Die Studie von @michiwagner u.a. (start.univie.ac.at/fileadmin/user…) an einer Stichprobe von 10.464 Personen, Schüler*innen und Lehrer*innen in der Primarstufe und Sekundarstufe I hat nach Abzug nicht auswertbarer Proben ergeben:
2/n
"40 der verbleibenden 10.156 Proben waren positiv. Dies entspricht einer Gesamtprävalenz von 0,39% mit einem
95% Konfidenzintervall („Schwankungsbreite“) von 0,28-0,55%."
3/n
Heißt: wir können relativ verlässlich schätzen bzw. Vertrauen (=Konfidenz) haben, dass in allen Primar- und Sek I- Schulen in Gesamtösterreich zwischen einer Person in ca. 357 und einer Person in 182 infiziert waren. Stellen Sie sich das Ganze für eine einzige Schule vor.
4/n
Wir wissen aus den Ergebnissen nicht, wie sich die Infizierten auf Schulen verteilen. In einem Gedankenexperiment gehe ich von Gleichverteilung aus. In einer Schule mit insgesamt 400 Schüler*innen und Lehrer*innen können wir dann mit ein bis zwei infizierten Personen rechnen.
5/n
Das Gedankenexperiment ist nicht mit der Realität zu verwechseln und bei der Verteilung auf Schulen sind 1-2 Infizierte nur Durchschnittswerte; es ist jedoch plausibel, dass angesichts der Wahrscheinlichkeiten, 1:182 und 1:357, an vielen Schulen Infizierte zu finden sind.
6/n
Im April fand eine Prävalenzstudie für ganz Österreich statt (statistik.at/web_de/statist…). Dort wurde "eine Prävalenz von 0,15% der Bevölkerung (Obergrenze des 95%-Konfidenzintervalls)" festgestellt.
7/n
Das Vorkommen von Infizierten im Sept./Oktober 2020 an Schulen ist somit deutlich höher als im April 2020 in der Gesamtbevölkerung und zwar (Obergrenze): 1:357 (Schulen) zu 1:667 (Bevölkerung).
8/n
Auch dieser Vergleich ist ein Gedankenexperiment, weil Zeiträume/Methodiken der beiden Studien so unterschiedlich sind, dass wir die Wahrscheinlichkeiten nicht direkt ins Verhältnis setzen können. Aber der Vergleich ist zumindest ein Hinweis auf den Ernst des Problems 9/n
Der Knaller der bisher dargestellten Ergebnisse ist jedoch ein anderer. Die Autoren der Studie haben Schulen verglichen, deren Schüler*innen einen (sehr) hohen Grad an Benachteiligung aufwiesen, mit solchen, wo die Benachteiligung gering oder leicht war 10/n
"Die Prävalenz unterschied sich ... zwischen Schulen mit einem Index hoher/sehr hoher sozialer Benachteiligung und Schulen mit einem Index geringer/moderater sozialer Benachteiligung."
11/n
Es gab einen Unterschied in den Daten und dieser Unterschied war hoch signifikant. Das bedeutet, dass es sehr, sehr unwahrscheinlich ist, dass der Unterschied Zufall ist. 12/n
Außerdem bestand der Unterschied in den Infektionszahlen auch noch, wenn andere Aspekte berücksichtigt wurden: durchschnittliche Klassengröße, Bevölkerungsdichte im Einzugsgebiet und Bundesland. 13/n
Es ist nicht schwer zu raten, in welche Richtung der Unterschied ging. Schulen mit hoher sozialer Benachteiligung wiesen auch höhere Prävalenz (oder einfacher: Infektionszahlen) auf wie Schulen mit geringer/leichter Benachteiligung. 14/n
So sehen die Zahlen aus:
Geringe/moderate Benachteiligung: 0,23% (0,13-0,40%)
Hohe/sehr hohe Benachteiligung: 0,81% (0,52-1,27%)
15/n
Übersetzt in Wahrscheinlichkeiten: Bei geringer soz. Benachteiligung wurden 1:435, bei höherer 1:124 Infektionen festgestellt, etwa 3,5 Mal soviel. 16/n
Nehmen wir das Vertrauensintervall hinzu: Es ist relativ verlässlich vermutbar, dass die Infektionen bei geringer soz. Benachteiligung zwischen 1:769 und 1:250, bei höherer zwischen 1:192 und 1: 79 liegen. 17/n
Die Intensität der Benachteiligung, die sich in Schulen findet, geht deutlich mit höherem Infektionsrisiko einher.
