Je leest:

Nieuw dashboard moet regionale corona-uitbraken indammen

Nieuw dashboard moet regionale corona-uitbraken indammen

Auteur: | 20 november 2020

De horeca is op slot, evenementen zijn verboden en samenkomsten beperkt. Wanneer kunnen we (terug) naar coronabeleid toegespitst op de situatie in de regio? Een nieuw dashboard voor beleidsmakers kan helpen omdat het rekening houdt met verplaatsingen van mensen door het land.

Carnaval 2018 in Den Bosch. Waarschijnlijk droeg het carnavalsfeest in 2020 bij aan de verspreiding van het coronavirus in de zuidelijke provincies van Nederland.

Corona komt in golven, en die zijn vaak regionaal. Waar het coronavirus zich in het voorjaar vooral verspreidde in de zuidelijke provincies van ons land lag het zwaartepunt van de epidemie in de tweede golf – na de zomer – in het westen en midden van het land. Zo’n lokale brandhaard kan uitgroeien tot een nationale besmettingsgolf, maar is het mogelijk om er met gerichte maatregelen voor te zorgen dat besmettingen tussen regio’s zo min mogelijk plaatsvinden?

Wetenschappers van onder andere de Technische Universiteit Eindhoven en de Universiteit Twente ontwikkelen momenteel een rekenmodel waarin het land is opgedeeld in gemeentes en veiligheidsregio’s. In een veiligheidsregio werken overheidsdiensten zoals brandweer en politie samen, Nederland telt er 25. Door besmettingsgegevens per gebied te combineren met actuele informatie over hoe en in welke mate mensen tussen verschillende regio’s bewegen hopen de onderzoekers de locaties te kunnen aanwijzen waar het virus vervolgens opduikt.

Over enkele maanden moet er een prototype dashboard zijn dat beleidsmakers informeert over de mogelijke ontwikkeling van de epidemie in de eigen regio en waar de besmettingen in de regio vandaan komen. Zo kunnen zij bijvoorbeeld proberen om bepaalde vervoersstromen in te dammen. Waar sommige regio’s dan met toegespitste maatregelen te maken krijgen, worden andere regio’s gespaard. Daar zinspeelde het kabinet eerder al op, maar na een snelle ontwikkeling van de tweede golf werd dit idee al snel overspoeld door een landelijke gedeeltelijke lockdown.

Het ‘regionale coronadashboard’ van het bedrijf ilionx dat gebruik maakt van het verspreidingsmodel van onderzoekers van onder andere de Technische Universiteit Eindhoven.
ilionx met toestemming
Locaties van mobiele telefoons worden onder andere verzameld door telefoonproviders en Google. Die informatie geeft een beeld van de mobiliteit van grote groepen mensen.

Anders modelleren

De wetenschappers voeden het model met geanonimiseerde mobiliteitsdata. Uit de locaties van mobiele telefoon is namelijk af te leiden in welke mate mensen tussen verschillende regio’s reizen. De gegevens zijn afkomstig van het bedrijf Mezuro.

Ook gebruiken wetenschappers geanonimiseerde informatie uit de COVID Radar-app van het Leids Universitair Medisch Centrum. Dit progamma verzamelt via vragenlijsten (tot nu toe) van meer dan tweehonderdduizend deelnemers gegevens over mogelijke coronaklachten, maar ook het zelfgerapporteerde gedrag van de mensen. “Als je alleen maar kijkt naar het aantal besmettingen, dan loop je eigenlijk achter de feiten aan. De COVID Radar kan sneller relevante informatie leveren. Zijn mensen eropuit gegaan en hoeveel mensen hebben ze toen ontmoet? Hebben ze symptomen van een besmetting?”, zegt Nelly Litvak, hoofdonderzoeker van het project en werkzaam bij de Universiteit Twente en Technische Universiteit Eindhoven.

Met het aantal besmettingen en mogelijk onbevestigde gevallen per regio berekent het model de ontwikkeling van de epidemie. “De regio’s krijgen een kleurcode en grafiekjes laten een voorspelling van het te verwachten aantal besmettingen per regio zien voor de komende weken”, zegt Litvak. “Uiteindelijk geven we beleidsmakers in het model verschillende opties voor te nemen beslissingen. Wat gebeurt er als je het wegverkeer of juist het treinverkeer beperkt tussen regio’s? Dat heeft mogelijk gevolgen voor de ontwikkelingen van het aantal lokale besmettingen. Het model geeft inzicht in waar besmettingen vandaan komen.”

Schattingen van de details

Het model van Litvak en collega’s benadert de uitbraak van het coronavirus wezenlijk anders dan veel bestaande rekenmodellen, waaronder die van het RIVM. Daar rekent men voornamelijk met een model dat de bevolking opdeelt in verschillende leeftijdscategorieën. De onderzoekers volgen de verspreiding met het geschatte aantal interacties tussen personen van verschillende leeftijden. Het blijkt namelijk dat mensen voornamelijk contact hebben met mensen van hun eigen leeftijd, bovendien is de impact van het coronavirus erg verschillend per leeftijdscategorie. Litvak: “Wij hebben contacten bij het RIVM en zover wij weten stoppen zij geen regionale informatie in hun modellen.”

