Hasil simulasi pemodelan matematika SARS-CoV2

Panji Fortuna Hadisoemarto

23 Maret 2020

Kesimpulan dan rekomendasi

Estimasi angka reproduksi dasar penyebaran virus SARS-CoV2 atau virus Covid-19 menggunakan data
Indonesia menunjukkan nilai sekitar 2,5; serupa dengan estimasi dari populasi lain. Angka ini menunjukkan
bahwa penyebaran virus di Indonesia virus akan secepat dan seburuk sebagaimana telah diamati di negara-
negara lain. Worst case scenario, tanpa intervensi apa pun virus dapat menginfeksi sampai dengan 90 persen
populasi; pada populasi berukuran 10 juta orang, sampai dengan 2,7 juta orang akan memerlukan perawatan
dan lebih dari 300 ribu orang tewas pada saat epidemi berakhir. Jika kecepatan transmisi dapat diturunkan
sampai tinggal 20 persen untuk seterusnya, angka ini dapat diturunkan secara drastis, dengan kurang dari
2000 orang tewas di akhir epidemi. Kecepatan penyebaran virus ini sayangnya berarti bahwa intervensi yang
dihentikan sebelum epidemi berakhir berpotensi memulai lagi proses epidemi seperti semula. Implementasi
intervensi secara intermiten mungkin dapat dipikirkan untuk dilakukan, sampai ditemukannya bentuk
intervensi lain yang dapat menekan kecepatan transmisi virus secara permanen, seperti vaksinasi.

Keterbatasan

Estimasi parameter menggunakan jumlah kasus terkonfirmasi kumulatif, yang besar kemungkinan memiliki
bias karena underdiagnosis. Pemodelan menggunakan asumsi kuat bahwa setiap anggota populasi
berkontak satu sama lain secara homogen, yang tidak akan terjadi pada populasi berukuran 10 juta,
sedemikian rupa sehingga simulasi transmisi ini dapat dianggap sebagai scenario worst case penyebaran
virus. Jumlah kasus yang memerlukan perawatan dan meninggal dunia diasumsikan sebagai proporsi yang
konstan dari jumlah kasus yang terinfeksi, menggunakan proporsi dari populasi negara maju yang belum
tentu mewakili populasi Indonesia, dan mungkin dapat diasumsikan lebih mendekati skenario best-case
penanganan kasus klinis. Pemodelan tidak secara eksplisit memperhitungkan kematian pada orang-orang
yang terinfeksi. Secara teori, hal ini akan meningkatkan transmisi karena kasus yang meninggal dunia saat
infeksius akan memiliki masa infeksius yang lebih pendek, sehingga mengurangi daya transmisi penyakit.
Namun dengan asumsi angka kematian yang rendah, besar kemungkinan pendaekatan ini tidak akan
mempengaruhi dinamika transmisi secara global. Hasil kuantitatif sebaiknya dianggap sebagai ilustrasi
daripada angka forecast yang dapat dipakai untuk melakukan perencanaan alokasi sumber daya. Kekuatan
utama dari model ini adalah penjelasan kualitatif tentang perilaku transmisi virus dalam berbagai pendekatan
intervensi.

Metode

Model yang digunakan adalah model kompartemen yang membagi populasi ke dalam empat kompartemen
berdasarkan status infeksinya: S (susceptible – rentan), E (exposed – terinfeksi namun belum menular/dalam
masa laten), I (infected – atau infeksius), dan R (recovered – sembuh dengan asumsi memperoleh kekebalan).
Seseorang berpindah dari satu kompartemen ke kompartemen lain dengan rate tertentu (Gambar 1).

