Covid19 situasjonen i Norge – En drøftelse.

Oppsummering.

Den lave sykehus dekningen har vært førende for strategien. Jeg tror ikke myndigheten har dimensjonert dekningen i henhold til beredskapsplanen. Hadde de hatt disse sengeplassene hadde de brukt dem. Forholdet har medført at pandemien har vart lenger og innskrenket de strategiske valgene man eller kunne hatt. Blant annet tyder tallene på at både Helse Midt-Norge og Helse-Nord kunne hatt ett tiltakregimet løsrevet fra Helse Vest og Helse Sør-Øst.

Det kan virke som om "smittenedgangen" i september 2021 rett før gjenåpningen, skyldes nedgangen i testing. Dette har skapt en stor differensen mellom registrert smitte og faktisk smitte. Økningen av antall innleggelser i samme periode forsterker inntrykket av dette. Etter samfunnets åpning starter folk å teste seg igjen og smitten øker dramatisk, særlig i er utviklingen i Helse Nord og Helse Midt-Norge påfallende. Disse regionen har hatt relativ liten smitte pga restriksjoner. Sammenlignet med i forhold til Sør-Øst og Vest har smitte trykket vært lavt, og dermed ikke opparbeidet seg en naturlig immunitet i befolkningen.

Spørsmålet er om man i fremtiden kan differensiere tiltak mellom Nord – Midt – og Sør-Norge. Utbruddene ser ut til å komme uavhengig av hverandre. Avstand og geografi tilsier også en slik mulighet. Om det går an juridisk er uklart, men så lenge differensieringen ikke usaklig, så går det vel greit.

Dårlig beredskap og mangel på sengeplasser/respirator mm. har gitt store begrensinger i mulige strategiske valg. Eneste gjennomførbare taktikk synes å være å redusere kontaktgraden, ved inngripende tiltak i den enkeltes frihet, og til store samfunnsmessige kostnader. Flere har mistet livsverkene sine.

 

Metoder

Gjennom analyse av situasjonen i Norge og vedtak er det myndigheten som stort sett danner grunnlaget for folks oppfatning av situasjonen. Tiltakene er inngripende, og utgjør en innskrenkning av demokratiske – og menneskerettigheter. Da jeg ville publisere beregninger og analyser ble jeg avskåret av Apple og Google fra å gjøre dette. Google presenterer data selv. Data ble publisert i alle nyhetkanaler. Data som publiseres er stort sett "nakne" historiske data som viser smittetall, innlagte og døde. Disse data er lite egnet til å skape forståelse for de inngripende tiltak som ble iverksatt. Data publisert i aviser er stort sett aggregert på kommune, eller landsnivå. Beregninger viser at det er store variasjoner mellom kommuner, innad i fylker og regioner. Jeg finner det mest naturlig å dele inn data inn i helseregioner, slik helse regioner er definert i Norge.

Alle data er hentet fra Folkehelseinstituttet (FHI) som de distribuerer via GitHub (Data fra FHI). Disse blir lastet og aggregert i  MySQL database. Data blir lastet inn i Python, Pandas. Analyse verktøyet som brukes er covsirphy. En dypere beskrivelse av verktøyet kan du lese ved å følge denne lenken. Covsirphy er et såkalt klasse bibliotek og som kan brukes til mye. Det grunnleggende er at den bruker "Maskinlæring" til å detektere faser pandemien er, for så bruke Differensiallikningløser av type "Ordinære" (ODE = Ordinary Differenation Equtation) til kurvetilpasning. Dette er i henhold til  matematiske beskrivelser av smitten, S.I.R modellen. Ut fra denne beregnes virusets reproduksjons tall R. Modellen har klare svakheter og baseres på til dels urealistiske forutsetninger. Blant annet "Modellen bygger på flere urealistiske antagelser, som for eksempel at det er så stor mobilitet i populasjonen at alle kan smitte alle. Videre er det antatt at det ikke er noen latenstid mellom det tidspunkt at man blir smittet til man selv er smittefarlig. Likedan bygger modellen på at en som er blitt resistent, ikke mister denne immuniteten senere." (Wikipedia-brukere, «SIR-modell», Wikipedia, https://no.wikipedia.org/w/index.php?title=SIR-modell&oldid=22150456 (besøkt 29. januar 2022)). Likefullt er det denne type modeller myndigheten anvender som grunnlag for de tiltak som gjøres. For fordypning kan Kaggle og denne artikkelen anbefales.

 

Bildet viser S.I.R. modellen med norsk populasjon og R = 1.4 som er planlagt scenario i norsk pandemisk beredskapsplan section 15 6. Modellen har start 12. mars 2020.

Situasjonen.

Den norske situasjonen 2022-01-29. Multi-grafen har tre kolonner og tre rader. 1. rad 1. kolonne (1.1) viser innlagte på grunn av (go med, ikke med men pga. noe annet) Covid-19, med ett bevegelig snitt på 7 dager. Det er usikkert hvor lenge gjennomsnittlig "liggetid" er, da jeg ikke har funnet slik statistikk. Graf 2.2 viser gjennomsnittlig vaksinerte pr kommune.

