Abschätzung der täglichen Anzahl von neuen Corona-Fällen und Hospitalisierungen (Nowcasting) sowie der effektiven zeitvariierenden Reproduktionszahl R(t) für Bayern und München





10.11.2021: Beteiligung am Hospitalization Nowcast Hub

Unsere aktuellen Zahlen zur Hospitalisierung auf Bundes- und auf Bundeslandebene werden dort gemeinsam mit den Ergebnissen anderer Forschungsgruppen gezeigt.

05.10.2021: Nowcasting der Hospitalisierungsinzidenz

Wie bei den gemeldeten Corona-Fallzahlen, gibt es auch bei den Zahlen zu den Neuaufnahmen von COVID-19-Patient*innen in Krankenhäusern erhebliche Probleme durch einen zeitlichen Verzug bei der Meldung. Analog zum Vorgehen bei den gemeldeten Fällen haben wir ein Nowcasting-Verfahren zur Schätzung der Anzahl der aktuellen Fälle entwickelt. Dabei führen wir entsprechend dem Vorgehen von RKI und LGL Schätzungen für die Hospitalisierungsinzidenz mit dem Bezug Infektions-Meldedatum durch. In den Kurven sind dann aktuelle Schätzungen zur Hospitalisierungsinzidenz für Bayern unter Berücksichtigung der bereits gemeldeten Fälle und einer Schätzung für die noch hinzu kommenden noch nicht gemeldeten Fälle zu sehen. Zusätzlich bieten wir die entsprechenden Schätzungen nach zwei Altersgruppen (unter 60 und größer gleich 60) getrennt, sowie Schätzungen mit dem Bezug Hospitalisierungsdatum an. Details zum Verfahren sind im CODAG-Bericht Nr.21 zu finden.

Hintergrund:

Die täglich neu gemeldeten Corona-Fallzahlen entsprechen nicht der tatsächlichen Zahl der neuen Fälle mit Krankheitsbeginn oder Infektion an diesem Tag. Aufgrund von Verzögerungen bei der Meldung kann die Zahl der neu gemeldeten Fälle und die tatsächliche Zahl der neuen Fälle erheblich voneinander abweichen. Zur Beurteilung der aktuellen Infektionslage und Dynamik ist die Anzahl der Personen mit Krankheitsbeginn pro Tag eine bessere Größe.

Daher haben wir gemeinsam mit der Universität Stockholm und dem Bayerischen Landesamt für Gesundheit und Lebensmittelsicherheit (LGL) ein statistisches Verfahren entwickelt um aus den aktuellen Meldedaten die tatsächlichen neuen Fallzahlen mit Krankheitsbeginn an einem bestimmten Tag zu schätzen. Dies ist möglich, da man bei den gemeldeten Fällen auch den Beginn der Symptome mit erhebt. Diese Information wird genutzt, um die Verteilung der Verzögerung der Meldung (Zeitraum zwischen Krankheitsbeginn und Meldung beim LGL) zu schätzen. Daraus kann man dann die tatsächliche Anzahl der neuen Fälle bis zu zwei Tage vor dem aktuellen Datum schätzen. Es handelt sich dabei nicht um eine Vorhersage (forecast) sondern um eine Schätzung zum aktuellen Zeitpunkt (nowcast). Der Verlauf der Anzahl an Neuerkrankungen pro Tag wird auch epidemische Kurve bezeichnet.

Weiter kann man aus den Daten die in der Öffentlichkeit viel diskutierte zeitabhängige Reproduktionszahl R(t) schätzen. Diese Zahl ist definiert als die durchschnittliche Anzahl von Personen, die von einer Person mit Krankheitsbeginn zum Zeitpunkt t angesteckt wurden. Sie kann basierend auf den aktuellen Zahlen aus unserem statistischen Modell nur mit einer Verzögerung von 10 Tagen geschätzt werden.


Details zum statistischen Verfahren:

Felix Günther, Andreas Bender, Katharina Katz, Helmut Küchenhoff, Michael Höhle: Nowcasting the COVID-19 pandemic in Bavaria

Marc Schneble, Giacomo De Nicola, Göran Kauermann, Ursula Berger: Nowcasting fatal COVID-19 infections on a regional level in Germany

Maximilian Weigert, Wolfgang Hartl, Daniel Schlichting, Dielle Syliqi, André Klima, Helmut Küchenhoff: CODAG-Bericht 21: Hospitalisierungsinzidenz - der neue Leitparameter: Wie wird sie am besten gemessen?


Manuskript zum Verlauf in Deutschland und Bayern in der ersten Pandemiephase:

Helmut Küchenhoff, Felix Günther, Andreas Bender, Michael Höhle: Analysis of the early Covid-19 epidemic curve in Germany by regression models with change points



Aktuelle Schätzungen:



Weitere Auswertungen von Daten aus Bayern und München:



Schätzung der täglichen Neuerkrankungen





Grüne Kurve: Geschätzte epidemische Kurve (Anzahl der Personen mit Erkrankungsbeginn an dem entsprechenden Tag) mit 95%-Prognoseintervallen.

Die blauen Balken entsprechen der Anzahl der Personen mit Erkrankungsbeginn an dem entsprechenden Tag (offiziell berichtet). Die grauen Balken entsprechen der Anzahl an gemeldeten Fällen mit unbekanntem Erkrankungsbeginn, deren Krankheitsbeginn auf die entsprechenden Tage imputiert wurde.