1
 Gambar 1. Model kompartemen SEIR untuk SARS-CoV2. , ,  adalah rate perpindahan dari satu kompartemen ke
kompartemen lain.  merupakan perkalian dari k (jumlah kontak per hari = 10, asumsi), b (probabilitas terjadi
penularan=0,054) dan prevalensi.  dan  diasumsikan 1/5 hari.1

Secara matematis, hubungan antar-kompartemen dapat dinyatakan melalui serangkaian persamaan

diferensial sebagai berikut:

dS/dt = - bkIS/N

dE/dt = bkIS/N - E

dI/dt = E - I

dR/dt = I

Parameter R0, atau angka reproduksi dasar, diperoleh dengan melakukan fiting terhadap model eksponensial
y=e(t), terhadap data kumulatif kasus terkonfirmasi Covid-19 di Indonesia tanggal 2-20 Maret 2020. Hasil fit
terbaik diperoleh dengan menghilangkan observasi yang bernilai sama (R 2=97.3%). Dengan asumsi
R0=/+1, diperoleh nilai R0=2.5. Nilai ini mendekati median estimasi-estimasi R0 yang diestimasi dari
populasi lain dan sudah dipublikasikan sebelumnya.2

Paramater-parameter dan asumsi-asumsi di atas digunakan untuk memodelkan transmisi virus Covid-19 di
sebuah populasi berukuran 10 juta orang, dengan melalukan simulasi numerik menggunakan fungsi ode45 di
piranti lunak Matlab versi 2018a. Untuk menghasilkan estimasi jumlah orang yang memerlukan pelayanan
kesehatan, digunakan proporsi kasus yang memerlukan perawatan, proporsi kasus yang memerlukan
perawatan intensif (ICU), dan proporsi kasus yang meninggal berdasarkan hasil observasi di Amerika Serikat
(Tabel 1).3

Tabel 1. Asumsi proporsi orang terinfeksi yang akan memerlukan perawatan di RS, baik perawatan biasa atau
intensif, dan yang akan meninggal dunia

Batas bawah* Batas atas*

Perawatan RS 20,7% 31,4%
Perawatan ICU 4,9% 11,5%
Meninggal dunia 1,8% 3,4%
* Proporsi dari jumlah populasi yang terinfeksi

Kapasitas tempat tidur perawatan rumah sakit dan tempat tidur ICU di populasi ini diasumsikan masing-
masing 25.000 dan 1000 tempat tidur.

1
https://science.sciencemag.org/content/300/5627/1966
2
https://www.diva-portal.org/smash/get/diva2:1396034/FULLTEXT01
3
https://www.cdc.gov/mmwr/volumes/69/wr/mm6912e2.htm

2
Hasil

Pada skenario baseline, di mana transmisi berlangsung tanpa adanya intervensi, epidemi berlangsung selama
kurang lebih 200 hari, dengan puncak epidemi di sekitar hari ke 127. Pada puncak epidemi ini, hasil simulasi
menunjukkan jumlah kasus yang dirawat antara 265.000-390.000 orang, dengan 62.000-147.000 orang
memerlukan perawatan intensif, dan 23.000-43.000 orang meninggal dunia (Gambar 2).

Gambar 2. Jumlah kasus yang memerlukan perawatan (biru), perawatan intensif (kuning), dan meninggal dunia
(merah), akibat Covid-19 di populasi berukuran 10 juta orang.

Di akhir epidemi, lebih dari 90 persen populasi terinfeksi virus Covid-19, sampai dengan lebih dari 2,7 juta
orang memerlukan perawatan, dan sampai dengan lebih dari 311.000 orang meninggal dunia (Tabel 2)

Tabel 2. Ukuran akhir epidemik pada skenario baseline.

Orang terinfeksi 9,1 juta

Kasus memerlukan perawatan
Batas bawah 1,9 juta
Batas atas 2,7 juta
Kasus memerlukan perawatan ICU
Batas bawah 448 ribu
Batas atas 1,0 juta
Kematian
Batas bawah 164 ribu
Batas atas 311 ribu

3
Untuk selanjutnya, diasumsikan bahwa saat ini (22 Maret 2020) Indonesia berada di sekitar hari ke 65
epidemi yang berdasarkan hasil simulasi akan terdapat antara 470-690 kasus rawat dan 41-78 kasus kematian
(Gambar 3).

