Aktuelle Zahlen SARS-CoV-2 Deutschland

Gemeldete Infektionen - Vorhersage 10 Tage


Gemeldete Infektionen - Vorhersage 25 Tage


Modell mit Vorbeugung

Das Modell nimmt einen gemäßigten Verlauf durch vorbeugende Maßnahmen an. Dazu gehört möglichst eine Einstellung sozialer Kontakte, und wo nicht befolgt, die Verhängung von Ausgangssperren. Der Grund für die Maßnahmen ist die hohe Anzahl symptomlos Infizierter, die das Virus verbreiten (siehe Li, R., Pei, S., Chen, B., Song, Y., Zhang, T., Yang, W. and Shaman, J., 2020. Substantial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV2). Science.) z.B. auf Veranstaltungen, beim Warten in der Schlange, in Schule und Arbeitsplatz. Maßnahmen können Schulschließungen, Home Office oder Schließung von Einrichtungen, bei denen sich viele Menschen treffen (Cafe, Bars, Restaurants), sein. Ebenso wird angenommen, dass durch die Verminderung der Kontakte einer Person zu anderen Personen (z.B. Meetings, Feiern), sowie durch die Isolierung aller mit Infizierten in Kontakt gekommene Personen die Ausbreitung des Virus gedämpft wird. Bei diesem Modell wird der schnelle Anstieg durch frühzeitige Maßnahmen abgebremst. Da Maßnahmen erst in 1-2 Wochen effektiv sind, hält dieses Modell nur, wenn Maßnahmen vorsorglich und vorrausschauend ergriffen und beibehalten werden. Diese Parameter werden in einer Sigmoid-Funktion ""gefittet"".

Modell mit adaptiven Maßnahmen

Es werden Maßnahmen ergriffen, die ein schnelles Ausbreiten der Epidemie verhindern, aber die Infektionen nicht ausrotten. Dies stellt die aktuelle Situation dar. Die Pandemie ebbt nach einer Durchseuchung von bis zu 70% der Bevölkerung ab.

Aktueller Verlauf

Der aktuelle Verlauf entspricht dem Modell mit adaptiven Maßnahmen. Die aktuelle Entwicklung der CFR (allgemeinsprachlich: Sterblichkeit) deutet auf eine zunehmende Untererfassung der Infizierten hin. Damit das optimistische Modell greifen kann, müssten die Maßnahmen beibehalten und schärfer durchgesetzt werden. Die hier verwendeten Modelle werden ständig überprüft und verbessert.

Für die Korrektheit der hier dargestellten Vorhersagen übernehmen wir keine Gewährleistung.

Verstorbene - Vorhersage 10 Tage


Verstorbene - Vorhersage 25 Tage


Verstorbene pro Tag - Vorhersage 10 Tage


Verstorbene pro Tag - Vorhersage 25 Tage


Case Fatility Rate (CFR)

