Thread by @dpaessler

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....

3.

... aber sowohl die COVID Hospitalisierungen (von RKI und DGINA) als auch die Krankschreibungen (BKK) erzählen eine andere Sprache: Die Krankschreibungen sind in 2022 und 2023 überhaupt erst angestiegen. Auch die COVID-Hospitalisierungen liegen seit 2022 höher als vorher.

4.

Die grüne Kurve basiert auf dem Krankenstand für "Atemwege" und "Infektionen". Zitat BKK Website: "Der Krankenstand gibt den Prozentanteil der Kalendertage im Betrachtungszeitraum an, die jeder Beschäftigter im Durchschnitt krankheitsbedingt arbeitsunfähig ist. ...

5.

... Man erhält den Krankenstand eines Monats aus der Zahl der AU-Tage je beschäftigtes Mitglied dividiert durch die Anzahl der Kalendertage im Monat (als Prozentwert multipliziert mit 100)."

Alle Datenquellen sind am Ende des Threads verlinkt!

6.

Ein Wert von 1,96% im Dez 2023 bedeutet also, dass über Monat hinweg 2% der Berufstätigen in DE krank waren. Wir nehmen vereinfachend an, dass 2% Wert auf die ganze Bevölkerung verwendet werden kann und haben damit einen qualitativen Indikator des Krankenstandes über die Zeit

7.

Den Berg der o.g. grünen Linie sieht man auch in der jährlichen Krankenstands-Statistik (Destatis), in 2022/2023 lag der Krankenstand um ca. 40% über 2019.

Also, die Infektionszahlen vom RKI sind nicht zu gebrauchen, um die Lage abzuschätzen. Was können wir sonst verwenden?

8.

Es müßte möglich sein, aus den Hospitalisierungsdaten von RKI und DGINA, die wie man oben sieht sehr ähnlich verlaufen, die tatsächlichen Fallzahlen zurückzurechnen.

9.

Das besondere bei den beiden Zahlenreihen ist, dass sie völlig verschiedene Entstehungs-/Meldewege haben und trotzdem ähnliche Daten liefern, was ich als Indiz dafür sehe, dass die Zahlen brauchbar gut sind.

10.

Die blaue und die rote Linie zeigt die Hospitalisierungsrate für beide Datensätzen, also wie viele "Fälle" müssen als COVID-Patienten ins Krankenhaus. Hier sieht man wie im Verlauf von 2021 die Rate gesunken ist parallel zur Impfkampagne und dem Übergang zu Delta.

11.

Diese Absenkung kann rechnerisch m.E. noch nicht eine Wirkung der steigenden Immunität sein, dafür gab es zu wenige Infektionen im Jahr 2021.

12.

Anfang 2022 hatten wir dann den Übergang zur Omicron Variante, die die Ansteckung erheblich in Höhe hat schnellen lassen und gleichzeitig aber weniger "krank" gemacht hat, die Hosp-Rate sinkt erneut deutlich ab. Hier die wöchentliche Rate nach Alter bis März 2023.

13.

Längerfristig würden wir ein stetiges Absinken der Hosp-Rate erwarten, weil immer mehr Menschen immer öfter mit dem Virus Kontakt hatten, und sich langsam eine Immunität aufbauen sollte.

14.

Wir sehen aber ein stetiges, steiles Ansteigen der Hosp-Rate und das liegt daran, dass wir im Laufe des Jahres 2022 immer "schlechter" getestet haben und dann bis Mitte 2023 das Testen quasi komplett eingestellt haben. Danach gehen rote und blaue Linie "seitwärts".

15.

Daher müssen wir eine *korrigierte Hospitalisierungsrate* verwenden, die ein stetiges Absinken der Hospitalisierungen annimmt (hier: -2,5% pro Monat = ca. Halbierung in 2 Jahren => der Wert ist geraten, passt aber gut ins Gesamtbild) und es ergibt sich die grüne Linie.

16.

Damit können wir jetzt aus den Hospitalisierungszahlen und der korrigierten Hosp-Rate die tatsächlichen, korrigierten Fallzahlen abschätzen (Annahme: DZF=1,6 im März 2022).

17.

Plausibilitäts-Check 1: Die Anzahl der Krankschreibungen pro korrigierte Fallzahlen (rot) steigt nicht mehr steil an. Die hatten die offiziellen Zahlen gezeigt und das war unplausibel.

18.

Plausicheck 2: der sich ergebende Dunkelzifferfaktor zu RKI Fallzahlen bewegt sich hier aktuell bei ca. 130-150, bleibt damit unterhalb der Werte, die @rv_enigma in seinen Zahlen verwendet (190-230, siehe ). @Martin46er1 verwendet den DZF 100 z.Zt.

19.

https://x.com/Martin46er1/status/1814218592163926432

https://twitter.com/3505142242/status/1817109896082440436

Plausicheck 3: @rv_enigma hat für 2023 ca. 53 Mio Infektionen in seinen DZF-korrigierten Zahlen (dunkelrote Linie), wir haben hier jetzt 57 Mio Infektionen in 2023.

