*Nettavisen* Nyheter.

FHI har endret mening: Slik forklarer de den enorme endringen i R-tallet

I starten av august viste FHIs modeller at smittespredningen var på samme nivå siden starten av mars. To uker senere har modellene totalt endret mening.

I starten av august viste FHIs modeller at smittespredningen var på samme nivå siden starten av mars. To uker senere har modellene totalt endret mening.

På et par uker har Folkehelseinstiuttet totalt endret mening om smitten i Norge.

24.08.20 14:12

Etter en sommer med lave og stabile smittetall, gikk alarmen i begynnelsen av august. Folk tok i mindre grad hensyn til smittevernrådene, antall bekreftede smittede økte - spesielt blant ungdom.

På toppen av det hele opplevde sykehusene at antall covid-19-pasienter økte fra tre til 14 pasienter bokstavelig talt over helgen.

Klikk på bildet for å forstørre. Statistikk for antall covid-19-pasienter på norske sykehus.

Fra fredag til mandag 3. august, økte antall innlaget med covid-19 på norske sykehus fra 3 til 14.

Den samme helgen viste det seg at det hadde vært smittede festdeltakere på fire større, private fester på Oslo vest med rundt 220 involverte. I etterkant vet man at 50 personer testet positivt. Samtidig gikk alarmen i Indre Østfold.

Les også: Høie: - Tror de første vaksinedosene kommer på nyåret

Dramatisk rapport

3. august lagde Folkehelseinstituttet en ny rapport hvor de hadde beregnet det såkalte R-tallet - reproduksjonstallet - for viruset. Det beskriver hvor mange som blir smittet videre av hver infiserte person.

Klikk på bildet for å forstørre. 3. august la FHI frem denne oversikten som viste at de trodde smittespredningen igjen var på nivå med begynnelsen av mars - og potensielt veldig mye høyere.

Beregningene fra denne rapporten viste at smitten de siste dagene var tilbake på nivået fra før nedstengningen. Usikkerheten var unormalt høy. Modellen viste en middelverdi på ca 2,5, men potensielt var den mye høyere. 3,5-4 var langt fra usannsynlig.

Forskjellene i disse tallene kan se små ut, men effekten er enorm fordi det er snakk om eksponensiell økning.

Klikk på bildet for å forstørre. Små forskjeller i R-tallet gir enorme endringer på kort tid.

Små forskjeller i R-tallet gir enorme endringer på kort tid. Foto: (Nettavisen)

Et R-tall på 3,5 er dramatisk. 100 smittede vil smitte 350 nye. Disse vil igjen smitte 1225 - som igjen vil smitte 4290, 15.000, 52.000, 184.000...

Med en inkubasjonstid på et par-tre dager, kunne ting komme fullstendig ut av kontroll i løpet av en uke eller to.

Les også: Forskere blir stadig mer optimistiske rundt korona-immunitet

Så endret ting seg betydelig

Ti dager senere publiserte FHI en ny rapport, og denne gangen var ting totalt endret.

I stedet for at smitten var tilbake til nivået i mars, har modellen nedjustert smittespredningen i den samme perioden til omtrent 1,3.

Og onsdag denne uken ble det publisert nok en rapport. Her kommer det frem at man siden har hatt en kraftig nedgående trend. Den siste smittetoppen anses som bare marginalt høyere enn den man kunne se i starten av juni.

Klikk på bildet for å forstørre. FHIs modell for reproduksjonstallet har endret seg betydelig de siste ukene - også langt tilbake i tid.

FHIs modell for reproduksjonstallet har endret seg betydelig de siste ukene - også langt tilbake i tid.

Rapporten oppjusterer samtidig hvor høyt R-tallet var i starten av pandemien. Det betyr at mens FHI i starten av august trodde R-tallet var på nivå med mars, tror de nå at R-tallet i begynnelsen av mars var tre ganger så høy.

Samtidig viste rapporten på fylkesnivå at FHI hadde halvert antatt smittespredning i Oslo.

