Daniel Haake Profile picture
Nov 25, 2021 24 tweets 6 min read Read on X
Die Fallzahlen steigen immer weiter. Der 7-Tage-Mittelwert liegt aktuell bei 54.062, der Höchststand vor der 4. Welle bei 25.851. Doch wie sieht die Gesamtsituation deutschlandweit aus und wie ist die Lage im Vergleich zum letzten Jahr?

Ein Update. (1/n)
Ein Problem sind wie immer die Nachmeldungen. Von den heute 75.961 gemeldeten Fällen waren 52.329 den Gesundheitsämtern seit gestern bekannt und dementsprechend 23.632 länger als einen Tag. (2/n)
Deshalb ist es besser sich die Fälle nach Erkrankungsbeginn anzusehen. Dafür gibt es den Nowcast des RKI. Bei Fällen mit unbekanntem Erkrankungsbeginn wird dieser durch das RKI approximiert. (3/n)
Beim Vergleich der 7-Tage-Mittelwerte der gemeldeten Fälle mit dem des Nowcast RKI fällt auch ein deutlich geglätteter Kurvenverlauf auf. Der Nowcast des RKI bildet im übrigen auch die Grundlage für die Berechnung der R-Werte. (4/n)
Anhand des Verlaufs des 7-Tage-R-Werts des RKI kann man auch gut die Ausbreitungsgeschwindigkeit beurteilen. Aufgrund der Approximation, wobei bei unbekanntem Erkrankungsbeginn das Meldedatum der wichtigste Parameter ist, unterliegt auch dieser Schwankungen. (5/n)
Man kann aber auch den R-Wert anhand der 7-Tage-Mittelwerte des Nowcast berechnen und erhält dabei einen glatteren Kurvenverlauf. Dabei fällt auf, dass die Wachstumsrate seit dem 20.10. von 1,25 auf 1,14, mit einem zwischenzeitlichen Anstieg. (6/n)
Die zwischenzeitlichen Welle sehe ich zumindest teilweise bedingt durch die Approximation des Erkrankungsbeginns beim Nowcast des RKI. Denn in der Zeit gab es Feiertage und in einigen Bundesländern Ferienzeiten. Das führt u.a. zu Nachmeldungen. (7/n)
Eigentlich sollte das beim Nowcast nicht so wichtig sein, da es die Fälle nach Erkrankungsbeginn aufschlüsselt. Allerdings wird der Erkrankungsbeginn bei den Fällen, wo er nicht bekannt ist, approximiert, wobei das Meldedatum der wichtigste Parameter ist und (8/n)
Nachmeldungen dann doch eine Rolle spielen. Die Ferien spielen ebenfalls eine Rolle. Bspw. weil Schüler nicht mehr regelmäßig getestet werden, nach den Ferien jedoch schon. Den Effekt der Welle haben wir auch schon in früheren Phasen der Pandemie sehen können. (9/n)
Schauen wir uns beispielsweise Weihnachten 2020 an. In der blauen Linie kann man die gemeldeten Fälle sehen (7-Tage-Mittelwert). Dort haben wir einen starken Abfall mit anschließendem Anstieg und daraufhin wieder einen Abfall. Der Nowcast nach Erkrankungsbeginn (türkis) (10/n)
liegt einerseits weiter in der Vergangenheit, da er nach Erkankrankungsbeginn auflöst. Außerdem ist zu erkennen, dass die Welle zwar deutlich abgeflacht wurde, aber doch nicht ganz verschwunden ist. Das liegt wie gesagt daran, dass das Meldedatum bei der Approximation (11/n)
des Erkrankungsbeginns bei unbekanntem Erkrankungsbeginn der wichtigste Parameter ist. Deshalb ist dann eine Approximation erschwert und wird etwas verfälscht. Deshalb wird die Welle nicht komplett ausgeglichen. Das schlägt sich dann auch auf den Verlauf des R-Wertes (12/n)
nieder. Zwar korrigiert der R-Wert anhand des Nowcast die Schwankungen der gemeldeten Fälle, doch dieser kann nicht komplett abgefangen werden. (13/n)
Das selbe Phänomen können wir auch an Ostern erkennen. Auch hier gab es eine vermeintliche Welle, die auf die Ferienzeit zurückzuführen ist. Durch den Nowcast wird das zum großen Teil korrigiert, aber auch hier wieder nicht komplett, weshalb eine leichte Welle bleibt. (14/n)
Das schlägt sich auch hier auf den R-Wert nieder. Auch hier kann man eine Glättung der Welle sehen, die aber auch hier nicht komplett ausgeglichen werden kann, aufgrund der zuvor genannten Effekte. (15/n)
Anhand der zuvor genannten Beispiele kann man erkennen, dass solche Wellen Feiertagen und Ferienzeiten geschuldet sind und durch die Approximation nicht komplett beglichen werden. Deshalb dürfte zumind. ein Teil der aktuellen Welle Ende Oktober hierauf zurückzuführen sein. (16/n)
Schaut man sich den aktuellen 7-Tage-R-Wert des RKI an, hält der Trend der fallenden Wachstumsrate auch weiter an. Er liegt aktuell bei 1,04.