Berechnung an Hand von Daten des LGL, Kooperation zwischen StaBLab/LMU und der Universität Stockholm.

Nicht berücksichtigt sind nie entdeckte Infektionen (Dunkelziffer). Dies bedeutet, dass die Gesamtzahl der Infizierten deutlich höher sein kann. Auch eine strukturelle Verzerrung durch eine zeitvariierende Dunkelziffer ist nicht auszuschließen.



Vergleich Geschätzte Neuerkrankungen und gemeldete Neuerkrankungen





Grüne Kurve: Geschätzte Anzahl der Fälle mit Krankheitsbeginn an dem entsprechenden Tag.

Rote Kurve: Anzahl der täglich neu gemeldeten Fälle, schwarze Kurve: Anzahl der gemeldeten und imputierten Fälle mit Krankheitsbeginn pro Tag.



Geschätzte und gemeldete 7-Tages-Neuerkrankungsinzidenz



Rote Kurve: Geschätzte 7-Tages-Neuerkrankungsinzidenz.

Hell blaue Kurve: Beobachtete 7-Tages-Neuerkrankungsinzidenz (pro Meldedatum).

Dunkel blaue Kurve: Beobachtete 7-Tages-Neuerkrankungsinzidenz (nach Erkrankungsbeginn).



Ergebnistabelle Nowcasting

Hier können die Ergebnisse des Nowcastings in tabellarischer Form heruntergeladen werden. Details zur Nowcast-Methode können in der begleitenden Veröffentlichung gefunden werden. Die Spalten des Datensatzes sind:

reported: Anzahl an gemeldeten Fällen mit Krankheitsbeginn pro Tag

nowcast: Nowcast für neue Fälle pro Tag

nowcast_lwr/nowcast_upr: Zugehöriges 95%-Prädiktionsintervall

Download

Geschätzter Verlauf der zeitvariierenden Reproduktionszahl





R(t) bezeichnet die geschätzte zeitvariierende effektive Reproduktionszahl. Sie gibt an, wie viele Personen durchschnittlich von einer Person mit Krankheitsbeginn am Tag t angesteckt wurden. Der Zeitraum von Symptombeginn einer Person bis Symptombeginn bei einer durch Sie angesteckten Person ist prinzipiell variabel. In Orientierung an die vorhandene Literatur zu COVID-19 nehmen wir an, dass die meisten 'Reproduktionen' innerhalb von 10 Tagen stattfinden. Daher beschreibt R(t) das Infektionsgeschehen in einem Zeitraum von 10 Tagen nach dem Zeitpunkt t. Daher zeichnen wir zur Orientierung eine zweite Zeitachse mit dem Endzeitpunkt t+10 in Grafik ein. R(t) kann daher auch nur bis zu einem Zeitpunkt von vor ca. zwei Wochen geschätzt werden: Mit dem Nowcast können wir Aussagen zur Fallzahl bis vor 2 Tagen treffen, zur Schätzung von R(t) muss ein zusätzlicher Puffer von 10 Tagen hinzugefügt werden um die durchschnittliche Anzahl an Ansteckungen im relevanten Zeitraum schätzen zu können. Der letzte veröffentlichte Wert von R(t) beschreibt damit aber dennoch das aktuelle Infektionsgeschehen und stützt sich dabei auf das aktuelle Meldegeschehen.



Ergebnistabelle R(t)

Hier können die Ergebnisse der R(t) Schätzung in tabellarischer Form heruntergeladen werden. Die Spalten des Datensatzes sind:

date: Datum der Schätzung

Rt: geschätztes R(t)

Rt_lower/Rt_upper: Zugehöriges 95%-Kredibilitätsintervall

Download

Schätzung der täglichen Hospitalisierungen in Bayern





Rote Kurve: Geschätzte Anzahl der hospitalisierten Fälle mit 95%-Prognoseintervallen.

Die blauen Balken entsprechen der Anzahl der gemeldeten hospitalisierten Fälle.

Berechnung an Hand von Daten des LGL, Kooperation zwischen StaBLab/LMU und der Universität Stockholm.



Geschätzte und beobachtete 7-Tages-Hospitalisierungsinzidenz





Rote Kurve: Geschätzte 7-Tages-Hospitalisierungsinzidenz.

Blaue Kurve: Beobachtete 7-Tages-Hospitalisierungsinzidenz.



Ergebnistabelle Nowcasting Hospitalisierungen

Hier können die Ergebnisse des Nowcastings für die oben ausgewählte Altersgruppe in tabellarischer Form heruntergeladen werden. Details zur Nowcast-Methode können im CODAG-Bericht Nr. 21 sowie der Publikation von Schneble et al. (2020) gefunden werden. Die Spalten des Datensatzes sind:

reported: Anzahl an beobachteten Hospitalisierungen pro Tag

nowcast: Nowcast der Hospitalisierungen pro Tag

nowcast_lwr/nowcast_upr: Zugehöriges 95%-Prädiktionsintervall


Alle Spalten mit einer 7 im Namen geben die jeweiligen 7-Tages-Hospitalisierungsinzidenzen wieder. Diese wird hier anhand der Werte über 7 Tage bis einschießlich des angegebenen Datums bestimmt.


Download