De invloed van clustering op de effectiviteit van contact tracing
Als het aantal recent besmette individuen laag is, is bron en contactonderzoek (BCO) in potentie één van de meest efficiënte infectiepreventiemaatregelen. Er bestaan verschillende wiskundige modellen die de invloed van BCO op het reproductiegetal bepalen. Deze modellen zijn echter gebaseerd op verpakkingsprocessen. De modellen nemen wel heterogeniteit in besmettelijkheid mee, maar negeren dat transmissie plaatsvindt door contacten op een onderliggende sociaal netwerk dat geclusterd is, bijvoorbeeld dat vrienden van vrienden een relatief grote kans hebben om ook vrienden van elkaar te zijn.
Doel
In dit project worden wiskundige modellen ontwikkeld die clusteringen op het contactnetwerk wel includeert. Hierdoor is er beter inzicht in hoe verschillende aspecten van sociale clustering de effectiviteit van BCO beïnvloeden.
Aanpak/werkwijze
Er wordt een numeriek model ontwikkeld om de effectiviteit van BCO op een sociaal netwerk te analyseren. Eerst wordt een (statisch) sociaal netwerk gecreëerd, weergegeven door een nabijheidsmatrix. Dit netwerk zal zowel clustering als heterogeniteit in het aantal contacten omvatten. Een uitbraak zal op dit netwerk gesimuleerd worden, zowel met als zonder contactonderzoek en met en zonder extra infectiepreventiemaatregelen. De Selke-constructie wordt gebruikt om de effectiviteit van verschillende sets infectiepreventiemaatregelen te vergelijken, zodat de stochastische ruis minimaal is. Het simulatiemodel zal efficiënt moeten draaien voor elk type netwerk, zodat het model in verschillende settings gebruikt kan worden.
Samenwerkingspartners
Het project wordt uitgevoerd door het Julius centrum van het UMC, het RIVM, de GGD Amsterdam en de Rijksuniversiteit Groningen. De onderzoekers hebben expertise op het gebied van Infectieziekten, epidemiologie en modelleren. Het project is ook betrokken bij het ‘Collaborative platform for epidemiological modelling and data analytics for pandemic prepardness’ van het RIVM.
(Verwachte) resultaten
Het meenemen van de clustering in sociale netwerken bij het schatten van de effectiviteit van BCO zal leiden tot nauwkeurigere schattingen dan bestaande modellen. Nauwkeurige schattingen voor de effectiviteit van BCO zal leiden tot betere beslissingen of en welke additionele maatregelen nodig zijn om een uitbraak onder controle te krijgen. De beschikbaarheid van software om de effectiviteit van BCO te simuleren voor een uitbraak van een ziekte met andere parameters, zal ervoor zorgen dat de resultaten van dit project inzetbaar zijn gedurende een nieuwe uitbraak. De resultaten van dit project worden eind 2025 verwacht.