Thread by @haake_daniel

@OlafGersemann @welt Das Problem ist die Datengrundlage, auf derer die Prognosen beruhen und die Nichtberücksichtigung von Parametern, wie Saisonalität. Als Data Scientist mit Expertise im Bereich Prognosen muss ich das so klar sagen. Wir brauchen verlässliche Daten. (1/11)

@OlafGersemann @welt Die Prognosen beruhen auf den gemeldeten Fallzahlen. Bevor die Prognosen durchgeführt wurden, wurde die Teststrategie geändert. Es gab vermehrt Schnelltests, wodurch die zeitliche Vergleichbarkeit nicht mehr möglich ist. (2/11)

@OlafGersemann @welt Gerade Gruppen wurden nun häufig mittels Schnelltests getestet, die zuvor keinen PCR-Test gemacht hätten. Es wurde gerade die junge Personengruppe getestet, die meist asymptomatisch ist (Schüler und Kita-Kinder). Ein positives Ergebnis wird mittels PCR-Test verifiziert. (3/11)

@OlafGersemann @welt Dadurch hellen wir das Dunkelfeld auf, was gut ist. Die Zahlen sind über die Zeit aber nicht mehr vergleichbar. Nehmen wir nun aber die Zahlen mit unterschiedlicher Erhebungsmethode als Prognosegrundlage, ist vorher klar, dass wir zu hohe Prognosezahlen erhalten werden. (4/11)

@OlafGersemann @welt Warum? Weil bei Wahl einer Exponentialfunktion auch eben der „Fehler“ der Aufhellung des Dunkelfeldes exponentiell wächst. Man rechnet also auch mit einem exponentiellen Anstieg bei der Aufhellung des Dunkelfeldes, was nicht möglich ist. (5/11)

@OlafGersemann @welt Weiterhin finde ich problematisch, dass der Bevölkerung suggeriert wird, dass das exponentielle Wachstum unendlich so weiter gehen würde. Eigentlich ist es jedoch eine logistische Verteilung, bei der die Ausbreitungsgeschwindigkeit langsamer wird. (6/11)

@OlafGersemann @welt Für kurzfristige Prognosen ist das kein Problem, da zu Beginn der Anstieg exponentiell ist. Man muss dann auch dazu sagen, dass die Prognose nur für einen kurzen Zeitrahmen aussagekräftig ist, was jedoch nicht getan wird. Es fehlt auch die Berücksichtigung der Saisonalität.(7/11)

@OlafGersemann @welt Wir müssen dafür Sorgen, dass wir verlässliche Zahlen erhalten, anhand derer man auch die Lage korrekt einschätzen kann, unabhängig von der Teststrategie. Das geht mit einem anderen Studiendesign, wie ich hier beschrieben habe: heise.de/tp/features/Wa… (8/11)

@OlafGersemann @welt Weiterhin finde ich dann auch Prognosen, wie vom wissenschaftlichen Leiter des DIVIs schwierig, der prognostiziert hatte, dass es Ende April über 6.000 COVID-19-Patienten auf den Intensivstationen geben wird. (9/11)

@OlafGersemann @welt Zu diesem Zeitpunkt konnte man anhand der täglich zusätzlich durch COVID-19-Patienten belegten Intensivbetten und der täglichen Neuaufnahmen auf Intensivstationen sehen, dass diese Prognose mehr als unwahrscheinlich ist, wie ich hier beschrieb: danielhaake.medium.com/covid-19-data-… (10/11)

@OlafGersemann @welt Es ist nicht schlimm, dass Prognosen nicht unbedingt eintreffen. Man muss das aber auch so kommunizieren und die Probleme der Prognosen benennen. Wenn man aber ohne eine Einschränkung sagt, dass es so kommen wird, halte ich das für unwissenschaftlich. (11/11)