De meeste mobiele telefoons zijn er tegenwoordig mee uitgerust: een sensor die registreert waar je je op dat moment bevindt. Deze geoinformatie is heel bruikbaar, bijvoorbeeld om een route uit te stippelen (met navigatiesoftware) of informatie op te zoeken over de buurt waar je je bevindt.

Onderzoekers van het Imperial College London en de Edinburgh Napier University bedachten nog een toepassing. Ze onderzochten een systeem dat gedetailleerde geoinformatie gebruikt om te simuleren hoe een besmettelijke ziekte zich verspreidt. De test was nog erg klein, maar toch kwamen de resultaten goed overeen met gangbare simulaties. De onderzoekers denken dan ook dat deze methode in de toekomst heel waardevol kan zijn.
Contacten in beeld
De verspreiding van een besmettelijke ziekte in kaart brengen, is niet nieuw. Stel bijvoorbeeld dat iemand een SOA heeft, dan zal de dokter waarschijnlijk vragen met wie hij of zij de afgelopen tijd intiem contact heeft gehad. Zo’n contactanalyse is heel bruikbaar omdat je hiermee de bron en andere mogelijk besmette mensen goed kunt opsporen. Dan kun je ze snel behandelen en wellicht verdere verspreiding voorkomen.

Nou is het bij SOA’s nog relatief eenvoudig om na te gaan hoe de besmetting verloopt, want de meeste mensen kunnen zich nauwkeurig genoeg herinneren met wie ze wanneer wat gedaan hebben. Bij een ziekte die echter al besmettelijk is wanneer je alleen al bij elkaar in de buurt komt (zoals griep), is zo’n contactoverzicht veel lastiger te maken. Maar daar zeggen de Engelse onderzoekers nu wat op gevonden te hebben.
Simuleren
Het prototype dat de onderzoekers hebben gemaakt, is in feite een klein simulatieprogramma. In een afgeschermde ruimte (zoals de wachtruimte van een ziekenhuis) krijgen personen een locatiesensor mee, zodat hun locatie steeds bekend is. Deze geoinformatie kan het systeem vervolgens uitlezen en in beeld brengen. Ook worden alle locaties van alle personen gedurende een bepaalde tijd opgeslagen in een database. Met de gegevens van zo’n sessie kan het systeem vervolgens besmetting simuleren.

SIR-model
SIR staat voor Susceptible (vatbaar), Infectious (besmettelijk) en Recovered (genezen). Het is een eenvoudig model dat het verloop van een epidemie in beeld brengt: de rode lijn laat zien hoeveel mensen er vatbaar zijn, groen correspondeert met het aantal besmette personen en de blauwe lijn staat voor het aantal herstelde mensen.
Elke persoon krijgt daarvoor een ‘status’ mee, die met een kleur wordt aangegeven: rood staat voor ‘vatbaar’ (dat geldt in eerste instantie voor de meeste mensen), groen voor ‘besmet’ en blauw voor ‘hersteld’. Deze indeling wordt vaker gebruikt bij het analyseren van epidemieën, namelijk in het zogenaamde SIR-model.
Als iemand groen is dan zie je ook een wolk van groene puntjes om hem heen, want hij is besmettelijk. Hoe groot die wolk is -oftewel, hoe dicht je in de buurt moet zijn om besmet te raken- moet de gebruiker van tevoren in het model instellen; net als de infectietijd (hoe lang blijft het gebied besmet?), de ‘overdraagzaamheid’ (hoe besmettelijk is de ziekte?) en de hersteltijd (hoe lang duurt het voordat iemand hersteld is?).
Vervolgens speelt het systeem de sessie af met de gekozen instellingen en gaat voor elke persoon op elk tijdstip na of die besmet zou zijn. Het kijkt of ze als ‘vatbaar’ staan aangegeven en zo ja, of ze lang genoeg in de buurt van een besmet iemand zijn geweest. Als dat zo is, dan genereert het systeem een getal tussen 0 en 1 en wanneer het getal kleiner is dan de ingestelde overdraagzaamheid, dan is de persoon besmet. Zo kun je dus precies zien hoe de ziekte zich in de ruimte zou verspreiden gedurende de opgenomen periode.

Klopt het wel?
De vraag is nu natuurlijk of het gesimuleerde verloop van de ziekte klopt met hoe het echt zou gaan. Om daar achter te komen maakten de onderzoekers ook een grafiek van hun data, net zo één als van het ‘echte’ SIR-model.

De lijnen in de grafiek bestaan in dit geval uit losse punten omdat er op vaste intervallen naar de status van elke persoon wordt gekeken. Maar als je die punten verbindt, zie je dat de grafiek goed klopt met wat je volgens het SIR-model zou verwachten. Voor de onderzoekers is dit een teken dat het systeem goed zou werken. De proef is nu natuurlijk nog wel erg klein en daarom hopen ze het experiment in de toekomst met veel meer mensen uit te voeren.
Literatuur
Mason et al., ‘Modelling infection spread using location tracking’. International Journal of Healthcare Technology and Management, 11 (6), 2010
Lees meer over geoinformatie op Kennislink:
Oeps: Onbekende tag `feed’ met attributen {"url"=>"https://www.nemokennislink.nl/kernwoorden/geo-informatie/geoinformatie/index.atom?m=of", “max”=>"5", “detail”=>"minder"}
Lees meer over epidemieën op Kennislink:
- Ziekteverspreiding voorkomen met hulp van wiskunde (2007)
- Wat is griep, hoe verspreidt het zich, wat is het gevaar en wat kan ertegen worden gedaan (2005)
Oeps: Onbekende tag `feed’ met attributen {"url"=>"https://www.nemokennislink.nl/kernwoorden/epidemie/infectieziekten/index.atom?m=of", “max”=>"5", “detail”=>"minder"}