Graf 1.3 viser smittetettheten i samfunnet, mens 2.1 viser smitten demografisk. Den svarte vertikale streken som går igjen i alle grafene representerer dato da samfunnet åpnet opp, 25.09.2021. Jeg ber dere her legge merke til at rett før denne dato går antall tester ned (graf 2.2)- På dette tidspunktet er store deler av befolkningen vaksinert, bortsett fra de mellom 10 og 19 år. Dette er logisk da man ble forespeilet å være immun mot smitte. Om man nå tar en kikk på grafen for innlagte (1.1) ser man at denne stiger på samme tid. Dette er en sterk indikasjon på at smitten faktisk stiger. Grunnen til at antall smittede her synker (graf 1.3) er fordi det er antall tester som går ned,  ikke fordi smitten går ned. Dersom man med den høye vaksinasjonsdekning hadde vært immun mot smitte ville samfunnet hatt såkalt flokkimunitet på dette tidspunktet. En kan også se andelen positive tester også øker rett etter åpningen av samfunnet. Ved å skille ut de interessante tabellene, fikse "stort avvikende" data i "Vaksine" tabellen blir den beskrevne sammenhengen litt mer tydelig.

Jeg har markert 25. 11.2021 med brun vertikal linje i det tre grafene i første rad. Den 25. november er dato for det ulykksalige julebordet på DS Louise. Eller med andre ord, "Omikron variantens" inntok til Norge. I følge helsemyndigheten, v/Helsedirektør Guldvog mfl. utgjør denne dato en "game changer" i kampen mot pandemien. Vel er denne dato det?

Situasjonen som oppsto etter gjenåpningen 25 november. Omikron or not...

Selv om dato for "game changer" ligger nært opptil, så begynner faktisk ikke smittekurvens "gange" oppover denne dagen (kvelden). Smittekurven er allerede på vei opp. Denne kurven ser ut til å være mer sammenfallende med antall tester. Bunnen for "Antall Tester" datasettet mellom 01.09.2021 til 25.11.2021, inntreffer den 15.10.2021. Bunnen for smittetetthet for samme periode inntreffer 01.09.2021. Korrelasjonen er logisk, det er registrerte smittede grafen viser, ikke faktiske smittede, "ingen testede ingen smittede", tilsynelatende. Faktisk i denne perioden viser tester en svært svak men negativ korrelasjon mellom "Tetthet" og Tester. Altså flere tester mindre tetthet, mindre tester større tetthet. "Antall Innlagte" viser en sterk sammenfallende korrelasjon med "Tetthet".

 

 

Ved å normalisere "date," sette alle tall mellom 01 og 1, kan man sett ulke datasett inn i en graf, slik at man kan studere formen på de ulike datasettet. Dette er er det som er gjort i datasette i grafen under. Visualiseringen gjør at man nå kan se hvordan data sammenfaller. Vi har allerede sett at smittetetthet og antal innlagte er sammenfallende. Grønn og blå linje. Orange (tester) og de andre data er ikke like sammenfallende, noe "heatmapet" over også viser. Hvordan kan vi tolke dette? Smittetetthet går opp, Tester går ned, antall innlagte går opp. Vi ser av grafen øverst at andelen positive tester går opp. Dette forklarer bølgedalen den blå linjen "seiler over". Samtidig skyter den blå linjen fart oppover når folk begynner å teste seg igjen. Dette indikerer at det fordi folk ikke tester seg "tettheten" slakker av. Samtidig stiger antall innleggelser også før folk starter å teste seg igjen. Antall innleggelser er en funksjon av antall faktisk smittede. En andel av smittede blir syke, men de som rammes av denne sykdommen er skjevfordelt. Det vil si at man kan forvente en høyere andel av innleggelser om smitten rammer en bestemt demografi av befolkningen – de eldre og syke.

 

Vel... Er det økt smitte blandt de eldre og syke? De fra før syke har vi ikke oversikt over bortsett fra at vi kan anta statistikken over andel innlagte med Covid19 ikke er innlagt av Covid19 men er innlagt av andre grunner.

  

Det tydelig  innlagte går bølgedaler som følge av smitten. Det er ett litt merkelig fenomen som inntreffer fra mars, til juli 2021. Grafen for "Antall innlagte" viser høye tall, men smittetaller for de eldre er lavt. Det indikerer mange innlagte  fra andre aldersgrupper. Ser en på det tidsrommet vi fordyper oss i, rund gjenåpninger ser vi at smitten blant de eldre går opp, og det gjør antall innleggelser også. Antall vaksinerte på denne tiden for aldersgruppen over 70 er omtrent 90%, men ingen flokkimmunitet her. Smitten når også samme "peak" som den gjorde i "Apr", men rundt slutten av september er samfunnet åpnet igjen, kontakt graden øker, men det gjør antall innleggelser også, og det er ikke særlig mye mindre enn i Apr, der den er ca. 0,4, men i oktober ca 0,35. Smittetettheten er på dette tidspunktet tilsynelatende lav, til tross for vaksine. Det er nok grunnlag nå får å si at den smittetettheten skyldes manglende testing. Samfunnet  er stengt ned frem til slutten av september. Så går smittetettheten litt ned før den skyter til himmels. Antall innleggelser følger etter, men faller så ned, mens smittetettheten fortsetter å stige. Enten skyldes dette at vaksinen har stor effekt sykdomsbilde på den nye varianten "omikron" eller så er "omikron" langt mer ufarlig. Vi får se hva som skjer med de som ikke er vaksinert?

Geografisk tilnærming til smittespredningen.

Norge er ett langstrakt land, med fjell, vidder, fjorder, strender, trange daler og åpne landskap. Du har store byer til små tettsteder og enkle gardsbruk. Den politiske inndelingen av landet er basert på kommuner og fylker.

I Norge er helsetjenesten delt inn i 4 helse foretak. Foretakene omfatter flere fylker.

• Helse Nord, omfatter Nord-Norge (Nordland, Troms og Finnmark) og Svalbard

• Helse Midt-Norge omfatter fylkene Trøndelag, og Møre og Romsdal

• Helse Vest omfatter fylkene Vestland og Rogaland.

• Helse Sør-Øst omfatter fylkene Viken, Innlandet, Oslo, Vestfold og Telemark, og Agder.

