Meny

Javascript verkar inte påslaget? - Vissa delar av Lunds universitets webbplats fungerar inte optimalt utan javascript, kontrollera din webbläsares inställningar.
Du är här

Uppdatering av prediktionsmodell

Under covid-19-pandemin sker många förändringar snabbt och på grund av detta är det mycket viktigt att vi kontinuerligt granskar validiteten hos de matematiska modeller vi använder för att uppskatta antalet covid-19-infektioner. Denna granskning har lett till att vi nu tränar om vår prediktionsmodell. Läs mer nedan om hur prediktionsmodellen fungerar och hur förändringar i deltagarpopulationen i studien påverkar hur vi presenterar våra resultat.

Sedan mitten av augusti har vi sett en ökning i andelen deltagare i COVID Symptom Study Sverige som rapporterar symtom som överensstämmer med pågående covid-19-infektion. I många europeiska länder, med undantag för Sverige och några andra länder, ser vi också en ökning i antalet dagligen bekräftade sjukdomsfall i covid-19. Samtidigt som antalet bekräftade infektioner runt om i Europa ökar ligger dock antalet dagliga sjukhusinläggningar och dödsfall relativt lågt. Vad detta beror på är inte helt klart ännu.

Under covid-19-pandemin sker många förändringar snabbt och på grund av detta är det mycket viktigt att vi kontinuerligt granskar validiteten hos de matematiska modeller vi använder för att uppskatta antalet covid-19-infektioner. Denna löpande utvärdering av våra modeller tar hänsyn till nya omständigheter vilket gör våra prediktioner så korrekta som möjligt. Sådan information innefattar förändringar i vilka symtomkombinationer som förekommer, säsongsrelaterade faktorer (t.ex. en högre förekomst av andra virus som orsakar luftvägsinfektioner), en möjlig ökning i antalet yngre vuxna som just nu smittas jämfört med i ett tidigare skede av pandemin, förändringar i allvarlighetsgraden av covid-19-infektion samt förändringar i deltagarpopulationen i studien.

Hur uppskattar vi förekomsten av covid-19-infektioner?

Sedan studiens start har vi använt en algoritm som är baserad på elva symtom för att beräkna andelen studiedeltagare som troligtvis skulle testas positivt för en pågående covid-19-infektion. Varje symtom tillhandahåller unik information – förekomsten av vissa symtom ökar sannolikheten av covid-19-infektion, medan förekomsten av andra symtom minskar sannolikheten av covid-19-infektion. Inom algoritmen tilldelas varje symtom en så kallad vikt, där varje vikt avspeglar hur mycket den specifika symtomen ökar eller minskar sannolikheten för covid-19-infektion när man jämför med data från qPCR-tester. Genom att kombinera denna information kan vi uppskatta sannolikheten för om någon har covid-19 eller ej. De tre symtom som ökat mest under de senaste veckorna är: heshet, feber och ihållande hosta men vi ser också en ökning i andra symtom som nedsatt smak/luktsinne och aptitlöshet.

För att vi på ett korrekt sätt ska kunna skilja mellan covid-19 och andra virus som orsakar luftvägsinfektioner ”tränar vi om” vår matematiska modell baserat på utökade resultat från de covid-19-tester (qPCR) som många av våra svenska deltagare rapporterar in via appen. Vår nya ”omtränade” modell kommer också att jämföras utefter de PCR-undersökningar som utförts av Folkhälsomyndigheten på slumpmässigt utvalda material. På bilden nedan ses de vikter som används för närvarande.

Det här stapeldiagrammet visar vilken vikt som för nuvarande läggs på respektive symtom som ingår i den matematiska modellen

symtom

 

positive

 

negative

Den övre bilden visar hur stor andel av deltagarna i COVID Symptom Study Sverige som har symtom som visat sig vanligare hos personer med positivt PCR-svar över tid. Den nedre bilden visar hur stor andel av deltagarna i COVID Symptom Study Sverige som har symtom som visat sig vanligare hos personer med negativt PCR-svar.

 

Omviktning – oönskade effekter

Fram tills nu har vi också använt en annan typ av ”viktning” i vår matematiska modell för att korrigera för det faktum att fler kvinnor än män deltar i studien och att vissa åldersgrupper rapporterar i större utsträckning och oftare än andra. Detta gjordes i syfte att tillhandahålla en uppskattning av andelen infektioner i den allmänna svenska befolkningen, då andelen kvinnor och män och olika åldersgrupper i vår studie inte helt reflekterar Sveriges befolkning. Tyvärr har antalet deltagare som rapporterar regelbundet i appen i vissa demografiska grupper och regioner sjunkit under de senaste veckorna. I detta läge kan viktning per ålder och kön i vissa fall vara problematisk, i synnerhet i åldersgrupper där vi nu har relativt få deltagare (t.ex. män i åldern 20–30 år). Vi har därför beslutat att tills vidare ta bort denna omviktning vilket innebär att de resultat vi publicerar skall tolkas som andel deltagare med symtom som överensstämmer med covid-19-symtom.

Vad händer nu?

Vi kan ta itu med några av frågeställningarna ovan genom att träna om prediktionsmodellen, men mängden av och kvaliteten på indata i våra matematiska modeller har stor påverkan på hur korrekta de prediktioner vi gör är. Vi glädjer oss åt att flera större initiativ pågår i Sverige just nu där deltagande i COVID Symptom Study Sverige uppmuntras, vilket vi tror kommer att generera tillräckligt med data för att kringgå några av de problem vi nämnt ovan. Mer information om dessa initiativ kommer inom kort.

Vi vill passa på att rikta ett stort tack till alla de studiedeltagare som fortsätter att rapportera dagligen i appen – DINA data är viktigare än du tror!

Senaste nyheter

2020-10-22

Långdragna symtom - Vad forskarna på COVID Symptom Study har kommit fram till

Långdragna symtom - Vad forskarna på COVID Symptom Study har kommit fram till
2020-10-20

Resultatflik för Uppsala

Resultatflik för Uppsala
2020-10-12

Samarbete med CRUSH Covid i Uppsala

Samarbete med CRUSH Covid i Uppsala
2020-09-25

Hudutslag och covid-19

Hudutslag och covid-19
2020-09-08

Uppdatering av prediktionsmodell

Uppdatering av prediktionsmodell

Alla personuppgifter som samlas in är skyddade i enlighet med EU:s dataskyddsförordning 2016/679, också kallat GDPR (General Data Protection Regulation). Lunds universitet kommer enbart att använda data till medicinsk forskning i enlighet med deltagarnas informerade samtycke.

Kontakta oss: covid-symptom-study [at] med [dot] lu [dot] se