Gambar 3. Per tanggal 22 Maret 2020, jumlah kasus terkonfirmasi (514, garis putus-putus biru) dan meninggal
dunia (48, garis putus-putus merah) akibat Covid-19 di Indonesia bertepatan dengan hari ke-65 epidemik
berdasarkan simulasi.

Jika transmisi dapat diturunkan sampai tinggal 20% dari level awal mulai hari ke 75, dan diteruskan sampai
tidak terhingga, maka kurva baseline dapat ditekan sedemikian rupa sehingga pada puncak epidemi
diperkirakan kasus yang membutuhkan perawatan RS tidak lebih dari 2750 orang, dengan kasus perawatan
ICU tidak lebih dari 1000 orang. Jumlah ini berada jauh di bawah kapasitas tempat tidur populasi yang
disimulasikan, dan tepat memenuhi kapasitas tempat tidur ICU (Gambar 4)

4
 Gambar 4. Dinamika transmisi jika transmisi diturunkan sampai tinggal 20% pada hari ke-75 (garis vertical biru).
Garis putus-putus merah adalah asumsi kapasitas ruang rawat ICU, tepat di atas estimasi jumlah batas atas kasus
yang memerlukan perawatan intensif (kuning). Biru = kasus yang memerlukan perawatan RS, merah=kasus
meninggal dunia.

Pada skenario ini, di akhir epidemi hanya sekitar 0,6% dari populasi yang akan terinfeksi (Tabel 3).

Tabel 3. Ukuran akhir epidemi jika transmisi diturunkan sampai tinggal 20% sampai epidemi berakhir.

Orang terinfeksi 56.085

Kasus memerlukan perawatan
Batas bawah 11.610
Batas atas 17.050
Kasus memerlukan perawatan ICU
Batas bawah 2.750
Batas atas 6.450
Kematian
Batas bawah 1.010
Batas atas 1.907

Alternatif lain, intervensi ini dilakukan untuk masa yang lebih singkat, lalu dihentikan. Hasil simulasi
menunjukkan bahwa pengangkatan intervensi sebelum epidemi berakhir akan mengakibatkan kurva epidemi
meningkat kembali, sampai ke level baseline (Gambar 5).

5
 Gambar 5. Atas. Kecepatan transmisi diturunkan sampai tinggal 20% selama satu minggu mulai hari
ke-75. Transmisi tidak jauh berbeda dengan baseline (kiri), karena intervensi hanya menurunkan
transmisi sedikit sebelum kembali ke level baseline (kanan). Bawah. Kecepatan transmisi diturunkan
sampai tinggal 20% selama 75 hari mulai hari ke-75. Kurva transmisi baseline bergeser sekitar 100 hari
(kiri). Intervensi menurunkan transmisi dan kesakitan/kematian sampai di bawah kapasitas ICU (garis
putus-putus merah), namun belum memutus rantai penularan sepenuhnya sehingga kurva epidemi
kembali ke keadaan baseline (kanan)

Bentuk implementasi yang dapat dilakukan sebagai alternative lain adalah penerapan intervensi secara
intermiten. Dalam simulasi, sistem “buka-tutup” dengan periode 1 minggu “tutup” dan 1 minggu “buka”
belum dapat menekan kurva transmisi sebagaimana penerapan intervensi kontinu, tapi masih dapat
memperlambat laju pertumbuhan kurva. Kombinasi yang tepat dari periodisasi buka-tutup mungkin dapat
menekan pertumbuhan kurva lebih dalam dan lebih memungkinkan secara teknis (Gambar).

6
Gambar 6. Implementasi intervensi secara intermiten dapat menunda kembalinya level transmisi ke baseline.
Periodisasi yang tepat mungkin dapat menekan laju transmisi lebih dalam.