A model with exposure in the epidemiological sense. Part 1 -- Base model

De Onzichtbare Lijn tussen "Bijna" en "Geïnfecteerd"

Stel je een wereld voor waarin het vangen van een verkoudheid geen simpele aan/uit-schakelaar is, maar een gladde helling. In de wetenschap van de epidemiologie — de studie van hoe ziekten zich door menigten bewegen — gebruiken wetenschappers al lang kaarten om uitbraken te voorspellen. Deze kaarten verdelen mensen meestal in nette vakjes: zij die ziek kunnen worden (Vatbaar), zij die ziek zijn en het verspreiden (Geïnfecteerd), en zij die hersteld zijn. Maar er is een verraderlijk middengebied. Decennialang gebruikten veel modellen een vak genaamd "Blootgesteld" (E). In de ouderwetse wiskundige wereld betekende het in dit vak zitten dat je definitief het kiemgetal had gevangen, maar dat je slechts wachtte op symptomen. Het was als een wachtkamer waar het kaartje al geponst was.

De werkelijkheid is echter rommeliger. In de echte wereld van de volksgezondheid betekent "blootstelling" simpelweg dat je iemand bent tegengekomen die ziek was. Je hebt het kiemgetal misschien gevangen, of je hebt misschien alleen dezelfde lucht ingeademd en heeft je immuunsysteem het afgewend voordat het kon toeslaan. Dit artikel pakt een zeer specifieke verwarring aan: wat gebeurt er als we stoppen met het behandelen van "blootstelling" als een gegarandeerde infectie en het gaan behandelen als een kans? De auteurs vragen zich af: als we onze ziektekaarten bouwen om rekening te houden met alle mensen die een "bijna-misser" hebben gehad (blootgesteld maar niet geïnfecteerd), verandert dat dan de voorspelling van de omvang van een uitbraak, hoeveel mensen we moeten isoleren, of hoeveel mensen er mogelijk zullen overlijden? Het blijkt dat het verschil tussen een "misschien" en een "definitief" het hele verhaal verandert.

---

De "Misschien"-zone: Een Nieuw Soort Kaart

De auteurs van dit artikel, CI Hameni Nkwayep, Julien Arino en PM Tchepmo Djomegni, besloten de kaart opnieuw te tekenen. Ze bouwden een nieuw computermodel dat "blootstelling" behandelt zoals een echte arts dat zou doen: als een contact dat misschien tot infectie leidt, maar dat niet hoeft te leiden.

Denk aan de oude modellen als een uitsmijter bij een club die ervan uitgaat dat als je het fluwelen touw aanraakt, je definitief naar binnen gaat. In hun versie word je, zodra je het touw aanrakt (blootgesteld wordt), direct in een "Latente" rij geplaatst waar je gegarandeerd uiteindelijk de club binnen gaat (geïnfecteerd raakt). Het nieuwe model werkt echter als een uitsmijter die je ID controleert. Je raakt het touw aan, en je komt in een "Misschien"-rij terecht. Sommigen van jullie krijgen je ID gecontroleerd, slagen, en gaan de club binnen. Maar een enorme groep van jullie? Jullie krijgen je ID gecontroleerd, merken dat je niet het juiste pasje hebt, en worden teruggestuurd naar de straat (de Vatbare pool) zonder ooit de club te hebben betreden.

Deze "Misschien"-rij is de grote innovatie van het artikel. De auteurs noemen het SEIARS-model (Vatbaar, Blootgesteld, Geïnfecteerd, Asymptomatisch, Hersteld, Vatbaar). In hun versie is het "Blootgestelde" compartiment een opvangbekken voor mensen die in contact zijn gekomen met het virus, maar nog niet noodzakelijkerwijs de infectie hebben opgelopen. Ze volgen waar deze mensen vandaan kwamen — kwamen ze een hoestende persoon tegen (symptomatisch) of een sluipende, stille drager (asymptomatisch)? — en berekenen vervolgens de kans dat ze daadwerkelijk ziek worden op basis van dat specifieke contact.

Het "Buffer"-effect: Waarom de Oude Kaarten Verkeerd Waren

Toen de auteurs hun simulaties uitvoerden, kwamden ze iets verrassends tegen. De oude modellen (die ervan uitgaan dat blootstelling gelijkstaat aan infectie) zijn als een brandalarm dat afgaat zodits een iemand het gebouw binnenloopt, zelfs als diegene geen lucifer bij zich heeft. Het nieuwe model is slimmer; het wacht om te zien of de persoon daadwerkelijk een vuurtje aansteekt.

Omdat het nieuwe model veel mensen terugstuurt naar de "Vatbare" pool nadat ze er niet in zijn geslaagd om geïnfecteerd te raken, creëert het een buffer. Stel je een menigte voor die probeert door een deur te dringen. Het oude model gaat ervan uit dat iedereen die het deurkozijn aanraakt, in de gang blijft steken. Het nieuwe model beseft dat de helft van de mensen die het kozijn aanraakt, gewoon omdraait en wegloopt. Dit betekent dat de "geïnfecteerde" menigte langzamer en kleiner groeit.

