Simulering av en pandemi i Storstadsregion Malmö. Analys av effekten av social distansering vid en influensapandemi i storstadsregionen

Simulering av en pandemi i Storstadsregion Malmö Analys av effekten av social distansering vid en influensapandemi i storstadsregionen

Simulering av en pandemi i Storstadsregion Malmö Analys av effekten av social distansering vid en influensapandemi i storstadsregionen

Bindningar och jäv För Smittskyddsinstitutets (SMI) egna experter och sakkunniga som medverkat i kunskapsproduktioner bedöms eventuella bindningar och jäv inom ramen för anställningsförhållandet. När det gäller externa experter och sakkunniga som deltar i SMI:s arbete avseende kunskapsproduktioner kräver myndigheten att de lämnar skriftliga jävsdeklarationer för potentiella bindningar eller jäv. Sådana intressekonflikter kan föreligga om en expert till exempel fått eller får ekonomisk ersättning från företag med intressen i utgången av den fråga som myndigheten behandlar. SMI tar därefter ställning till om det finns några omständigheter som skulle försvåra en objektiv värdering av det framtagna materialet och därmed inverka på myndighetens möjligheter att agera sakligt och opartiskt. Bedömningen kan mynna ut i att experten kan anlitas för uppdraget alternativt att SMI föreslår vissa åtgärder beträffande expertens engagemang eller att experten inte bedöms kunna delta i det aktuella arbetet. De externa experter som medverkat i denna kunskapsproduktion har inför arbetet i enlighet med SMI:s krav inlämnat deklaration rörande bindningar och jäv. SMI har därvid bedömt att bindningar eller jäv som skulle kunna äventyra SMI:s trovärdighet inte föreligger. Jävsdeklarationerna och eventuella kompletterande dokument utgör allmänna handlingar som normalt är offentliga. Handlingarna finns tillgängliga på SMI. ------------------------------------- Citera gärna Smittskyddsinstitutets rapporter, men glöm inte att uppge källan. Bilder, fotografier och illustrationer är skyddade av upphovsrätten. Det innebär att du måste ha upphovsmannens tillstånd för att använda dem. Utgiven av: Smittskyddsinstitutet 171 82 Solna. Tel: 08 457 23 00, fax: 08 32 83 30 smi@smi.se, www.smittskyddsinstitutet.se. April, 2013. Artikelnummer: 2013-101-12

Förord På uppdrag av Myndigheten för samhällsskydd och beredskap, MSB, har SMI tillsammans med SWECO undersökt effekterna av olika icke-medicinska motåtgärder på ett utbrott av pandemisk influensa i Storstadsregion Malmö. Till sådana åtgärder räknas minskat resande och minskat antal sociala kontakter genom skolstängning och färre grannskaps- och arbetsplatskontakter. För att undersöka detta användes datorsimuleringar, vilket innebär, att utbrott av influensa skapades i datorprogram för att kunna analysera effekten av olika antaganden och motåtgärder. I arbetet användes två olika slags simuleringsmodeller, en individbaserad modell och så kallad SIR-modell 1 av enklare typ. Fördelen med en individbaserad modell är att såväl geografi som kontaktstruktur finns med i modellen. Personer kopplas samman via familj och arbetsplats, vilket möjliggör mer realistisk smittspridning. I undersökningen antas 30 till 50 procent av befolkningen smittas, vilket svarar mot ett ganska milt uttryck av en pandemi. Lisa Brouwers (SMI) och Göran Bengtsson (SWECO) har ansvarat för utredningen. Anders Tegnell Avdelningschef Avdelningen för analys och prevention, Smittskyddsinstitutet 1 Susceptible-Infected-Recovered

6

Innehållsförteckning Förord... 5 Innehållsförteckning... 7 Sammanfattning... 9 Bakgrund... 10 Målsättning och frågeställningar... 11 Metod... 12 Data... 12 Storstadsregion Malmö... 12 Andel smittade... 13 Antal symtomatiskt smittade... 13 Antaganden i Mikrosim... 14 Allvarlighetsprofil... 14 Smittsamhet... 14 Platsfördelning... 15 Initialt infekterade... 16 Scenarier i Mikrosim... 16 Färre grannskapskontakter... 16 Jobba hemifrån... 17 Antaganden i VirSim... 17 Data... 17 Allvarlighetsprofil... 17 Smittsamhet... 17 Platsfördelning... 18 Scenarier i VirSim... 18 Inget interregionalt resande... 18 Skolstängning... 18 Jobba hemifrån... 18 Resultat... 19 Mikrosim - referensfallet... 19 Mikrosim scenarier... 22 7

Färre grannskapskontakter... 22 Jobba hemifrån... 23 VirSim referensfallet... 24 VirSim scenarier... 25 Inget interregionalt resande... 25 Skolstängning... 26 Jobba hemifrån resultat... 28 Slutsats... 30 8

Sammanfattning Resultaten visar, att icke-medicinska interventioner har liten effekt och reducerar antalet symptomatiskt smittade med mindre än 10 procent. Genom att låta 60 till 70 procent av personalen på arbetsplatser, som är tillräckligt stora för att vara organiserade i avdelningar, arbeta hemifrån under hela smittspridningsförloppet, skulle man kunna skydda någon procent av regionens befolkning från smitta. Samma skyddseffekt kan uppnås genom att helt strypa det dagliga resandet med tåg, buss, bil och flyg in och ut ur regionen. Om alla halverar sina grannskapskontakter, utanför familj och arbetsplats, kan det reducera antalet symptomatiskt smittade med 3 till 6 procent. 9