Les også: Helsebyråden: - Uakseptable ventetider for koronatester

Dette er forklaringen

Så hva er årsaken til denne dramatiske endringen i anslag på smittespredning?

Måten FHI beregner R-tallet på, er å se på antall sykehusinnleggelser. En har aldri trodd at man har oppdaget alle som faktisk har blitt smittet ved testing, både på grunn av manglende testkapasitet, men også på grunn av de mange som ikke får symptomer.

Derimot antar man å ha ganske god kontroll på hvor mange som trenger sykehusoppfølging, og de har beregninger på hvor stor andel av de smittede som trenger sykehusbehandling.

FHIs modeller sier (veldig forenklet) at 3,9 prosent av de som smittes vil trenge sykehusbehandling. Får man én sykehusinnleggelse, antar de dermed at det er 25 andre som er smittet som ikke trenger behandling. Fordi det går rundt to uker fra smitte til en har behov for sykehusbehandling, er dette en modell med betydelig etterslep.

Det som skjedde i begynnelsen av april var ganske enkelt at man over helgen fikk femdoblet antall sykehuspasienter, noe som slo direkte ut på modellene.

Problemet var at mange av disse sykehusinnleggelsene sa lite om smittespredningen i Norge. Tallene var blant annet en konsekvens av ansatte fra Asia ombord på Hurtigruten som trengte behandling.

Klikk på bildet for å forstørre. Her ligger hurtigruten MS Roald Amundsen i koronakarantene ved kai i Tromsø.

Hurtigruten hentet ansatte fra Asia med covid-19-smitte og sendte de rett på båten. At disse senere hadde behov for sykehusbehandling, sier lite om smittespredningen i Norge generelt.

Dette plukket ikke modellen opp, og Folkehelseinstituttet har derfor nå endret måten R-tallet beregnes:

- Vi har endret seedingen av importerte tilfeller i modellen. I rapporten 17. august har vi oppdaterte tall på importerte tilfeller frem til publiseringsdatoen, rapporten 3. august var basert på importerte tilfeller frem til slutten av juni, forklarer avdelingsdirektør Birgitte Freiesleben de Blasio i Folkehelseinstituttet til Nettavisen.

I rapporten som ble publisert denne uken forteller avdelingsdirektøren at de også har endret flere ting i modellen av teknisk art, i tillegg til endring av måten importerte tilfeller behandles på.

Så hva skjedde i Oslo?

Denne uken endret også FHI anslagene for smittespredning på fylkesnivå, som fikk enorme konsekvenser. Mens FHI på landsbasis forsøker å beregne R-tallet dag-for-dag, gjør man det på fylkesnivå i tidsperioder. Det siste smittetallet, kalt R4, gjelder fra 1. juli.

Klikk på bildet for å forstørre. R-tallet i norske fylker i forskjellige perioder av pandemien.

R-tallet i norske fylker i forskjellige perioder av pandemien.

På en uke nedjusterte FHI anslagene fra grovt sett at én infisert person smittet to andre, til at de bare smittet én annen. Det er forskjellen på en kraftig eksponentiell vekst - og helt flat utvikling.

- I rapporten fra 13. august estimerte modellen et smittetallet R4 på 1.87 (95% CI 0.60-2.71); i denne uken var estimatet 0.98 (95% CI 0.15-2.13). Jeg er enig i at dette er en stor endring på få dager, sier avdelingsdirektør Birgitte Freiesleben de Blasio.

Årsaken til de store svingningene er at modellen i utgangspunktet er laget for en smittesituasjon der det er langt mer smitte i samfunnet. Også denne modellen tar utgangspunkt i sykehusinnleggelser. Hvis man går fra ingen til et par sykehusinnleggelser, vil det i en matematisk modell få svært store utslag.

Les også: Sverige: Koronatallene flater ut, men i Skåne øker de

Nettavisen ønsker en åpen og levende debatt.

Her kan du enkelt bidra med din mening.