20.

https://twitter.com/rv_enigma/status/1814629758363177232

Plausicheck 4: @Martin46er1 geht von gesamt 180 Mio Infektionen aus bis Sommer 2024, ich zeige hier 190 Mio. als Gesamtzahl.

21.

https://twitter.com/Martin46er1/status/1807007374995071418

Plausi-Check 5: Wenn wir auch noch die COVID-Todesfälle mit reinnehmen und die Rate der Verstorbenen auf die RKI-Fallzahlen und die korrigierten Fallzahlen beziehen sieht man, dass die neuen Zahlen plausibler sind, denn die Rate sinkt, wie zu erwarten war.

22.

Aus diesen Zahlen können wir errechnen, wie hoch Wahrscheinlichkeit für jeden Bundesbürger ist, in den letzten 12 Monaten eine Covid-Infektion gehabt zu haben:

Ca. 1 Infektion pro Jahr in 2023, in 2024 sind es eher 1 Infektion alle 2 Jahre, aber der Herbst kommt erst noch.

23.

Und schließlich können wir mit den Risiko-Raten für Longcovid, die @Jean__Fisch auf Basis der der ONS Daten aus UK berechnet hat, eine Abschätzung über die Patientenzahlen für Long Covid machen.

24.

https://twitter.com/18079648/status/1816834784301023441

Bis hier waren Zahlen m.E. noch relativ robust, jetzt werden Unsicherheiten leider größer. Leider stehen uns aber keine besseren Zahlen zur Verfügung. Als malen wir an die Kurven auch große "Error-Bars" dran, damit jeder versteht, dass das hier "Ballpark Figures" sind.

25.

Ich verwende folgende Quoten aus der Grafik von @Jean__Fisch:
Quote LC No Impact: 0,50%
Quote LC little impact: 0,80%
Quote LC strong impact: 0,30%

26.

Und damit ergeben sich für den Sommer 2024 ca. 2,5 Mio Longcovid Patienten in Deutschland, davon 1/2 Million, die stark eingeschränkt sind (Stacked Area Chart, Werte sind gestapelt).

27.

Letzter Plausicheck: Aus den o.g. ONS Daten von @Jean__Fisch ergab sich:

Anteil betroffene Bevölkerung in UK, Ende 2023
Alle: ~3%
Schwer: ~0.5%

In meinen Zahlen für DE ergeben sich dafür ebenfalls ca. 3% und ca. 0.5%, wenn ich mit großen Error-Bars.

28.

Als ein Teil der blauen Fläche (Longcovid seid 7 Monaten) sehe ich den beständigen Anstieg der "strong impact" Patienten mit einer gewissen Sorge. Diese Sch**e wünsche ich echt niemandem.

29.

Liegen die Werte ggf. sogar noch höher? Oder Drunter?

Wie könnte man die Qualität der Abschätzung verbessern? Das kann man aus der Folge der Berechnungen ableiten: Die Schlüsselzahlen sind die Infektionszahlen und das Longcovid Risiko bzw. Länge.

30.

1. Surveillance der Infektionszahlen mit breiter Datenbasis (nicht nur für ein Bundesland wie bei Sentisurv )
2. Es müßte eine Surveillance für LongCovid geben ähnlich wie Sentisurv

31.unimedizin-mainz.de/sentisurv/

Wie könnte man Infektionszahlen und damit Zahl der Longcovid-Betroffenen senken?

Das übliche, was seit 2020 bekannt ist: Ansteckung erfolgt über die Luft! Also bessere/saubere Luft in Gebäuden mit Lüftungsanlagen, Luftfiltern und Umsetzung der schon bestehenden Vorschriften

32.

Impfungen senken Ansteckungs- und LC-Risiko. Und Masken in sensiblen/vulnerablen Bereichen (Kliniken, Arztpraxen), zumindest wenn die Infektionszahlen hoch sind. Aber das will ja keiner hören.

33.

Bisher sind wir in 2024 ganz gut durch das Jahr gekommen. Wenn man sich den Verlauf der Vorjahre anschaut kann man aber nicht unbedingt davon ausgehen, dass das so bleibt.

Bleibt gesund!

34.

Quelle: COVID Hospitalisierungen (RKI)


Quelle: SARS CoV2 Inzidenz DE (RKI)


Quelle: Krankenstand (BKK Dachverband)


35.github.com/robert-koch-in…
github.com/robert-koch-in…
bkk-dachverband.de/statistik/mona…

Quelle: Hospitalisierungen EU Länder (ECDC)


Quelle: Krankenstand DE seit 1991 (Destatis)


Quelle: DGINA Daten

36.ecdc.europa.eu/en/publication…
destatis.de/DE/Themen/Arbe…
dgina.de/corona-notaufn…