@JacobGudiol Jag tror jag har fått ihop det, äntligen. En traditionell epidemikurva ser ut så här - det är en sådan kurva alla modeller räknar ut. Ökningen är exponentiell, men når en topp och går sedan ned, då allt fler blir immuna och viruset sprids allt mindre och slutligen dör epidemin ut 
@JacobGudiol Nu liknar ju inte alls covid-kurvorna de kurvor matematikerna beräknat. De ser i stället ut ungefär så här. Man har en linjär, snabb ökning (möjligen exponentiell i början), ev. en platå och en sakta, lite bucklig nedgång. Vi vet också att vi ej nått flockimmunitet i befolkningen
@JacobGudiol Men det finns bara två sätt som kurvan kan gå ned: att allt fler blir immuna, eller att man drar sig allt mer för att träffas och därmed minskar antalet kontakter. Om vi antar att vi inte drastiskt minskat våra kontakter sedan april, så måste kurvans nedgång bero på immunitet
@JacobGudiol Här är min förklaring. Kurvan består av en massa småkurvor som ligger lagrade på varandra. Population A ("festarna") drog igång epidemin. De var i Italien och annorstädes och har massor av kontakter. De nådde flockimmunitet rätt tidigt.
@JacobGudiol Grupp B smittades av grupp A. Det är folk som jobbar i yrken där man har kontakt med folk, inom sjukvård, polis, etc. Inom den gruppen sprids smittan saktare, eftersom de inte träffar folk så ofta och inte så nära som grupp A.
@JacobGudiol Grupp C är de mest försiktiga. Kontorsarbetande medelålders människor som inte har stort umgänge och sällan utsätts för smitta. I denna grupp sprids smittan sakta
@JacobGudiol I själva verket är det ju inte 3 grupper, utan tusentals små grupper. Men varje grupp uppvisar sin epidemikurva där smittan ökar, når max och sedan minskar pga flockimmunitet i denna lilla grupp. Då grupp efter grupp rekryteras, går kurvan ned mycket långsammare än den gick upp
@JacobGudiol Denna modell förklarar skillnaden mellan Stockholm och VGR/Skåne, mellan stad och land. Ju mer "lantligt", desto mindre är A-gruppen och epidemin domineras av grupp B och C. Därför är lutningen upp i början av epidemin mycket flackare. Toppen är lägre och kurvan mer utbredd
@JacobGudiol Agnes modell förklarar också varför det till synes inte blivit någon dramatisk effekt i de länder där smittan spreds starkt, och där man stängde ned stora delar av samhället. Grupp A var redan smittad och påverkades inte (smittan toppar 3-4 veckor innan dödstalen toppar)
@JacobGudiol Grupp B kan man inte heller eliminera, eftersom alla sjukvårdsarbetare, alla brandmän, poliser, sophämtare och andra måste gå till jobbet ändå. Det är i dessa jobb man har störst risk att bli smittad. Däremot förhindrar man smittan i grupp C - de medelålders kontoristerna
@JacobGudiol Därför kommer en "lock-down-kurva" att slutta brantare nedåt. Det är den situationen vi har nu smittan kan vara låg i flera av de länder som hade mest smitta i början. Å andra sidan har de inte "betat av" grupp C, som ju satt instängda och vare sig blivit sjuka el immuna
@JacobGudiol Grupp D, som inte är inritad i bilden, är alla de som isolerar sig frivilligt eller genom dekret, alltså 70+ och riskgrupperna. De blir inte smittade, men inte heller immuna
@JacobGudiol På detta sätt kan man förklara att epidemin avklingar pga flockimmunitet MEN att flocken inte består av hela befolkningen, utan av en massa småflockar. Därför kan man få en avklingande epidemikurva spontant även om det kanske bara är 20% av befolkningen som "deltagit" i epidemin
@JacobGudiol De stackars 70+ som isolerat sig duktigt kan alltså inte träda ut i samhället och umgås fritt, för viruset finns kvar fast det sprids med allt lägre hastighet i takt med att de som rekryteras in i epidemin har allt färre kontakter per individ i genomsnitt
@JacobGudiol Om min modell är riktig behöver man däremot inte hetsa upp sig så mycket över ungdomar och ansvarslösa festprissar som beter sig på ett sätt så att de riskerar att smitta varandra. Deras flock blev förmodligen smittad och immun redan i början av epidemin.
