Javascript är avstängt eller blockerat i din webbläsare. Detta kan leda till att vissa delar av vår webbplats inte fungerar som de ska. Sätt på javascript för optimal funktionalitet och utseende.

Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Matematisk modell användbar i pandemiplanering

Illustration över statistik och coronavirus.
Den nya studien kan bli användbar vid framtida pandemier. ILLUSTRATION: UNSPLASH

Med hjälp av en matematisk modell har forskare lyckats koppla samman bekräftade covid-19-fall med intensivvårdsinskrivningar och dödsfall. Modellen, som gör det möjligt att förutse och planera sjukvårdsbelastning, kan bli värdefull under den pågående pandemin samt vid framtida epidemier.

Det är med hjälp av en så kallad FIR-modell (en typ av filter för digitala system) som ett svenskt forskarlag, där bland annat Lunds universitet ingår, har studerat de senaste 20 månadernas covid-statistik. Vanligtvis presenteras statistiken i form av separat data med bekräftade fall, antal avlidna och antal inlagda för intensivvård. Men i den nya studien, som publiceras i den vetenskapliga tidskriften Scientific Reports, har forskarna upptäckt att kurvorna sammanfaller om man multiplicerar antalen med vissa faktorer och flyttar dem i tid.

– Vår studie ger en tydlig bild av pandemins utveckling. Genom den här mycket enkla modellen blir det möjligt att uppskatta dödligheten och hur den påverkas av vaccinationsprogrammet, säger Andreas Wacker, fysikforskare vid Lunds universitet.

Kan användas i framtiden

Att tidigt förstå ett virus framfart vid en epidemi är av yttersta vikt när det kommer till smittskyddsåtgärder och sjukvårdsplanering. Den nya studien visar att även begränsad randomiserad testning – att man testar en viss mängd slumpmässigt valda medborgare då och då – kan ge en god skattning av smittläget samt cirka två veckors förutsägelse av sjukvårdsbehovet. Modellen ger även en förståelse för dynamiken mellan restriktioner, vaccination, vårdbelastning och dödsfall. Studien, som genomförts inom en bred samverkan mellan forskare från olika discipliner, är inte bara applicerbar på coronapandemin.

– Den kan användas för att göra motsvarande skattningar vid framtida epidemier. Jag blev förvånad över att en så pass enkel modell kan beskriva historiska data, säger Kristian Soltesz, forskare vid Lunds tekniska högskola.

Dödligheten sjönk snabbt

Av studien framgår att uppskattningsvis 360 000 svenska covid-fall saknas i statistiken på grund av otillräcklig testning från mars till juni 2020. Forskarna kan också visa hur dödligheten förändrades under pandemins olika faser. Under 2020 låg den på 0,8 procent men sjönk snabbt till 0,1 procent under första hälften av 2021 – ett tydligt resultat av vaccinationsprogrammet. Från juli 2021 ökade dödligheten igen med en topp i september, något som indikerar att immuniteten från vaccinationen minskar över tid. Forskarna kan också slå fast att antalet smittade under 2020 uppgick till 1,3 miljoner, något som visar att Sverige var långt ifrån flockimmunitet.

Genom den här studien får allmänheten en bättre bild av pandemins förlopp i Sverige. Man kan också tydligt se nyttan av vaccinationsprogrammet, säger Andreas Wacker.

Förutom Lunds universitet har Chalmers tekniska högskola, Göteborgs universitet och Linköpings universitet deltagit i arbetet.

Artikeln publiceras i den vetenskapliga tidskriften Scientific Reports: ”Estimating the SARS-CoV-2 infected population fraction and the infection-to-fatality ratio: a data-driven case study based on Swedish time series data”

Intresserad av forskning och samhälle?
Prenumerera på Apropå!

I nyhetsbrevet Apropå varvas senaste nytt från Lunds universitet med kommentarer till aktuella samhällshändelser från några av våra 5000 forskare.