Dose – Response Model; Explaining an alternative for 1.5m distancing measurement

Door Fahmi Yigit

Introduction

Meanwhile we now know how the virus can spread and what measures it could limit its spreading and what the standard advices are, at what costs. Aren’t there any alternatives, not harming the economy that bad ?

Dose-Response modelling

For getting infected you need a host carrying the virus, emitting it and a “victim” receiving the virus. This so called dose-response relation have been subject to several studies proofing that:

  • The more viruses the host carries (Ct value), the more severe the illness
  • The severe the illness, the more viruses he can emit during talking, coughing or sneezing.
  • The more viruses the victim is exposed to, the bigger the risk of getting infected.
  • The more often the victim is exposed to (even low) virus loads, the bigger the chance to get infected.

In summary:

INFECTION SEVERITY = (EXPOSURE TIME) * (VIRUS LOAD)

This is rather true, looking at several outbreaks where health workers showed higher infection rates because they were exposed for longer (or more frequent) to patients with higher virus loads.

 

Influencing factors for the Dose-Response Model

Next to the influencing factors of host load emission, there are also factors defining the transmission and the  immission for the “victim” in relation to the (virus load) value.

Most efficient measurements

Of course prevention by means of testing and isolating possible (asymptomatic) patients prevents emission in the source, but there are also measurements for the other risks against relative low (financial) efforts.

We see here that all measurements are not eliminating the risk 100%, but only reducing it. At least 1.5m distancing is not the most efficient action, but it does cost (the economy) the most.

Limiting the exposure time

We learned from the Dose-Response model that influencing the (exposure time) could be a much better and cheaper factor to control the infection severity. And maybe the combination of low-cost measurements and limiting the exposure time will have the best effect.

Situations where limiting the exposure time is less possible (like schools, office work), focus should still be on the most effective (virus load) reducing actions

 

Proof of the model

It becomes more and more clear that the main source of spreading are “super spread events inside a building” and not large gatherings outside. According our model, this is also logic:

 

  • (HIGH RISK) Super spread events like church/concert:

(Long exposure time) x (normal & high virus load)

  • (HIGH RISK) Health care workers

(Long exposure time) x (high virus load)

  • (LOW RISK) Protest (outside) gatherings

(Long exposure time) x (very low virus load because outside dilution)

  • (LOW RISK) supermarket shopping

(short exposure time) x (high load because inside & HVAC)

 Even not virus related studies of for example long lasting operations of for example a hip replacement show a higher nosocomial infection risk than a short appendicitis removal – proofing that the (exposure time) factor is a key one.

 Summary:

We should limit the time we are exposed to each other instead of the distance we keep from each other. The time allowed spending in for example a restaurant depends which measurements have been taken to reduce Transmission and Immission as stated before. If environmental conditions during autumn change, increasing the possible virus transmission rate,  also the exposure time should be adapted.

 

Fahmi Yigit     [email protected]

 

References:

Viral dynamics in mild and severe cases of COVID-19 (Liu et Al)

Pathology and Pathogenesis of Severe Acute Respiratory Syndrome (Jiang Gu & Christine Korteweg)

Temporal profiles of viral load in posterior oropharyngeal saliva samples and serum antibody responses during infection by SARS-CoV-2: an observational cohort study (Wang et Al)

The early phase of the COVID-19 outbreak in Lombardy, Italy (Tirani et Al)

SARS-CoV-2 Viral Load in Upper Respiratory Specimens of Infected Patients (Bhat et Al)

Validation of the Wild-type Influenza A Human Challenge Model H1N1pdMIST: An A(H1N1) pdm09 Dose-Finding Investigational New Drug Study (Memoli et Al)

Influenza Pathogenesis: The Effect of Host Factors on Severity of Disease (Goundet et Al)

Norwalk Virus: How Infectious Is It? (Teunis et Al)

Herpes simplex virus-2 transmission probability estimates based on quantity of viral shedding (Schiffer et Al)

 

14 antwoorden
  1. Wouter de Heij
    Wouter de Heij zegt:

    Wel done, ik roep al twee maanden : dosis-response. Of te wel concentratie x tijd.

    PS het bedrijf virobuster is een van de innovatieve bedrijven die al jaren bezig is met virussen en bacteriën. Mijn ervaring is dat bij dit soort bedrijven de combinatie van theoretische kennis en praktijk ervaring heel optimaal wordt ingezet. Veel beter dan de theoretisci van RIVM. Gelukkig zijn er veel meer van dit soort high-tech MKB bedrijven. En risico-analyses? Dat is nu zo diep ingebakken bij voedselproducerende bedrijven dat die kennis 1:1 ingezet kan worden bij andere sectoren. https://top-bv.nl/knowledge-of-food-safety-stategies-as-weapon-against-corona/

    Beantwoorden
  2. PaulG
    PaulG zegt:

