„Aber Indien!“
„Das ist ne Insel!“
„Bevölkerungsdichte!“
„Und Florida?“

Häufig werden einzelne Länder verglichen, um die (Nicht-)Effektivität von #NPI zu beweisen. Auch viele Studien basieren auf Länderquerschnitten.

Das ist oft problematisch⬇️
1/30
#Corona #Geography #Lockdown
1) Die nationalstaatliche Ebene taugt nur für einen sehr groben Vergleich, denn das Infektionsgeschehen ist regional hoch differenziert. Nicht nur, weil super-spreading events und „Wellen“/“Peaks“ zu unterschiedlichen Zeiten stattfinden, sondern auch in der Gesamtschau …
2/30
… Wenn wir Deutschland nur sehr grob - nach 16 Bundesländern - aufteilen, sehen wir schon, wie unterschiedlich stark die Wellen die einzelnen Bundesländer getroffen haben (hier Darstellung: tägl. tödliche Infektionen pro 100.000EW, y-Achse normiert, daher vergleichbar):
3/30
Aber auch diese räumliche Ebene ist eigentl zu grob,denn das Ausmaß der Unterschiede wird erst sichtbar, wenn man sich die Landkreiseebene (400 Kreise in D) anschaut. Die Unterschiede zwischen Kreisen desselben Bundeslandes sind u.U. größer als zwischen den Bundesländern …
4/30
… das sieht man z.B. gut in Baden-Württemberg (baden-wuerttemberg.de/de/service/pre…).
Jede Betrachtung sollte daher mMn regional sein. Welche Raumebene man sich anschaut, hat enormen Einfluss aufs Ergebnis. Tendenz: Je gröber Auflösung, desto homogener *erscheint* der Indikator …
5/30
… egal ob das Haushaltseinkommen oder Infektionsfälle sind.
In der Geostatistik ist die Problematik ein wichtiges & viel diskutiertes Thema und hat auch einen Namen: Modifiable Areal Unit Problem (MAUP; weitere Infos z.B. hier: bbsr.bund.de/BBSR/DE/veroef…)
6/30
Dass die Unterschiede eigentlich noch viel kleinräumiger sind, zeigt diese spannende Auswertung von @zeitonline. Gutes Beispiel für räumliche soziale Segregation (stadtgeographische Sicht) und Populationsheterogenität (epidemiologische Sicht).

7/30
2) Wenn eine vernünftige statistische Datenanalyse/Modellierung (z.B. zur Beurteilung der #NPI-Effektivität) erfolgen soll, muss ein weiterer Umstand berücksichtigt werden, der mit o.g. Problematik zusammenhängt: Das Infektionsgeschehen ist räumlich autokorreliert …
8/30
… d.h. dass sich die stat. Indikatoren angrenzender oder näher gelegener Regionen stärker ähneln als weiter entfernten. Das ist nicht nur eine Korrelation, sondern auch eine Kausalität, denn angrenzende Regionen sind über räumliche Interaktionen miteinander verbunden…
9/30
…was wieder so ein mega-akademischer Begriff ist für Pendlerverflechtungen, Verwandtenbesuche usw. – und über Kontakte zwischen Menschen wird das Virus eben übertragen. In stat. Modellanalysen ist es möglich, das über räumliche Regressionsmodelle zu erfassen; …
10/30
… eigentlich ist die stat. Analyse nur dann voll aussagekräftig! Manche Studien machen das (z.B. doi.org/10.1080/003434…; doi.org/10.18335/regio…, onlinelibrary.wiley.com/doi/10.1111/jo…, doi.org/10.1007/s10109…; Vorsicht, enthält Product placement!), …
11/30
…andere, wie z.B. diese von @karl_lauterbach mehrfach angeführte (medrxiv.org/content/10.110…) machen das nicht.

