Wenn wir bald nicht bremsen könnten sich nur im Q1/2022 über 21% der U20, >14% der 20-60-Jährigen und >9% der Ü60 infizieren.
1,5-mal so viel wie in der ganzen Pandemie zusammen.
Modellrechnung mit Spitzeninzidenz 2.000 ca. Mitte Februar und 11 Mio Fällen im Q1/2022
Thread 1/x
Keiner kann im Moment verlässlich abschätzen, wie hoch die Omikron-Inzidenz in Deutschland steigen wird in den nächsten Wochen. Einige Nachbarländer liegen jetzt schon über Inzidenz 1.500 pro 100k und zeigen kaum Bremsen. Also auch für uns nicht unmöglich. 2/x
Durch die Datenunsicherheiten über die Feiertage wird es erst noch 1-2 Woche brauchen, bis alle Modellparameter wieder korrekt kalibriert wären für Omikron, aber dann liegen die Fallzahlen wohl schon so hoch, dass wir sie schon nicht zuverlässig messen können.
3/x
Szenario versucht auf Basis aktuell vorhandener Zahlen durch Fortschreibung Blick in die Zukunft zu werfen, mit dem Ziel abzuschätzen, wie gross individuelles Risiko der drei großen Altersgruppen (U20, 20-60, Ü60) ist, sich im Q1 zu infizieren (kein koord. Lockdown/Bremsen).
4/x
In dieser Modellrechnung erreichen wir ca. 1,7 Mio Fälle pro Woche ca. Mitte Februar (plus vorhandene Dunkelziffer), insgesamt 11 Mio Fälle alleine nur im 1. Quartal 2022, mehr als in der ganzen Pandemie bisher zusammen (7,5 Mio). 2/x
Dabei ist zu bedenken, dass 1. diese kranken Menschen wochenlang im Alltag fehlen werden und 2. LONGCOVID alle Infizierten treffen kann. Wenn wir nur von 10% Risiko ausgehen, LONGCOVID zu bekommen, sind das 1,1 Mio auch noch längerfristig kranke Menschen.
3/x
Die Inzidenz liegt insbesondere bei den U20 sehr hoch im Bereich von 3.000. Auch die "Alten" liegen in der Spitze über 1.000. Auch wenn Omikron angeblich "mild" ist, das wird in dieser Stückzahl ein Problem. 4/x
21% der U20 würden im Q1/22 infiziert werden (wohlgemerkt als Fallzahlen gerechnet, eine wie auch immer geartete Dunkelziffer kommt hier noch dazu), das Risiko jedes einzelnen im Q1 infiziert zu werden ist 3,5-4,5 mal so hoch wie im Q4, das schon 4-5x höher lag als davor. 5/x
Im Q2/22 würde ein höherer Anteil der Ü60 ins Krankenhaus kommen als im Q1/21, für Kinder und Jugendliche läge die persönliche Wahrscheinlichkeit für einen Klinikbesuch doppelt so hoch wie im Q4. 6/x
Szenario: Omikron wächst bis Mitte Februar auf Inzidenz 2.000, 11 Mio Fälle im Q1 (diese Fallzahlen könnten wir allerdings mit unserem Meldesystem kaum messen). Omikron macht 25% weniger krank als Delta, Modell berücksichtigt Booster und Impfwirkung gegen schw. Verlauf.
7/x
Es sind natürlich auch andere Szenarien darstellbar, die 50% mehr oder 50% weniger Fälle nach sich ziehen und die Werte im Q2/2022 noch oben oder nach unten senken. Aber am Grundprinzip der gezeigten Aussagen ändert sich damit wenig.
8/x
Wie armselig ist das, wenn wir X Mio Menschen von einem Virus infizieren lassen, von dem wir mindestens schon ahnen müssen, dass er langfristig gefährlich ist und Langzeitfolgen hat, obwohl wir wissen, was zu tun wäre um dies zu verhindern und dass wir es jetzt tun müssen.
9/x
PS: Verwendete Impfquoten im Modell 10/x
PS: Statistik Personalausfall 11/x
PPS: Hospitalisierungsberechnung: Omikron macht 25% weniger krank als Delta. Impfungen helfen gg. schweren Verlauf bei Omikron genauso wie bei Delta. Bisher liegt Modell gut im Vergleich zu Werten vom RKI. Die nächsten 2 Wochen sagen uns, ob es ggf. besser oder schlechter wird.
PPPS: Letzte Woche habe ich meine Modellrechnungen vom Montag mit den Moell-Läufen des Teams um @ViolaPriesemann verglichen.
**WENN** (Achtung, Konjunktiv) die aktuelle COVID Welle ähnlich verlaufen würde wie die letzte Welle, dann **könnte** das im Herbst so aussehen: Peak der Welle könnte Anfang Oktober zwischen Inzidenz 2500-5500 sein, dafür dieses Jahr ruhigerer Jahreswechsel.
Let me explain 🧵
Wenn man sich geglättete Wochen-R-Werte (=aktuelle Woche durch Mittelwert 2 Vorwochen) anschaut und mit Anzahl der "Ansteckbaren" (=Bevölkerung minus Infektionen der letzten 12 Wochen) anschaut, könnte es Zusammenhang geben: Bei ca. 55 Mio Ansteckbaren, sinkt der R-Wert unter 1.
Dann bleibt der R-Wert unter 1, die Welle läuft aus, bis wieder ca. 78 Mio Ansteckbare erreicht sind, dann geht der R-Wert wieder über 1 und die nächste Welle beginnt. Diese Augenblicke sind in der Grafik mit rosa Pfeilen markiert.
Ich habe hier mal versucht, das aktuelle Infektionsgeschehen in Deutschland (rechts) anhand der COVID-Hospitalsierungen (links) der @diedgina Notaufnahme Ampel **abzuschätzen**. Links sieht es so aus, als wären wir auf Vorjahresniveau. Aber...
Aber weil wir (optimistisch) davon ausgehen wollen, dass die Hospitalisierungsrate über die Zeit stetig sinkt (durch mehr und mehr Infektions/Impfbedingte Immunität), müßten wir jetzt aktuell im August 2024 deutlich über der Anzahl der täglichen Neu-Infektionen des Vorjahres liegen.
Das ist hier aber natürlich nur eine ABSCHÄTZUNG mit großer Unsicherheit ("Error bars"), die man auch wieder nur abschätzen kann und die ich mit den lila Linien eingezeichnet habe. Aber hier geht es ja auch um die Darstellung des Trends.
Kann man die tatsächlichen SARS CoV2 Infektionszahlen und die daraus folgenden Longcovid Patientenzahlen aus öffentlich verfügbaren Daten abschätzen? Eine Statistik-Fingerübung zum Zuschauen. #manycharts
Ein längerer 🧵
1.
Was folgt ist eine Abschätzung der Zahlen für die COVID-Infektionen und LongCovid-Patienten in Deutschland. Aufgrund der mauen Datenlage kann das hier nur ein Versuch einer Annäherung sein. Trotzdem sollten diese Zahlen zumindest eine brauchbare Abschätzung "nach unten" sein.
2.
Wir gehen von den vom RKI vermeldeten Fallzahlen der letzten Jahre aus. Irgendetwas ist ab März 2023 passiert, die offiziellen Fallzahlen könnten suggerieren, dass die Pandemie vorbei gewesen wäre, aber....
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.
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.
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.