Agent-Based Modelling of SARS-CoV-2 Spread in a National Municipality Network

Abstract

Helt siden starten av 2020 har SARS-CoV-2 snudd opp ned på hverdagen i hele verden. Viruset har tatt 3,7 millioner liv, og over 174 millioner har fått påvist smitte globalt. Datamodellering i form av agent-baserte modeller kan hjelpe oss å bedre forstå hvordan patogener som SARS-CoV-2 spres, og hjelpe befolkningen og beslutningstakere i å returnere til normalitet.

Denne masteroppgaven presenterer et modelleringsrammeverk for å simulere Covid-19-spredning i Norge, skrevet i Python. Modellen er agent-basert og implementerer et komplekst, skalerbart kommune-nettverk. Nettverksstrukturen er basert på empirisk data fra Statistisk Sentralbyrå, og pendlerdata mellom kommuner er implementert.

To regioner i Norge har blitt simulert. En mindre skala Trøndelag-region, og en komplett nasjonal modell med alle kommuner i Norge. Resultatene viser at det gjennomsnittlige reproduksjonstallet varierer markant basert på modell-verdier oppgitt av brukeren, i tillegg til demografisk befolkningsdata. De viktigste faktorene som avgjør reproduksjonstallet i en kommune var befolkningsstørrelse, befolkningstetthet og andel utgående pendlere.

Flere modell-parametere er regulerbare, og kan lett bli endret for å fasilitere ulike former for analyse. Endringer i ulike parametere var simulert for å evaluere effekten av sykdomstrekk, befolknings-demografi og nettverk-struktur.

Dette prosjektet legger et grunnlag for mer realistiske og stor-skala Covid-19-simuleringer i Norge, i tillegg til en fleksibel agent-baserte modell for ulike sykdommer og regioner.

Since early 2020, the SARS-CoV-2 pandemic has upended daily life throughout the world. The virus has claimed 3.7 million lives, and over 174 million cases have been confirmed worldwide. Computational tools like agent-based models can help obtain a better understanding of how a pathogen like SARS-CoV-2 spreads and help both the public and decision-makers return more quickly to normality.

This Master Thesis presents a modelling framework for simulating Covid-19 spread in Norway, written in Python. The model is agent-based and implements a complex, scalable municipality network. The network structure is based on empirical data from Statistics Norway, and commuter data between municipalities is implemented.

Two regions in Norway were simulated. A smaller-scale Trøndelag region, and a complete national model with all municipalities in Norway. It was found that the average reproduction number varied significantly based on model input and population demographics. The most significant factors determining the reproduction number in a municipality was population size, population density, and the fraction of outgoing commuters.

Several model parameters are tunable and can be changed easily to facilitate different forms of analysis. Changes in the different parameters were simulated to evaluate the effect of disease characteristics, population demographics and network structure.

This project lays a foundation for more realistic and large-scale Covid-19 simulations of Norway, as well as a flexible agent-based model for different diseases and regions.