(Noch eine Quelle zu räumlicher Autokorrelation, was nicht nur bei Infektionen eine Riesenrolle spielt: beck-elibrary.de/10.15358/0340-…)
12/30
3) Das nächste Problem beim Ländervergleich: Unvergleichbares vergleichbar machen. Es ist erstmal irreführend, Länder mit völlig unterschiedlichen klimatischen Ausgangsbedingungen zu vergleichen, denn #SARSCoV2 ist, wie seine nahen Verwandten, offensichtlich saisonal.
13/30
… Zur #Saisonalität nochmal product placement: (an dieser Stelle auch h/t @KaiSchulze_)

Vergleiche von Deutschland mit z.B. Indien sind schon allein deshalb problematisch. Würde daher Vergleiche immer mit angrenzenden Ländern/Regionen machen.
14/30
Dasselbe gilt mMn auch für den #Florida-Vergleich. Natürlich können wir nicht ignorieren, was dort passiert (Artikel von @janinisabel: nordbayern.de/panorama/kein-…), aber würde Florida eher mit angrenzenden US-Bundesstaaten vergleichen. Wenn das schon jmd getan hat, bitte um …
15/30
… Entschuldigung. Nicht mitbekommen.
Völlig fragwürdig wird der Vergleich mit Ländern auf der Südhalbkugel, deren Jahreszeiten, stark vereinfacht ausgedrückt, umgekehrt zu unseren sind.
Aber: „Das geht nur auf einer Insel“ greift natürlich auch nicht, denn die …
16/30
…Tatsache, „Insel“ zu sein, hilft erstmal nicht gegen #Corona (siehe Großbritannien).
Es sind vielmehr Aspekte der weltwirtschaftlichen Integration – Tourismus, internationaler Güterverkehr usw. – die bei der Transmission „helfen“ (Glaube @oliverbeige könnte …
17/30
… dazu mehr beitragen als ich).

Nächstes Beispiel: Es wird immer wieder die Bevölkerungsdichte angeführt. Dabei wird impliziert, dass geringe Bev.-dichte bei der Eindämmung von Corona hilfreich sei (Diskussion zB hier: )
18/30
Aus geographisch-statistischer Sicht sagt die Bev.-dichte allerdings nichts darüber aus, wie „nah“ sich Menschen sind. Dafür ist das viel diskutierte #Schweden ein Super-Beispiel: Zwar hat Schweden mit 23 EW/qkm 10mal niedrigere Bev.-dichte als Deutschland (233 EW/qkm)…
19/30
…allerdings wohnen in Schweden mehr Menschen in Städten als in Deutschland (de.wikipedia.org/wiki/Liste_der…). Fast jeder dritte Schwede wohnt im Großraum Stockholm (merkur.de/welt/schweden-…). Dieses Argument ist also problematisch, …
20/30
… auch dann, wenn Schweden einer „synthetischen Kontrolleinheit“ gegenübergestellt wird (), was mMn – für sich genommen – ein sehr guter Ansatz ist.
Deswegen wird häufig auch ein anderer Indikator verwendet, der die Bevölkerung nur auf die ...
21/30
… *besiedelbare* Fläche bezieht (Besiedlungsdichte; de.wikipedia.org/wiki/Besiedlun…). Das hat den Hintergrund, dass weite Teile von Ländern gar nicht besiedelt/besiedelbar sind; trifft auch auf Schweden zu. Also Vorsicht mit der Bevölkerungsdichte auf …
22/30
…großräumigen Ebenen.

Zum Infektionsgeschehen: In Deutschland zeigen sich auf Bundesländerebene keine Zusammenhänge der Dichte mit der Intensität von Infektionswellen (siehe Tweet 3); nach der Logik müsste das Infektionsgeschehen in den Stadtstaaten …
23/30
… und z.B. NRW viel heftiger sein als z.B. im eher „ländlichen“ Brandenburg usw. Ist es aber nicht.

