The aim of this work was to compare different Non-pharmaceutical interventions (NPIs) in a simulated environment modeling Sweden with 10 000 000 (ten million) agents. Simulating the performance of these NPIs can be beneficial to policymakers and other government officials in order to give the power to make the right decision in the face of an epidemic. In this work, an agent-based model (ABM) was used, rather than estimating an ordinary differential equation, which is often done in the field of computational epidemiology. An existing ABM was used to perform this task. We found that using various interventions could greatly decrease the number of infected agents as well as fatalities at the end of the simulations. Five different types of interventions were simulated, these were; baseline, lockdown, home quarantine, case isolation and mask usage. The results from the interventions were compared against a baseline of no intervention. The most effective intervention that was simulated by far was total lockdown, reducing infected agents by 99.4% and fatalities by 99.6% from baseline. In second place, home quarantine reduced the number of infected agents by 38.0% and fatalities by 45.1%. We found that the reduction in infected agents was much greater in the simulated environment than in the real world, when compared with the results from another study on humans rather than simulated agents. There was a certain similarity between how well the methods ranked in effectiveness in the simulation and in reality. However, they were not equal. The results and methods of this work are probably not suitable as a proxy for estimating real-world effectiveness of NPIs, but may be used to compare the different NPIs against each other.

Detta arbete ämnar till att jämföra olika icke-farmaceutiska insatser (NPIs) i en simulerad miljö som avser att modellera Sverige med 10 000 000 (tio miljoner) invånare. Att simulera prestandan av dessa insatser kan vara gynnsamt för olika sorters beslutsfattare i ett lands styre för att ge dem makten att ta rätt beslut under en epidemi. I detta arbete användes en agentbaserad modell (ABM), snarare än att estimera en ordinär differentialekvation som man ofta gör inom beräkningsepidemiologi. En existerande ABM användes för att utföra denna uppgift. Vi fann att olika insatser kunde ha stor inverkan på antalet påverkade agenter, samt antalet dödsfall vid slutet av simuleringarna. Fem olika typer av insatser var simulerade, dessa var; basfallet, nedstängning av samhället, hemkarantän och maskanvändning. Resultaten från insatserna jämfördes mot ett standardvärde med ingen insats alls. Den överlägset mest effektiva insatsen var en nedstängning av samhället (lockdown), som minskade antalet påverkade agenter med 99,4% och antalet dödsfall med 99,6% från standardvärde. På andra plats kom hemkarantän som minskade antalet påverkade agenter med 38,0% och antalet dödsfall med 45,1%. Vi fann att minskningen av både antalet påverkade agenter samt dödsfall var mycket större i den simulerade domänen än i verkligheten, när vi jämförde de simulerade resultaten med resultaten från en studie på människor snarare än simulerade agenter. Det fanns en viss likhet i hur bra metoderna rankade mot varandra i effektivitet i simuleringen och verkligheten, men likheten var inte fullständig. Resultaten och metoderna från denna rapport är sannolikt inte en bra proxy för att estimera hur dessa insatser skulle prestera i verkligheten, men kan möjligtvis användas för att jämföra de olika insatserna mot varandra.