Bakgrund Effekterna av en pandemi i Storstadsregion Malmö undersöktes år 2008 av SWECO i en sårbarhetsanalys. Analysen utgick från lagen om extraordinära händelser i fredstid hos kommuner och landsting (SFS 2006:544). I en första delrapport redovisades och diskuterades riskkällor och exponeringsmönster i en storstadsregion, i synnerhet Storstadsregion Malmö [1]. I en andra delrapportsimulerades spridning av pandemiskt influensavirus i storstadsregionen med en demografiskt explicit, deterministisk SIR-modell, som hade ett åldersgruppsberoende kontaktmönster [2]. Simuleringen visade, att i storleksordningen 160 000 personer i regionen skulle kunna bli allvarligt sjuka vid ett utbrott av en måttligt smittsam pandemi och att kostnaden för sjuklöner kan överstiga en miljard. I en tredje delrapport redovisas beräkningar med samma modell av effekterna av olika medicinska och sociala åtgärder före och under ett extraordinärt pandemiskt utbrott i storstadsregionen [3]. I rapporten undersöks systematiskt det möjliga utfallet av olika åtgärder, enskilt och i kombination, vid pandemier med olika spridningspotential och virulens. Rapporten visar, att vaccinationer av olika omfattning och inriktning är den i särklass mest effektiva åtgärden och att olika åtgärder för social distansering, som att förmå sjuka att stanna hemma eller minska arbetsplatskontakterna, kan minska antalet sjukdomsfall med mellan 1 och 70 procent beroende på hur smittsam pandemin är och typ av åtgärd. Utifrån analysens delresultat blev det tydligt, att en fördjupad analys med en individbaserad och geografisk spridningsmodell skulle vara värdefull för beredskapsansvariga i storstadsregionen. Simuleringsmodellen Mikrosim, som utvecklats vid Smittskyddsinstitutet (SMI), är en individbaserad totalbefolkningsmodell som använder riktig men avidentifierad registerdata ur tre länkade SCB-register [ 4]. En fördel med att använda en individbaserad modell är att den sociala kontaktstrukturen då kan representeras. I verkligheten är kontakter mellan familjemedlemmar och kollegor mer troliga än slumpmässiga kontakter, och om kontaktstrukturen representeras i modellen, kan därför ett mer realistiskt spridningsförlopp simuleras. Vidare innehåller modellen geografisk information gällande bostäder och arbetsplatser, vilket gör det möjligt att använda närhet som en faktor som påverkar risken för kontakt och därmed möjlighet att överföra smitta. Mot denna bakgrund sökte och beviljades SMI och SWECO gemensamt finansiellt stöd från MSB för att genomföra denna fördjupade studie av spridning av pandemisk influensa i storstadsregionen, och framförallt effekten av sociala interventioner. 10

Målsättning och frågeställningar Storstadsregioner anses ha ett antal egenskaper som gör dem mer sårbara än landsbygden för en pandemi [5, 6]. Till sådana egenskaper hör bl.a. storstadsregionernas höga befolkningstäthet, täta kontakter mellan invånarna i bostadsmiljön och dess omedelbara grannskap, fler interaktioner inom och mellan arbetsplatser än i en landsortskommun och ett intensivt resande, såväl lokalt, interregionalt som internationellt. Som ett bidrag till beredskapsplaneringen inför en pandemi fokuserar därför detta arbete på betydelsen för smittspridning av social distansering på arbetsplatser, inklusive skolor, i grannskap och i kollektiva resor mellan Storstadsregion Malmö och övriga Sverige. Denna målsättning är förenad med följande frågeställningar: Hur påverkas smittspridningen i storstadsregionen av åtgärder som syftar till att a) reducera grannskapskontakterna i boendemiljön; b) reducera närvaron på arbetsplatser genom att öka inslaget av jobb hemifrån; c) stänga skolor; d) reducera resandet in och ut ur storstadsregionen. Visserligen är Storstadsregion Malmö den geografiska utgångspunkten för analysen, men det är en förhoppning, att analysmetoden ska kunna användas för sårbarhetsanalys och krisberedskapsplanering även i landets övriga storstadsregioner. 11

Metod Arbetet genomfördes med en modellbaserad ansats. Två olika simuleringsmodeller användes, nämligen den individbaserade modellen Mikrosim [4] och SIR (Susceptible Infected Recovered)-modellen VirSim [7]. Mikrosim användes för att simulera ett referensfall, det vill säga ett utbrott utan motåtgärder samt för att undersöka effekten av att variera antalet sociala kontakter på arbetsplatser och i ett grannskap. VirSim användes för att undersöka effekten av minskat resande till och från storstadsregionen, effekten av skolstängning och effekten av hemarbete. Vi valde att simulera två nivåer på utbrottet i referensfallet, en mild och en allvarlig. Data Databasen SDBepidemi vid SMI innehåller befolkningsdata på kommunnivå [Statistikdatabas]. Vidare finns vid SMI resedata från Sverige med frekvens och destination för längre resor (tåg, buss, bil, flyg) inom landet (över 100 km) [8]. Denna typ av resor innefattar arbetsresor och nöjesresor, t ex semester och resor för att hälsa på släktingar. Storstadsregion Malmö Storstadsregion Malmö identifierades som region 25 i Nuteks geografiska indelning av lokala arbetsmarknader (LA-regioner). Enligt denna indelning kunde Storstadsregion Malmö bäst representeras med LA-region 25. I LA-region 25 ingår 15 kommuner 2. Enligt de SCB-data som Mikrosim använder 3 bodde 651 872 personer i LA-region 25 år 2005, dvs. ungefär 7.5 procent av totala modellbefolkningen. Enligt SCB:s statistik över befolkningstalet i kommuner år 2010 är antalet invånare i LA-region 25 796 542, dvs. ungefär 8.5 procent av Sveriges befolkning. Vi bedömde att denna skillnad inte påverkade resultatet. För att simulera smittspridning i storstadsregionen i Mikrosim fanns två alternativ: endast simulera för regionen eller för hela riket men endast ta hänsyn till smittspridning i regionen. Vi testade först att simulera för endast regionen och noterade antalet infekterade. Därefter simulerade vi för hela riket och noterade antal infektioner i region 25. Antalet smittade i LA-region 25 var betydligt fler när hela befolkningen ingick i simuleringen än när simuleringen bara omfattade storstadsregionen. Detta var ett resultat i linje med förväntningarna, eftersom en viktig faktor vid epidemier är interregionala kontakter via arbete och resor. När 2 Staffanstorp, Burlöv, Vellinge, Kävlinge, Lomma, Göinge, Svedala, Skurup, Sjöbo, Hörby, Höör, Malmö, Lund, Eslöv, Ystad, Trelleborg 3 SCB:s register Totalbefolkningsregistret, Arbetsställeregistret och den Geografiska databasen från 2005 länkades till en databas (Statistikdatabas för epidemi-beredskapsplanering) via individernas personnummer. 12