Stand gestern hatte #Austria so viele Tote per 1 Mio. EW wie #USA: ca. 6 an einem Tag. Chris Murray hat in seinem @IHME_UW-Modell geschätzt, dass Staaten im Mittel an der Schwelle von 8 Toten pro Tag Maßnahmen ergreifen.
Ausnahmen sind z.B. North und South Dakota in den USA. Österreich startet mit den Verschärfungen früher, nämlich bei 6 (im 7-Tagesmittel eher: 4) und kann sich glücklich schätzen. Noch glücklicher jedoch Deutschland, auch wenn dort die Alarmglocken läuten.
1/n
Es ist nämlich nicht gleichzeitig bei welchem Niveau ein Staat beginnt. Ende Oktober/Anfang November haben D und AT einen Lockdown begonnen. So sieht die Entwicklung des 7-Tagesmittel der Fälle seitdem aus. 2/n
In dem Philosophischen Stammtisch mit dem Kategorienfehler-Titel "Experten oder Volk" (srf.ch/play/tv/sterns…) zitiert @weilenberger einen gewissen W. Churchill mit den Worten: "Ein Experte ist ein Mann, der mir im Nachhinein erklärt, weshalb seine Prognosen nicht zutrafen.
1/n
Das ist ein Fall für @krieghofer. Im Deutschen findet sich das angebl. Zitat verschiedentlich leicht abgewandelt, z.B. "Ein Experte ist ein Mann, der hinterher genau sagen kann, warum seine Prognose nicht gestimmt hat." tagesrandbemerkung.at/2018/06/01/ein…
2/n
Die a.a.O. zu findende Übertragung ins Englische lässt sich im Internet nicht finden, auch keine ähnliche Variante. Doch findet sich analog: "An economist is an expert who will know tomorrow why the things he predicted yesterday didn't happen today."
3/n
#COVID19at
Sehr guter 🧵 z. Vergleich von Helmtragen beim Fahrradfahren und #Maskentragen außerh. des Gesundheitsbereichs. 1. Beide senken das Risiko von Kopfverletzungen bzw. Infektionen. 2. Die Risikominimierung ist ähnlich hoch. 3. Minimierung bedeutet für beide nicht völliges
Vermeiden einer Verletzung/Infektion. 4. Studien zum Fahrradhelmtragen haben gezeigt, dass a. weitere Faktoren eine Rolle spielen (Helmtragen *und* größere Vorsicht etc.) ohne dass b. diese die Vorteile des Helmtragens zum Verschwinden bringen (s. 4/9). 5. @POhukainen vermutet a.
das könnte auch beim Maskentragen der Fall sein und gibt b. zu bedenken, dass Masken noch weitere Effekte haben: andere an das Ansteckungsrisiko zu erinnern und sie zur Vorsicht zu gemahnen. Sie sind #Risikomarker und #Risikominimierer. /End
Sehr guter Hinweis (cc @corinnamilborn und @neuwirthe). (Bewusste?) Falschmeldung(en) verstellen den Blick auf die Lage bei #covid19a. Der neue #Coronavirus verlangt Medien und Öffentlichkeit einiges ab. Deshalb ein kleiner Faden aus Anlass dieses Posts. 1/n
Maßzahlen helfen uns ein Phänomen mess- und vergleichbar zu machen. Im 500 g Joghurt sind 16 g Fett, die 250 g Butter hat 217,5 g Fett. Der Hausverstand sagt: die Butter hat mehr Fett als Joghurt. Die Mathematik ist Hausverstand mit mehr Zahlen 2/n
Daher werden die Werte *standardisiert*. Einigen wir uns auf einen höheren Wert, 1 kg, und weisen wir die Fettwerte dafür aus. Das ist einfacher Dreisatz. (Statistik beruht auf einfacher Arithmetik und Algebra) Ergebnis: 1 kg Joghurt hat 32 g, 1 kg Butter 870g Fett.
3/n