Epidemiologi er en forskningsdisciplin der omfatter studier af bestemte sygdomme og andre helbredsforholds udbredelse i befolkningen.
I beskrivende epidemiologi undersøges fordelingen af sygdomme i befolkningen og bestemte grupper. I analytisk epidemiologi undersøges sygdommenes årsager og mulige risikofaktorer.

Dette handler jo primært om sygdomsudvikling, men teorierne på området er også anvendelige over for en række psykologisk interessante fænomener, som transmission af viden og ideer.

Inden for epidemiologien opererer man ofte med en inddeling af den relevante gruppe mennesker i personer der ikke er blevet smittet, men er udsatte (Susceptible), personer der er smittede (Infected) og personer der har været smittede, men nu er udgået enten fordi de er blevet immune, eller fordi de er afgået ved døden (Removed) – den såkaldte SIR-model.

En spændende introduktion til sygdomsudvikling der demonstrerer SIR-modellen, og hvorledes forskellige omstændigheder og forskellige indgreb påvirker udviklingen, kan ses her: https://www.youtube.com/watch?v=gxAaO2rsdIs

Smittetrykket, R
Simulationen illustrerer også begrebet reproduktionstal, også kaldet smittetrykket (betegnet som R). Dette udtrykker antal personer en smittet person giver smitten videre til. Ro er det basale reproduktionstal, som er karakteristisk for sygdommen i sig selv, og som ses i en gruppe personer hvor ingen er immune, mens R kan variere alt efter omstændighederne og forsøg på at håndtere epidemien. Hvordan man beregner R kan variere. Metoden der bruges af Statens Seruminstitut i forbindelse med COVID-19 kan ses her [se under Sundhed i Mozilla]

I epidemiologien regnes med fire faktorer der påvirker smittetrykket, R, idet dette sættes lig med
Duration x Opportunities x Transmission probability x Susceptibility (sammenfattet som DOTS)

Duration: hvor længe er en smittet person smittefarlig
Opportunities: Hvor mange personer en smittet person er i kontakt med
Transmission probability: Sandsynligheden for at en person smittes ved kontakt med en allerede smittet
Susceptibility: Hvor sårbar en person er for at blive smittet

Når man søger at kontrollere en epidemi, kan der ske ved at Opportunities reduceres ved mindske kontaktmuligheder mellem mennesker, og ved at Transmission probability reduceres ved hygiejneforanstaltninger. Susceptibility vil ofte være større for personer i særlige aldersgrupper og personer med nedsat modstandskraft.

R kan være forskellig for den samme sygdom i forskellige sammenhænge. Eksempelvis overvåges R løbende under vurderingen af hvor åbent samfundet kan tåle at blive uden at transmittere for meget smitte og overbelaste sundhedsvæsenet. Hvis R er > 1 tales om epidemi og sygdommen vil i begyndelsen ukontrolleret udbrede sig eksponentielt (men vil flade ud når der ikke mere er ret mange ikke-smittede). Hvis R=1, tales om endemi, og antal smittede vil holde sig konstant, mens R<1 vil betyde at sygdommen vil forsvinde.

R for forskellige sygdomme:
Årstidsinfluenza: R = typisk 1.3
Ebola: R = 1-2
SARS: R = 2-3
Kopper: R = 4-6
Mæslinger: R = 20+
COVID-19: R = ca. 2
Spanske influenza, 1918: R = ca. 2

R og flokimmunitet
Flokimmunitet betyder at der er så få udsatte personer at sygdommen ikke vil udbrede sig eksponentielt, altså at R stabilt er lig med eller mindre end 1. Flokimmunitet opnås typisk ved vaccination.
Hvor stor del af befolkningen der skal være immune for at der er opnået flokimmunitet, afhænger af sygdommens basale Ro. Hvis R=5, skal 4 ud af 5 være immune for at sygdommen ikke udbredes, hvilket vil sige at mindst 80% skal være vaccinerede eller immune efter infektion. For mæslinger skal 19 ud af 20 være immune, altså 95%. Hvis R = 2, skal mindst 50% være immune. Det er derfor der tales om at den krævede flokimmunitet for at COVIC-19 skal forsvinde, ligger over 50%, ofte sat til 60%.

R er udtryk for et gennemsnit i den gruppe vi taler om. Den simpleste model går ud fra at alle personer i gruppen har lige stor sandsynlighed for at møde en smittet person, således som man kan se i simulationen. Imidlertid viser det sig i praksis at der i nogle tilfælde er en mindre gruppe personer som smitter vældig mange, mens andre personer ikke gør (ofte beskrevet som 20/80-princippet, hvor 20% smitter meget og resten ikke gør, men fordelingen kan også være så ekstrem som 10/90).

Dette viser at det netværk personerne indgår i, har betydning for smitterisiko. Netværksteori bliver derfor også vigtigt inden for epidemiologien.

Testning
I forbindelse med forsøg på at kontrollere en epidemi henvises ofte til brugen af tests. Imidlertid er tests aldrig 100% perfekte.
En test er karakteriseret ved sin sensitivitet (sandsynligheden for at testen er positiv hvis en person er smittet), og specificitet (sandsynligheden for at testen er negativ hvis en person ikke er smittet).

Imidlertid afhænger sandsynligheden for at en person der er testet positiv også faktisk er positiv også af hvor mange der er smittede blandt de testede (base rate eller prævalens). Dette kaldes Positiv prædiktiv værdi. Tilsvarende gælder for Negativ prædiktiv værdi, altså sandsynligheden for at en negativt testet person ikke er smittet.

Logisk nok, er det sværere at finde sjældne egenskaber, og sandsynligheden for at en positivt testet person også er smittet er derfor lille hvis andelen af smittede er lav. Eller sagt på en anden måde: ved sjældne tilstande, er antallet af falsk positive højt.
Dette er dog et problem man kan mindske ved at teste to gange, således at en positivt testet person straks testes igen. Logikken er at blandt de positivt testede er andelen af faktisk smittede trods alt højere end hos alle i den testede gruppe, og derfor bliver den positivt prædiktive værdi højere.

En lille simulation der viser dette kan hentes her (BayesBeregn-modellen)

Epidemiologi og psykologi
Transmission af ideer, eksempelvis videnskabelig gennemslagskraft, påvirkningsteori, politisk argumentation.
Transmission af andet (fedme)

Problemet vedrørende at afgøre om noget kan antages at transmitteres som ‘infektion’. Tre muligheder for at noget udbreder sig: 1) smitte 2) krage søger mage: folk med samme egenskaber begynder at søge sammen 3) påvirkning via andet end person-til-person kontakt. Eksempelvis paraply og regnvejr.

Austin Bradford Hill opstillede i 1965 nogle ‘viewpoints’ som sandsynliggør at bestemte forhold kan transmittere en effekt som epidemi (dvs. årsagsbestemt som i en epidemiologisk model).
– Høj korrelation mellem den foreslåede årsag og tilstanden
– Korrelationen skal optræde generelt i undersøgelser forskellige steder under forskellige forhold.
– Årsagen skal komme før effekten optræder.
– Så vidt muligt: Eksperimenter som demonstrerer årsagssammenhængen.
– I nogle tilfælde skal mængde af udsættelse (f.eks. mængde af smittestof ved en sygdom) bestemmer omfanget af effekten (f.eks. alvorlighedsgraden af en sygdom).

Se anvendelse af kriterierne i forbindelse med neuropsykiatri her (Reekum)

Nedenstående er introducerende, og er underholdende ved at gennemgå mange eksempler og fortælle om forskere. Den gennemgår ikke kun sygdomsepidemier, men også udbredelse af ideer, information, forskning mv.

Kucharski, A (2020). The rules of contagion. Why things spread and why they stop. London: Profile books.

[Henvisning til NETVÆRK-siden]

Jan Ivanouw
30. maj 2020