endast storstadsregionen ingick i simuleringen saknades all interaktion med den omgivande världen och dess smittkällor. Vi valde därför att simulera smittspridningen i hela riket men att bara registrera infektioner som ägde rum i storstadsregionen. Andel smittade Vi definierade ett mildare respektive allvarligare utbrott i termer av andel symtomatiskt smittade personer, dvs. sådana som visar symptom på smittan, av hela befolkningen i storstadsregionen. Vi satte gränsen till c:a 20 procent vid det mildare utbrottet och c:a 30 procent vid det allvarligare, baserat på bedömningar från bland annat WHO [9]. En hel del smittade antogs vara asymtomatiskt infekterade, vilket innebär, att de inte uppvisade några symtom trots att deras immunförsvar reagerade. Vi antog, att 40 procent av de infekterade var asymtomatiskt infekterade, vilket speglade den stora dolda smittspridningen som ägde rum vid den senaste pandemin [10]. Antal symtomatiskt smittade En andel av 20 procent (130 400 av totalt 651 872) symtomatiskt infekterade personer motsvarade drygt 217 000 infekterade individer 4. I det allvarligare scenariot var 195 600 symtomatiskt infekterade, vilket motsvarade totalt 326 000 infekterade personer, dvs. ungefär hälften av storstadsregionens befolkning. Mikrosim kalibrerades mot dessa nivåer med vissa restriktioner: åldersfördelningen och platsfördelningen av de infekterade måste vara rimliga, åldersfördelningen skulle likna den faktiska åldersfördelningen utifrån tillgängliga data från pandemin 2009 och platsfördelningen skulle vara realistisk 5. Många epidemiologiska modeller använder i stället en parameter R 0 för att beskriva sjukdomens smittsamhet. R 0 representerar det basala reproduktionstalet, som definieras som det genomsnittliga antalet sekundära infektioner som åstadkoms av en godtycklig infekterad individ i en population, där alla individer är mottagliga. Ett R 0 =2.0 innebär att varje smittad individ i genomsnitt smittar två 6 andra. R 0 beror på tre faktorer, nämligen antalet kontakter mellan människor under en dag, sannolikheten för virusöverföring vid de kontakterna och hur länge man är smittsam. För tidigare pandemier av influensa har man beräknat R 0 till 1.6 till 3.0, d.v.s. en infekterad individ har i genomsnitt smittat 1.6 till 3 mottagliga individer. De två 4 Det totala antalet infekterade (I) är summan av symptomatiskt (130 000) och asymtomatiskt (40 procent av I) infekterade, dvs I = 130 000 + 0.4 I. Då blir I = 217 000. 5 De platstyper som representerades i Mikrosim var hem, skola, dagis, arbetsplats, primärvård, slutenvård (infektionsklinik), grannskap och resa. Med en rimlig fördelning avsågs i princip att de flesta smittades i hem eller på arbete, medan barn i huvudsak smittades hemma eller på skola/dagis. 6 Notera att R 0 endast gäller den initiala fasen av ett utbrott. När fler människor är smittade, kommer färre kontakter vara mottagliga, vilket medför ett minskat antal sekundära infektioner. 13

utbrotten i den här studien, med 20 och 30 procent symptomatiskt smittade i storstadsregionen, motsvarar ett R 0 i storleksordningen 1.25 respektive 1.4 och får i det sammanhanget anses som ganska milda. I den tidigare nämnda SWECOrapporten [3] redovisas troliga effekter av åtgärder mot pandemier med R 0 i intervallet 1.5 till 3.0. Antaganden i Mikrosim Allvarlighetsprofil När en individ i simuleringen infekterades, användes profilfördelningen som visas i Tabell 1 för att avgöra allvarlighetstyp av infektionen. Fördelningen bestämdes i samråd med medicinsk expertis vid SMI. Tabell 1. Fördelning av allvarlighetsprofil vid infektion Fördelning Procent Asymtomatiskt infekterade 40 Milt infekterade 40 Normalt infekterade 15 Allvarligt infekterade 5 Smittsamhet I Mikrosim följde smittsamheten individens sjukdomsprofil. En person som hade en allvarlig typ av infektion var mer smittsam än en person med en normal infektion. Vi bestämde att även asymtomatiskt infekterade personer i modellen skulle vara smittsamma, men betydligt mindre än de med symptomatisk infektion [11]. Smittsamhetsprofilerna som användes under experimenten visas i figur 1 och baseras på studier av Carrat m.fl. [12]. Figur 1. Smittsamhetsprofiler i Mikrosim vid kontakt mellan mottaglig och infekterad person under 8 timmar. 0,12 0,1 0,08 0,06 0,04 0,02 0 1 14 27 40 53 66 79 92 105 118 131 144 157 170 183 196 209 222 Asymt Vux Mild Vux Normal Vux Allvarlig Vux Asymt Barn Mild Barn Normal Barn Allvarlig Barn 14