Was wäre gewesen, wenn der Trend sich ab dem 21.10. fortgesetzt hätte und es zu keiner Verlangsamung gekommen wäre? (17/n)
Dann hätten wir jetzt nicht einen 7-Tage-Mittelwert der gemeldeten Fälle von ca. 54.000, sondern von knapp 100.000. Eine Verlangsamung des Fallgeschehens ist also deutlich zu erkennen. (18/n)
Der Feiertags- und Ferieneffekt sollte dabei keine große Rolle spielen. Denn zunächst gibt es zu wenige Fälle, die dann nachgemeldet werden, so dass danach der Kurvenverlauf wieder gleich laufen sollte. Dennoch kann man den Trend auch ab dem (19/n)
07.11. laufen lassen. Da sind dann geringere Zahlen zu erwarten, da der Trend erst später startet. Aber auch dann hätte es knapp 72.000 neue Fälle pro Tag gegeben und nicht 54.000. Die Verlangsamung der Dynamik ist also klar erkennbar. (20/n)
Doch viel wichtiger als die gemeldeten Fälle ist die Situation in den Krankenhäusern. Schauen wir daher nach den Betten, die mit Intensivpatienten mit einem positiven COVID-19-Test behandelt werden. Obwohl wir neue Höchststände bei den gemeldeten Fällen haben, (21/n)
sind wir von Höchstständen auf den Intensivstationen noch entfernt. Lag die Höchstzahl der belegten Betten in der Pandemie bei 5.762, liegt er aktuell bei 4.202. Allerdings haben wir mittlerweile mehr belegte Betten, als vor einem Jahr mit 3.781 belegten Betten. (22/n)
Doch wie sieht die Dynamik aus? Berechnet man den R-Wert anhand der Neuaufnahmen auf ITS, erkennt man auch hier eine Verlangsamung. Mit Glättung mittels eines Mittelwertes berechnet anhand +- 6 Tage, ist recht gut erkennbar, dass der R-Wert seit Anfang November fällt. (23/n)
Es muss wie immer darauf geachtet werden, dass es sich um eine gesamtdeutsche Betrachtung handelt. Regional kann dies deutlich abweisen. Hierzu sei auch an den CODAG-Bericht verwiesen.



(24/24)

• • •

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

Keep Current with Daniel Haake

Daniel Haake 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 @haake_daniel

Dec 6, 2024
Worum ging es eigentlich in der Auseinandersetzung @c_drosten ./. @ChanasitJonas bzgl. Impfung? Sicherlich nicht, ob Impfung grundsätzlich gut ist, sondern wann und wie empfohlen wird/wurde. Deshalb eine chronologische Einordnung:

Am 05.06.2021 gab @c_drosten ein Interview
(1/n)
beim Schweizer Magazin Republik. Zu diesem Zeitpunkt gab es von der STIKO *keine* Impfempfehlung, weder für Kinder noch für Jugendliche.

Auf die Frage: "Was ist mit jenen, die ungeimpft auf den Herbst zugehen – den Kindern?" antwortete er:

"Also rein technisch:

(2/n)
Ja, man kann die impfen. Es wird sich kaum irgendwann plötzlich rausstellen, dass die Impfung für Kinder gefährlich ist und es ein unerkanntes Risiko gibt – nach allem, was man heute schon weiss. Die grosse Frage ist die nach dem Eigen­nutzen für die Kinder:

(3/n)
Read 58 tweets
Nov 2, 2024
Wenn Journalisten zu #Ungeimpften schreiben: "Möge die gesamte Republik mit dem Finger auf sie zeigen!", Politiker sagen: "Es ist wichtig den Ungeimpften eine klare Botschaft zu senden: Ihr seid jetzt raus aus dem gesellschaftlichen Leben." oder Kabarettisten meinen:

(1/n)
"Wir wissen alle, wer die Schuld an der 4. Welle trägt.", um dann nachzuschieben: "Wäre die Spaltung der Gesellschaft wirklich etwas so Schlimmes? Sie würde ja nicht in der Mitte auseinanderbrechen, sondern ziemlich weit rechts unten. Und so ein Blinddarm ist ja nicht im

