Ein genauerer Blick auf die durch #COVID19-Infektionen riskierten Leben #livesatrisk nach Bundesland. Hier absoluten Zahlen. Damit lässt sich die Mortalität über diese und nächste Woche vorhersagen. Zudem erlaubt es weitere spannende Einsichten. Städte demnächst. (1/6)
Einige Bundesländer und die Stadtstaaten machen es besser als Andere. Zuvorderst Hamburg, aber auch Bremen, Schleswig-Holstein und das Saarland und Niedersachsen scheinen das Wachstum an riskierten Leben aufgehalten zu haben (hier die #livesatrisk pro 1M Einwohner). (2/6)
Warum ist Hamburg so gut? Der Schulterschluss von Bürgermeister @TschenPe und Experten wie @ChanasitJonas, Addo, Kluge und @degampraesident scheint effektiv. Darüber wüsste ich gern mehr. Wer weiss etwas dazu, was macht Hamburg anders als der Rest? (3/6) aerztezeitung.de/Nachrichten/Po…
Nicht gut relativ zur Einwohnerzahl sieht es in Sachsen, Thüringen, Bayern, Berlin, und Hessen, aber auch sonst aus. Hier steigen die #livesatrisk steil an, auch in Fällen wo die Gesamtinzidenzen stagnieren wie in Bayern (Plot zeigt die Inzidenzen pro 100000 Einwohner). (4/6)
In absoluten #livesatrisk kommen Nordrhein-Westfalen und Baden-Württemberg als Orte, die sich deutlich mehr anstrengen müssen hinzu. (5/6)
Interessant ein Blick auf #livesatrisk relstiv zu Gesamtinfektionen. Je grösser diese Zahl, umso schlechter sind die Älteren relativ gesehen vor Infektion geschützt. BY und R.-Pfalz sind Letzte bei den alten Bundesländern. Die neuen Bundesländer schneiden sehr schlecht ab. (6/6)
Ich freue mich über Feedback und ggf. über Korrektur. Wir sollten alle nach Hamburg blicken. Ich werde mir bald einige Stände und Landkreise vornehmen, wer möchte das Seiner dabei ist bitte hier reinschreiben.
Zahlen zu Infektionen nach Bundesland von RKI survstat. Lives st risk berechnet mit Altersspezifischen Sterberisiken nach #COVID19 Infektion wie in link beschrieben. Korrekturfaktor zu Vorsommerzahlen 0.5.
Noch eine kleine Anleitung: Um die geschätzten Sterbezahlen für KW49 und KW50 abzuschätzen bitte die #livesatrisk berechnet aus den Infektionen verschiedener Altersgruppen von KW47 bzw. KW48 heranziehen. #COVID19#COVID19de
...eine Erklärung für das besonders schlechte Abschneiden der neuen Bundesländer in dieser Kategorie könnte auch eine eventuell extrem sparsame Teststrategie sein, sodass die schwerer erkrankten älteren Personen bei den Getesteten überwiegen.
Es gibt nun eine Website aus der die Zahlen zu #livesatrisk für alle deutschen Kreise und Städte für die letzten 5 KW zu sehen sind, sowie einige abgeleitete Werte. Siehe andman.eu und verlinkten tweet.
Das Alter der Person, die sich mit #COVID19 infiziert ist entscheidend für das Sterberisiko. Die Infektionszahlen bilden dies nicht ab, der Parameter #livesatrisk schon. Ich stelle ihn für die letzten 5 KW für alle Kreise in DE auf andman.eu zur Verfügung. (1/x)
Die Analyse funktioniert durch Multiplikation der Infektionszahlen für jede Alterskohorte mit ihrem altersspezifischen Sterberisiko nach #COVID19 Infektion. Dazu verwende ich die Zahlen aus Deutschland von KW10-KW30 wie in verlinktem Tweet gezeigt. (2/x)
Die letzte Analyse für Deutschland insgesamt findet sich im verlinkten tweet. Hier ist deutlich zu erkennen, daß die #livesatrisk im Gegensatz zu den Infektionen weiter ansteigen (vgl frühere tweets). Die stetig steigende Mortalität bestätigt dies. (3/x)
Update of intuitively understandable plot on current #COVID19 situation in DE. Plot of #livesatrisk calculated from age distribution and age-specific risk. Lives at risk for the next two weeks still rising due to infections in the most vulnerable groups. This is bad news. (1/6)
Inclusion of overall infections on sec axis (shifted by 2 wks) illustrates decoupling between infections and #livesatrisk. While infections are stable for 4 wks now the mortality still rises! Pre-summer the development was in parallel, indicating something is different now (2/6).
This needs to be investigated. Because the ratio of actual to predicted deaths has risen fast to 53%, the change in testing strategy obviously plays a role, leading to more undetected infections. The policy change to leave nursing homes open may also play a significant part (3/6)