Regionene har ulik svært karakteristikk. Helse Nord har store geografiske områder å dekke. Helse Sør-Øst strekker nord seg fra Os i Østerdalen til Lindesnes kommune i sør. Aurskog-Høland i øst, til Hol kommune i vest. Helse Sør-Øst er størst i folketall, og omfatter store byer som Oslo, Bærum og Drammen, men også små tettsteder Aurskog-Høland og Flå. Det er vanskelig å se det pandemiske grunnlaget tilnærming til en slik organisering av helseforetakene, men er vel andre årsaker?

Juridisk reguleres pandemier av smittevernloven. Denne sanksjoneres av kommunene og departementet. Lovens formål er definert slik:

Smittevernloven § 1-1. Lovens formål

Denne loven har til formål å verne befolkningen mot smittsomme sykdommer ved å forebygge dem og motvirke at de overføres i befolkningen, samt motvirke at slike sykdommer føres inn i Norge eller føres ut av Norge til andre land.

Loven skal sikre at helsemyndighetene og andre myndigheter setter i verk nødvendige smitteverntiltak og samordner sin virksomhet i smittevernarbeidet.

Loven skal ivareta rettssikkerheten til den enkelte som blir omfattet av smitteverntiltak etter loven.

Smittevern tiltak skal være hensikt – og forholdsmessige.

§ 1-5.Grunnleggende krav ved iverksetting av smitteverntiltak

Smitteverntiltak etter loven skal være basert på en klar medisinskfaglig begrunnelse, være nødvendig av hensyn til smittevernet og fremstå tjenlig etter en helhetsvurdering. Ved iverksettelse av smitteverntiltak skal det legges vekt på frivillig medvirkning fra den eller de tiltaket gjelder.

Tvangstiltak kan ikke brukes når det etter sakens art og forholdene ellers vil være et uforholdsmessig inngrep.

Tilgrensende lovverk er helseberedskaploven, som pålegger myndigheten å planlegge, og forberede seg på situasjoner som kan true almenhetens helse.

helseberedskaploven § 1-1.Lovens formål og virkemidler

Formålet med loven er å verne befolkningens liv og helse og bidra til at nødvendig helsehjelp, helse- og omsorgstjenester og sosiale tjenester kan tilbys befolkningen under krig og ved kriser og katastrofer i fredstid.

For å ivareta lovens formål, skal virksomheter loven omfatter kunne fortsette og om nødvendig legge om og utvide driften under krig og ved kriser og katastrofer i fredstid, på basis av den daglige tjeneste, oppdaterte planverk og regelmessige øvelser, slik det er bestemt i eller i medhold av loven.

Planlegingen og forberedelsen skal skje etter ansvarsprinsippet

§ 2-1.Ansvarsprinsippet

Den som har ansvaret for en tjeneste, har også ansvaret for nødvendige beredskapsforberedelser og for den utøvende tjeneste, herunder finansiering, under krig og ved kriser og katastrofer i fredstid, med mindre noe annet er bestemt i eller i medhold av lov. Tilsvarende skal den som fører tilsyn med en virksomhet, også føre tilsyn med virksomhetens beredskap.

Norges beredskapplan:

15.6 Anbefalt planleggingsnivå/- scenario
Den kliniske angrepsrate varierer i de viste scenarier mellom 13-41 %. Alvorlighetsgrad
varierer fra moderat, som kan sammenliknes med sesonginfluensa, til svært alvorlig, som
avspeiler et ‘verste tilfelle’ scenario, hvor antallet av dødsfall i den øvre grense er valgt lik
estimater for spanskesyken. Man så under spanskesyken at mange ble syke, og en stor andel
av disse døde. Vi tror ikke man igjen vil stå overfor et så alvorlig scenario, vi har i dag en
bedre helsetilstand i befolkningen generelt, og vi har bedre helsetjenester og tilgang til
legemidler, noe som sannsynlig vil bidra til å redusere alvorligheten.

Basert på ovenstående simuleringer, har vi planlagt for et realistisk forløp, som vi må ha
kapasitet til å kunne møte. Som det britiske SPI har foreslått tenker vi oss at vi må kunne
møte en mulig pandemi med et basalt reproduksjonstall på R0=1,4 som innebærer en
angrepsrate på 25 % (25 % av den norske befolkning blir syk og får symptomer): helse- og
omsorgstjenesten må kunne ta seg av omkring 160-280 000 ekstra kontakter, sykehusene
må kunne ta imot opptil 14-16 500 innleggelser, hvorav 1400-2800 krever intensiv
behandling. Lokalt kan det forventes at snaut en ut av seks hendelser (17 %)det vil si 3-500
pasienter med behov for mer intensiv behandling i toppuken.

                                                                (Nasjonal beredskapsplan pandemisk influensa,  https://www.regjeringen.no/contentassets/c0e6b65e5edb4740bbdb89d67d4e9ad2/nasjonal_beredskapsplan_pandemisk_influensa_231014.pdf,Regjeringen, 2014)

Så hvordan fordeler pandemien seg per helse region (merk y skalaen varierer):

Statistikken aggregert pr helse foretak.

Data viser antall smittede fordelt på helseregioner. Denne inndelingen av data er interessant da det er helseregionenes ansvar å implementere helseberedskapplanen. Data er en tidsserie og karakteriseres av en voldsom stigning i slutten av perioden. Siden enden på linjene er så dominerende er det ikke lett å se, med det er bølger, formasjoner tidsserie. Spørsmålet er om disse er sammenfallende? Grafene har forskjellig skala, da y aksen representerer antall smittede i regionen. For å overkomme dette har jeg normalisert data slik at de alle er mellom 0 og 1. Da blir det lettere å sammenligne sammenfallet.