(2/n)
strengeren Sinne essentiell für das Überleben des Gesamtkomplexes.", dann wurden Ungeimpfte selbstverständlich zu Schuldigen gemacht. Wie falsch dieses Verhalten und Maßnahmen wie 2G waren, zeigt sich, wenn man sich anschaut, wie schnell und stark der Transmissionsschutz

(3/n)
Read 7 tweets
Jul 30, 2024
Das ist auch so ein Satz aus der Hölle. Es zeigt, dass man entweder nicht versteht, wie Modellierungen funktionieren oder Dinge rechtfertigen möchte. Man sollte sich dann aber sicherlich nicht Wissenschaft auf die Fahnen schreiben.

Warum? Weil es bei Modellierungen

(1/n)
auf viele Aspekte ankommt, damit das Modell überhaupt korrekt funktionieren kann. Als erstes ist die Datengrundlage wichtig. Ist diese nicht repräsentativ und ändert sich sogar die Erhebungsmethode während der Zeit, sind die Daten über die Zeit nicht vergleichbar.

(2/n)
Das weiß aber der genutzte Algorithmus nicht. Dieser geht davon aus, dass so der tatsächliche Verlauf ist, also als wenn die Daten eben repräsentativ erhoben worden wären. Würden also die Fallzahlen eigentlich konstant bleiben, es werden aber nun mehr getestet und

(3/n)
Read 9 tweets
Apr 8, 2024
Wer jeden, der eine stärkere Abwägung der Grundrechte gefordert hat, pauschal als Schwurbler oder Covidiot bezeichnet hat, sollte in sich gehen und schauen, was hierzu der ehemalige Präsident des Bundesverfassungsgerichts (!) dazu zu sagen hat. Die #RKIFiles sind in diesem
(1/4)
Zusammenhang deshalb interessant, da sie den damaligen Wissensstand und Abwägungsprozesse darlegen. Es muss geschaut werden, inwieweit die Abwägung tatsächlich stattgefunden hat und wie mit dem Wissen von damals tatsächlich die Geeignetheit und Angemessenheit von

(2/4)
Maßnahmen überhaupt begründet werden konnte.
Auch jeder, der für die Maßnahmen war, muss hierfür einstehen, da ein Rechtsstaat und unsere fdGO nur funktionieren, wenn man sich hierauf verlassen kann. Beim nächsten Thema könnte es auch ein Thema sein, bei dem man

(3/4)
Read 4 tweets
Oct 16, 2023
Grundsätzlich hat Herr @c_drosten
Recht, dass Desinformation gefährlich ist. Doch wann ist Desinformation gegeben und wer sind die zu hörenden Experten? Beispiele aus der Pandemie:
100.000 zu erwartende Infizierte im August 2020, Saisonalität
(1/n)
liegt bei maximal 20%, Herdenimmunität wird bei 70% geimpfter Bevölkerung erreicht, langanhaltender Infektionsschutz durch Impfung, Kinder sind durch Omikron besonders gefährdet, Kinder sind *Treiber* der Pandemie, Impfung schützt besser vor Reinfektion als eine

(2/n)
durchgemachte Infektion, mRNA kann gar nicht in die Muttermilch übergehen (biologisch unmöglich), nur 2 Wochen durchhalten etc..

Dazu die unsäglichen Modellierungen, die nichts mit der Realität zu tun haben. Ich bin ein großer Freund von Modellierungen.
(3/n)
Read 13 tweets
Aug 22, 2023
Laut @rki_de bestünden in Bezug auf ihre #StopptCovid-Studie "keine Anhaltspunkte für einen fachlichen oder wissenschaftlichen Mangel oder einen Zweifel an der Aussagekraft der Ergebnisse". Ist dem so? Schauen wir uns doch mal ein paar Dinge so an, dass sie jedermann (1/n)
verstehen kann. Ein ganz wichtiger Punkt sind die fixierten Parameter für die Virusvarianten, die durch das RKI vorgenommen wurden. Ein klein wenig Mathematik, im weiteren Verlauf des Threads beziehe ich mich mehr auf Grafiken. Also keine Sorge. Das RKI beschreibt, dass (2/n)
durch die Fixierung es für die Phase der Virusvariante Alpha zu einer Erhöhung des R-Wertes um 30% und für Delta um 60% kommt. Nur ist das nicht korrekt. Denn alle Terme auf der rechten Seite der Gleichung ergeben addiert zusammen den natürlichen Logarithmus des R-Wertes. (3/n) Image
Read 28 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!

:(