Project

Back to overview

SUSPend: Impact of Social distancing policies and Underreporting on the SPatio-temporal spread of COVID-19

English title SUSPend: Impact of Social distancing policies and Underreporting on the SPatio-temporal spread of COVID-19
Applicant Held Leonhard
Number 196247
Funding scheme Special Call on Coronaviruses
Research institution Institut für Epidemiologie, Biostatistik und Prävention Universität Zürich
Institution of higher education University of Zurich - ZH
Main discipline Methods of Epidemiology and Preventive Medicine
Start/End 01.06.2020 - 31.05.2022
Approved amount 179'378.00
Show all

All Disciplines (2)

Discipline
Methods of Epidemiology and Preventive Medicine
Mathematics

Keywords (8)

social distancing; statistical modelling; underreporting; probabilistic forecasting; spatio-temporal data; infectious disease epidemiology; social contact data; infectious disease surveillance

Lay Summary (German)

Lead
Im Zuge der COVID-19 Pandemie wurden in der Schweiz und vielen anderen Ländern verschiedene Massnahmen angeordnet, um die räumlich-zeitliche Verbreitung des Coronavirus zu verhindern oder einzudämmen. In diesem Projekt werden wir versuchen, die Wirkung der verschiedenen Massnahmen mit modernen statistischen Methoden zu quantifizieren. Dabei werden wir Daten zur tägliche Inzidenz mit Daten zu dem reduzierten Kontaktverhalten zwischen Altersgruppen kombinieren, nicht gemeldete Fälle geeignet berücksichtigen und Vergleiche mit benachbarten Ländern durchführen.
Lay summary

Im Zuge der andauerenden Coronavirus Pandemie werden weltweit Kennzahlen zu bestätigten Coronavirus-Infektionen gesammelt. Diese Daten werden täglich aufdatiert, sind häufig auf verschiedenen räumlichen Auflösungen verfügbar und zusätzlich nach Alter und Geschlecht stratifiziert. Somit stehen hoch-dimensionale Zeitreihen zur Analyse zur Verfügung, die eine verfeinerte statistischen Analyse erlauben. In diesem Projekt kommt der sogenannte endemisch-epidemische Modellansatz zum Einsatz. Abhängigkeiten zwischen Regionen und zwischen Altersgruppen können so berücksichtigt werden, um den Effekt der verschiedenen Massnahmen zur Eindämmung der Ausbreitung des Coronavirus datengesteuert zu untersuchen. Dadurch können sowohl verminderte Kontakte durch "social distancing" wie auch Reise- und Besuchseinschränkungen in der Analyse berücksichtigt werden.
Eine besondere Herausforderung stellen dabei nicht-gemeldete Fälle dar, die geeignet extrapoliert werden müssen. Verschiedene Datensätze zu Inzidenz, Testhäufigkeit und Kontaktverhalten im In- und Ausland müssen geeignet kombiniert werden, um zu validen Aussagen zu kommen und die räumlich-zeitliche Ausbreitung möglichst genau abzubilden und vorherzusagen.  Die Ergebnisse werden dazu beitragen, den Effekt der verschiedenen Massnahmen besser abschätzen zu können, um Entscheidungsträger mit fundierten Informationen bei allfälligen zukünftigen Ausbrüchen zu unterstützen.



Direct link to Lay Summary Last update: 22.05.2020

Responsible applicant and co-applicants

Employees

Name Institute

Project partner

Associated projects

Number Title Start Funding scheme
124429 Multivariate analysis of dependent count data 01.04.2009 Project funding (Div. I-III)
116776 Multivariate analysis of dependent count and survival data 01.04.2007 Project funding (Div. I-III)
137919 Statistical methods for spatio-temporal modelling and prediction of infectious diseases 01.03.2012 Project funding (Div. I-III)
130002 Multivariate analysis of dependent count data 01.08.2010 Project funding (Div. I-III)

Abstract

During infectious disease outbreaks such as the current coronavirus disease (COVID-19) pandemic, modern surveillance systems continuously produce detailed data on reported disease incidence. Typically, these data are available at various geographic resolutions and stratified by age and sex, leading to high-dimensional count time series. Statistical modelling approaches which can handle the heterogeneities and interdependencies in such data are a valuable tool to inform public health decision makers about disease dynamics, to evaluate the effect of intervention measures, and to provide probabilistic forecasts of disease spread. Important factors which need to be taken into account are social contact patterns, mechanisms of geographic spread, and possible underreporting, all of which can vary across regions, age groups, and time. The endemic-epidemic (in the following: EE) framework is an established flexible modelling framework for multivariate infectious disease surveillance counts. A robust, free, and easy-to-use implementation is provided in several R packages. To our knowledge, this is the only readily available implementation of a sophisticated and general model framework for age-stratified spatio-temporal surveillance data. In the past, the EE framework has mainly been used for seasonal diseases, but there is a clear need for general and well-implemented multivariate modelling tools also for acute outbreak situations like the current COVID-19 pandemic. The goal of this project is to extend the EE framework to further improve its applicability in such contexts. Specifically the extensions aim to better address the following aspects:* Assessing the impact of underreporting due to asymptomatic and prodromal carriage and insufficient levels of testing * Determining the role of different age groups and their contact patterns in transmission* Providing impact estimates of control and mitigation strategies such as travel restriction and other social distancing policiesThis project will provide evidence to improve public health response and aid in decisions on optimal social control strategies, particularly when to initiate travel restrictions and social distancing measures, and improve situational awareness.
-