In hun simulaties vonden de auteurs dat de oude modellen de piek van een uitbraak consequent overschatten. Ze voorspellen grotere, angstaanjagendere pieken in het aantal gevallen dan in werkelijkheid gebeurt. Omgekeerd suggereert het nieuwe model dat uitbraken misschien sneller uitdoven omdat de "vatbare" mensen niet allemaal zo snel in de infectielijn worden gezogen.

De Verborgen Kosten van "Vals Alarm"

Hier wordt het verhaal echt interessant voor de volksgezondheid. De auteurs stellen dat de oude modellen gevaarlijk slecht zijn in het berekenen van de kosten van isolatie en contactonderzoek.

Stel je een detective voor die een crimineel probeert te vangen. Het oude model houdt alleen rekening met de mensen die definitief criminelen zijn (de geïnfecteerden). Dus wanneer de detective een team stuurt om iedereen te arresteren die de crimineel misschien heeft gezien, denkt het oude model: "Geweldig, we hoeven alleen de mensen te arresteren die definitief schuldig zijn."

Maar het nieuwe model zegt: "Wacht eens even. We moeten iedereen arresteren die de crimineel heeft gezien, zelfs als ze niets verkeerds hebben gedaan." In de echte wereld word je, als je aan een virus bent blootgesteld, vaak gevraagd om in isolatie te gaan (thuis te blijven) om veilig te zijn, zelfs als je nooit ziek wordt. De oude modellen negeren deze enorme groep "vals positieven" — mensen die wel blootgesteld waren maar nooit geïnfecteerd raakten.

De simulaties in het artikel laten zien dat de oude modellen de sociale en economische last van deze veiligheidsmaatregelen drastisch onderschatten. Ze missen de miljoenen "persoonsdagen" die door mensen in isolatie worden doorgebracht die nooit daadwerkelijk ziek zijn geworden. Het nieuwe model laat zien dat voor elke persoon die ziek wordt, er mogelijk tien mensen zijn die blootgesteld zijn geweest, in isolatie gingen en daarna weer een normaal leven gingen leiden. Dit "houd-effect" is een enorme, onzichtbare kostenpost die de oude kaarten volledig uit het oog verloren.

De Virale Last en de "Leeftijd" van Infectie

Om hun model nog realistischer te maken, voegden de auteurs een laag van detail toe die zij de "leeftijd van infectie" noemden. Ze zeiden niet alleen "je bent ziek"; ze volgden hoe lang je al ziek was. Ze stelden zich de infectie voor als een reis door een reeks kamers. Terwijl je van kamer naar kamer beweegt, verandert je "virale last" (hoeveel virus je draagt).

Ze gebruikten een slimme truc genaamd een Erlang-keten (een chique manier om een reeks verbonden kamers te beschrijven) om dit te simuleren. In het begin van de reis draag je misschien een beetje virus. In het midden ben je misschien een super-spreider. Aan het einde ben je het misschien aan het uitstoten. Dit stelde hen in staat om te zien dat het risico om iemand te infecteren niet elke dag hetzelfde is; het hangt ervan af waar de zieke persoon zich precies in zijn reis bevindt.

Wat Dit Betekent voor de Toekomst

De auteurs waarschuwen dat dit een simulatie is, en geen definitief bewijs van wat er in de echte wereld zal gebeuren. Ze hebben hun cijfers op een computer gedraaid om te zien hoe de wiskunde zich gedraagt. Ze ontdekten dat als we de oude modellen ("blootstelling is infectie") blijven gebruiken, we twee grote fouten kunnen maken:

1. We kunnen in paniek raken over de omvang van de uitbraak (denken dat deze groter zal zijn dan hij is).
2. We kunnen totaal onvoorbereid zijn op de kosten van het bestrijden ervan (onderschatten hoeveel mensen we moeten isoleren en hoeveel dat de samenleving zal kosten).

Ze merkten ook op dat hun model beperkingen heeft. Het gaat ervan uit dat de eerste keer dat je een zieke persoon ontmoet je lot bepaalt, maar in het echte leven kun je die persoon tien keer ontmoeten, en dat herhaaldelijk contact kan de kansen veranderen. Ze namen ook geen vaccins op in deze specifieke versie, hoewel ze van plan zijn dat in een toekomstig deel van hun werk toe te voegen.

Uiteindelijk is dit artikel een oproep tot meer precisie in onze woorden en onze wiskunde. Het suggereert dat door het verschil te erkennen tussen "ik kwam een kiem tegen" en "ik heb een kiem gevangen", we betere kaarten kunnen bouwen. Deze nieuwe kaarten vertellen ons niet alleen hoeveel mensen er ziek zullen worden; ze vertellen ons hoeveel mensen we moeten beschermen, hoeveel mensen thuis moeten blijven, en hoe we de strijd tegen het virus kunnen balanceren met de kosten van die strijd zelf.