Real-time ruimtelijke data-gedreven modellering van uitbraken van infectieziekten
Aan het begin van een pandemie is real-time informatie over de ruimtelijke verspreiding en transmissie van het pathogeen cruciaal voor het implementeren van effectieve beperkingsmaatregelen. Aangezien tijd en mankracht schaars zijn aan het begin van een pandemie, is het cruciaal om van tevoren te weten welke real-time data nuttig zijn om te verzamelen en hoe de data kunnen worden meegenomen in epidemiologische modellen om nuttige informatie te verschaffen.
Doel
Het project beoogt ruimtelijke real-time informatie over rioolwater, mobiliteit en contactgedrag in epidemiologische tranmissiemodellen te integreren en vast te stellen welke databronnen het meest essentieel zijn voor de nauwkeurigheid van voorspellingen aan het begin van een opkomende pandemie.
Aanpak/werkwijze
De aanpak van het project bestaat uit de volgende 3 onderdelen:
- Het beoordelen van eigenschappen en empirische prestaties van ruimtelijke compartiment- en agent-based transmissiemodellen in hun 3 fasen: initialisatie, schatting van transmissiesnelheden en ruimtelijke dynamiek.
- Het ontwikkelen van een framework voor generalized profiling van pathogenen in rioolwater en bestuderen van de invloed van uitscheidingspatronen op de transmissiesnelheid.
- Het integreren van ruimtelijke rioolwater- en mobiliteitsgedreven modellen en ontwikkelen van een machine-learning gebaseerde decision-support methodologie die de toegevoegde waarde van verschillende databronnen geeft onder verschillende epidemiologische omstandigheden.
Samenwerkingspartners
Het project wordt uitgevoerd door een multidisciplinair consortium met expertise op het gebied van epidemiologische modellering, netwerkwetenschappen, data-gedreven besluitvorming, stochastische modellering, complexe systemen en publieke gezondheid. Het consortium wordt gevormd door Universiteit Tilburg, TU Eindhoven, Universiteit Utrecht, LUMC, UMC Utrecht en het RIVM.
(Verwachte) resultaten
Gegeven de epidemiologische situatie en een gespecificeerd doel (bijv. voorspellingen van nieuwe infecties), toont de methodologie de toegevoegde waarde van verschillende databronnen. Deze informatie kan worden gebruikt bij beslissingen over pre-pandemische ontwikkeling van infrastructuur voor structurele dataverzameling en -verwerking. De resultaten van het projecten worden eind 2025 verwacht.