Her er y skala mellom 0 og 1 slik at det blir lettere å se hvordan linjene sammenfaller.

De to vertikale linjene representer gjenåpning 25.09.21 og oppdagelsen av "omikron" 25.11.2021. Grafen reflektere nedgangen i smitte rett før gjenåpningen, men nå ser vi at i Helse-Nord faktisk har en påbegynnende oppgang i smitten. Rett etter åpningen skyter smitten fart i Helse Nord, med påfølgende økning i de andre foretakene. Igjen er det påfallende at økningen i smitten start før «omikron» påviselig kommer til landet. Så faller smitten pga Norge på nytt nedstengning, så skyter alle grafene fart eksponentialt. Angivelig pga «omikron» variantens smittsomhet.

 

Grid-grafen viser en sterk sammenheng mellom data de ulike helseregionene. Det er ulike variasjoner når data befinner seg mellom 0,2 og 0,5. Dette indikerer at "mindre" utbrudd av smitte opptrer uavhengig.

For utbrudd større enn 0,5 er korrelasjonene sterk. Data er sterkt konsentrert rund 0 og 0.1.

 

Klasediagrammet viser korrelasjonen mellom data for de ulike regionene. Den bekrefter den sterke korrelasjon vi kan se i Grid-grafen. Det Klasediagrammet også viser at korrelasjonen er sterkest mellom Helse Sør-Øst og Helse Vest, og minst med Helse Nord.

Beskrivelse av datasettene:

 

	Helse Nord	Helse Vest	Helse Sør-Øst	Helse Midt-Norge
count	602	602	602	602
mean	0.082970	0.056914	0.059950	0.048942
std	0.148049	0.115722	0.117057	0.108052
min	0.000000	0.000000	0.000000	0.000000
25%	0.006858	0.010903	0.009378	0.005440
50%	0.024583	0.019783	0.027967	0.012702
75%	0.063410	0.039615	0.047910	0.036544
max	1	1	1	1

                                                                                                                    Pandas describe output

«Lets capture the peaks...»

Vi finner igjen de vertikale linjene for gjenåpningen av samfunnet og «julebordet» på DS Louise. Klart begynner smitteøkingen i alle regioner før før «omikron» offisielt kommer til Norge. Data er kuttet ved 0,05 og 0,2. Vi ser at toppene opptrer alene, noe som stemmer med det allerede har funnet ut. Data korreler (sammenfaller) ikke så mye mellom 0,1 og 0,2. Vi ser at smitten øker kraftig i Midt-Norge, Helse Vest og Nord-Norge, rett etter gjenåpningen. Men i Helse Sør-Øst starter den stigningen rett før «omikron» først blir oppdaget. Så flater den ut i Helse Midt-Norge. Norge stenger ned igjen, smitten flater ut før den skyter i være, angivelig pga «omikron. Så her er vi dag.

 

Hvis vi zoomer inn på Helse-Nord mellom september - november 2021, kan vi se hvor og hvordan utbruddet utvikler seg. På denne tiden var samfunnet åpnet, og antakeligvis er det ett utbrudd med "Delta varianten".

 

Anbefalinger:
Økt bruk av digitale møter
Unngå sosiale sammenkomster på tvers av organisasjonen

Å forutsi fremtiden med utgangspunkt i fortiden kan det sies mye om, flere ting endrer forutsetningene som gjør at prediksjonen ikke samsvarer. Bare fremtiden vil vise dette. Det jeg forsøker her å forlenge grafen for "registrerte smitte", ved å "fange" grafens moment, eller stigninggrad, for deretter bruke denne stigninggraden til å forlenge linjen.

Maskinlæring / Kunstig intelligens

Når vi snakker om maskinlæring og fremtidseinblikk kommer vi allikevel ikke utenom historikk. For å kontrollere kvaliteten på «læringen» ber vi algoritmen (datamaskinen) gjette noe vi allerede vet. Læringen er også i dette tilfellet basert på noe som har skjedd i fortiden. Derfor ber vi maskinen gjette på historiske hendelser. Det er to linjer i graf gitteret. Den blå linjen representer faktisk registrert smittet, men den oransje stiplede linjen er algoritmens gjetninger.

 

Vi ser at den oransje linjen ligger tett på den blå. Dette betyr at «opplæringen» har vært god. Den bommer litt i dalbunnene og noen topper. Algoritmen detekterer faser pandemien er inne i, og beregner da virusets reproduksjongrad.

Oppsummeringsrapport

Helse Midt-Norge

 