Berechnung der aktuellen Case Fatality Rate (CFR) Allgemein
Die Berechnung der Letalitätsrate ist rückblickend auf eine Epidemie sehr einfach: Man teilt die Verstorbenen durch die Infizierten, multipliziert mit Hundert und erhält so die Letalitätsrate in Prozent. Während des Verlaufs einer Epidemie ist die Berechnung der aktuellen Rate unsicherer und schwankt. Während eine Epidemie anhält, ist diese Zahl eher eine ungenaue Zahl, insbesondere am Anfang der Epidemie. Deshalb behilft man sich mit der Berechnung der Case Fatality Rate (CFR), die eine Schätzung der Sterberate darstellt. Wie wird diese berechnet? Machen wir ein Beispiel. Sagen wir zum 1. Dezember wären 100 Personen mit einem Virus infiziert. Nach ca. 2-3 Tagen zeigen sich die ersten Symptome, nach 2 weiteren Tagen wird der Test durchgeführt. Der Test ist positiv, die 100 Infizierten tauchen in der Statistik am 5. Dezember auf. Am 14. Dezember sterben nun 5 der hundert Patienten. Damit ergibt sich eine Case Fatality Rate von 5%. Wie man sich leicht vorstellen kann, ist die Berechnung vereinfacht: Dauert es wirklich nur 2 Tage bis die ersten leichten Symptome auftreten? Oder 5? Und sterben alle Infizierten vom 1. Dezember am 14. Dezember oder sind am 5. Dezember komplett geheilt? Natürlich nicht.
Hier muss man von Annahmen aus Untersuchungen ausgehen, die insbesondere in Wuhan durchgeführt wurden, wo der Ausbruch rückwirkend untersucht wurde. Diese sind in den Referenzen zu finden, hier aber die groben Zahlen: Die Berichte geben einen Zeitversatz von ersten Symptomen zu Tod von durchschnittlich 14 Tagen an. Das Robert Koch-Institut schreibt dazu: ""In einer chinesischen Fallserie (siehe 9.) betrug diese Zeitspanne im Mittel (Median) acht Tage (IQR: 6–12 Tage) (34), und in einer anderen Veröffentlichung (n = 298 Patienten) 9 Tage (IQR: 7–11 Tage) (35)."".
Der Text des RKI bietet noch weitere sehr lesenswerte Informationen und ist hier zu finden. Insbesondere ist hier sehr gut beschrieben, wieso die einfache Teilung der existierenden Infizierten durch die gerade Verstorbenen zu einer Verfälschung der Letalitätsrate führt. Grund ist, dass wie beschrieben die Kranken in der Regel nicht sofort, sondern erst nach einiger Zeit sterben (Mehr dazu auch ausführlich in dem Artikel Ghani AC, Donnelly CA, Cox DR, Griffin JT, Fraser C, Lam TH, Ho LM, Chan WS, Anderson RM, Hedley AJ, Leung GM. Methods for estimating the case fatality ratio for a novel, emerging infectious disease. American journal of epidemiology. 2005 Sep 1;162(5):479-86.).
Dennoch bleibt eine gewisse Unsicherheit, weil wir nicht genau wissen, mit welchem Tag, d.h. mit welcher Infiziertengruppe, ein Toter verglichen werden muss. Oder anders gesagt: Wie ist die Anzahl der Tage zwischen der Meldung der Infektion (das ist der Wert den wir in der Erfassung sehen) und dem Tod. Um die Unsicherheit in der Berechnung der Case Facility Rate abzubilden, haben wir uns deshalb entschlossen eine Bandbreite von Tagen aufzunehmen, nämlich zwischen 6 Tagen (was einen optimistischen Werte darstellt) und 14 Tagen (was einen pessimistischen Wert darstellt). Zum Ende der Epidemie werden sich die Werte annähern. Eine weitere Unsicherheit ergibt sich aus den Meldezahlen: Für beide Zahlen, gemeldete Infiziert und gemeldete Tote, gibt es eine Dunkelziffer, die aber aufgrund fehlender Datengrundlage nicht in die Berechnung mit aufgenommen werden kann. D.h. werden z.B. viele Infektionsfälle nicht erfasst, wäre die Sterblichkeit niedriger als die Prozentzahlen vermuten lassen. Umgekehrt sehen wir in den letzten Wochen wieder eine höhere CFR-Rate, obwohl die Sterblichkeit eigentlich sinken sollte. Dies ist ein Indiz dafür, dass zunehmend Infektionen nicht mehr erfasst werden, da die Ausbreitungswege zunehmend nicht mehr verfolgbar sind. D.h. die Dunkelziffer steigt und die tatsächlichen Infektionszahlen werden im Verhältnis zu den tatsächlichen Infektionszahlen immer größer.

Quellen:
WHO, WHO Director-General's opening remarks at the media briefing on COVID-19, 3. März 2020

Wang, Weier, Jianming Tang, and Fangqiang Wei. Updated understanding of the outbreak of 2019 novel coronavirus (2019-nCoV) in Wuhan, China. Journal of medical virology 92, no. 4 (2020): 441-447.

Wang, Weier, Jianming Tang, and Fangqiang Wei. Ghani AC, Donnelly CA, Cox DR, Griffin JT, Fraser C, Lam TH, Ho LM, Chan WS, Anderson RM, Hedley AJ, Leung GM. Methods for estimating the case fatality ratio for a novel, emerging infectious disease. American journal of epidemiology. 2005 Sep 1;162(5):479-86.

Wahrscheinlichkeit für junge Menschen an Corona zu sterben


Case Fatality Rate (CFR)


Wahrscheinlichkeit an Corona zu Sterben (Junge Menschen)

Denken Sie auch: Die Maßnahmen finde ich gut, aber ich gehöre ja nicht zur Risikogruppe - also halte ich mich nicht dran? Da ist es doch wahrscheinlicher, dass ich aus dem Haus gehe und vom Auto überfahren werde als dass ich an einer Covid-19 Ansteckung sterbe! Ist das richtig? Die Statistik sagt uns etwas Anderes. Wie wahrscheinlich ist es also für jüngere Personen an einer Covid-19-Erkrankung zu sterben? Legt man die aktuellen sogenannten Case Fatality Rates (CFR) zugrunde, ist es im Vergleich zu anderen typischen Todesursachen gar nicht so unwahrscheinlich, dass sie an Covid-19 sterben. Zunächst der populäre Vergleich mit dem Verkehrsunfall - der Fairness halber aller Verkehrsteilnehmer. Es ist selbst im günstigsten Fall noch fast 30 Mal wahrscheinlicher, dass sie an Covid-19 sterben, als dass sie bei einem Verkehrsunfall zu Tode kommen. Und im Worst Case ist das Risiko sogar das 73-fache! Haben sie Flugangst? Dann würden sie sich sicher nicht ins Flugzeug setzen, wenn jeden Tag eines abstürzen würde. An Corvid-19 sterben derzeit jeden Tag 100-200 Menschen, das entspricht dem Absturz eines Passagierflugzeugs jeden Tag. Jetzt werden sie sagen: Ich kann ja auch eine andere Krankheit bekommen und daran sterben. Das ist richtig, aber derzeit weniger wahrscheinlich, als an Corona zu sterben. Nehmen wir die Haupttodesursache für Jüngere: Den Krebs. Es ist für Jüngere im Schnitt immer noch 3-4x so wahrscheinlich, bei einer Infektion mit Covid-19 zu sterben, als tödlichen Krebs zu bekommen! Und es ist sogar mindestens ca. 2000-Mal wahrscheinlicher an Covid-19 zu sterben, als an Grippe tödlich zu erkranken. Auch deshalb sind beide Krankheiten nicht zu vergleichen.
Jetzt werden einige sagen: Aber irgendwann bekomme ich doch Corona, dann doch besser gleich. Mit der Zeit sinkt allerdings die Sterbewahrscheinlichkeit. Dies ist in der Grafik rechts zu sehen. Mit der Zeit werden alle Beteiligten im Gesundheitssystem - Ärzte, Krankenschwestern, Apotheker, Pharmaindustrie - viel geübter in der Behandlung der Krankheit. Die Entscheidungen für die richtige Behandlung wird schneller getroffen, präziser die wirklich kritisch werdenden Fälle identifiziert und mit geeigneten Medikamenten behandelt. Die Sterberate sinkt in Folge*. Am Anfang halbierte sich die Sterbewahrscheinlichkeit etwa jeden Monat, jetzt sehen wir ein eher uneinheitliches Bild (siehe unten). Es lohnt sich also, lieber (viel) später an Corona zu erkranken, als jetzt.

Mit welchen Zahlen wurde gerechnet: Als optimistischsten Fall an Corona zu sterben wurde 0.1% angenommen. Diese stellt von allen Veröffentlichungen die untere Schranke für die Sterblichkeit dar. als obere Schranke wurde die vom Modell errechnete optimistische untere Schranke von nur 0.27 angenommen. Die Sterblichkeit könnte höher sein, das RKI rechnet derzeit mit 0,5-1%. Als Datenbasis für die Todesursachen wurden die öffentlich verfügbaren Datensätze des statistischen Bundesamts verwendet, für die internationalen Flugzahlen die IATA, für die Toten bei Flugunfällen die Daten des Aviation Safety Networks. Die Flugdaten stammen aus dem Jahr 2018, einem Jahr mit recht vielen Flugtoten, die anderen Daten aus dem Jahr 2019.

*) seit 1.4. ist eine Erhöhung der CFR zu beobachten. Dies könnte natürlich an einer höheren Sterblichkeit an sich liegen, aber ebenso an einer höheren Dunkelziffer der gemeldeten Infizierte. Da in letzter Zeit ein starker Rückgang der gemeldeten Infizierten zu verzeichnen ist, unterstützt dies die Annahme, dass die Dunkelziffer seit ca. 2-3 Wochen steigt und somit eine scheinbar höhere statistische Sterblichkeit auftritt.

Kontakte pro Bundesbürger

Ein Kontakt umfasst alle Personen, auch bei der Arbeit, im Supermarkt und im privaten Bereich außerhalb des eigenen Haushalts.

Aktiv Infizierte (Gesamtinfizierte minus Genesene)

Ein Kontakt umfasst alle Personen, auch bei der Arbeit, im Supermarkt und im privaten Bereich außerhalb des eigenen Haushalts.

Kontakte pro Bundesbürger

Eine wichtige Größe, die die Geschwindigkeit der Ausbreitung bestimmt, ist die Anzahl der direkten Sozialkontakte. Ist diese sehr gering, breitet sich diese langsamer ab, als Infizierte wieder genesen, die Epidemie stoppt. Derzeit ist dies allerdings noch bei weitem nicht abzusehen. Zwar hat sich die Anzahl der Kontakte von durchschnittlich 8 (Durchschnittliche Anzahl Kontakte eines Deutschen vor der Krise) zunächst auf unter 4 reduziert. Sehr schön ist nun die Erhöhung der Sozialkontakte an Ostern zu erkennen.
Die Grafik oben zeigt auch die mögliche Entwicklung der Epidemie, konkreter, die aktuell an Covid-19 erkrankten Personen. Falls alle sich im Schnitt an die Maßgabe 1 Sozialkontakt pro Tag halten würden, wäre die Krise nach ca. 3 Wochen vorbei, die Anzahl der Kranken würde auf unter 1000 sinken. Voraussetzung: Dies geschieht sofort. Je später die Maßnahme wirkt, desto länger dauert es, bis die Krise vorbei ist. Die Maßnahme von im Durchschnitt 1 Sozialkontakt pro Tag ist strikt einzuhalten: Für jeden Supermarktbesuch muss jeder Besucher ca. 2 Sozialkontakte (z.B. Kassiererin, plus die Vielzahl unvermeidlicher Kurzkontakte = 1 weiterer Kontakt) einplanen - falls er sich nicht zusätzlich schützt, Abstände auch immer eingehalten werden etc.. Jeder Besuch bei einer befreundeten Familie oder Verwandten sind mehrere Sozialkontakte - pro Person die mitgeht - auch wenn die besuchte Familie das Haus ""nur"" für den Supermarkt verlässt*. Ebenso muss jeder berufliche Kontakt als zumindest teilweiser Sozialkontakt gelten, auch wenn man jetzt 2 Meter Abstand hält* - der Abstand schützt zwar zum Teil, aber nicht komplett.
Zum Modell: Das Modell macht einige Annahmen, die der Berechnung der Sozialkontakte zugrunde liegen. Die erste Annahme ist, dass vor dem Einsetzen der Maßnahmen 8 Sozialkontakte stattgefunden haben. Diese Zahl wurde entsprechenden Studien (s.u.) entnommen. Geht man nun davon aus, dass ein Corona-Infizierter ca. 5 Tage symptomfrei (damit unbemerkt) ansteckend ist (laut WHO und RKI, siehe Referenzen oben), kann man mittels der Werte am Anfang der Epidemie den Übertragungsfaktor S bestimmen. Dieser beträgt seit 16.3. 0.04. Der Wert lässt ist gering, und lässt sich z.B. durch eine Grundimmunität der Bevölkerung erklären. Der Wert wird nun verwendet um sukzessive die folgenden Sozialkontakte zu berechnen. Sinken die Infiziertenzahlen, sind (sehr vereinfacht gesprochen, das Modell ist komplizierter) 5 Tage vorher die Sozialkontakte gesunken. Weiterhin werden Faktoren wie maximale Durchseuchung (70%) sowie Verlangsamung der Infektionsausbreitung durch Immunisierte (also genesene an Covid erkrankte Personen) und die Dunkelziffer dieser nun Immunisierten einberechnet. Seit 20.4. werden zudem die Infiziertenzahlen korrigiert, da von einer steigenden Dunkelziffer auszugehen ist. In diesem Modell wird optimistisch mit einer Dunkelziffer von 1:10 gerechnet, das RKI geht allerdings von einer Quote von 1:2 aus. Das Modell ist natürlich vereinfacht, da Infektionen nur auf Tröpfcheninfektionen zurückgeführt werden. Die Schmierinfektionen haben sicher ebenfalls einen Einfluss, dieser ist aber mangels guter Datenlagen noch nicht im Modell mit einbezogen.

* 2 Meter Abstand senkt zwar die Ansteckwahrscheinlichkeit stark, aber eliminiert sie nicht. Insbesondere bei der derzeitigen Wetterlage, d.h. trockenen Luft in Innenräumen, bleibt ein erhebliches Infektionsrisiko durch Tröpfchenübertragung. Dieses nimmt ab, wenn die absolute Luftfeuchte einen optimalen Wert erreicht hat. Laut Studien könnte dieser bei etwa 50% relativer Luftfeuchte bei 20°C liegen.

Quellen:
  • Mossong, J., Jit, M., HENS, N., Beutels, P., Auranen, K., Mikolajczyk, R., Massari, M., Scalia-Tomba, G.P., Wallinga, J., Sadkowska-Todys, M. and Rosinska, M., 2007. Social contact and mixing patterns relevant to the spread of infectious diseases: a multi-country population-based survey. OXFORD UNIV PRESS.
  • Kim, S.W., Ramakrishnan, M.A., Raynor, P.C. and Goyal, S.M., 2007. Effects of humidity and other factors on the generation and sampling of a coronavirus aerosol. Aerobiologia, 23(4), pp.239-248.
  • Lowen, A.C., Mubareka, S., Steel, J. and Palese, P., 2007. Influenza virus transmission is dependent on relative humidity and temperature. PLoS Pathog, 3(10), p.e151.
  • Shaman, J. and Kohn, M., 2009. Absolute humidity modulates influenza survival, transmission, and seasonality. Proceedings of the National Academy of Sciences, 106(9), pp.3243-3248.
  • Shaman, J., Pitzer, V.E., Viboud, C., Grenfell, B.T. and Lipsitch, M., 2010. Absolute humidity and the seasonal onset of influenza in the continental United States. PLoS Biol, 8(2), p.e1000316.
  • Lofgren, E., Fefferman, N.H., Naumov, Y.N., Gorski, J. and Naumova, E.N., 2007. Influenza seasonality: underlying causes and modeling theories. Journal of virology, 81(11), pp.5429-5436.

Aktiv Infizierte bei nur reaktive Maßnahmen


Tote bei teilweiser Rücknahme der Maßnahmen


Wäre es so schlimm, Maßnahmen erst dann zu treffen wenn sie sichtbar notwendig sind? Oder die Maßnahmen z.T. aufzuheben?

Ist es wirklich so schlimm, wenn wir die Maßnahmen immer nur stückchenweise anpassen oder noch besser, die Maßnahmen wieder teilweise zurücknehmen?
Die beiden Grafiken oben zeigen dazu die Auswirkungen. Die Grafik links zeigt, wie sich die Infizierten entwickeln, wenn erst Maßnahmen erst dann ergriffen werden, sobald diese in den Indikatoren aufgezeigt werden. Die Politik würde im Modell reagieren. Die Maßnahmen lockern oder möglichst ganz aufheben? Was würde dann passieren? Die Grafik rechts zeigt ein solches Szenario.

Zusätzliche Tote bei einer Virus-Epidemie?

Wieviele Menschen sterben bei einer Grippeepidemie über dem Durchschnitt (Beispiel: Grippeepidemien 2017 und 2018)

Gibt es zusätzliche Tote bei einer Virusepidemie?

Wie viele Menschen sterben bei einer Grippeepidemie laut den offiziellen Zahlen des Robert Koch-Instituts zusätzlich zu den Todesfällen in Jahren ohne Epidemie.

Übersterblichkeit

Sterben denn wirklich mehr Menschen wegen Corona, oder würden die nicht sowieso sterben? Nur weil sie zufällig auf Covid-19 positiv getestet sind, bedeutet das noch lange nicht, dass sie auch wegen Covid-19 sterben? Diese Frage stellt sich bei jeder Virusepidemie, und ist inzwischen gut studiert. Wissenschaftlich ausgedrückt stellt sich die Frage: Gibt es wegen einer Virusepidemie ein Übersterblichkeit, d.h. gibt es Personen, die aufgrund des Virus sterben, sonst aber noch länger gelebt hätten. Das Robert Koch-Institut (RKI) hat zum Anlaß der Grippe-Epidemien 2017/18 hier einen Bericht verfasst.
Die Grafik oben versucht sich dem Problem mit einfachen Mitteln anzunähren: zu sehen sind die durchschnittlich verstorbenen in den Jahren 2014-16, dann die Verstorbenen im ersten Epidemiejahr 2017, gefolgt von der zweiten, größeren Epidemiewelle in 2018. Die Verstorbenen im Jahr 2019 sind eine Schätzung. Insgesamt zeigt sich, dass die Anzahl der Verstorbenen zur Zeit der Grippewelle erheblich höher war, und nur z.T. auf andere Faktoren zurückzuführen ist*. Dies kann als Beleg dafür gesehen werden, dass Viruserkrankungen wie Influenza oder Corona zu einer erheblich höheren Sterblichkeit führen. Ein Großteil der an der Epidemie verstorbenen Personen wären wohl nicht verstorben, hätte die Epidemie nicht stattgefunden.

* In der amtlichen Statistik tauchen diese Fälle im Übrigen nicht auf, so wurden für 2017 nur 1176 Grippetote amtlich erfasst. Dies stellt eine massive Unterschätzung der eigentlichen Grippetoten durch die amtliche Schätzung dar. Für weitere Informationen sei auf das RKI verwiesen.

Was wäre, wenn wir schon viel früher reagiert hätten?

Was wäre, wenn wir schon viel früher, z.B. am 1. März, mit 'leichter' Kontaktbeschränkung angefangen hätten?

Was war die tatsächliche Situation?

Demgegenüber ergibt sich die tatsächliche Situation, in dem die Maßnahmen basierend auf der Entwicklung getroffen wurden.

Was wäre wenn?

Was wäre, wenn wir z.B. am 1.März schon reagierte hätten. Wäre dann die Covid-19 Epidemie in Deutschland schon vorbei? Wahrscheinlich schon seit mindestens einer Woche, vielleicht auch 2. Die Simulationsergebnisse unten zeigen das: Hätten wir eine mildere Kontaktsperre bereits am 1.3. etabliert, würden wir jetzt alle entspannt auf diese Zeit zurückblicken. Es hätte wenig Infizierte und nur ein Bruchteil der Toten gegeben.

Infektionstrend

Klicken Sie ein Bundesland oben an, um dieses zu vergleichen Infektionsrisiko in gemeldete aktive Fälle pro 100.000 Einwohner


Infektionsrisiko nach Bundesländern

Klicken Sie ein Bundesland oben an, um dieses zu vergleichen Infektionsrisiko in gemeldete aktive Fälle pro 100.000 Einwohner


Infektionstrend in D und Bundesländern verharrt auf hohem Niveau

Wie gestaltet sich der Trend hinsichtlich der aktuellen Infektionen in Deutschland? Bundesweit zeigt unsere Analyse aktuell eine moderat fallende Anzahl der gemeldeten Infektionen. Der Trend in den einzelnen Bundesländern ist dabei unterschiedlich.

Wie wurde gerechnet? Basis sind die offiziell vom RKI gemeldeten Daten. Da die Meldedaten sehr stark zwischen den Wochentagen schwanken, wurde ein 7-Tages Vergleich gewählt, der dann noch um 2 Tage geglättet wurde. Die Kategorisierung erfolgt mit Hilfe der Kategorien 10% mehr oder 10% weniger Infizierte also vor 7 Tagen, die als gleichbleibenden Trend kategorisiert wurden. Zwischen 60% und 90% wurde als moderate Zu- bzw. Abnahme kategorisiert, von 60-90% als moderate Zu- und Abnahme, alles größer 90% als starke Ab- bzw. Zunahme.

Tote steigen oder bleiben gleich, gemeldete Infektionen scheinen zu sinken. Dunkelziffer steigt?

Die linke Grafik vergleicht den Trend der gemeldeten aktiv Infizierten und der Verstorbenen.

Vergleich der Sterblichkeit Deutschland und Island

Wie verhält sich die Letalität und CFR in D und Island im Vergleich

Erhöhung der Dunkelziffer - tatsächliche Infektionen steigen?

Die linke Grafik visualisiert, dass der aktuelle Trend in der Zahl der gemeldeten Infektionen von einer Erhöhung der Dunkelziffer herrühren kann: Während der Trend der Verstorbenen weiter auf ""Zunahme"" oder ""Gleichbleibend"" steht, scheint sich der Trend bei den Infizierten auf ""gleichbleibend"" bis ""fallend"" eingependelt zu haben. Dies kann mit dem zeitlichen Verzug bei den Verstorbenen erklärt werden. Ob der lange zeitliche Abstand aber alleine als Grund ausreichend ist, bleibt abzuwarten. Eine andere Erklärung wäre eine Erhöhung der Sterblichkeit. Allerdings sollte diese durch verbesserte und standardisierte Behandlungsverfahren sinken. D.h. eigentlich sollte der Trend bei den Verstorbenen im Verhältnis zu den Infizierten immer niedriger werden. Der Effekt könnte statt dessen in einer immer weiter steigenden Dunkelziffer zu begründen sein. Dafür spricht ebenfalls, dass seit über zwei Wochen die sogenannte Case Fatality Rate (CFR, siehe CFR steigt, obwohl diese eigentlich fallen müsste.

Um die tatsächliche Sterblichkeit zu beurteilen, müsste man die gesamte Bevölkerung gleichzeitig testen - oder aber zumindest eine repräsentative Stichprobe durchführen. Dies ist natürlich nicht möglich. Deshalb versucht diese Statistik sich dem Problem anzunähern. In der linken bzw. oberen Grafik sind die Letalität (7-Tage Mittel der Toten durch die Infizierten) sowie die sogenannte Case Fatality Rate (CFR) zu sehen, und zwar für die Länder Island und Deutschland im Vergleich. Island wurde als Vergleichsland herangezogen, weil es eine sehr hohe Testrate von 10% der Bevölkerung (D: 2%) aufweist, ein zuverlässiges Meldesystem hat sowie eine Bevölkerung mit ähnlicher genetischer Disposition (und damit Virenabwehr) wie in der deutschen Bevölkerung. Zu sehen ist, dass Island eine deutlich niedrigere Letalität und auch einen niedrigeren CFR besitzt. Zum Ende einer Epidemie werden sich beide Werte annähern und stellen dann die Obergrenze für die Sterblichkeit dar. Der CFR Dies kann als starkes Indiz dafür gedeutet werden, dass der Virus eine Sterblichkeit von maximal 1% haben wird. Die aktuelle Letalität ist in beiden Ländern mit dem Unsicherheitsfaktor der Dunkelziffer behaftet: In Deutschland sind 98% ungetestet, in Island ""nur"" 90%. D.h. die Letalität in Island mit ca. 0.55% kann als (aktuelle) obere Minimalgrenze für die Sterblichkeit gesehen werden. Insgesamt könnte die tatsächliche Sterblichkeit noch niedriger liegen.

