Risicokaart voor nieuwe luchtwegaandoeningen met grootschalige dynamische contactnetwerken

Waarom dit ertoe doet in het dagelijks leven

Na COVID-19 vroegen veel mensen zich af waarom sommige plaatsen uitbraken werden terwijl andere relatief gespaard bleven, en welke maatregelen daadwerkelijk effect hadden op de verspreiding. Deze studie gaat die vragen rechtstreeks aan door een zeer gedetailleerd computermodel te bouwen van hoe een nieuw luchtwegvirus zich door Nederland zou kunnen verspreiden, rekening houdend met waar mensen wonen, hoe ze reizen en wie ze ontmoeten thuis, op school, op het werk en elders. De lessen over stedelijke knooppunten, reizen en thuisblijven bij ziekte zijn breed toepasbaar voor hoe samenlevingen zich op toekomstige pandemieën kunnen voorbereiden.

Mensen volgen door hun dag

In plaats van de bevolking als een gelijkmatig mengsel te behandelen waarin iedereen evenveel mengt, representeren de onderzoekers honderden duizenden “acteurs”, waarvan elke acteur staat voor 100 echte mensen. Elke acteur heeft een leeftijdsgroep en rol — zoals peuter, student, werkende volwassene of gepensioneerde — en is toegewezen aan een specifieke gemeente op basis van echte Nederlandse statistieken. Met gegevens over woon-werkverkeer en reizen krijgt elke acteur een weekschema, per uur uitgesplitst, dat bepaalt wanneer zij thuis zijn, op school, op het werk of andere plekken bezoeken. Terwijl deze acteurs zich verplaatsen, gebruikt het model contactpatronen uit sociale enquêtes om te bepalen wie ze waarschijnlijk ontmoeten in elke omgeving en elk uur. Uit deze constante stroom van ontmoetingen ontstaat een dynamisch web van menselijke contacten, veel levensechter dan traditionele modellen die uitgaan van eenvoudige, goedgemengde groepen.

Een nieuw virus zien vastgrijpen

Bovenop dit bewegende web van ontmoetingen simuleren de onderzoekers een nieuw luchtwegvirus met kenmerken vergelijkbaar met griep of SARS-CoV-2: een korte vertraging tussen infectie en besmettelijkheid, ongeveer een week van besmettelijkheid, en een basale reproductiegetal hoog genoeg om snelle groei te veroorzaken. Ze “seeden” het virus door slechts vijf mensen van een specifieke leeftijdsgroep in een gekozen gemeente te infecteren en volgen vervolgens wat er in de eerste 17 dagen gebeurt. Omdat ieders contacten en bewegingen verschillen, vangt het model vanzelf stochastische variatie op: soms dooft de uitbraak uit, andere keren slaat ze aan. Door dit proces vele keren te herhalen voor elke gemeente en leeftijdsgroep, construeren de onderzoekers gedetailleerde risicokaarten die laten zien waar een introductie het meest waarschijnlijk tot wijdverbreide transmissie leidt.

Grote steden als epidemische motoren

De simulaties laten zien dat waar de eerste gevallen verschijnen veel uitmaakt, vooral in de eerste weken. Wanneer het virus begint in een afgelegen, dunbevolkt gebied, groeit het aantal infecties langzaam en verspreidt het zich geografisch in een bescheiden tempo. Maar wanneer hetzelfde aantal initiële gevallen verschijnt in of nabij de dichtbevolkte westelijke kern van Nederland, nemen de infecties veel sneller toe en verspreiden ze zich over het land. Grote steden zoals Amsterdam, Rotterdam, Den Haag en Utrecht fungeren als krachtige transmissiemotoren en genereren meer infecties dan hun bevolkingsaandeel zou doen vermoeden. Deze steden hebben veel inwoners, trekken forenzen en bezoekers aan en fungeren als kruispunten in het nationale vervoersnet, waardoor ze efficiënte versterkers van een nieuw ziekteverwekker zijn.

Thuisblijven en reisbeperkingen testen

Het model stelt de auteurs ook in staat om te testen hoe gedrag en beleid het verloop van een vroege epidemie kunnen veranderen. Ze onderzoeken twee eenvoudige strategieën die vanaf dag één ingaan: mensen met symptomen die ervoor kiezen zichzelf te isoleren, en beperkingen op reizen in en uit de grote stedelijke kern. Omdat in hun scenario ongeveer de helft van de besmettelijkheid optreedt nadat symptomen zijn begonnen, zou perfecte zelfisolatie in theorie de transmissie bijna tot de helft kunnen reduceren. In de praktijk, zelfs wanneer de helft van de symptomatische mensen thuisblijft, is de totale vermindering van infecties na 17 dagen bescheiden, en bereikt ze slechts ongeveer een derde wanneer echt iedereen met symptomen isoleert. Reisbeperkingen daarentegen hebben op elk niveau van naleving een sterker effect. Wanneer vrijwel iedereen de gesloten grenzen rond grote steden respecteert, kan het aantal nieuwe infecties na 17 dagen met meer dan twee derde dalen, grotendeels omdat de belangrijkste stedelijke knooppunten effectief worden afgesloten van het voeden van de rest van het land.

Wat dit betekent voor toekomstige uitbraken

Voor niet-specialisten is de kernboodschap dat vroege epidemieën geen vloeiende golven zijn die gelijkmatig over een land spoelen. Ze worden gevormd door de fijne details van hoe echte mensen leven, bewegen en elkaar ontmoeten — en door de buitenproportionele rol van grote steden. Deze studie toont aan dat modellen die individuen door tijd en ruimte volgen realistische kaarten kunnen produceren van waar een nieuw luchtwegvirus het meest waarschijnlijk zal verspreiden en hoe snel. Dergelijke hulpmiddelen kunnen hulpdiensten helpen schaarse middelen te richten en gerichte maatregelen te overwegen, zoals tijdelijke reisbeperkingen rond sleutelknopen, in plaats van alleen nationale regels. Hoewel het werk specifiek is voor Nederland en vereenvoudigende aannames bevat, illustreert het een bredere conclusie: inzicht in en handelen naar de geografie van menselijke contacten kan net zo belangrijk zijn als het begrijpen van het virus zelf.

Bronvermelding: Romeijnders, M., van Boven, M. & Panja, D. Risk mapping novel respiratory pathogens with large-scale dynamic contact networks. Commun Med 6, 229 (2026). https://doi.org/10.1038/s43856-026-01446-4

Trefwoorden: epidemiemodellering, luchtweginfecties, menselijke mobiliteit, netwerkepidemiologie, stedelijke transmissieknooppunten