Dirk Paessler Profile picture
Mar 20, 2021 21 tweets 5 min read Read on X
Wir haben ca. 4 Wochen um uns zu entscheiden zwischen "Brems-chen", "Notbremse" oder "Lockdown".

Was davon ausreicht hängt vom Start-Zeitpunkt der Einschränkungen ab! Für sowas macht man Modellrechnungen.

Hier sind 4+1 Szenarien.

THREAD 1/x

dirkpaessler.blog/2021/03/20/cou…
Szenario A: Kein Lockdown => Dass “nix tun” keine Option ist, sieht man sofort. 55.000 Todesfälle, 6 Millionen Infektionen, die zu 600.000 Longcovid-Fällen führen und eine Welle in den Intensivstationen, die nicht in die Grafik passt (Welle wäre ca. 4x so hoch wie 2. Welle).
2/x
Jetzt kommen zwei Szenarien mit ähnlichen Auswirkungen.

Szenario B: “Brems-chen” (wie 1. Märzwoche) ab 22.3.2021
=> Was passiert, wenn am Montag einige, aber keine tiefgreifenden Einschränkungen beschlossen werden?
3/x
Szenario C: Lockdown (wie 1. Februarwoche) ab 5.4.2021
=> Wie sieht es aus, wenn wir jetzt nichts ändern, und die Entscheidung für einen Lockdown mit Regeln ähnlich wie in der letzten Januarwoche/ersten Februarwoche bis Anfang April verschieben?
4/x
Interessanterweise haben Szenario B und C nahezu das gleiche Ergebnis: Etwa 25.000 Todesfälle, ca. 2 Mio Infizierte und 200.000 Longcovid-Fälle – beim “Brems-chen” bleibt aber die Welle in den Intensivstationen deutlich niedriger (7.600 Betten vs. 9.300)...
5/x
... , weil sich die Welle etwas in die Länge zieht, ist aber immer noch um fast 25% höher als die erste Welle.
6/x
Szenario D: Lockdown (wie 1. Februarwoche) ab 29.3.2021
=> Was würde es bringen den Lockdown eine Woche vorzuziehen? Dann sinkt die Gesamtanzahl der Infektionen und Longcovid Fälle 25% auf 1,5 Mio bzw. 150.000, die Sterbefälle sinken um 15%.
7/x
Fun Fact: In allen Szenarios mit Maßnahmen, also B/C/D, dauert es bis Juni um wieder auf die Fallzahlen zu kommen, die wir vor 4 Wochen hatten. 2 Monate Lockdown als Quittung für 4 Wochen Leben mit überstürzte Lockerungen – gegen die Empfehlungen der Wissenschaft.
8/x
Merke: Für jeden Tag Inzidenz-Wachstum brauchst Du 2 Tage Lockdown. Das ist ein hoher Preis, den wir für die "unbedingt nötigen" Lockerungen bezahlen.
9/x
Fazit: Wenn man die Ergebnisse des Modells miteinander vergleicht ergibt sich: Weil die Nebenwirkung der Einschränkungen beim “Brems-chen” wohl geringer ausfallen als bei einem härteren Lockdown, dürfte das z.Zt. unsere beste Option der 4 sein.
10/x
Dazu müssten wir uns aber gleich am Montag entscheiden und das sofort umsetzen. Ist wohl nicht wahrscheinlich, dass die Politik das so schnell schafft.
11/x
Alle anderen Modelle, also “Brem-schen” erst eine Woche später, oder Lockdowns später als 29.3. oder 5.4. haben deutlich schlechtere Aussichten, erscheinen aber wenigstens noch machbar.
12/x
Das bringt uns zu “Szenario E”: Käme als “letzte Lösung” ein Lockdown erst am 12.4.2021, der ab 19.4.2021 wirkt, hätte das 5 Mio Infektionen, 100.000 Todesfälle und eine Welle in den Intensivstationen, die doppelt so groß ist wie im Dezember, zur Folge.
13/x
Immerhin besser als “durchlaufen zu lassen”, aber immer noch katastrophal. Das Gesundheitssystem würde kollabieren, andere Funktionsbereiche der Gesellschaft würden straucheln, was noch weitere Schäden nach sich zieht, die ich hier nicht eingerechnet habe.
14/x
Also, ohne massive Einschränkungen kommen wir nicht bis in den Sommer. Und das alles trifft auch nur dann ein, wenn der ambitionierte Impfplan auch tatsächlich umgesetzt wird.