	Type	Start	End	Population	ODE	Rt	rho	sigma	1/beta [day]	1/gamma [day]	tau	RMSLE	Trials	Runtime
1st	Past	04Nov2020	26Dec2020	733940	SIR	1,01	0,0657943108742349	0,0650379057907761	15	15	1440	0,210383597665	315	0 min 10 sec
2nd	Past	27Dec2020	07Jan2021	733940	SIR	3,6	0,160259941970678	0,0445655807265389	6	22	1440	0,174720764709373	126	0 min 4 sec
3rd	Past	08Jan2021	05Apr2021	733940	SIR	0,5	0,0371937845341193	0,0750534733130957	26	13	1440	0,518209124543928	570	0 min 17 sec
4th	Past	06Apr2021	24May2021	733940	SIR	1,01	0,0676241751721763	0,0671608456404348	14	14	1440	0,121317774438737	262	0 min 8 sec
5th	Past	25May2021	01Jul2021	733940	SIR	0,86	0,0544036231323585	0,0629049900661375	18	15	1440	0,226139041302042	331	0 min 10 sec
6th	Past	02Jul2021	09Aug2021	733940	SIR	1,1	0,0635194247071312	0,057743480866201	15	17	1440	0,259687015450316	177	0 min 5 sec
7th	Past	10Aug2021	29Aug2021	733940	SIR	1,12	0,0759627064945206	0,0681081589933917	13	14	1440	0,0751062922401705	177	0 min 5 sec
8th	Past	30Aug2021	09Sep2021	736668	SIR	2,95	0,0998525906291798	0,0338323369666602	10	29	1440	0,0400665733381742	403	0 min 13 sec
9th	Past	10Sep2021	03Oct2021	736668	SIR	0,53	0,0445537523340268	0,0836560724958222	22	11	1440	0,0479679425543947	42	0 min 1 sec
10th	Past	04Oct2021	26Oct2021	736668	SIR	0,99	0,080500897459636	0,0815983776040543	12	12	1440	0,0623778136899731	219	0 min 7 sec
11th	Past	27Oct2021	04Nov2021	736668	SIR	2,88	0,107784981395263	0,0374620242628384	9	26	1440	0,0608941287866293	186	0 min 6 sec
12th	Past	05Nov2021	13Nov2021	736668	SIR	2,52	0,0901191146651888	0,0357317821681211	11	27	1440	0,0539292633771561	213	0 min 7 sec
13th	Past	14Nov2021	21Nov2021	736668	SIR	1,81	0,100230214760537	0,055257964965698	9	18	1440	0,073088392049741	316	0 min 10 sec
14th	Past	22Nov2021	29Nov2021	736668	SIR	0,96	0,06810159518364	0,0707848153616988	14	14	1440	0,0282824081072297	363	0 min 10 sec
15th	Past	30Nov2021	06Dec2021	736668	SIR	1	0,0712586858935029	0,0711541912872092	14	14	1440	0,033022417036078	226	0 min 7 sec
16th	Past	07Dec2021	13Dec2021	736668	SIR	1,02	0,0713137818353015	0,0699353170178164	14	14	1440	0,0385923093730327	178	0 min 5 sec
17th	Past	14Dec2021	20Dec2021	736668	SIR	0,87	0,0624024120843101	0,0718219849105126	16	13	1440	0,0296204725577263	665	0 min 16 sec
18th	Past	21Dec2021	28Dec2021	736668	SIR	0,71	0,0592126278931912	0,083889394257893	16	11	1440	0,0263226032212808	121	0 min 4 sec
19th	Past	29Dec2021	04Jan2022	736668	SIR	0,86	0,0762084545762153	0,0889619379558626	13	11	1440	0,0465264842099128	41	0 min 1 sec
20th	Past	05Jan2022	11Jan2022	736668	SIR	2,09	0,10406990591257	0,0498477642451949	9	20	1440	0,0502339838056342	216	0 min 6 sec
21st	Past	12Jan2022	18Jan2022	736668	SIR	3,71	0,118149540051783	0,0318334624773989	8	31	1440	0,0506944838070308	294	0 min 7 sec
22nd	Past	19Jan2022	27Jan2022	736668	SIR	3,38	0,120636632094518	0,0357342035023187	8	27	1440	0,0383947732730997	120	0 min 3 sec

Helse Nord

	Type	Start	End	Population	ODE	Rt	rho	sigma	1/beta [day]	1/gamma [day]	tau	RMSLE	Trials	Runtime
1st	Past	04Nov2020	28Dec2020	243311	SIR	0,8	0,0787924231605917	0,0979553423168263	12	10	1440	0,278887719248835	243	0 min 7 sec
2nd	Past	29Dec2020	01Mar2021	243311	SIR	0,73	0,073997939309721	0,101127232599671	13	9	1440	0,487836284979375	138	0 min 4 sec
3rd	Past	02Mar2021	26May2021	243311	SIR	0,91	0,0921471706239024	0,100968905456698	10	9	1440	0,405069097752271	198	0 min 6 sec
4th	Past	27May2021	01Jul2021	243311	SIR	0,81	0,0669554516967401	0,0823873482191419	14	12	1440	0,235783337447564	137	0 min 4 sec
5th	Past	02Jul2021	09Aug2021	243311	SIR	1,16	0,0655165959417036	0,0564070989398003	15	17	1440	0,164272975453006	169	0 min 5 sec
6th	Past	10Aug2021	06Sep2021	243311	SIR	1	0,0662913134917204	0,0664595457539521	15	15	1440	0,0843702823623793	142	0 min 4 sec
7th	Past	07Sep2021	23Sep2021	242168	SIR	1,45	0,0731897346606686	0,0503693642456819	13	19	1440	0,0418427934465711	162	0 min 5 sec
8th	Past	24Sep2021	18Oct2021	242168	SIR	0,87	0,0653096744514347	0,0750755755575551	15	13	1440	0,0634941917065643	128	0 min 4 sec
9th	Past	19Oct2021	28Oct2021	242168	SIR	2,15	0,106358077626175	0,049447690705916	9	20	1440	0,0495427867292677	345	0 min 10 sec
10th	Past	29Oct2021	05Nov2021	242168	SIR	2,3	0,095852445420638	0,0417349715326542	10	23	1440	0,0570162896452185	198	0 min 6 sec
11th	Past	06Nov2021	11Nov2021	242168	SIR	3,24	0,127734542969716	0,0394776374386614	7	25	1440	0,0434511932610072	226	0 min 7 sec
12th	Past	12Nov2021	19Nov2021	242168	SIR	1,81	0,0701569907519985	0,0387103853125802	14	25	1440	0,0397175417541296	136	0 min 4 sec
13th	Past	20Nov2021	27Nov2021	242168	SIR	0,95	0,0673932418333013	0,0709013403116308	14	14	1440	0,0310163864519964	283	0 min 7 sec
14th	Past	28Nov2021	02Dec2021	242168	SIR	1,07	0,0883506139011103	0,0824612563956736	11	12	1440	0,0271197331676599	320	0 min 8 sec
15th	Past	03Dec2021	09Dec2021	242168	SIR	1,15	0,0780550157959658	0,06774443462528	12	14	1440	0,0520939004698449	327	0 min 8 sec
16th	Past	10Dec2021	20Dec2021	242168	SIR	1,1	0,0604077343514811	0,0549033884173608	16	18	1440	0,0434001174202626	739	0 min 17 sec
17th	Past	21Dec2021	03Jan2022	242168	SIR	0,53	0,0477750651045515	0,0896307683921438	20	11	1440	0,0338840255591937	39	0 min 1 sec
18th	Past	04Jan2022	11Jan2022	242168	SIR	1,76	0,112023306540937	0,0636646229494649	8	15	1440	0,0440873828466818	502	0 min 11 sec
19th	Past	12Jan2022	19Jan2022	242168	SIR	2,99	0,0832366820884918	0,0278599903103875	12	35	1440	0,0455772008298005	252	0 min 6 sec
20th	Past	20Jan2022	27Jan2022	242168	SIR	2,66	0,115374949841204	0,0433571926236195	8	23	1440	0,0464193840952189	499	0 min 11 sec

