På platån

Den 5 februari skrev jag om trenderna för influensa och covid-19 i Sverige, där covid-19 minskat kraftigt, sett till fall inom äldreomsorgen, samtidigt som trenderna för influensa var litet mer komplexa. Fig. 1 visar den fortsatta utvecklingen av influensa A och B fram till vecka 10 och covid-19 i äldreboenden och hemtjänst fram till vecka 9, baserat på data från WHO (2023) för influensa och Folkhälsomyndigheten (2023a) för covid-19.¹

Covid-19 har alltså legat ganska stilla de senaste veckorna, influensa A har börjat gå ned efter en kortvarig ökning och influensa B ser ut att ha nått en topp. Det rapporteras ungefär lika många fall av A som B nu, men det behöver inte spegla förhållandena när det gäller förekomsten av infektioner i samhället. Som framgår av Folkhälsomyndigheten (2023b) varierar åldersfördelningen för influensafall markant mellan A och B. Influensa A har högst incidens bland personer ≥65 år, tätt följt av <5 år. För influensa B är det <5 och 5–14 år som har haft högst incidens, och de senaste veckorna har det också blivit en klar ökning i gruppen 15–39 år. I åldersgrupperna över 40 år har incidensen varit låg. Ett sådant mönster är typiskt för B/Victoria, som jag skrivit om t.ex.
den 8 februari 2020, och det kan innebära att en mindre andel av infektionerna rapporteras än för influensa A, som oftare drabbar åldersgrupper där fler blir allvarligt sjuka. Av 231 IVA-vårdade som redovisas i influensarapporten har bara 24 haft influensa B, och medianåldern hos dessa var 17 år, jämfört med 60 år hos de 207 med influensa A.

En sak som framgår tydligt av fig. 1 är den långa platån i covidfall under sommaren och hösten 2022. Efter att fallen gått upp tidigt under sommaren, när BA.5 tog över, gick de inte ned tydligt utan fortsatte ligga på hög nivå tills de började öka ytterligare mot slutet av november.

Det är inte alldeles klart hur den sortens platåer, som observerats i olika befolkningar genom hela pandemin, skall förstås epidemiologiskt. I en vanlig S(E)IR-modell avtar \(\r\) proportionerligt mot att antalet mottagliga minskar, och efter att flockimmunitetströskeln (HIT), där \(\r=1\), nåtts börjar infektionerna avta. Under pandemins första år ändrade folk ofta sitt beteende signifikant när smittan ökade, vilket kan ha varit en bidragande orsak till avvikande mönster, men nu har alltså platåerna fortsatt även i länder som Sverige under andra halvan av 2022, när kontakterna i stort sett torde ha återgått till prepandemiska nivåer. Dynamiken har varit fortsatt komplex, med säsongsfaktorer, varianter och avtagande immunitet från både vaccin och tidigare infektion, men det kan te sig långsökt att dessa faktorer skulle ha tagit ut varandra så att smittan hållit sig mer eller mindre konstant i flera månader.

Under pandemin har det varit en hel del diskussion om betydelsen av heterogenitet i mottaglighet, smittsamhet och kontakter inom befolkningar för smittans dynamik. Heterogenitet i spridning från smittade medför ökad sannolikhet att utbrott dör ut spontant, samtidigt som de på andra håll kan ta fart genom superspridarhändelser. På motsvarande sätt innebär heterogen mottaglighet eller exponering att smittan initialt ökar snabbt men, jämfört med homogen mottaglighet med samma \(\ro\), avtar vid en lägre nivå när de med högst mottaglighet blivit immuna.

Många modeller som gjorts för sådan heterogenitet, som Montalbán, Corder och Gomes (2022), har utgått från en viss fördelning av mottaglighet eller kontakter inom befolkningen, som inte förändras på individnivå över tid, förutom att individer flyttas mellan fack för mottagliga, infekterade och immuna. Detta ger upphov till en traditionell S(E)IR-dynamik i det avseendet att infektionerna även här avtar snabbt efter att HIT uppnåtts.

Berestycki m.fl. (2021) och Tkachenko m.fl. (2021) har båda gjort en något annorlunda typ av modellering, där individers kontaktnivåer kan variera över tid, utan att det behöver hänga samman med några förändringar av de genomsnittliga kontakterna i befolkningen. Berestycki m.fl. (2021) har en parameter för diffusion, \(d\), som anger hur snabbt individer rör sig mellan de olika kontaktnivåerna. För måttliga värden på \(d\) fås långa platåer efter en kort nära exponentiell, S(E)IR-aktig, uppgång följd av en svag nedgång, inte olikt det mönster som syns i fig. 1.

Intuitivt går detta att fatta som att grupper med hög mottaglighet inte bara minskar genom ökande immunitet utan också fylls på med nya individer som tidigare inte varit lika exponerade. Det kan vara en god modellering av kontaktmönstren i Sverige under sommaren och hösten 2022: folk som tidigare inte varit så aktiva åker på yror, marknader och festivaler eller samlas i arbetsrelaterade sammanhang. När de återgår till lägre kontaktnivå har de ofta redan hunnit bli smittade, och andra träder i deras ställe.

En intressant fråga är hur denna individuella variation samverkar med säsongsrelaterad variation i kontakter, och hur den fungerar för andra infektioner än covid-19, som influensa. Också spridningen av influensa kan vara segdragen på ett sätt som går utöver enkla S(E)IR-modeller, även efter uppdelning i B och subtyper av A.

Referenser

---

1. Figuren kan återskapas med Julia genom att klona bloggförrådet och köra seflucov.jl i underkatalogen postdata/2023-03-18-platt.↩︎

Webbplatsen drivs av Karl Pettersson och har genererats med Hakyll. Källkod. Kakor används vid kommentering med Isso, för att möjliggöra editering av kommentarer inom 15 minuter efter att de postats, vilket inte kommer att fungera korrekt om kakor stängs av i webbläsaren. Kommentarer som skickas sparas för att publiceras med namn och webbsida, om dessa angetts: en fungerande e-postadress kan, om så önskas, anges för att få möjlighet att kommunicera kring kommentaren i efterhand men publiceras inte. Om JavaScript inaktiveras, kommer varken kommentarer eller visning av formler med MathJax att fungera. Om fel uppstår vid besök, kan uppgifter om besökares IP-adress och tid för felet lagras i interna loggar och användas vid felsökning.