På y-axeln anges smittrisken som en mottaglig person utsattes för när den var på samma plats som en smittsam person. På x-axeln anges tiden uttryck i timmar från symtomdebut. Tidsupplösningen i Mikrosim var åtta timmar. Individer var på arbete eller skola i åtta timmar och sedan hemma i 16 timmar. Andra smittsamhetsprofiler med liknande utseende användes vid smittspridning nattetid i hemmen. Platsfördelning Två faktorer påverkade individens platsval under simuleringen, veckodag och sjukdomsnivå. Under måndag till fredag kunde individerna gå till arbete, skola eller dagis, men under lördag och söndag stannade de istället hemma. Sjukdomsnivån var för de flesta 0, vilket innebar att de inte var infekterade, var asymtomatiskt infekterade eller hade tillfrisknat. För övriga gällde den tidsberoende fördelning av sjukdomsnivå som visas i figur 2, baserat på studier av ED Kilbourne [13]. Figur 2. Sjukdomsnivå (y-axel) över tid efter symtomdebut, beroende på sjukdomsprofil. 5 4 3 2 1 Asymt Mild Normal Allvarlig 0 0 24 48 72 96 120 144 168 192 216 240 264 288 312 336 360 384 408 432 456 480 Sjukdomsnivån påverkade var individen skulle tillbringa sin dag enligt sannolikhetsfördelningen som visas i tabell 2. 15

Tabell 2. Sannolikhetsfördelning för platsval beroende på sjukdomsnivå. Fördelningen är i huvudsak baserad på expertestimat vid SMI, men data gällande sjukfrånvaro och besök inom primärvården har påverkat. Val av parametrar och antaganden som gjorts redogörs för mer utförligt i. [4]. Sjukdomsnivå Platstyp Sannolikhet i procent 0 Jobb/skola/dagis 94.16 0 Hemma 4 0 Primärvård 1.84 0 Intensivvård 0 1 Jobb/skola/dagis 30 1 Hemma 69 1 Primärvård 1 1 Intensivvård 0 2 Jobb/skola/dagis 9 2 Hemma 81 2 Primärvård 10 2 Intensivvård 0 3 Jobb/skola/dagis 1 3 Hemma 48 3 Primärvård 50 3 Intensivvård 1 4 Jobb/skola/dagis 0 4 Hemma 2 4 Primärvård 1 4 Intensivvård 97 Initialt infekterade Simuleringen startade med att 200 slumpmässigt valda individer infekterades dag ett. Dessa individer kunde finnas var som helst i riket, men endast infektioner i Malmö-regionen loggades. Scenarier i Mikrosim I Mikrosim undersöktes effekten av minskade sociala kontakter, dels på arbetsplatsen, dels i grannskapet. Färre grannskapskontakter För att representera lokal smittspridning som inte sker i hem eller på arbetsplats/skola/dagis finns en spridningsväg i Mikrosim som kallas grannskap. Varje dag infekteras personer i grannskapet baserat på hur många som är smittsamma och hur många som är mottagliga den aktuella dagen. De som infekteras väljs ut slumpmässigt bland samtliga mottagliga personer. I referensfallet antog vi, att varje smittsam person i genomsnitt hade kontakt med 5 andra personer i grannskapet, på så nära håll att smittspridning var möjlig. Det är svårt att validera om ett sådant antagande är riktigt, men det ligger i linje med resultat från en kontaktstudie av Edmunds m.fl. [14]. Där visas, att grannskapskontakter svarar för 50 procent av de mest ytliga kontakterna per dag, men att de utgör en betydligt lägre andel av kontakterna av mer intim karaktär (alla 16

kontakter är summerade till 22,5 i denna studie, som innefattade universitetsstudenter). I experimenten testade vi att variera antalet grannskapskontakter: 2.5, (5.0 referensfallet), 7.5 och 10.0. Denna förändring gällde under hela simuleringen. Jobba hemifrån I verkligheten träffas inte alla personer på en stor arbetsplats dagligen. I Mikrosim representeras detta genom att varje arbetsplats delas in i avdelningar. Inom en avdelning är smittrisken större än mellan avdelningar. Vidare minskar smittrisken mellan avdelningar ju fler avdelningar som finns. I referensfallet använde vi en avdelningsstorlek på 15. I experimenten varierade vi storleken och undersökte effekten av följande avdelningsstorlekar: 5, 10, 15 (referensfallet). Förändringen antogs gälla under hela simuleringen. Antaganden i VirSim En utförlig beskrivning av VirSim-modellen finns i artikeln VirSim a model to support pandemic policy planning [7]. VirSim är en makromodell, en systemdynamisk modell som simulerar flöden över tid med hjälp av system av differentialekvationer. I den sortens modeller simuleras genomsnitt, inte enskilda individer. Befolkningen delades in i fyra grupper och i olika åldersgrupper: Mottagliga, Latenta (infekterade men ännu inte smittsamma), Smittsamma, och Tillfrisknade. Antalet kontakter mellan smittsamma och mottagliga personer i olika åldersgrupper utgick från empiriska studier av Wallinga m.fl. [15]. Data Befolkningen bestod av 652 000 med åldersfördelning hämtad från SCB [16]. Allvarlighetsprofil I VirSim användes samma fördelning av allvarlighetsprofil som i Mikrosim (tabell 1). Smittsamhet Smittrisken mellan mottagliga och infekterade kalibrerades för att nå önskat antal infekterade i referensfallet efter ett helt utbrott, dvs. 326 000 respektive 217 000 individer. 17

