Simulating the effect of mitigation measures on COVID-19 outbreaks with a real-world contact network

Abstract

Coronavirus disease 2019 (COVID-19) is a contagious disease commonly causing influenza-like symptoms. COVID-19 was first reported in Wuhan, China on 31 December 2019 and was declared a pandemic by the World Health Organization on 11 March 2020. By 2 July 2021, the disease has reached over 180 million confirmed cases and caused 3.9 million deaths globally. As the pandemic continues to pose enormous health, economic, and social challenges, governments around the world have deployed various interventions to mitigate further spreading. Several theoretical studies have investigated the potential effect of various mitigation measures by considering either a homogeneous mixing hypothesis or a model network of interactions. However, real-world contacts are highly non-homogeneous and exhibit many non-trivial structural and temporal features known to be highly relevant for disease spreading. Consequently, this thesis utilises state-of-the-art contact data to quantify the effectiveness of different mitigation measures against localised COVID-19 outbreaks. The compartmental model presented in this thesis is informed by temporally resolved, Bluetooth-based contact data of 692 university students. The simulation results demonstrate that testing and isolating symptomatic individuals, while beneficial, is not enough to contain outbreaks unless other mitigation measures are instigated to reduce transmission. While repeated screening and population-wide vaccination are found to be effective at containing outbreaks on their own, the results demonstrate immense benefits in combining both interventions with other mitigation measures. The results further highlight the importance of targeting highly connected individuals in the contexts of screening and vaccination, as these are the individuals that cause the most secondary transmissions. The findings of this thesis emphasise the adaptability of dynamic contact networks within the field of epidemic modelling and provide a map of the effect different parameters have on mitigation measure effectiveness in terms of containing COVID-19 outbreaks.

Coronavirus Disease 2019 (COVID-19) är en smittsam sjukdom med influensaliknande symtom. COVID-19 rapporterades först i Wuhan, Kina den 31 december 2019 och förklarades en pandemi av Världshälsoorganisationen (WHO) den 11 mars 2020. Den 2 juli 2021 hade man globalt rapporterat över 180 miljoner bekräftade COVID-19 fall och 3,9 miljoner dödsfall. Eftersom pandemin fortsätter att medföra enorma hälsorelaterade, ekonomiska och sociala utmaningar har regeringar runt om i världen implementerat olika skyddsåtgärder för att motverka dess spridning. I flera studier har man undersökt enskilda skyddsåtgärders potentiella inverkan med hjälp av matematiska modeller som utgår från homogent blandade populationer eller med kontaktnätverksmodeller. Verkliga kontakter är emellertid inte homogena utan har många strukturella och tidsmässiga egenskaper som är synnerligen relevanta för epidemisk spridning. I denna avhandling används därför den bästa tillgängliga kontaktdatan för att kvantifiera effektiviteten av olika skyddsåtgärder i förhållande till lokala COVID-19-utbrott. Modellen i denna avhandling utnyttjar Bluetooth-baserad kontaktdata från 692 universitetsstuderande. Simuleringsresultaten tyder på att testa-och-isolera strategin inte är tillräcklig för att betydligt begränsa eller förhindra utbrott om inte andra skyddsåtgärder vidtas. Vaccination och upprepad screening visar sig emellertid vara effektiva strategier även utan att andra skyddsåtgärder vidtas. Resultaten demonstrerar dock väsentliga fördelar i att kombinera både screening och vaccination med andra skyddsåtgärder. På basen av simuleringsresultaten är det betydligt mera effektivt att vid screening och vaccinering prioritera individer med ett högt antal kontakter, eftersom dessa personer orsakar flesta sekundära smittor. Resultaten i denna avhandling lyfter fram användbarheten av dynamiska kontaktnätverk inom området för epidemiologisk modellering och ger ett schema till hur ett flertal parametrar inverkar på effektiviteten av ett urval skyddsåtgärder.