Modelling the transmission of COVID-19 in primary schools

Abstract

Da COVID-19 ble erklært en pandemi våren 2020, ble ulike regler og restriksjoner raskt implementert for å redusere spredning av sykdommen. Blant de som ble hardest rammet av disse tiltakene, finner man barn og ungdom, som ble isolert fra sine jevnaldrende gjennom digital hjemmeskole i løpet de første månedene av pandemien. Videre, har barn og unge på barneskolen ofte flere, mer langvarige og tette interaksjoner med sine skolekamerater, noe som gir mange potensielle smittebærende interaksjoner. Målet med denne masteravhandlingen er å produsere et nytt rammeverk for en detaljert agentbasert modellering av sosiale interaksjoner i barneskolen. Videre skal modellen kunne brukes for å simulere smittsomhet av COVID-19 på barneskolen.

Gjennom undersøkelser av et empirisk nettverk som inneholder detaljerte 20-sekunders interaksjoner mellom jevnaldrende på barneskolen, ble grunntrekkene i interaksjonenes varighet og karakteristikk identifisert og brukt til å ekstrapolere en generell modell for nettopp disse interaksjonene. Modellen produserer et nettverk av interaksjoner mellom individene på en skole og gir muligheter for å justere input-variabler som for eksempel størrelsen på en bestemt skole, antall trinn og klasser, og antall timer elevene er på skolen.

Det foreslåtte rammeverket produserte en interaksjonsmodell som genererer svært like interaksjoner sammenliknet med interaksjonene mellom elevene i det empiriske nettverket. Likevel produserer modellen flere interaksjoner på tvers av trinn og klasser sammenliknet med det empiriske nettverket. Videre ble sykdomsspredning simulert på modellen for å undersøke effekten av norske myndigheters strategi for å hindre sykdomsspredning på barneskoler. Strategier som ble sett på i denne oppgaven er trafikklysmodellen og ulike teststrategier. Ukentlig testing av elevene med grønt trafikklysnivå virker til å være den mest effektive strategien, etterfulgt av gult trafikklysnivå i situasjoner der det ikke er tilstrekkelig ressurser eller mulighet for å gjennomføre ukentlig testing.

Det nye rammeverket gjør det derfor mulig å generere detaljerte interaksjonsnettverk for barneskoler, og kan bli innarbeidet i NTNU COVID-19 Taskforce sin agentbaserte modell. Rammeverket gir dermed en unik mulighet til å undersøke ulike strategier for å hindre spredning av COVID-19 i barneskoler. Siden modellen kun er basert på interaksjonsdata fra to dager på en bestemt skole, vil forbedring av kvaliteten til modellen inkludere å samle inn mer interaksjonsdata fra forskjellige skoler med ulik struktur. Dette vil også hjelpe gjøre modellen mer generell.

When COVID-19 was declared a pandemic in early 2020, strict rules and regulations were quickly put into play to help mitigate and reduce transmission of the disease. Amongst those heavily affected by these measures were children and adolescents, having digital at-home schooling and being isolated from their peers during the first months of the pandemic. Furthermore, many close contacts between individuals belonging to different households occur in primary schools and may help amplify the overall transmission of the disease. Therefore, this Master's thesis aims to produce a novel framework for detailed agent-based modelling of social interactions in primary schools. In addition, the model should allow for simulation of COVID-19 transmission, specifically in primary school environments.

Through investigation of an empirical network with high-resolution interactions between peers in a primary school, collected and published by \citeauthor{Barrat} \cite{Barrat}, the main features and characteristics of the interactions were extracted and used to extrapolate a general model. The model produces a network representation of all occurring interactions and allows for tuning input variables, such as the size of a given school, the number of grades and classes, and the number of hours the students attend school.

The final interaction model closely resembles the interactions found in the empirical network, with the exception of the model having lower modularity and more interactions between individuals that were not in the same grades and classes compared to the empirical network. Disease transmission was run on the model to investigate the effect of the Norwegian government's traffic light levels and different testing strategies on disease mitigation in primary schools. Weekly testing of students with green traffic light levels was identified as the most efficient strategy, followed by yellow traffic light level in situations where there are not enough resources for weekly testing.

The novel framework allows for the generation of detailed interaction networks in primary schools and may be incorporated into the NTNU COVID-19 Taskforce's agent-based model. This framework thus creates a model that can be helpful for future exploration of different COVID-19 mitigation strategies in primary schools. However, the model was based on interaction data collected over two consecutive days at the same school. Therefore, to improve the quality of the model, more high-resolution data needs to be gathered from different primary school settings to help generalise the model.