Platsfördelning Asymtomatiskt infekterade antogs vara hemma från arbete/skola/dagis i 0 dagar, milt infekterade i 1 dag, normalt infekterade 3 dagar och de med en allvarlig profil i 8 dagar. Scenarier i VirSim Följande tre scenarier undersöktes med VirSim: Inget interregionalt resande, Skolstängning, Jobba hemifrån. Inget interregionalt resande Vi valde att undersöka effekten av resande mellan regionerna i Sverige, dvs. in och ut från Storstadsregion Malmö. I modellen antas att 60 000 personer dagligen reser till regionen medan 27 000 lämnar den, baserat på rapporten Arbetsresor i storstadsregioner en nulägesanalys av Trafikanalys [17]. Antalet personer i de olika grupperna i modellen (Mottaglig, Latent, Smittsam och Tillfrisknad) påverkades i referensfallet av de interregionala reseströmmarna. Inresande lades till den befintliga populationen och utresande drogs ifrån, proportionerligt utifrån de olika gruppernas storlek 7. Denna metod medför en dubbelräkning, eftersom kontaktfrekvenserna redan inkluderar denna typ av kontakter. Eftersom syftet var att undersöka om resande mellan regioner påverkade smittspridningen eller inte bedömde vi detta som en acceptabel förenkling. I scenariot Minskat resande stängdes alltså reseströmmarna av och resultaten kontrasterades mot referensfallet, där reseströmmarna var påslagna. Skolstängning Vi undersökte tre varianter av detta scenario: stängning under 14, 28 eller 56 dagar. Vid ett scenario med stängning av grund- och gymnasieskolor minskades kontakterna mellan personer i gruppen 0 till 19 år med 50 procent, kontakterna mellan barn (0 till 19) och vuxna (20 till 59) minskades med 20 procent och mellan barn och äldre (60+) med 10 procent. Skolstängningen startade när 1 procent av barnen var smittade. Jobba hemifrån Även här undersökte vi effekten av att vuxna i arbetsför ålder jobbar hemifrån. I modellen implementerades detta genom att minska kontakterna mellan personer i åldersgruppen 30 till 50 med 60 procent. Vi testade tre varianter av kontaktreduktion: under 14, 28 eller 56 dagar. Interventionen startade när 1 procent av personer i arbetsför ålder var infekterade. 7 (antal resande * antal i gruppen) / hela populationen 18

Resultat Mikrosim - referensfallet Mikrosimmodellen kalibrerades med hjälp av smittsamhetsprofilerna (figur 1) för att nå önskat antal infekterade. Eftersom modellen inte var deterministisk, varierade antalet infekterade något mellan simuleringarna. Osäkerheten kring det genomsnittliga antalet infekterade vid referensfallssimuleringarna (5 simuleringar av varje scenario) visas i tabell 3. Tabell 3. Totalt antal infekterade i referensfallet mildare och allvarligare. Referensfall Totalt antal infekterade Mildare utbrott 273 009 (min 271 303, max 273 938) Allvarligare utbrott 339 628 (min 337 987, max 340 493) I tabell 4 visas antal symtomatiskt infekterade, det vill säga 60 procent av det totala antalet infekterade. Tabell 4. Totalt antal symtomatiskt infekterade i referensfallet mildare och allvarligare. Referensfall Antal symtomatiskt infekterade Mildare utbrott 163 805 (min 162 782, max 164 363) Allvarligare utbrott 203 777 (min 202 792, max 204 295) Målet som sattes upp från början var att det mildare utbrottet skulle generera 217 000 infekterade, varav 130 400 symtomatiskt infekterade, och det allvarligare utbrottet 326 000 infekterade, varav 195 600 symtomatiska. Både det mildare och allvarligare utbrottet blev lite allvarligare än planerat, men som referensfall för att jämföra effekten av motåtgärder bedömde vi, att de fungerade. Förutom önskat antal infekterade skulle modellen också generera en rimlig åldersfördelning. Detta visade sig vara ganska svårt, och vi fick lov att kombinera flera olika metoder för att få en åldersfördelning som liknade verklighetens. Först antogs att barn och unga vuxna var mer smittsamma än vuxna, varför speciella smittsamhetsprofiler användes för alla personer under 30 år. Vidare gjordes antaganden om befintlig immunitet i befolkningen vid utbrottets start. Personer som antogs ha en immunitet sedan tidigare kunde inte infekteras under simuleringen. Immunitetsnivåerna visas i Tabell 5 och överensstämmer till viss del med sero-immunologiska studier från Finland [18], men för personer i åldersgruppen 20 till 65 år var vi tvungna att anta en högre immunitetsnivå för att få önskad åldersfördelning. Dessa åtgärder räckte inte för att få önskad andel barn och unga vuxna av de infekterade. För att komma närmare målet höjdes smittrisken ytterligare enligt tabell 5. 19

Tabell 5. Antaganden gällande befintlig immunitet och modifierad smittrisk. Ålder Andel med immunitet % Ålder Modifierad smittrisk 0 10 år 0 0 5 år smittrisk * 2 11 19 år 5 5 9 år smittrisk * 4 20 29 år 30 10 29 år smittrisk * 2 30 65 år 40 30+ ej modifierad 65+ år 60 30+ ej modifierad Åldersprofilen hos de infekterade bedömdes slutligen vara tillräckligt lik åldersfördelningen som baseras på till SMI inrapporterade fall (figur 3). Att SMI:s åldersfördelning visade, att hela 16 procent av de infekterade var under fem år kan eventuellt förklaras med att benägenheten att söka vård var större när det handlade om små barn som var sjuka än när det handlade om personer i övriga åldersgrupper. Notera att dataserien SMI-data i figur 3 visar åldersfördelningen bland de som sökte vård och som dessutom provtogs inte åldersfördelningen för alla infekterade. Figur 3. Åldersfördelningen bland de infekterade: SMI-data visar fördelningen bland rapporterade fall, Referensfall allvarlig visar fördelningen bland de infekterade under simulering. 20% 18% 16% 14% 12% 10% SMI data Baslinje allvarlig 8% 6% 4% 2% 0% Platsfördelningen i referensfallsexperimenten bedömdes vara rimliga. I figur 4 visas ett exempel på platsfördelning från en av de fem simuleringarna av det mildare utbrottet. I de allvarligare utbrotten blev platsfördelningen lite förändrad, så att en större andel blev smittade på arbetsplatsen. 20

Figur 4. Antal infekterade över tid, uppdelat på platstyp. 0 1,75 25,92 8,06 9,15 primärvård grannskap dagis hemma arbete 20,65 34,38 skola resa I figur 5 visas antal nya infektioner dag för dag. Figuren visar ett av referensfallsexperimenten, där ett allvarligare utbrott simulerades. Hacken i kurvan sammanfaller med helger, då det infekterades färre personer. Figur 5. Totalt antal nya infektioner över tid, med 30 procent symptomatiskt infekterade. 25000 Totalt infekterade 20000 15000 10000 5000 0 2 8 13 18 23 28 33 38 43 48 53 58 63 68 73 78 83 88 93 98 104 111 Eftersom varje individ uppträder individuellt i Mikrosim, är det möjligt att göra detaljerade analyser. Ett exempel på det syns i figur 6 som också visar antalet infekterade över tid, den här gången uppdelat på platstyp. 21