    Hoewel ik de benadering van Maurice en Willem Engel van de afgelopen tijd zeer ondersteun, vind ik dit model toch te mager voor een datascientist. Het is kwalitatief en lijkt de uitkomst als aannames in zich te hebben. Waarom geen benadering waarbij een aantal aspecten als expliciete parameter worden meegenomen: het aantal mensen, een geschatte besmettingsgraad, de verdeling van mensen en besmetting over de ruimte, het volume van de ruimte, de luchtverversing per tijdseenheid, de verblijftijd. Zodat daarmee een Dam demonstratie en een kerkdienst beter apart gemodelleerd kunnen worden. Daarnaast is elk model slechts een model en behoort het gevalideerd te worden met – zo mogelijk – gecontroleerde omstandigheden en ook kwantitatieve data te bevatten. Je kritiek op het verzamelen, gebruik en interpretatie van data door het RIVM is terecht, maar zorg dat de bal niet terecht teruggekaatst hoeft te worden.

    Beantwoorden
    • Frans
      Frans zegt:

      Er moet hier ook een onderscheid gemaakt worden in het verschil en doel van een opset. De aanpak van Maurice en Willem is er op gericht inzicht te krijgen in het proces verspreiding, wat Willem daar naast doet is kritische noten plaatsen bij de manier waarop getest wordt en hoe de interpretatie van de resultaten plaats vindt.

      Wat Fahmi doet is iets totaal anders. Fahmi richt zich op de bevindingen van onderzoeken zoals die van Maurice en Willem. En gaat opzoek naar werkbare oplossingen en komt met een aanpak. Vervolgens probeerd Fahmi via een soort model een voorspelling te doen over wat de verschillen in resultaat zullen zijn tussen de geldende protocollen en het voorgestelde protocol.

      Omdat te kunnen doen, worden aannames gedaan, dat is volledig wetenschappelijk en verantwoordelijk. Hij schrijft hier over een artikel.
      Dit artikel is niks meer of minder dan een advies. Het doel wat hierop volgt is het creëren van een test omgeving om deze gepostuleerde aannames te gaan toetsen.

      Beantwoorden
  3. mart
    mart zegt:

    Ik heb een vraag over dit artikel:

    https://www.nature.com/articles/s41586-020-2405-7_reference.pdf

    Een artikel dat in veel media is aangehaald als verantwoording voor de lockdowns.

    Als ik de volgende zin goed begrijp:
    Extended Data Table 1 shows total forecasted deaths since the beginning of the epidemic up to and including 4th May under our fitted model and under the counterfactual model, which predicts what would have happened if no interventions were implemented (and Rt = R0 i.e. the initial reproduction number estimated before interventions).

    modelleren zij dus in het niet lockdown scenario Rt als blijvende de initiële R0

    Maar als ik bijvoorbeeld kijk op:
    https://de.wikipedia.org/wiki/COVID-19-Pandemie_in_Deutschland#/media/Datei:R-Werte_2.png
    of ook op ons eigen RIVM dashboard, dan lijkt de Rt rond 10 maart al ver afgenomen (dus los van alle lock down maatregelen) en is de trend dalende.

    Hoe realistisch is dan een scenario te modelleren waarbij je Rt op de initiele R0 laat staan? Of begrijp ik iets verkeerd.

    Ik zou het graag willen begrijpen.

    Beantwoorden
    • Niels
      Niels zegt:

      R0 op de initieele waarde laten staan klopt niet. Immers op R0 is de hele bevolking vatbaar en kan het virus ongeremd verspreiden . Wanneer men verder gaat in de tijd zal R dus per definitie moeten afnemen .

      Ook moet men de R factor altijd zien in verhouding tot het aantal personen dat de ziekte kan overdragen.

      Beantwoorden
      • mart
        mart zegt:

        Niels,

        Hartelijk dank voor de beantwoording. Het leek mij ook, daarom verbaasde me de zin in het nature artikel ook. Ik vraag me dus af of ik de zin verkeerd interpreteer of dat de aanname zelf wat apart is.

        Een tweede vraag die ik heb over het artikel is dat ook Zweden in dit artikel wordt gemodelleerd. De essentie van het artikel is mijns inziens dat de lockdown de Rt heel sterk naar beneden heeft gebracht (andere maatregelen ook wel, maar veel minder). In het artikel wordt aangegeven dat Zweden geen lockdown heeft gehad. Toch begrijp ik dan niet waarom de Rt dan ook daar opeens een factor 3 omlaag wordt gemodelleerd, er is daar geen lockdown. Ik zou dat ook graag willen begrijpen.

        Beantwoorden
        • Willem Koppenhol
          Willem Koppenhol zegt:

          Hoi Mart,
          De paper is inderdaad “raar” als het aankomt op Zweden.

          Dat komt echter omdat er (per ongeluk of niet) geschoven is met het moment van “Public events banned” in Zweden in de paper. Voor een uitleg hierover zie de pagina https://lockdownsceptics.org/2020/06/10/ onder “How Does Imperial’s New Paper Account for Sweden’s Low Death Toll?” Want daar vroeg men zich ook al af wat jij je terecht afvraagt:

          “So how do the boffins on Imperial’s modelling team explain this? What happened in Sweden between the end of March – when the Rt was ~2.6 – and mid-April, when the Rt clearly fell to <1? The answer is buried in a table in the paper entitled “Extended Data Fig. 4” which shows the different NPIs introduced in the 11 countries, as well as when they were introduced."

