Hier erfahren Sie, warum sich die Coronavirus-Sterblichkeitsmodelle ändern - und warum dies nicht bedeutet, dass wir überreagiert haben

Eine Pandemie zu modellieren ist wirklich schwierig. Wer hätte das gedacht?

Adobe Stock / Angelina Bambina

Es dauerte nicht lange, bis viele von uns begriffen hatten, dass die Coronavirus-Pandemie eine tödliche Kraft sein würde, die unser Leben auf sehr bedeutende Weise, möglicherweise für eine sehr lange Zeit, veränderte. Nach einigen wichtigen Prognosen könnten die Krankenhausaufenthalts- und Todesraten aufgrund von COVID-19 jedoch etwas besser sein, als Experten ursprünglich angenommen hatten.

Ende März prognostizierte ein häufig zitiertes Modell des Institute for Health Metrics and Evaluation (IHME) an der School of Medicine der University of Washington, dass in den USA etwa 81.000 Menschen sterben würden - möglicherweise jedoch bis zu 162.000. Anfang April hatte sich das Modell etwas verschoben. Obwohl immer noch vorausgesagt wurde, dass wir rund 81.000 Todesfälle erleiden würden, lag die höchste Schätzung bei rund 136.000. Die Schätzungen der Anzahl der Betten und Beatmungsgeräte auf der Intensivstation, die wir benötigen würden, wurden ebenfalls reduziert.

Bedeutet das, dass wir bei der Schließung von Schulen, Unternehmen und fast ganzen Städten überreagiert haben? Nun, nein. Wie sich herausstellt, sind solche Projektionen äußerst schwierig zusammenzusetzen, und die meisten von ihnen sind auf die eine oder andere Weise falsch. Aber selbst wenn ein Modell die Realität nicht vollständig widerspiegelt, heißt das nicht, dass es nicht hilfreich sein kann. Eine Änderung der Projektionen bedeutet nicht unbedingt, dass Sie etwas falsch gemacht haben - tatsächlich könnte dies bedeuten, dass Sie etwas richtig gemacht haben.

Was trägt zur Schaffung eines Modells für die Ausbreitung von Infektionskrankheiten bei?

Kurze Antwort: viel.

Die lange Antwort? Nun, mach dich bereit. Im Wesentlichen gibt es einige wichtige Arten von Modellen, die Forscher erstellen können, sagt Jeffrey Shaman, Ph.D., Professor für Umweltgesundheitswissenschaften und Direktor des Klima- und Gesundheitsprogramms an der Mailman School of Public Health der Columbia University, gegenüber SELF.

Die erste Art ist ein mathematisches Modell, das den komplexen Übertragungsprozess innerhalb eines Konstrukts beschreibt, beispielsweise wie Menschen in einer Stadt mit dem neuen Coronavirus infiziert werden, sagt Shaman, der die Arbeit der Columbia University bei der Erstellung von COVID-19-Modellen geleitet hat .

In einigen Arten von mathematischen Modellen, die als agentenbasierte Modelle bezeichnet werden, können Forscher viele verschiedene Faktoren berücksichtigen, die sich gegenseitig beeinflussen. Das bedeutet, dass das Modell verschiedene einzelne „Akteure“ misst, die zur Arbeit gehen, einkaufen gehen usw. und berechnet, wie sich ihr Krankheitsstatus - ob sie infiziert sind oder nicht - im Laufe der Zeit ändert, je nachdem, mit wem sie sonst in Kontakt kommen und in welche Umgebungen sie gehen.

Solche mathematischen Modelle sind "rechenintensiv", sagt Shaman, und sie müssen eine ganze Reihe von Annahmen über das Verhalten von Menschen und die Funktionsweise des Virus treffen, die möglicherweise tatsächlich zutreffen oder nicht.

Es gibt vereinfachte Versionen mathematischer Modelle, sogenannte Kompartimentmodelle, die Forscher in einem solchen Fall verwenden könnten. Ein sehr verbreitetes Modell ist ein SI- oder SIR-Modell, das die Anzahl anfälliger, infizierter und wiederhergestellter Personen in einer bestimmten Situation im Laufe der Zeit schätzt, erklärt Shaman.

Mit dieser Art von Modell versuchen Sie zu messen, „wie schnell sich Menschen zwischen den verschiedenen Kompartimenten bewegen, von anfällig über infiziert bis hin zur Entfernung aus der Bevölkerung, weil sie sich erholt haben oder tot sind“, Dr. Amesh A. Adalja. Senior Scholar am Johns Hopkins Center für Gesundheitssicherheit, erzählt SELF.

Zum Beispiel ein Modell, das in der Internationale Zeitschrift für Infektionskrankheiten Von Wissenschaftlern in den USA und China wird ein SEIR-Ansatz (anfällig, exponiert, infiziert, entfernt) zur Modellierung des Ausbruchs in Wuhan verwendet. In einer Studie, die sich derzeit im Preprint befindet, verwendeten Sherman und seine Mitautoren ein dynamisches Metapopulationsmodell, das wie ein Netzwerk von Kompartimentmodellen funktioniert, um die Rolle zu untersuchen, die Menschen mit leichten oder asymptomatischen Infektionen bei der Ausbreitung des Ausbruchs in China spielten.

Der andere wichtige Modelltyp ist ein statistisches Modell, das auf der Grundlage von Daten, die wir bereits über die Ereignisse in der Vergangenheit gesammelt haben, eine Prognose darüber erstellt, wie die Situation zu einem späteren Zeitpunkt aussehen könnte. Das oft zitierte COVID-19-Modell, das von der IHME erstellt wurde, ist ein solches statistisches Modell, das verwendet wird, um den Bedarf an Krankenhausausrüstung sowie die Todesrate aufgrund des neuen Coronavirus in den USA und auf der ganzen Welt vorherzusagen.

Alle diese Modelle müssen unterschiedliche Faktoren in Bezug auf das Virus und die von ihm infizierten Personen berücksichtigen, z. B. wie schnell sich die Krankheit ausbreitet, wie viele Personen jede infizierte Person infiziert und wie lange die Inkubationszeit dauert, sagt Dr. Adalja, dessen Arbeit die Beurteilung der Pandemievorsorge umfasst. Aber am Anfang sind dies nur Annahmen - und wir wissen möglicherweise eine ganze Weile nicht, wie genau diese Annahmen sind. "Alle diese Modelle basieren auf bestimmten Annahmen, die im Verlauf des Ausbruchs verfeinert werden müssen", sagt er.

Es ist wirklich sehr, sehr schwierig, ein Modell für einen neuen Virus zu erstellen, der sich in Echtzeit verbreitet.

Die Erstellung eines Modells für die Ausbreitung und die Auswirkungen einer Infektionskrankheit erfordert immer viel Zeit und komplizierte Vermutungen. Situationen wie dieses Coronavirus stellen jedoch einige sehr einzigartige Herausforderungen dar, die es noch schwieriger machen, genaue Projektionen darüber zu erstellen, was passieren könnte.

Nehmen Sie zum Beispiel die saisonale Grippe. Obwohl dies ein Ereignis für Infektionskrankheiten ist, das gleichzeitig auftritt, versuchen Forscher statistische Prognosen darüber zu erstellen, wie schwer diese bestimmte Grippesaison sein wird, ändern sich unsere Behandlungen und Präventionspraktiken von Jahr zu Jahr nicht so sehr, sagt Schamane. Das macht es einfacher, ein genaueres Modell für den Verlauf der Grippesaison zu erstellen.

Aber im Fall des neuen Coronavirus „müssen wir davon ausgehen, was die Gesellschaft tun wird“, sagt er, auch wenn soziale Distanzierungsbefehle erteilt werden, wie gut die Menschen ihnen folgen und wann die Menschen wieder an die Arbeit gehen.

Andere große Herausforderungen haben mit dem Testprozess zu tun, sagt Schamane. Wir wissen, dass zwischen der Infektion einer Person und dem Auftreten von Symptomen, die zu Tests führen, ein Zeitfenster von bis zu 14 Tagen besteht. Wenn wir uns also die Testergebnisse ansehen, "sehen wir, was vor ungefähr zwei Wochen passiert ist", sagt er, nicht das Ergebnis neuer Richtlinienänderungen, die beispielsweise in den letzten Tagen implementiert wurden, und definitiv nicht das, was gerade tatsächlich passiert.

Die Verfügbarkeit von Tests und die Entscheidung, Tests durchzuführen, spielen ebenfalls eine Rolle. Zum Beispiel hat jemand mit einer leichten Erkältung zu Beginn des Ausbruchs es möglicherweise nicht für notwendig gehalten oder sogar gedacht, einen Test für COVID-19 zu erhalten. Aber später, da dieses Virus für so ziemlich jeden das Wichtigste ist, ist es viel wahrscheinlicher, dass jemand mit selbst milden Symptomen nach Tests sucht. Wenn die Nachfrage nach Tests hoch ist, aber nicht genügend Tests für alle vorhanden sind, um einen zu erhalten, erhalten Sie nicht unbedingt ein vollständiges Bild der Rate positiver Tests. Darüber hinaus geben nicht alle Staaten die Anzahl der negativen Tests an, die sie erhalten.

All diese Variablen geben den Forschern ein besseres Bild von der tatsächlichen Anzahl der Fälle und ihrer Ausbreitung - und alle ändern sich ziemlich ständig. Dies hat reale Auswirkungen darauf, wie sich Regierungen, Krankenhäuser und Einzelpersonen auf die Pandemie vorbereiten.

Zum Beispiel haben es Testprobleme später schwierig gemacht, die uns vorliegenden Daten genau zu interpretieren und die Hospitalisierungsrate zu schätzen. Daten aus anderen Ländern (wie Spanien) zeigten zunächst, dass eine sehr hohe Anzahl von Menschen, die mit dem neuen Coronavirus infiziert waren, einen Krankenhausaufenthalt benötigen würde, sagt Dr. Adalja. Und laut CDC-Daten war die Hospitalisierungsrate anfangs recht hoch (über 30% für einige Altersgruppen). In jüngerer Zeit war die Hospitalisierungsrate in den USA jedoch viel niedriger. Warum waren die anfänglichen Projektionen falsch?

"Wir wissen, dass wir eine Reihe von Fällen aufgrund von Testbeschränkungen unterzählen", sagt Dr. Adalja. Und wenn dies der Fall ist, "bedeutet dies, dass wir die Gastfreundschafts- und Todesrate überschätzen."

Es ist unglaublich wichtig, diese Zahlen so richtig wie möglich zu machen, wenn Sie beispielsweise ein Krankenhausplaner sind. Diese Zahl könnte Ihnen sagen, dass Sie "so viele Krankenhausbetten, so viele Intensivbetten, so viele Beatmungsgeräte benötigen", sagt Dr. Adalja. "Und das kann falsch sein, wenn Ihre Krankenhausaufenthaltsrate überschätzt wird."

Modelle wie diese sollten sich im Laufe der Zeit ändern.

Wenn wir mehr über die Krankheit erfahren, wenn lokale Maßnahmen zur sozialen Distanzierung eingeführt werden und wir sehen, wie sich die Menschen tatsächlich verhalten, ist es völlig normal, dass sich die Projektionen ändern.

„Denken Sie daran, dass Modelle immer noch kein Ersatz für reale Daten sind. Sie sind Werkzeuge, mit denen politische Entscheidungsträger über verschiedene Szenarien nachdenken “, sagt Dr. Adalja. "Sie sind nicht verkleidet; Sie sollten damit rechnen, dass sich die Modelle ändern, wenn mehr Daten herauskommen. “ Tatsächlich sind die meisten Modelle aus dem einen oder anderen Grund falsch, sagt er. Es ist auch wichtig, sich daran zu erinnern, dass alle Modelle einen Unsicherheitsbereich oder eine Reihe möglicher Ergebnisse aufweisen, nicht nur ein bestimmtes Ergebnis, sagt Shaman. Und je weiter wir in die Zukunft schauen, desto unsicherer sind die prognostizierten Ergebnisse.

Wenn Sie auf eine Nachricht oder nur einen Tweet stoßen, in dem es um ein Modell der Auswirkungen des Coronavirus geht, kann es leider nicht die volle Komplexität der Modelldetails oder der Daten erfassen, mit denen die Forscher gearbeitet haben , Sagt Dr. Adalja. Die Nuancen und Annahmen über das Modell sowie die vielen möglichen Ergebnisse gehen bei der Übersetzung häufig verloren.

Aber manchmal, wie in diesem Fall, ist der Grund, warum Modelle geändert werden, tatsächlich ermutigend. "Wenn die Leute über das Abflachen der Kurve sprechen, geschieht dies aufgrund menschlicher Eingriffe", sagt Shaman. Es ist keine Behandlung oder Impfung, aber es ist etwas, was Menschen - Menschen wie Sie und ich! - tun, was einen echten Einfluss auf den Verlauf des Ausbruchs und die Prognosen hat, die Forscher für unsere Zukunft machen.

Diese frühen Modelle berücksichtigten soziale Distanzierungsmaßnahmen, aber dies ist nicht so einfach wie das Hinzufügen einer weiteren Zahl zur Gleichung. Sie müssen darüber nachdenken, wann die Befehle ausgeführt werden, ob es sich um einen echten Auftrag oder nur um einen Vorschlag handelt und wie gut die Leute diesen Befehlen wirklich folgen. In einer Reihe von Simulationsdiagrammen erstellt von der Washington Post Anhand von Daten von Forschern des Johns Hopkins University Center für Systemwissenschaft und -technik können Sie erkennen, dass eine strikte soziale Distanzierung einen viel größeren Einfluss auf die Kurve hat als ein halbherziger Versuch. Wir wussten also immer, dass dies hilfreich sein würde.

Die Berücksichtigung der sozialen Distanzierung und die Einschätzung ihrer wahren Kraft auf der Kurve war jedoch eine Herausforderung, und selbst das IHME-Modell wurde frühzeitig an seinen Metriken für die soziale Distanzierung aktualisiert, was es zu einer immer komplizierteren Maßnahme gemacht hat. Um beispielsweise die Auswirkungen sozialer Distanzierung im IHME-Modell zu bestimmen, kombinieren die Forscher nun tatsächlich die Ergebnisse mehrerer anderer Modelle auf der Grundlage von Schätzungen von drei Maßnahmen zur sozialen Distanzierung (Schulschließungen, Aufträge für den Aufenthalt zu Hause und nicht wesentliche Geschäftsschließungen). . Sie verwenden dann jeden dieser Werte, um sowohl kurz- als auch langfristige Sterblichkeitsmodelle zu erstellen.

Einige Leute könnten die Unterschiede in den Projektionen nach diesen Änderungen am Modell sehen und sie als Zeichen dafür interpretieren, dass unsere soziale Distanzierung und Schließung nicht wesentlicher Unternehmen eine Überreaktion war. Aber das ist die falsche Schlussfolgerung. Wenn überhaupt, ist dies ein Zeichen dafür, dass die soziale Distanzierung erfolgreich war - vielleicht sogar mehr als die ursprünglich projizierten Modelle. Tatsächlich bedeutet es, wie Schamane sagt, "die Kurve zu glätten".

Was sollten Sie diesen Modellen wegnehmen? Wisse, dass Forscher im ganzen Land und auf der ganzen Welt hart daran arbeiten, die Antworten zu finden, die so viele von uns so sicher wie möglich machen. Sie können Modelle verwenden, um zu projizieren, wie die Zukunft aussehen wird und welche Vorbereitungen wir treffen müssen. Sobald wir diese Modelle sehen, wird sich die Art und Weise, wie wir auf diese Informationen reagieren, natürlich auf das projizierte Ergebnis auswirken. Es ist eine schöne Erinnerung daran, dass viele von uns selbst bei einer Pandemie, bei der wir uns die meiste Zeit hilflos fühlen, noch etwas tun können: zu Hause bleiben.