Helse Sør-Øst

	Type	Start	End	Population	ODE	Rt	rho	sigma	1/beta [day]	1/gamma [day]	tau	RMSLE	Trials	Runtime
3rd	Past	22Jan2021	11Mar2021	3032671	SIR	0,91	0,0510740051993572	0,0562947828400833	19	17	1440	0,212174983814353	517	0 min 13 sec
4th	Past	12Mar2021	05Apr2021	3032671	SIR	1,44	0,0802993966404432	0,0557675015589102	12	17	1440	0,0886236084388723	294	0 min 8 sec
5th	Past	06Apr2021	13May2021	3032671	SIR	0,72	0,0602748973428037	0,0833599566806604	16	11	1440	0,0565651191423962	80	0 min 2 sec
6th	Past	14May2021	06Sep2021	3032671	SIR	0,91	0,0474516005356785	0,0521420960522863	21	19	1440	0,49170686444337	219	0 min 6 sec
7th	Past	07Sep2021	29Sep2021	3050722	SIR	0,81	0,0642272754619719	0,0791840935468171	15	12	1440	0,0950484140664686	257	0 min 7 sec
8th	Past	30Sep2021	04Nov2021	3050722	SIR	0,74	0,0431382114667701	0,0581019279857208	23	17	1440	0,202743367432445	288	0 min 8 sec
9th	Past	05Nov2021	23Nov2021	3050722	SIR	1,78	0,0880571300358307	0,0493337520610528	11	20	1440	0,048524694133249	414	0 min 11 sec
10th	Past	24Nov2021	02Dec2021	3050722	SIR	2,05	0,103941092161886	0,0505969446216033	9	19	1440	0,0401113020086247	376	0 min 10 sec
11th	Past	03Dec2021	11Dec2021	3050722	SIR	1,92	0,0978940800781187	0,0508981193049186	10	19	1440	0,0539656249161497	44	0 min 1 sec
12th	Past	12Dec2021	16Dec2021	3050722	SIR	3,42	0,153055158662445	0,0447827631237632	6	22	1440	0,0416288678358213	289	0 min 8 sec
13th	Past	17Dec2021	27Dec2021	3050722	SIR	0,99	0,0602894993777503	0,0608650399918997	16	16	1440	0,0415175411478189	337	0 min 9 sec
14th	Past	28Dec2021	04Jan2022	3050722	SIR	0,77	0,0705293089620326	0,0915328320815385	14	10	1440	0,0301766938881348	44	0 min 1 sec
15th	Past	05Jan2022	12Jan2022	3050722	SIR	1,9	0,106231308162026	0,0559731782067796	9	17	1440	0,0478486220896392	399	0 min 10 sec
16th	Past	13Jan2022	19Jan2022	3050722	SIR	3,21	0,105070399785285	0,0327562830364997	9	30	1440	0,0546094893324863	301	0 min 8 sec
17th	Past	20Jan2022	27Jan2022	3050722	SIR	3,03	0,119000679811087	0,039293512353478	8	25	1440	0,0402557707484464	523	0 min 12 sec