Figur 6. Infekterade över tid, uppdelat på platstyp. Av figur 6 framgår, att skola och hem var de platstyper som dominerade smittspridningen. Vi ser också att topparna i kurvorna för hemma tidsmässigt matchar dalarna i kurvorna för arbete, skola och dagis. Detta beror på helgerna, då smitta inte sprids på de senare platstyperna men desto mer i hemmen. Vidare kan man se, att spridningen på dagis når sin topp tidigt, vilket kan tolkas som att spridning bland små barn var drivande för spridningen. Spridning på arbetsplatser och i grannskap toppade senare. Här skedde smittspridning framförallt mellan vuxna, som inte redan smittats av barn i hemmen. Jämfört med övriga platstyper lämnade grannskapskontakter ett ringa bidrag till smittspridningen, företrädesvis i den period då smittan nådde sin kulmen. Kontakter under resande och vård var av liten betydelse för spridningen. Mikrosim scenarier Här redovisas antal infekterade i de olika scenarierna och i vissa fall redovisas också procentuell skillnad i antal infekterade jämfört med referensfallet. Färre grannskapskontakter Förutom de fem kontakter som antogs i referensfallet undersöktes effekten på smittspridningen av 2,5, 7,5 och 10 kontakter. Som väntat varierar antalet symptomatiskt infekterade och deras andel av storstadsregionens befolkning med omfattningen av grannskapskontakterna (tabell 6). Om grannskapskontakterna halveras jämfört med referensfallet, reduceras antalet symptomatiskt infekterade med 3 och 6 procent för ett allvarligare respektive mildare utbrott. Effekten på smittspridningen blir med andra ord ganska marginell av en så drastisk åtgärd som att halvera grannskapskontakterna. Effekten kan bli något större om grannskapskontakterna i referensfallet i genomsnitt är 10 i stället för 5. En halvering av grannskapskontakterna kan då ge 5 respektive 10 22

procent färre smittade. Vi noterar, att man i båda jämförelserna får den starkaste effekten av halveringen av grannskapskontakter för det mildare av utbrotten. Tabell 6. Ackumulerade antalet infekterade och andelen symtomatiska vid olika omfattning av grannskapskontakterna under ett mildare (M) och allvarligare (A) utbrott. Storlek på grannskap 2,5 2,5 5,0 (referensfall) 7,5 7,5 10,0 10,0 Typ av utbrott M A M A M A M A Antal symt. infekterade 153 375 196 869 163 805 203 777 171 699 208 473 180 258 214 521 Skillnad mot referensfalle -6-3 N/A N/A + 5 + 2 + 10 + 5 t (procent) Andel av befolkn. (procent) 24 30 25 31 26 32 28 33 Jobba hemifrån Om arbetsplatserna i storstadsregionen kan minska gruppstorleken genom att ett antal anställda jobbar hemifrån under ett utbrott, kan man få en reduktion av antalet smittade, men reduktionen kan synas marginell i förhållande till reduktionen av gruppstorleken. Om man låter 5 av de anställda i en grupp om 15 jobba hemifrån, dvs. reducerar gruppstorleken med 33 procent, kan det bli 2-3 procent färre smittade i regionen (tabell 7). Om två tredjedelar av arbetsstyrkan kan jobba hemifrån och arbetsplatserna får en gruppstorlek om 5 anställda, kan det bli i storleksordningen 7 procent färre smittade i regionen, oavsett utbrottets smittsamhet. Tabell 7. Ackumulerade antalet symtomatiskt infekterade och deras andel av befolkningen i storstadsregionen vid olika storlekar på en avdelning (arbetsplats). Storlek på avdelning (arbetsplats) 5 5 10 10 15 (referensfall) Typ av utbrott M A M A M A Antal symt. infekterade 149 375 186 217 154 910 196 184 160 311 200 361 Skillnad mot referensfall (i -7 7-3 -2 N/A N/A procent) Andel av befolkn. (procent) 23 29 24 30 25 31 Gruppstorleken var reducerad under hela utbrottet, dvs i knappt 80 dagar. M=mildare och A=allvarligare utbrott. Resultaten visar att befolkningen är mer sammankopplad än man kanske tror. Att stänga arbetsplatser eller skolor medför inte någon större minskning av antalet infektioner, eftersom människor ändå möts, bland annat i hemmen (smittspridning 23

via barnen) och i grannskapet. För att interventioner som syftar till att minska kontakten mellan människor ska vara effektiva, krävs drastiska åtgärder som isolerar noderna från varandra, inte bara glesar ut antalet kontakter. Det är svårt att åstadkomma, men kan vara ett sätt att fördröja ett utbrott i väntan på mer effektiva åtgärder, som vaccination. VirSim referensfallet VirSim kalibrerades mot de målvärden vi hade satt upp: 217 000 infekterade, varav 130 400 symtomatiska, i det mildare utbrottet och 326 000 infekterade, varav 195 600 symtomatiska, i det allvarligare utbrottet. Slutresultaten i referensfallet, när ingen intervention var aktiverad, blev 217 630 infekterade personer (varav 130 578 symtomatiskt) i det mildare utbrottet och 326 851 infektioner (varav 196 111 asymtomatiskt) i det allvarligare utbrottet. Utbrottet hade en annorlunda profil i VirSim jämfört med i Mikrosim (Figur 7). De två modellerna har olika uppbyggnad, en är mikro och den andra makro, vilket gör att spridningskurvorna har olika form. Spridningen i makro-modellen VirSim, där alla personer antas träffa alla och där spridningsprocessen beskrivs med hjälp av differentialekvationer, går initialt långsammare än i Mikrosim och spridningen fortsätter också längre. I slutet och början av utbrottet infekteras i VirSim väldigt få personer. 24