All das ausführlich in meinem Blog:
dirkpaessler.blog/2021/03/20/cou…

15/x
Nachtrag: Weil die Frage aufkam, warum in Szenario A ("nix machen") doch irgendwann der R-Effektiv Wert unter 1 sinkt und die Welle zu Ende geht. Das ist eine Kombination aus 3 Effekten

=> was jetzt kommt sind Stresstests für das Modell, bitte mit Wohlwollen betrachten 🙂
1/4
Effekt 1: Die Impfung: Hier der Vergleich von Szenario A mit aktuellem Impfplan und mit 2 Monate verzögerter großer Impfwelle: Alle Schlüsselzahlen steigen um ca. 50%
2/4
Effekt 2: Saisonalität: Wenn ich die Absenkung des R-Wert über den Sommer (modelliert mit Sinus-Funktion) rausrechne, dann hat das etwa die gleichen Auswirkungen wie die verzögerte Impfung
3/4
Effekt 3: Lockdown: In Szenario A bleiben wir ja bei den aktuellen Restriktionen, wir sind ja praktisch in einem Dauer-Lockdown. Würden wir am 22.3. alle Restriktionen streichen, steigt R-wild auf R0=2 oder mehr und bis Juni hätten sich 54 Mio infiziert, 1 Mio wären tot.
4/4
Nachtrag 2: Es kam die Frage auf was passiert, wenn wir einen härteren "April-2020-Style" Lockdown machen würden.
Nachtrag 3: Google Sheets Datei des Modells zum reinschauen oder kopieren/herunterladen:

docs.google.com/spreadsheets/d…

Würde mich freuen, wenn mir jemand die Vorhersage-Fehler bzw. falschen Annahmen aufzeigt, die die o.g. Szenario-Ergebnisse besser werden lassen.

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Dirk Paessler

Dirk Paessler Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @dpaessler

Feb 23, 2023
Im Vergleich zur Vorwoche liegt die Modellrechnung mit den neuen Daten aus dieser Woche etwas optimistischer, aber nicht erheblich verändert. Spitze der Welle im Modell in der KW des 6.3.2023.
Der Peak bei den COVID-Hospitalisierungen hat sich um eine Woche nach vorne verschoben auf die KW des 6.3.2023 mit dem Wert 9250. Auch der Peak der COVID ITS-Belegung hat sich um eine Woche nach vorne verschoben auf ca. 1220 in der KW des 20.3.2023.
Mit den neuen Krankenstands-Daten der @BKKDV zeigt sich, dass die Krankenstands-Berechnung des Modells für Januar den Wert korrekt vorhergesagt hat. Für Mitte März erwartet das Modell einen höheren Krankenstand als im Dezember.
Read 7 tweets
Feb 17, 2023
Update Modellrechnung: Die Dunkelziffer-korrigierte Modell-Inzidenz liegt jetzt höher als letzte Woche und oberhalb der Skala. Erst Ende März ist Entspannung in Sicht im Modell, der Krankenstand strebt wohl neuem Rekord entgegen.
Es herrscht immernoch eine große Unsicherheit, was man an der großen Spanne der wöchentl. COVID-Hospitalisierungen und COVID-ITS-Bettenbelegung sieht, die je nach Szenario von sinkend bis Verdopplung geht.
Ab jetzt bis Ende März liegt im Modell die Dunkelziffer-korrigierte Inzidenz bei mehreren Tausend (im zentralen Szenario). Welcher genaue Wert das ist, ist eigentlich schon nicht mehr relevant (und nicht überprüfbar). Wohl aber m.E. höher als alles, was wir bis jetzt hatten.
Read 4 tweets
Feb 5, 2023
Mit den neuesten Sequenzierungsdaten deutet sich im Modell weiterhin an, dass die XBB.1.5 Welle kleiner ausfällt als die Dezember-Welle. Die Ferien helfen beim Bremsen, die Faschingswoche ist bereits mit etwas erhöhter Ansteckung modelliert (interne Modell-Inzidenz max ~4000).
Wenn es nach dem Modell geht, dann würden die ITS-Betten mit COVID nicht mehr über 500-700 steigen.
Krankenstand liegt im Modell Ende Februar auf ähnlichem Level wie im Dezember 2022.
Im Modell wird XBB.1.5 ab Ende Februar dominant (=Mehrheit der Infektionen). Die gestrichelten Linien zeigen wie das Modell die Entwicklung der Sequenzierungsdaten (durchgezogene Linien) synthetisch nachzeichnet um daraus einen möglichen weiteren Verlauf zu berechnen.
Read 4 tweets
Jan 6, 2023
Kurzes Modellupdate zu XBB.1.5