De setting bepaalt de kans op besmettingen.
Danny Howe, via Unsplash

Martin Bootsma is wiskundige van de Universiteit Utrecht en ontwikkelt onder andere modellen die de verspreiding van het coronavirus voorspellen. Daarnaast zit hij in de Coronadenktank van NEMO Kennislink. Hij is voorzichtig positief over het te ontwikkelen regionale coronadashboard. “Voor landelijk beleid zou ik niet per se naar de mobiliteit van de mensen kijken, maar het kan een nuttig gereedschap zijn voor de veiligheidsregio’s”, zegt hij. “Om bijvoorbeeld te bepalen wat de gevolgen zijn als je bepaalde bewegingen terugdringt.”

Bootsma zegt te willen waken voor té ingewikkelde modellen: stop er geen details in die je niet kent of waarbij je sterk afhankelijk bent van schattingen. “Stel je weet van iedere persoon in Nederland waar ze zijn geweest en wie ze zijn tegengekomen. De kansen op besmettingen zijn in iedere situatie toch weer anders, het maakt nogal uit of je twintig mensen hebt in een collegezaal of in een kroeg. Ondanks de gedetailleerde informatie die je erin stopt ben je uiteindelijk nog steeds afhankelijk van schattingen”, zegt hij. “Aan de andere kant is het winst als een model het aantal besmettingen in een regio beter voorspelt dan bestaande modellen, ongeacht of de details kloppen.”

Litvak beaamt dit dilemma en zegt dat ze in hun model gebruik maken van gegevens van het Centraal Bureau voor de Statistiek die het aantal personen geven waarmee mensen gemiddeld in contact komen wanneer ze op reis gaan. “Is dat nauwkeurig? Nee… Kan het preciezer? Misschien”, zegt Litvak. “Dit is een lastige balans tussen details en de fouten die erin sluipen door schattingen. Daar hebben we veel aandacht voor.”

Maar wat gebeurt er als modellen straks verschillende voorspellingen doen? Welk model volg je dan? Voor die situatie is Bootsma niet zo bang, hij geeft aan dat het dan voor modelleurs juist interessant wordt. “Je kunt dan winst boeken. In tenminste een van de modellen kloppen aannames niet. Uiteindelijk kun je achterhalen welke simulatie een betere voorspelling doet en welke details in de modellen blijkbaar niet relevant zijn”, zegt hij.

Uitgelicht door de redactie

Biotechnologie
In het ziekenhuis van de toekomst beland je vóórdat je ziek wordt

Biologie
Spaceship Earth: real-life soap of wetenschap?

Geesteswetenschappen
Een schuilplaats van slimme surveillancetechnologie

Moeilijke keuzes

Het regionale dashboard moet een gereedschap worden voor beleidsmakers van onder ander de 25 veiligheidsregio’s in Nederland. Ze kunnen het gebruiken ter ondersteuning van hun beslissingen, typisch voor periodes van een paar weken. De veiligheidsregio’s van Groningen en Twente zijn betrokken bij de ontwikkeling van het dashboard: ze geven aan welk soort informatie voor beleidsmakers nuttig is en ze leveren feedback. Een woordvoeder van de Veiligheidsregio Groningen zegt het dashboard een goede ontwikkeling te vinden. “We kunnen hier wellicht op handhaven en er onze communicatie mee verbeteren.” De onderzoekers kijken uiteindelijk ook naar wat de beleidsmakers met informatie van het dashboard doen.

Over drie maanden moet een eerste prototype van het dashboard af zijn, hopelijk met daarin actuele mobiliteitsgegevens zodat het model zijn voorspellende waarde kan tonen. Aan het bemachtigen van die gegevens wordt nog gewerkt, zegt Litvak. Momenteel gebruiken de onderzoekers nog data van afgelopen jaar. Litvak realiseert zich dat er tussen hun model en werkelijk beleid nog een aantal stappen zit. “Het beleid draait niet alleen op wiskundigen. Er zijn zoveel aspecten die wij niet meenemen in de modellen. Bijvoorbeeld de sociale en psychologische aspecten, en of mensen zich aan de regels houden”, zegt ze. “De beleidsmakers moeten daar wel rekeningen mee houden. Dat maakt beslissingen complex, ik ben blij dat ik ze niet hoef te nemen. Maar wij kunnen die moeilijke keuzes hopelijk wat makkelijker maken.”

Dit artikel is een publicatie van NEMO Kennislink.
© NEMO Kennislink, sommige rechten voorbehouden
Dit artikel publiceerde NEMO Kennislink op 20 november 2020

Discussieer mee

0

Vragen, opmerkingen of bijdragen over dit artikel of het onderwerp? Neem deel aan de discussie.

NEMO Kennislink nieuwsbrief
Ontvang elke week onze nieuwsbrief met het laatste nieuws uit de wetenschap.