Helse Vest

	Type	Start	End	Population	ODE	Rt	rho	sigma	1/beta [day]	1/gamma [day]	tau	RMSLE	Trials	Runtime
1st	Past	07Oct2020	10Nov2020	1116423	SIR	1,71	0,0801310302156005	0,0469175900561487	12	21	1440	0,169387117125239	389	0 min 12 sec
2nd	Past	11Nov2020	05Jan2021	1116423	SIR	0,67	0,0559431193377269	0,0839243948131785	17	11	1440	0,328748748960397	423	0 min 13 sec
3rd	Past	06Jan2021	15Mar2021	1116423	SIR	0,74	0,0578513684187222	0,0785327862527168	17	12	1440	0,216984663137551	335	0 min 10 sec
4th	Past	16Mar2021	08Apr2021	1116423	SIR	1,61	0,0994872286086158	0,0616093686138015	10	16	1440	0,125232700277258	245	0 min 7 sec
5th	Past	09Apr2021	09May2021	1116423	SIR	0,85	0,0681120862403029	0,0799861741246717	14	12	1440	0,103127433994135	171	0 min 5 sec
6th	Past	10May2021	30Jun2021	1116423	SIR	0,82	0,0692798748048283	0,0848289616496057	14	11	1440	0,190268494846461	181	0 min 5 sec
7th	Past	01Jul2021	09Aug2021	1116423	SIR	1,07	0,0570637689524323	0,0531979528240413	17	18	1440	0,22599253436051	213	0 min 6 sec
8th	Past	10Aug2021	26Aug2021	1116423	SIR	1,32	0,0856796160670354	0,0648311217042751	11	15	1440	0,0479299553299724	202	0 min 6 sec
9th	Past	27Aug2021	23Sep2021	1121466	SIR	0,76	0,0610470869258023	0,0799914232095901	16	12	1440	0,135388098382711	267	0 min 8 sec
10th	Past	24Sep2021	31Oct2021	1121466	SIR	0,89	0,047274599966428	0,0531067606518946	21	18	1440	0,220137192833568	272	0 min 8 sec
11th	Past	01Nov2021	16Nov2021	1121466	SIR	2,26	0,101628608120655	0,0449617306313262	9	22	1440	0,0638060882615237	522	0 min 15 sec
12th	Past	17Nov2021	25Nov2021	1121466	SIR	1,55	0,0934121436846492	0,0601596954085679	10	16	1440	0,0422623164390046	295	0 min 9 sec
13th	Past	26Nov2021	03Dec2021	1121466	SIR	1,99	0,0840804053000976	0,042260632361272	11	23	1440	0,0483963605759727	388	0 min 10 sec
14th	Past	04Dec2021	09Dec2021	1121466	SIR	2,65	0,11149009359746	0,0420713583260128	8	23	1440	0,0328369577462813	252	0 min 7 sec
15th	Past	10Dec2021	18Dec2021	1121466	SIR	1,78	0,0882709906692358	0,0496991485965819	11	20	1440	0,0490568704807266	78	0 min 2 sec
16th	Past	19Dec2021	27Dec2021	1121466	SIR	1,19	0,0823718097308437	0,0693433380281068	12	14	1440	0,0678330860835738	140	0 min 4 sec
17th	Past	28Dec2021	04Jan2022	1121466	SIR	0,72	0,069310260758065	0,0965030381142381	14	10	1440	0,0381677913803567	39	0 min 1 sec
18th	Past	05Jan2022	11Jan2022	1121466	SIR	1,58	0,0930684414598431	0,058811567047397	10	17	1440	0,0422347486483078	347	0 min 8 sec
19th	Past	12Jan2022	18Jan2022	1121466	SIR	2,08	0,0952871391363433	0,0457777116254083	10	21	1440	0,0472195433600992	531	0 min 12 sec
20th	Past	19Jan2022	27Jan2022	1121466	SIR	2,99	0,121378703747069	0,040619872298166	8	24	1440	0,0414944439037244	396	0 min 9 sec

Jeg skal ikke gå får detaljert inn i metodikken. De kolonnene det er viktig å merke seg er dato for de ulike faser Rt smittens reproduksjons tall (R), rho er kontakt graden og sigma er tiden man er smitteførende. tau er tidsenheten (1440 minutter i ett døgn). RMSLE er ett viktig tall RMSLE står for Root Mean Squared Logarithmic Error. Tallet forteller hvor treffesikker modellen er. Desto lavere tall jo bedre er den kunstige intelligensen til å gjette. RMSLE blir mindre jo mer data modellen har.

Vi kan jo se... Jeg ser er en høy R – 3,42 for Helse Sør-Øst mellom 12 og 16 desember i fjor:

published	title	summary	link
Mon, 13 Dec 2021 19:01:21 GMT	Dette er de nye tiltakene	Regjeringen innfører skjenkestopp i hele landet, en kraftig innstramming på hjemmekontor og arrangementer – og gult nivå i skoler.	https://www.vg.no/nyheter/innenriks/i/QyEnjV/dette-er-de-nye-tiltakene
Mon, 13 Dec 2021 18:52:29 GMT	Nye tiltak: - Du kan reise hjem i jula	Under en uke etter at regjeringen strammet inn med nye tiltak, gjør de det igjen.	https://www.vg.no/nyheter/innenriks/i/v58vwL/nye-tiltak-du-kan-reise-hjem-i-jula
Mon, 13 Dec 2021 18:33:49 GMT	Restauranttopper frykter skjenkestopp: - Kan bli nådestøtet	Restauranter og utesteder frykter full nedstengning: – Vi var allerede skadeskutt. Dette kan bli nådestøtet, sier adm. direktør i Fursetgruppen.	https://www.vg.no/nyheter/innenriks/i/Jx3Ko7/restauranttopper-frykter-skjenkestopp-kan-bli-naadestoetet
Mon, 13 Dec 2021 17:57:27 GMT	Regjeringen innfører nye tiltak – dette har helsemyndighetene anbefalt	Klokken 20 presenteres nye tiltak på en pressekonferanse. De har blant annet blitt anbefalt å innføre skjenkestopp og gult nivå i skolene.	https://www.vg.no/nyheter/innenriks/i/dnjodO/regjeringen-innfoerer-nye-tiltak-dette-har-helsemyndighetene-anbefalt
Mon, 13 Dec 2021 16:48:19 GMT	FHI: Tror skolestenging kan øke smitte	FHI tror stenging av skoler har liten smitteeffekt. I tillegg vil de verne barn mot inngripende tiltak.	https://www.vg.no/nyheter/innenriks/i/0GbM7M/fhi-tror-skolestenging-kan-oeke-smitte
Mon, 13 Dec 2021 15:56:45 GMT	Støre varsler kraftige tiltak: Må begrense møter mellom mennesker	Statsminister Jonas Gahr Støre varsler at det kommer to hovedgrep på pressekonferansen i kveld.	https://www.vg.no/nyheter/innenriks/i/KzlObo/stoere-varsler-kraftige-tiltak-maa-begrense-moeter-mellom-mennesker
Mon, 13 Dec 2021 19:07:14 GMT	- Vet at dette er blytunge beskjeder	Regjeringen innfører nasjonalt skjenkestopp. Les alle de nye tiltakene her.	https://www.dagbladet.no/nyheter/dette-er-de-nye-tiltakene/74917792
Mon, 13 Dec 2021 18:02:24 GMT	Dette vil de stenge	Dette er helsemyndighetenes vurderinger og anbefalinger til regjeringen.	https://www.dagbladet.no/nyheter/dette-anbefaler-helsedirektoratet-og-fhi/74917434
Mon, 13 Dec 2021 17:51:04 GMT	- Forventer full lockdown	Daglig leder ved Parkteatret, Dan-Michael Danino, er forberedt på dårlige nyheter når regjeringen skal presentere nye tiltak mandag kveld.	https://www.dagbladet.no/nyheter/forventer-full-lockdown/74917136
Mon, 13 Dec 2021 17:01:26 GMT	- Må bare tåle det	FHI spår en dyster vinter med svært mange coronapasienter på sykehus. FHI-direktør Camilla Stoltenberg understreker at vi må handle raskt. Ahus forbereder nå å kunne utvide intensivkapasiteten ytterligere.	https://www.dagbladet.no/nyheter/viktig-a-handle-na/74914917
Mon, 13 Dec 2021 16:08:36 GMT	- Står klare og tripper	Dagbladet får bekreftet at apotekene skal brukes mer til vaksinering mot coronaviruset. Apotekene jubler.	https://www.dagbladet.no/nyheter/star-klare-og-tripper/74916300
Mon, 13 Dec 2021 15:42:55 GMT	Det blir en krevende vinter	Vinteren står for døra og det kan bli mer enn sykehusene som rystes denne gang. Selv direktørene i sykehusene værer skiftet og tar til avisspaltene om manglende kapasitet.	https://www.dagbladet.no/meninger/en-perfekt-storm/74890597