Indikatoren, die stattdessen in Länder-/Regionalvergleiche einfließen sollten, sind mMn demographische Faktoren wie z.B. Lebenserwartung oder auch Umweltfaktoren…
24/30
…Es hat z.B. eine Studie gezeigt, dass Luftverschmutzung (konkret: Konzentration an Stickstoffdioxid) stark mit der #COVID19-Mortalität korreliert (doi.org/10.1016/j.scit…). Solche Indikatoren sollten mMn als Kontrollvariablen einfließen.
25/30
Um klimatische Bedingungen zu berücksichtigen (Stichwort #Saisonalität), wären mMn meteorologische Parameter sinnvoll, z.B. Globalstrahlung, Luftfeuchte, Temperatur.
26/30
4) Noch ein Punkt zum internationalen Vergleich: Die #Pandemie-Datenlage variiert zwischen Ländern. Es wird unterschiedlich viel getestet, was sich auf die Melde-#Inzidenz auswirkt. Es gibt aber auch Unterschiede in der Wahrscheinlichkeit, mit #COVID auf einer …
27/30
… Intensivstation zu landen (nordbayern.de/politik/expert…; tagesschau.de/faktenfinder/c…), was die Vergleichbarkeit der Intensivbelegung einschränkt. Selbst die Definition des #Corona-Todesfalls scheint nicht überall komplett identisch zu sein.
28/30
Also, aus meiner Sicht zusammengefasst:
- besser auf regionaler Ebene als auf Länderebene vergleichen
- nur Vergleichbares vergleichen
- Benachbarte Regionen haben tendenziell ähnliches Infektionsgeschehen, aber mitunter andere Maßnahmen -> bei Paarvergleichen …
29/30
… solche Länder/Regionen benutzen und in stat. Modellanalysen räumliche Autokorrelation berücksichtigen
- Nicht Inzidenz vergleichen, sondern Erkrankungs-Indikatoren
- Kontrollvariablen beachten

Puh. Viel Text. :)

