Modelling the Spread of SARS-CoV-2 in a Hospital Setting

Siden det første utbruddet av SARS-CoV-2 i Kina i slutten 2019 har viruset spredt seg til alle deler av verden. Så langt har omkring 540 millioner tilfeller blitt rapportert og over 6 millioner liv har gått tapt som følge av pandemien. Datamodellering er et nyttig verktøy for å forstå spredningsmekanismene til viruset. Slik kunnskap er viktig for å kunne slå ned smitten og begrense konsekvensene av pandemien. Denne masteroppgaven presenterer et rammeverk for å modellere spredning av SARS- CoV-2 på sykehus. Modellen er agentbasert og smittespredningen simuleres enten på et empirisk kontaktnettverk eller et konstruert kontaktnettverk. Simulerte nettverk er generert basert på observerte kontaktmønstre i et empirisk nettverk hentet fra en geriatrisk sykehusavdeling. Den epidemiologiske modellen er en utvidelse av COVID-19 modellen utviklet ved NTNU våren 2020. Strukturen og logikken i NTNU modellen har blitt tilpasset for å kunne simulere smittespredning over mellommenneskelige kontaktnettverk på et sykehus. Motivasjonen for prosjektet var å generere en sykehusmodul som kan inkorporeres i en større samfunnsmodell for å øke detaljnivået i smittesimuleringene. Resultatene viser at de viktigste egenskapene til det empiriske nettverket når det gjelder smittespredning har blitt reprodusert, til tross for at antallet kontkater per node er mer homogent i de simulerte nettverkene. Smitte har blitt modellert med ulike parameterverdier for å evaluere effekten av nettverkstopologi og virusegenskaper på spredning. De epidemiologiske analysene viser at reproduksjonstallet og effekten av å implementere tiltak varier for ulike parameterverdier. Modellen kan brukes til å utføre en rekke epidemiologiske analyser, ettersom de fleste parmeterne kan justeres. Dette prosjektet legger derfor et grunnlag for videre undersøkelse av spredningsmekanismene til ulike patogener og evaluering av tiltak som kan implementeres for å slå ned smitten.