Wichtig: Die Datenlage der Sequenzierungen ist z.Zt. noch sehr sehr dünn, XBB.1.5 liegt noch unter 1% und Daten sind somit unsicher. Alles was jetzt kommt bitte als Gedankenspiel ansehen, und nicht als Vorhersage.
1/x
Es könnte locker bis Mitte Januar dauern, bis wir das genauer einschätzen können. Die Datengrundlage der Sequenzierungen scheint auch nicht besser zu werden, andere Länder sind da viel besser.
OK, wenn das mal klar ist: In meiner ersten Modellrechnung mit XBB.1.5 hatte ich angenommen, dass in Woche 9.1. ca. 1% der Fälle XBB.1.5. sein würden. Dies scheint mit den aktuellen Daten zu optimistisch gewesen zu sein.
Read 8 tweets
Dec 29, 2022
Es kursieren Berechnungen, die für Variante XBB.1.5 eine Verbreitungsvorteil um +50-70% im Vgl. zu BQ.1.* aufzeigen.
Noch taucht das in dt. Sequenzierungen kaum auf, bis Mitte Januar gibt's kaum brauchbare Daten.
Aber wie würde denn XBB.1.5 bei uns aussehen mit diesen Eckwerten?
Was für eine große oder kleine Welle könnte denn da kommen, schließlich klingen 70% Verbreitungsvorteil nach sehr viel?

Um dem nachzugehen habe ich folgende Annahmen getroffen:

* XBB.1.5 liegt aktuell bei 0,5% der Fälle
* XBB.1.5 hat 60-70% Verbreitungsvorteil zu BQ.1.*
Unter den genannten Annahmen ergäbe sich ein XBB.1.5 Peak vor/um Ostern. Wenn man sich das mit den Folgen (Klinik/Totenzahlen) anschaut, dann sieht das so aus:
Read 10 tweets
Dec 21, 2022
Rückblick auf Modellrechnung vom 6.10. und Ausblick auf Januar 2023

1. Inzidenz: Am 6.10. erwartete das zentrale Szenario eine Welle um Inzidenz 750. Bekommen haben wir 2 Wellen (Inzidenz 800 Mitte Oktober und 500 im Dezember). Januar könnte etwa wie der September werden
1/x
Warum 2 Wellen: “Feriendelle” für BA.5 war stärker als erwartet, die 2. Welle mit Varianten um BQ.1.x waren noch nicht drin im Modell damals.
Anm.: RKI Inzidenzen sind seit Oktober mit mind. Faktor 2 zu niedrig (Dunkelziffer!), Modell rechnet mit DZF vom September weiter.
2/x
2. COVID-Hospitalisierungen

Zentralen Szenario erwartete am 6.10.2022 eine Welle mit Peak um 17.000 Hospitalisierungen pro Woche. Bekommen haben wir 2 Wellen mit 18.000 Hospitalisierungen Mitte Oktober und 15.000 im Dezember

3/x
Read 8 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Don't want to be a Premium member but still want to support us?

Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal

Or Donate anonymously using crypto!

Ethereum

0xfe58350B80634f60Fa6Dc149a72b4DFbc17D341E copy

Bitcoin

3ATGMxNzCUFzxpMCHL5sWSt4DVtS8UqXpi copy

Thank you for your support!

Follow Us!

:(