          Zie de rest van de tekst aldaar voor de uitleg, maar laten we zeggen dat het er zeer sterk op lijkt dat ICL/Ferguson poogt te verdoezelen dat Zweden het eigenlijk best wel goed heeft gedaan.

          Let dan ook meteen even op de grafiek (kan hier denk ik geen plaatjes weergeven, directe link is https://lockdownsceptics.org/wp-content/uploads/2020/06/Sweden-ICL-Prediction.png) die bij dat artikel staat. Het verschil tussen wat ICL/Ferguson had voorspelt m.b.t. Zweden en de realiteit is ronduit grotesk.

          Beantwoorden
          • mart
            mart zegt:

            De uitleg voor het Zweden verhaal komt inderdaad war gezocht over.

            Als ik de initiële grafieken nog eens goed bekijk dan lijkt het er op dat het steeds de laatste maatregel verreweg het meeste effect heeft op de afname van de Rt. Zo lijkt het model te werken. Dat zou alle grafieken verklaren.

            Nou is vaak de lockdown de laatste maatregel geweest, vandaar misschien het idee dat de lock down zo effectief was? Stel dat we het niet maken van 1 april grappen als laatste instrument aan het model hadden toegevoegd, dan zou het zo maar kunnen dat deze maatregel de verklarende factor zou zijn geworden voor de afname van de Rt?

  4. Frank Ploegman
    Frank Ploegman zegt:

    Hartelijk dank Maurice en Fahmi! Ik kan het altijd waarderen als iemand een ingewikkeld onderwerp tot de essentie terugbrengt, en termen noemt die je helpen om helderder te denken en communiceren.

    Ik heb jullie artikel vandaag gedeeld op LinkedIn. Zelfs heb ik naar aanleiding ervan ook wat geschreven in het Nederlands. Zie https://frankploegman.wordpress.com/2020/06/10/corona-essentie/

    Daarbij heb ik twee plaatjes gemaakt om een en ander te verduidelijken en visualiseren. Mocht iemand hier gebruik van willen maken: er zit geen copyright op, dus voel je vrij.

    Beantwoorden
  5. Rebecca
    Rebecca zegt:

    I would extend the formula as follows:

    INFECTION SEVERITY = (INITIAL VIRUS EXPOSURE) * (ACE2 INTERACTION) * (STRENGTH OF IMMUNE SYSTEM).

    INITIAL VIRUS EXPOSURE =
    (EXPOSURE TIME) * (VIRUS LOAD).

    Explanation:

    Once the virus has entered the body, it needs to get inside human cells to multiply and survive. ACE2 is employed by the virus as a receptor for cellular entry. After entering a target cell via an ACE2 receptor the cell is turned into a virus replication factory and subsequently the cell (including ACE2 receptors) dies and the new viruses are released. ACE2 receptors are expressed in the mouth (tongue), nose and lungs. The interaction between the virus and the ACE2 receptors depends on:
    – the initial site of infection (direct transmission: mouth and nose; aerosol transmission: lungs);
    – the initial ACE2 levels (decreased ACE2 levels found in ageing and cardiovascular disease increase the likelihood of a severe infection).

    Furthermore the severity of the disease depends on the interaction of the virus with the immune system. Having a strong immune response during the incubation period can lead to a reduced viral load (the quantity of virus particles that survive in the body), thereby decreasing the risk of a severe infection.

    Beantwoorden
  6. Niels
    Niels zegt:

    Als we in Nederland slim zijn gaan we inzetten op preventie ipv vaccineren. Als we zorgen voor een goed binnenklimaat zoals omschreven. Dus genoeg verse lucht, uv behandeling en bevochtiging dan kunnen we dit virus en toekomstige virussen stoppen. Daarnaast zou men een gezonde leefstijl moeten promoten. 2 stuks fruit 200 gram groente

    Een vaccin dat slechts voor 1 virus werkt kost ons namelijk al snel bij 100 euro per vaccin (schatting) 100 x 17 miljoen = 1.700.000.000 euro.

    Kortom preventie lijkt mij the way to go omdat dit ons allemaal op lange termijn het meest helpt en veruit het goedkoopst is dankzij de neveneffecten.

    ps: Risico groepen vaccineren kan natuurlijk prima.

    Beantwoorden
    • Frans
      Frans zegt:

      De oplossing is zelden 1 ding. Ik denk dat op termijn vaccins best deel van de oplossing kunnen zijn. Maar ik geloof niet dat grootschalig vaccineren het antwoord is.

      In dat geval, zie ik het als een te grote slag op het schaakbord. Waarbij de tegenslag minstens zo groot wordt.

      Beantwoorden

Plaats een Reactie

Meepraten?
Draag gerust bij!

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *