Vielleicht sollte man in den nächsten Monaten bei den weiterlaufenden #Corona-#Impfungen folgendes hypothetisches Szenario mitdenken:
Obwohl sehr hohe Impfquoten erreicht werden, gelingt es möglicherweise nicht effektiv für einige Altersklassen die Infektionen auszubremsen. 🧵
Dieses Szenario basiert auf der Annahme, dass man wegen der Altersabhängigkeit der Fallsterblichkeit die Bevölkerung zumindest teilweise von alt nach jung durchimpft und einer Beobachtung für Kontaktmuster zwischen Altersklassen:
Ich finde solche ⬇️#Kontaktmatrizen, welche die Interaktion zwischen Gruppen beschreiben, generell etwas schwer zu quantifizieren, aber wenn man sich solche insbesondere für jüngere Altersklassen ansieht, zeigen sie zumindest qualitativ immer eine starke Diagonalkomponente.
D.h. Kontakte finden häufig zwischen Mitgliedern derselben Altersklasse statt. Die bedeutet wiederum, dass hohe Impfquoten bei Älteren sich bei jüngeren Altersklassen möglicherweise kaum auswirken, weil der Kontakt zwischen beiden Gruppen eher schwach ausfällt.
Umgekehrt lässt sich für eine spezifische Altersklasse die #Herdenimmunität viel eher erreichen als man es anhand der Basisreproduktionszahl schlussfolgern würde. Es reicht eben (bei starker Diagonalität) beinahe nur die eigene Altersklasse zu impfen anstatt d. ganze Bevölkerung.
Bei hoher Diagonalität der Kontaktmatrix gelingt es möglicherweise ebenso kaum mit "Durchseuchung" von jüngeren Altersklassen Ältere zu schützten.
Helfen könnte unter diesen Idealbedingungen (hohe Diagonalität oder z.B. auch R für alle Altersklassen als konstant angenommen) nur, wenn jede Alterklasse separat immunisiert wird.
Die Kontaktmatrizen stammen aus dem folgenden Paper. Ein weiterer Nachteil den ich noch angeben möchte ist, dass die Untersuchen der Kontakte ja nicht speziell unter infektiologischen Gesichtspunkten in Hinblick auf #Corona durchgeführt wurden. journals.plos.org/ploscompbiol/a…
Vielen Dank an @lovelyropes. Den Aspekt der Diagonalität der demografischen Kontaktmatrizen, hatte ich in Hinblick auf Impfungen bisher vergessen.
Bei einem konstanten R-Wert von 1.04 würde die Verdopplungszeit ~71 Tage betragen.
Die obige Zahl (8151) der Neuerkrankung bezieht sich auf die ungeglättete Zahl der Neuerkrankungen im #Nowcasting-Datensatz. Das untere Bild zeigt den aktuellen Verlauf.
Bei einem konstanten R-Wert von 0.97 würde die Halbwertszeit ~91 Tage betragen.
Die obige Zahl (5776) der Neuerkrankung bezieht sich auf die ungeglättete Zahl der Neuerkrankungen im #Nowcasting-Datensatz. Das untere Bild zeigt den aktuellen Verlauf.
Die Diskussion um die Erhöhung der "Notbremse" von #Brandenburg auf einen Wert von 200 😳zeigt m.E. Folgendes: um möglichst weitgehende Öffnung vorzunehmen zu können, ist man auf politischer Seite bereit in den nächsten Wochen und Monaten hohe Infektionszahlen in Kauf zu nehmen.
Dies zeigt auch schon die Ausrichtung von Lockerungen an an rel. hohen Inzidenzen von 50 und 100 auf der letzten Konferenz von Bund und Ländern, welche mMn keinen wissenschaftlichen Kriterien mehr folgt.
Insbesondere könnte der Infektionsdruck auf die Gruppe mit der niedrigsten Impfpriorität in der nächsten Zeit aus zwei Gründen erheblich zunehmen:
Auf dieses Szenario sollte man mit #B117 während eines #Lockdowns vllt. achten: Es ist denkbar, dass die Maßnahmen scheinbar greifen und dann doch ein exponentieller Anstieg erfolgt, obwohl die Rahmenbedingungen sich nicht ändern. Dies kann grob vielleicht so sehen: Thread...
Die Ursache liegt in einem qualitativen Split zwischen den üblichen, klassischen #Corona-Varianten (R<1) und B.1.1.7 (R>1). Um dies qualitativ etwas realistischer (grob! keine Simulation, kein Modell) zu demonstrieren,...
...habe ich aus dem #RKI#Nowcasting-Datensatz: die R-Werte und Neuinfektionen der letzten 80 Tage genommen. Mit den R-Werten lassen sich die Neuinfektionen rekonstruieren, wenn man den Anfangswert der Neuinfektionen mit einbezieht.
Da die Infektionen wohl spät aufgefallen waren, hatte man durch die mutmaßlich Verzerrung, beim R-Wert eventuell erst einen sehr starken künstlichen Ausschlag nach oben und danach eine Untertreibung.
Wenn die Feiertage die Infektionszahlen künstlich heruntergesetzt haben, würde ich beim R-Wert zuerst einen Peak nach unten und dann beim Rückgang auf die normale Datenlage eine Übertreibung nach oben erwarten.