30/30

• • •

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

Keep Current with Thomas Wieland

Thomas Wieland 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 @GeoWieland

12 May
Der 117. Thread dazu, warum viele #Corona-Prognosemodelle falsch lagen. Thema 1: Der Saisonalitätseffekt begrenzt die Ausbreitung.
Disclaimer: #Saisonalität spricht nicht gegen (wirksame) Maßnahmen + nicht gegen vernunftbasiertes Verhalten.
#Lockdown #Bundesnotbremse
1/25
Wir sehen in Deutschland, ebenso wie in Nachbarländern, eine Tendenz zum Sinken bzw. Stabilisieren der Fallzahlen im Frühling 2021:
ourworldindata.org/explorers/coro…
2/25
Die Länder haben sehr unterschiedlich starke Eindämmungsmaßnahmen. Z.B. hatte die Schweiz bereits im Winter offene Schulen und ist seit längerer Zeit aus dem #Lockdown ausgestiegen (z.B. Außengastronomie offen, z.T. finden Veranstaltungen statt).
3/25
Read 25 tweets
21 Apr
1/18 Klingt lame, ist aber spannend und wichtig: Zum Einfluss des Meldeverzuges auf die #COVID19-#Inzidenz – ein weiterer Grund, warum andere Indikatoren besser geeignet sind. Hier die gemeldeten Fälle seit 01.03.2021, aufgeschlüsselt nach Meldeverzug. Zuerst die Fallmeldungen:
2/18 Und hier die Fälle (d.h. die Personen):
3/18 „Meldeverzug“ ist hier *nur* die Zeit (in Tagen) zwischen Erkrankungsbeginn (1. Tag der Symptome; sofern erfasst) und Meldedatum (Tag, an dem der Infektionsfall dem jeweiligen Gesundheitsamt gemeldet wurde). NICHT enthalten sind zwei weitere wichtige Zeiträume, nämlich…
Read 18 tweets
19 Apr
1/4 Letzter Vergleich der #RKI-#Inzidenz-Prognose vom 12.03.2021 mit der realen Entwicklung: Erfreulicherweise ist die Prognose nicht eingetreten. In den letzten beiden Meldewochen lag die reale Meldeinzidenz bei unter der Hälfte des prognostizierten Wertes. #COVID19 #lockdown Image
2/4 Die ursprüngliche Prognose nutzt eine Trendextrapolation, die exponentielles Wachstum annimmt (d.h. konstante wöchentliche Wachstumsrate der gemeldeten Fälle). Bis KW9 hat die Regressionsfunktion die Echtwerte gut gefittet. KW10 bis KW12 auch gute Prognose. Danach Bruch.
3/4 Hierbei muss der Feiertagseffekt beachtet werden: Weniger Tests um Ostern, aber v.a. stärkerer Meldeverzug (Labor/Arzt/Teststelle usw. -> Gesundheitsamt -> Landesgesundheitsamt -> RKI). Heißt: In KW14 eher „zu wenig“ Fälle, die dann z.T. in KW15 nachgemeldet wurden.
Read 4 tweets
2 Apr
Zur aktuellen Diskussion: Welchen Einfluss hat eine nächtliche #Ausgangssperre auf die *Gesamt*-#Mobilität? Die Antwort in Kurzfassung: Keine nennenswerte. Die Langfassung ⬇️ #lockdown 1/14
Hintergrund ist die aktuelle Diskussion über die Einführung einer „abendlichen“ oder „nächtlichen“ #Ausgangssperre zur Reduktion von #Corona-Infektionen. Als Proxy wird hierfür häufig die Mobilität der Bevölkerung verwendet, die dadurch gesenkt werden solle. 2/14
Z.B. @Karl_Lauterbach plädiert dafür & beruft sich auf Mobilitätsdaten, wonach 12,3% (nicht 13%) der Mobilität zwischen 20 und 5 Uhr stattfindet. Er interpretiert das als abendliche Privatbesuche, wobei die Zahlen hierzu gar keine Aussage treffen. 3/14
Read 16 tweets
18 Mar
Wieder mal ein Blick auf drei #coronavirus-Indikatoren, die *nicht* von den gemeldeten Fällen abhängen, diesmal aber mit Vergleich zur Entwicklung der gemeldeten Fälle. Es zeigt sich wieder mal, dass die Melde-#Inzidenz alleine wenig aussagekräftig ist ...
Zahl der Tests ist in KW10 gegenüber KW7 um 13,6% gestiegen, die Zahl der positiven Tests um 25,7%, d.h. über die Hälfte (52,9%) des Wachstums in diesen 4 Wochen geht alleine auf steigende Testzahlen zurück. Es gibt einen realen Anstieg (Positivquote auch leicht gestiegen)...
...nur ist der nicht annähernd so hoch, wie es uns die Inzidenz suggeriert. Dazu kommt, dass es einen Einfluss von Schnelltests gibt (führt zu zielgerichteterem PCR-Testen). Der Einfluss verordneter Schnelltests lässt sich ggf. statistisch nachvollziehen...
Read 6 tweets
16 Mar
Gegenüber der Vorwoche steigt die Positivquote der #CoronaVirusDE-PCR-Tests um 12,5 % (6,4->7,2), die Anzahl der Tests um 6,3 % (1.020.839->1.084.771). Heißt: Etwa die Hälfte des Anstiegs ist "netto" (d.h. bereinigt um Höhe der Testzahlen). Welche Rolle spielen die Schnelltests?
Viele Menschen gehen nach positivem Schnelltest zum PCR-Test (bzw. müssen gehen), was dessen Positivwahrscheinlichkeit erhöht und dazu beiträgt, das Dunkelfeld aufzuhellen. Das ist erstmal gut, macht aber die Interpretation der Inzidenzwerte noch schwieriger ...
...daher wäre es gut zu wissen, wieviele PCR-Tests auf einen positiven Schnelltest folgen. Zumindest die verordneten Tests dürften ja statistisch zu erfassen sein. Unmöglich allerdings für die privat durchgeführten Tests, die ein Verkaufsschlager sind: focus.de/corona-virus/u…
Read 4 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

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

Donate via Paypal Become our Patreon

Thank you for your support!

Follow Us on Twitter!

:(