Referenzen

  • Del Valle, S. Y., Hyman, J. M., Hethcote, H. W., & Eubank, S. G. (2007). Mixing patterns between age groups in social networks. Social Networks, 29(4), 539-554.
  • Garske, Tini, Judith Legrand, Christl A. Donnelly, Helen Ward, Simon Cauchemez, Christophe Fraser, Neil M. Ferguson, and Azra C. Ghani. Assessing the severity of the novel influenza A/H1N1 pandemic. Bmj 339 (2009): b2840.
  • Xu, Xiao-Wei, Xiao-Xin Wu, Xian-Gao Jiang, Kai-Jin Xu, Ling-Jun Ying, Chun-Lian Ma, Shi-Bo Li et al. Clinical findings in a group of patients infected with the 2019 novel coronavirus (SARS-Cov-2) outside of Wuhan, China: retrospective case series. Bmj 368 (2020).
  • Hellewell, J., Abbott, S., Gimma, A., Bosse, N.I., Jarvis, C.I., Russell, T.W., Munday, J.D., Kucharski, A.J., Edmunds, W.J., Sun, F. and Flasche, S., 2020. Feasibility of controlling COVID-19 outbreaks by isolation of cases and contacts. The Lancet Global Health.
  • Nishiura, H., Linton, N.M. and Akhmetzhanov, A.R., 2020. Serial interval of novel coronavirus (COVID-19) infections. International Journal of Infectious Diseases.
  • Rabajante, J.F., 2020. Insights from early mathematical models of 2019-nCoV acute respiratory disease (COVID-19) dynamics. arXiv preprint arXiv:2002.05296.
  • Pinotti, Francesco, Laura Di Domenico, Ernesto Ortega, Marco Mancastroppa, Giulia Pullano, Eugenio Valdano, Pierre-Yves Boëlle, Chiara Poletto, and Vittoria Colizza. Lessons learnt from 288 COVID-19 international cases: importations over time, effect of interventions, underdetection of imported cases. medRxiv (2020).
  • World Health Organization, 2020. Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19).
Die einfache Teilung der existierenden Infizierten durch die gerade Verstorbenen führt zu einer Verfälschung der Letalitätsrate, da Kranke in der Regel nicht sofort, sondern erst nach einiger Zeit sterben (siehe Ghani AC, Donnelly CA, Cox DR, Griffin JT, Fraser C, Lam TH, Ho LM, Chan WS, Anderson RM, Hedley AJ, Leung GM. Methods for estimating the case fatality ratio for a novel, emerging infectious disease. American journal of epidemiology. 2005 Sep 1;162(5):479-86.). In Wang et al. wurde basierend auf den großen Zahlen in Wuhan ein Zeit von 14 Tagen zwischen erstem Symptom und Tod errechnet, abzuziehen sind die Zeit bis zur Feststellung der Krankheit durch Test (ca. 4 Tage) sowie Verzögerungen bis die Fälle in der Statistik aufgenommen werden. Die hier genannte Letalität wird zudem um den zu erwarteten Verlauf basieren auf den Prädiktionsmodellen korrigiert. Die Entwicklung der Letalität über die Zeit werden wir zu einem späteren Zeitpunkt berichten.
Impressum Datenschutzerklärung Haftungsausschluss