"spot on"...

Så treffsikkerheten er stor, og vi kan vel nå velge oss hvilken som helt fase. Siste fase viser en svært høy verdi av R. Nasjonen har innført tiltak, men vi kan å se hva tiltakene er basert på, eller hvordan fremtiden ser ut med tanke på smittespredning.

Smittesituasjonen ser ganske drastisk ut for alle regionene. Forhåpentligvis blir ikke så stor andel av de smittede alvorlige syke. Toppene synes å være nådd rund begynnelsen av april. Med tanke på at utflating av kurvene innebærer en forlengelse av pandemien, er dette scenariet en Guds gave. Om da denne varianten er mindre farlig? Dette er fremtiden slik den ser fra slutten av januar, dersom man ikke foretar seg noe. Gjør man tiltak vil fremtiden se annerledes ut. Formålet mitt med vurderingen er å kunne se om situasjonen(e) legitimerer tiltak. En kan også vurdere om de tiltakene som gjøres har ønsket effekt.

 

 

 

Avsluttende kommentarer.

 

Da jeg startet denne drføtelsen, hadde jeg ingen formening om hva de utvalgte data og aggregering ville avdekke. Data avdekker flere fenomen det kunne vært interessant å se nærmere på, bla. antall innleggelser i april 2021, med lav smitte blant de "utsatte"? Hvorfor synker smittetettheten rett før gjenåpningen 25. september? Eller skyldes utbruddet Helse Nord smitte bland uvaksinerte (som var ett tema)? Sikkert andre tema også. Jeg vet ikke om det er praktisk eller juridisk mulig å segmentere landet med tanke på restriksjoner fordelt på helse regioner. Kanskje er det også andre måter, eg. by/land, kyst/innland befolkningstetthet, eller demografi. Dette får kanskje bli ett fremtidig prosjekt. Uansett er det "snøen som falt i fjord", man får ikke de avgjørelsene som er gjort ugjort. Se Covid-19 Utbrudd av smitte Tromsø September 2021

En ting som kommer lite frem i offentligheten er N tallet. N er populasjonen, modellen forutsetter at denne er konstant. Det er den i realiteten ikke. Norge er en del av verden, så det reelle N er hele verdens befolkningen. Pandemien er med andre ord ett globalt problem. Pandemien forløp i den store verden angår også oss. Viruset "blomstrer" og muterer seg i utlandet, og før eller siden vil den muterte varianten komme til "oss". Dette innebærer nye forutsetninger med påfølgende nye vurderinger og tiltak.

Ett globalt problem har kun èn global løsnin!

Jeg tror det er viktig og etablere alternative kilder, Massemedia føler jeg nå løper i flokk, grupper henges ut.  Pandemien utgjør så omfattende problem denne p. Følgende av den er dypt inngripende, og undergraver grunnleggende rettigheter. Feilinformering og manipulering av befolkningen må også påregnes – grupper settes opp mot hverandre, joggere, gamle, unge, syke, friske, vaksinerte, uvaksinerte mm. Det er når det stormen vi må stå sammen, forent, i kringvern om de individuelle rettigheter

Det er slik at en gruppe mennesker kan ikke velge å holde avstand til infiserte og syke – de som pleier andre. Mange av disse har ikke tilgang til vaksine, og løper en stor risiko for selv å blir smittet og syke. Man bør vurdere hvorvidt det er moralsk å stille unge, friske mennesker, eller andre som kan holde avstand og har liten sannsynlighet for utvikling av sykdom, foran disse modige omsorgspersonene i vaksinekøen.

 

Lykke til!