Figur 7. Antal nya infektioner vid ett allvarligt utbrott, VirSim (övre)och Mikrosim (undre). 25000 Spridning med VirSim, baslinje, allvarligt utbrott. 20000 15000 10000 5000 0 7 21 35 49 63 77 91 105 119 133 147 161 175 189 203 217 231 245 259 273 287 301 315 329 343 357 371 385 399 25000 Totalt infekterade 20000 15000 10000 5000 0 2 8 13 18 23 28 33 38 43 48 53 58 63 68 73 78 83 88 93 98 104 111 VirSim scenarier Resultaten avser antal och andel symtomatiskt infekterade vid de olika scenarierna inget interregionalt resande, skolstängning och jobba hemifrån. Inget interregionalt resande När resandeströmmen in och ut ur storstadsregionen avbröts, reducerades antalet smittade med 5 procent, motsvarande 1 procent färre smittade i befolkningen (se tabell 8 och figur 8). 25

Tabell 8. Antal och andel infekterade med och utan interregionala resor. Mildare Allvarligare Mildare Allvarligare Scenario Referensfall Referensfall Inget resande Inget resande Antal symt. inf. 130 578 196 111 124 308 186 675 Andel av befolkningen (procent) 20 30 19 29 Figur 8. Skillnad i VirSim mellan baslinjen och scenariot inget resande. Spridning med och utan resor 20 000 18 000 16 000 14 000 12 000 10 000 8 000 Smittade referens - ALLVARLIGT Smittade inget resande - ALLVARLIGT Smittade referens - MILT Smittade Inget resande - MILT 6 000 4 000 2 000-7 21 35 49 63 77 91 105 119 133 147 161 175 189 203 217 231 245 259 273 287 301 315 329 343 357 371 385 399 Skolstängning Skolstängning reducerade antalet smittade med som mest 3 procent, och effekten blev större ju fler dagar skolorna var stängda (tabell 9). I figur 9 syns att interventionen gjorde att utbrottet fördröjdes men att det totala antalet smittade i slutändan inte skiljde sig så mycket från referensfallet. Resultatet av skolstängning är i samklang med de beräkningar som gjordes av SWECO [3] för ett utbrott med R 0 = 1.5. Den förväntade effekten av en skolstängning beror på vilka antagande som görs i en modell om bl.a. risken för att smittas under skoltid jämfört med övrig tid, hur smittvägarna omfördelas till hemmet, lekplatser, etc, när skolor stängs och vilka andra åtgärder skolstängning kombineras med. Effekten är också beroende av tidpunkten för att påbörja och avsluta skolstängningen under ett utbrott. Analys av utfallet av skolstängning under större influensautbrott under 1900-talet ger begränsad information om dess betydelse men understryker vikten av god timing för en åtgärdsplan [19]. 26

Tabell 9. Ackumulerade antalet symptomatiskt infekterade och deras andel av regionens befolkning med skolstängning i 14, 28 och 56 dagar. Scenario 14 dagar 14 dagar 28 dagar 28 dagar 56 dagar 56 dagar skolstängning ens längd M A M A M A Antal symt. inf. 129 523 193 239 128 628 192 700 126 536 190 842 Skillnad mot referensfall -0,8-1,5-1,5-1,7-3,1-2,7 (procent) Andel av befolkn. (procent) 20 30 20 30 19 29 Uppgift om antalet smittade i referensfallet finns i Tabell 8. M=mildare och A=allvarligare utbrott. Figur 9. Den övre bilden visar smittspridning med skolstängning vid ett mildare utbrott och den undre bilden visar samma förlopp vid ett allvarligare utbrott. 16000 Skolstängning. Milt utbrott. 14000 12000 10000 8000 6000 4000 14 dagar 28 dagar 56 dagar Baslinje 2000 0 7 21 35 49 63 77 91 105 119 133 147 161 175 189 203 217 231 245 259 273 287 301 315 329 343 357 371 385 399 Skolstängning. Allvarligt utbrott. 35000 30000 25000 20000 15000 14 dagar 28 dagar 56 dagar Baslinje 10000 5000 0 7 21 35 49 63 77 91 105 119 133 147 161 175 189 203 217 231 245 259 273 287 301 315 329 343 357 371 385 399 27

Jobba hemifrån resultat Simuleringarna visade, att effekten av att låta 60 procent av personer i arbetsför ålder jobba hemifrån som mest var 2-3 procent färre smittade (tabell 10). Det mildare av utbrotten når sin utbredningstopp efter fyra månader, och genom att stänga ned arbetsplatserna med 60 procent av personalen förväntas man försena utbrottet med upp till en månad (figur 10). Tabell 10. Andel och antal infekterade i scenariot jobba hemifrån under 14 dagar, 28 dagar samt 56 dagar. Scenario interventionens längd 14 dagar 14 dagar 28 dagar 28 dagar 56 dagar 56 dagar M A M A M A Antal symt. inf. 129 949 193 297 129 429 192 695 127 752 189 802 Skillnad mot referensfall (procent) Andel av befolkn. (procent) -0,5-1,4-0,9-1,7-2,2-3,2 20 30 20 30 20 29 M=mildare och A=allvarligare utbrott. 28

Figur 10. Bilderna visar grafer över antal smittade under scenariot Jobba hemifrån. Den övre figuren visar ett mildare utbrott och den undre ett allvarligare. 9000 Jobba hemifrån. Milt utbrott. 8000 7000 6000 5000 4000 3000 14 dagar 28 dagar 56 dagar Baslinje 2000 1000 0 7 21 35 49 63 77 91 105 119 133 147 161 175 189 203 217 231 245 259 273 287 301 315 329 343 357 371 385 399 Jobba hemifrån. Allvarligt utbrott. 35000 30000 25000 20000 15000 14 dagar 28 dagar 56 dagar Baslinje 10000 5000 0 7 21 35 49 63 77 91 105 119 133 147 161 175 189 203 217 231 245 259 273 287 301 315 329 343 357 371 385 399 29

Slutsats Möjligheten att påverka förloppet i Storstadsregion Malmö av en pandemi med en smittsamhet liknande det senaste A(H1N1)-utbrottet analyserades med hjälp av en modell, som följer enskilda individer, och en annan, som följer regionens befolkning i genomsnitt och antar att alla följer samma åldersspecifika kontaktmönster för smittspridningen. Enligt den individbaserade modellen förväntas en sådan pandemi märkas i antalet insjuknade ett par veckor efter att smittan nått storstadsregionen och ebba ut efter drygt två månader. Antalet smittade förväntas vara flest ungefär 40 dagar efter att smittan nått regionen. I modellen som följer genomsnittsindividen förväntas kulmen för antalet sjuka nås senare och en viss smittrisk bestå även ett halvår efter utbrottet. Man förväntas bli smittad i första hand i hemmet, skolan och arbetsplatsen. Under helger sprids smitta framför allt i hemmet och under vardagarna i skola och på arbetsplats. Mellan 3 och 6 procent färre skulle kunna bli smittade om alla invånare i regionen kunde förmås att halvera sina kontakter med andra personer i hemmets grannskap under hela utbrottet. Men med den uppoffringen skulle den smittade andelen av befolkningen bara bli någon procent mindre. Effekten av att minska gruppstorleken på arbetsplatser med en till två tredjedelar genom att uppmana anställda att jobba hemifrån förväntas bli ungefär densamma. Den mest påtagliga effekten av åtgärden kan bli en fördröjning av utbrottet med som mest en månad, som möjligen kan ge respit för att få fram effektivare medicinska åtgärder. Fördröjningseffekten är den mest påtagliga även av en skolstängning i upp till två månader. Åtgärder för att reducera resandeströmmen in och ut ur regionen har marginell betydelse för andelen smittade av befolkningen, åtminstone vid en så relativt mild pandemi som analyseras här. Resultaten visar hur sammanflätat kontaktmönster befolkningen i regionen har, och att enskilda interventioner på t ex arbetsplatser har ringa effekt på antalet smittade, så länge de inte kombineras med andra åtgärder för att reducera kontakterna mellan invånarna. 30

Referense [1] Storstadsregional sårbarhet för pandemier. Delrapport 1. Riskkällor och exponeringsmönster. Sweco Viak 2008-01-31. [2] Storstadsregional sårbarhet för pandemier. Delrapport 2. Effekter och åtgärder. SWECO. 2009. [3] Storstadsregional sårbarhet för pandemisk influensa. Delrapport 3. Beräkningar av konsekvenser och åtgärder. 2010. [4] Brouwers L, Cakici B, Camitz M, Tegnell A, Boman M. Economic consequences to society of pandemic H1N1 influenza 2009 preliminary results for Sweden. Euro Surveill. 2009;14(37):pii=19333. [5] Wallace D, Wallace R. Urban systems during disasters: Factors for resilience. Ecol Soc, 2008,13, art 18. [6] Alirol E, Getaz L, Stoll B, Chappuis F, Loutan L. Urbanisation and infectious diseases in a globalised world. Lancet Infect Dis 2010, 10: 131-141. [7] Fasth T, Ihlar M, Brouwers L. VirSim a Model to Support Pandemic Policy Making. PLoS Currents Influenza. 2010. [8] Rese- och TuristDataBasen TDB, se: tdb.se/hem.html [9] WHO, Assessing the severity of an influenza pandemic, se who.int/csr/disease/swineflu/assess/disease_swineflu_assess_20090511/en/index.html. [10] Flahault, A., de Lamballerie, X., Hanslik, T., & Salez, N. (2009). Symptomatic infections less frequent with A(H1N1) 2009pdm than with seasonal strains. PLoS Curr Influenza, RRN1140 [11] Lau LLH, Viral shedding and clinical illness in naturally acquired influenza virus infections, J Infect Dis. 2010 May 15; 201(10): 1509 1516. [12] Carrat F, Luong J, Lao H, Salle A-V, Lajaunie C, Wackernagel H. A small-world-like model for comparing interventions aimed at preventing and controlling influenza pandemics. BMC Medicine 4(1):26, 2006. [13] Kilbourne ED, Influenza, Plenum Medical Book Company, New York, p.158, 1987. [14] Edmunds WJ, Kafatos G, Wallinga J, Mossong JR. Mixing patterns and the spread of close-contact infectious disease, Emerging Themes in Epidemiology 2006, 3:10 [15] Wallinga J, Teunis P, Kretzschmar M. Using data on social contacts to estimate age-specific transmission parameters for respiratory-spread infectious agents. Am J Epidemiol. 2006 Nov 15;164(10):936-44. Epub 2006 Sep 12. PubMed PMID: 16968863. [16] Statistics Sweden (Statistiska centralbyrån, SCB). 2009. Sweden's Population by sex and age on 31/12/2008. Homepage on the Internet: http://www.scb.se/pages/tableandchart 262460.aspx [17] Trafikanalys. Arbetspendling i storstadsregioner en nulägesanalys. 2011:3, Stockholm. [18] Ikonen N, Strengell M, Kinnunen L, Österlund P, Pirhonen J, Broman M, Davidkin I, Ziegler T, Julkunen I. High frequency of cross-reacting antibodies against 2009 pandemic influenza A(H1N1) virus among the elderly in Finland. Euro Surveill. 2010;15(5):pii=19478. [19] Cauchemez, S, Valleron, AJ, Boëlle, PY, Flahault, A, Ferguson, NM. Estimating the impact of school closure on influenza transmission from Sentinel data. Nature 2008, 452, no. 7188: 750. 31

32 Denna rapport kan beställas från: Smittskyddsinstitutets beställningsservice c/o Strömberg, 120 88 Stockholm. Fax: 08-779 96 67 E-post: smittskyddsinstitutet@strd.se Webbutik: www.smittskyddsinstitutet.se/publikationer Publikationen kan även laddas ner från: www.smittskyddsinstitutet.se/publikationer