktijk is 19 procent van de patiënten verantwoordelijk voor 80 procent van de besmettingen, terwijl zo’n 69 procent helemaal niemand besmet.

Hier komt K om het hoekje kijken.

Als alle patiënten worden gerangschikt naar wie de meeste anderen heeft besmet, geeft K aan hoeveel mensen de persoon in het midden heeft besmet.

Illustratie van besmetting

Een grafische weergave van K met de waarde 3: als alle COVID-19-patiënten op een rijtje stonden naar hoeveel mensen ze hebben besmet, zou de persoon in het midden drie mensen hebben besmet. Dit geeft een veel nauwkeuriger beeld van de besmetting, want het model houdt er rekening mee dat niet iedereen anderen besmet. Een hoge K, zoals 3, komt vaak voor bij een hoge R.

© Adam Kleczkowski

Voor COVID-19 is het K-getal zeer laag: circa 0,1, zo blijkt uit een nieuw onderzoek. Dat betekent dat de middelste persoon in de rij veel minder mensen dan 1 heeft besmet. De waarde van het getal laat zien dat mensen aan het uiteinde van de rij onevenredig veel mensen besmetten. Voor de Spaanse griep lag K rond de 1.

Illustratie van besmetting

Dit is de dispersiefactor met een waarde onder de 1. Deze illustratie geeft het correctste beeld van de verspreiding van COVID-19: in clusters. Een beperkt aantal personen besmet veel anderen in ongelukkige situaties waar meerdere factoren een rol spelen, zoals een groot aantal mensen in één krappe ruimte en iemand die asymptomatisch is maar wel veel virusdeeltjes verspreidt.

© Adam Kleczkowski

Op basis van K kan de verspreiding beter in kaart worden gebracht. Zo kan een lage K-waarde verklaren hoe het kon dat een Fransman het virus al in december naar Europa bracht zonder dat er een uitbraak volgde. En omgekeerd wordt ook duidelijk waarom Noord-Italië in het begin zo zwaar getroffen werd: een klein aantal superverspreiders bracht het virus naar veel mensen, geholpen door bepaalde omstandigheden.

Coronaclusters houden pandemie op gang

Uit het lage K-getal blijkt dat superspreader events de drijvende kracht achter de pandemie zijn. Dat is niet per se een slechte zaak, want:

  • Een hoge K en R duiden op een lineaire verspreiding die moeilijk te stoppen is.
  • Een lage K wijst op een grillige ontwikkeling die moeilijk te voorspellen is, maar de meeste potentiële besmettingsketens vanzelf doorbreekt.

De Japanse autoriteiten richten zich alleen op clusters en niet op individuen, en met weinig drastische maatregelen zijn er in Japan maar 1700 doden gevallen.

Het idee is dat als clusters voorkomen kunnen worden, het virus zich niet als een lopend vuurtje zal verspreiden doordat een beperkt aantal mensen COVID-19 doorgeeft.

Mobiele data wijzen ergste besmettingshaarden aan

Een zojuist gepubliceerd onderzoek geeft precies aan waar de meeste kans is dat het aantal besmette personen zal exploderen – zoals voorspeld door K.

In het onderzoek ontwikkelden de onderzoekers een model dat bewegingsgegevens van 98 miljoen mobiele telefoons in verschillende wijken van Amerikaanse steden als Chicago, San Francisco en New York vergelijkt met een eenvoudig model van coronavirusinfectie. Al die input geeft aan welke plaatsen en bevolkingsgroepen een hoog besmettingsrisico kennen.

Het model kon zeer nauwkeurig het werkelijke aantal geïnfecteerden in verschillende gebieden voorspellen en laten zien hoe de besmetting zich uur na uur ontwikkelde op 553.000 bepaalde plaatsen, Points of Interest (POI’s).

Deze POI’s kunnen worden onderverdeeld in 20 categorieën, en het model geeft het besmettingsrisico in elke categorie weer. De POI’s met het hoogste risico zijn:

  • Restaurants
  • Fitnesscentra
  • Cafés
  • Hotels
  • Fastfoodrestaurants
  • Religieuze gebouwen
  • Medische centra
  • Supermarkten

De onderzoekers benadrukken dat bepaalde POI’s ondervertegenwoordigd zijn door gebrek aan data, zoals scholen, verpleeghuizen en gevangenissen.

Zo was in Chicago 10 procent van de plaatsen volgens het model verantwoordelijk voor 85 procent van de voorspelde besmettingsgevallen.

Tegelijkertijd bevestigt het model een maatschappelijke scheefte in de besmettingsverspreiding. Supermarkten in lage-inkomensgebieden kregen bijvoorbeeld 59 procent meer bezoekers per vierkante meter, en de bezoeken duurden 17 procent langer dan in vergelijkbare winkels in gebieden met een hoog inkomen.

De studie concludeert dat het beperken van het aantal bezoekers op één tijdstip en één plek de besmetting beter in toom houdt dan het beperken van de persoonlijke bewegingsvrijheid.

Daarom zijn sommige plekken coronahaarden

Wetenschappers leren steeds meer over potentiële besmettingshaarden.

Mensen in een volle kerk
© Shutterstock

Kerken

Meer dan 5000 besmettingen zouden afkomstig zijn van één vrouw in een Zuid-Koreaanse megakerk.

Wetenschappelijke verklaring: Slechte ventilatie, geen maskers en nauw fysiek contact werkten de verspreiding in de hand.

Mennesker står tæt og synger af karsken bælg
© Shutterstock

Koren

53 van de 61 koorleden raakten besmet met COVID-19 na 2,5 uur repeteren.

Wetenschappelijke verklaring: Bij zingen en diep ademhalen komen meer dan 1000 speekseldruppeltjes per minuut vrij. De beperkte onderlinge afstand hielp niet.

Mennesker danser tæt på et dansegulv
© Shutterstock

Uitgaansleven

Een Zuid-Koreaanse uitbraak met zeker 246 besmetten kon teruggevoerd worden op één man die op een avond meerdere cafés aandeed.
Wetenschappelijke verklaring: Mensen die hard praten slingeren miljoenen virusdeeltjes om zich heen, en in een kleine ruimte kunnen die niet ontsnappen.

Mænd skærer kød på et slagteri.
© Shutterstock

Slachterij

Meer dan 2000 mensen werden besmet in een Duits slachthuis. Ook in veel andere landen waren er uitbraken in deze bedrijfstak.

Wetenschappelijke verklaring: Mensen staan dicht op elkaar, en de lucht wordt hergebruikt. Onder deze omstandigheden kan iemand mensen besmetten over een afstand van 8 meter. Virussen doen het ook goed op koude metalen oppervlakken.