Die letzte und diese Woche sind für das Modellieren der nächsten Wochen entscheidend wichtig. Dabei gibt es 3 Probleme: 2/x
Hinweis für Modellagnostilker: Was folgt sind Modell-Szenarien, die so kommen könnten, aber nicht müssen. Hier wird versucht mit Mathematik und Datenanalyse ein mehr-als-Raten-Blick in die Zukunft zu entwickeln.
3/x
Wer mit diesen sehr unterschiedlichen und unsicheren Szenarien für die Zukunft nicht gut zurecht kommt, der sucht sich bitte etwas anderes zu lesen.
4/x
Die folgende Modellbetrachtung basiert auf mehreren Arbeitsschritten: Zuerst brauchen wir mehrere modellierten Inzidenz/Fallzahlen-Verläufe. Dann müssen wir unsere Berechnung der Belastung der Kliniken kalibrieren mit den bisher verfügbaren Daten.
5/x
Daraus ergeben sich dann verschiedene Modellierungen für die Belastung der Kliniken und Intensivstationen.
6/x
Weiterer Verlauf der Fallzahlen 7/x
Nun kommt noch BA.1 Welle hinzu und Verlauf der Inzidenz sähe irgendwie so aus oder so ähnlich (Bitte immer im Hinterkopf halten: Wir können schon in dieser Woche die Fallzahlen nicht mehr richtig zählen, die hier gezeigten Inzidenzen wird das RKI so niemals melden): 8/x
Die obere Grafik ist Darstellung auf der Log-Skala, damit man den Ablauf der Wellen besser sehen kann. Die untere Darstellung zeigt die Gesamtinzidenz und wie sich diese aus den Varianten zusammensetzt. Damit haben für die weiteren Überlegungen unser “zentrales Szenario”.
9/x
10/x
11/x
12/x
13/x
Hier habe ich die Hospitalisierungsdaten vom RKI und von meinem Modell nochmals nach Alter aufgeschlüsselt und da sieht man, dass das Modell sehr nah an den Kurven des RKI liegt – außer in den Wellen mit Überlastung des Gesundheitssystems (Q1/2021 und Q4/2021): 14/x
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.
Wichtig: Die Datenlage der Sequenzierungen ist z.Zt. noch sehr sehr dünn, XBB.1.5 liegt noch unter 1% und Daten sind somit unsicher. Alles was jetzt kommt bitte als Gedankenspiel ansehen, und nicht als Vorhersage. 1/x
Es könnte locker bis Mitte Januar dauern, bis wir das genauer einschätzen können. Die Datengrundlage der Sequenzierungen scheint auch nicht besser zu werden, andere Länder sind da viel besser.
OK, wenn das mal klar ist: In meiner ersten Modellrechnung mit XBB.1.5 hatte ich angenommen, dass in Woche 9.1. ca. 1% der Fälle XBB.1.5. sein würden. Dies scheint mit den aktuellen Daten zu optimistisch gewesen zu sein.
Es kursieren Berechnungen, die für Variante XBB.1.5 eine Verbreitungsvorteil um +50-70% im Vgl. zu BQ.1.* aufzeigen.
Noch taucht das in dt. Sequenzierungen kaum auf, bis Mitte Januar gibt's kaum brauchbare Daten.
Aber wie würde denn XBB.1.5 bei uns aussehen mit diesen Eckwerten?
Was für eine große oder kleine Welle könnte denn da kommen, schließlich klingen 70% Verbreitungsvorteil nach sehr viel?
Um dem nachzugehen habe ich folgende Annahmen getroffen:
* XBB.1.5 liegt aktuell bei 0,5% der Fälle
* XBB.1.5 hat 60-70% Verbreitungsvorteil zu BQ.1.*
Unter den genannten Annahmen ergäbe sich ein XBB.1.5 Peak vor/um Ostern. Wenn man sich das mit den Folgen (Klinik/Totenzahlen) anschaut, dann sieht das so aus:
Rückblick auf Modellrechnung vom 6.10. und Ausblick auf Januar 2023
1. Inzidenz: Am 6.10. erwartete das zentrale Szenario eine Welle um Inzidenz 750. Bekommen haben wir 2 Wellen (Inzidenz 800 Mitte Oktober und 500 im Dezember). Januar könnte etwa wie der September werden 1/x
Warum 2 Wellen: “Feriendelle” für BA.5 war stärker als erwartet, die 2. Welle mit Varianten um BQ.1.x waren noch nicht drin im Modell damals.
Anm.: RKI Inzidenzen sind seit Oktober mit mind. Faktor 2 zu niedrig (Dunkelziffer!), Modell rechnet mit DZF vom September weiter.
2/x
2. COVID-Hospitalisierungen
Zentralen Szenario erwartete am 6.10.2022 eine Welle mit Peak um 17.000 Hospitalisierungen pro Woche. Bekommen haben wir 2 Wellen mit 18.000 Hospitalisierungen Mitte Oktober und 15.000 im Dezember