Dirk Paessler Profile picture
z. Zt. Pandemie-Modellierer wider Willen, sonst CEO @carbon_drawdown, Chairman @PaesslerAG, VP @nep_brussels
Stephen Walter Profile picture CMA Profile picture Rolf Wagels Profile picture 3 added to My Authors
Jul 28 7 tweets 2 min read
Ein Update der Berechnung der Hospitalisierungen macht neue Modellrechnung nötig.

* Alle Szenarien sehen eine Welle im Herbst
* Genaue Höhe der Welle auf Basis der akt. Zahlen kaum absehbar
* Damit sind auch Spitzenwerte aller anderen Kurven noch nicht genau abschätzbar.
1/x Die Berechnung der Hospitalisierungen berücksichtigt jetzt explizit die ca. 50% höhere Pathogenität von BA.5.
Immerhin: Es deutet sich eine Verschnaufpause beim Fall-Wachstum und bei den Krankenhauszugängen für die nächsten 4 Wochen an.
Jul 22 13 tweets 4 min read
Neue Modellrechnung (und Rückblick auf die letzte)

* Abhängig von Verlauf der nächsten 3-6 Wochen zeigt das Modell einen Peak im Sep oder Okt oder Nov
* BA.5 scheint deutlich mehr ITS- und Hospitalisierungs-Belastung zu erzeugen - nicht gut für Herbstwelle!

1/x Das zentrale Szenario hat sich zur letzten Modellrechnung vom 3.7. kaum verschoben. Im optimistischen bzw. im pessimistischen Szenario verschiebt sich der Herbst-Peak jeweils um 3-4 Wochen nach vorne oder nach hinten. Dann scheint Sättigung vorerst erreicht.
Jul 3 12 tweets 3 min read
Aus den Zahlen der letzten Tage war zu erkennen, dass mein Modell vom 8.6. eine Nachfolge-Modellrechnung braucht. Aus dem Peak im August könnte nun eine wochenlange Dauerwelle um Inz 800 im zentralen Szenario werden. 🤔
1/x Aus Zahlen der letzten Tage war zu erkennen, dass meine vorhergehende Modellrechnung die bremsende Wirkung der sich durch Infektionen aufbauenden Immunität unterschätzt hat bzw. dass ich bei der Berechnung dieser Immunität die Dunkelziffer nicht “aggressiv” genug abgeschätzt habe
Jun 12 14 tweets 4 min read
Vom direkten Zusammenhang zwischen Krankenstand/Personalausfall und Inzidenz/Fallzahlen

Meine These: Wenn wir die Fallzahlen wieder hochlaufen lassen wird der Krankenstand diesem Anstieg ziemlich linear folgen.

Ein Thread mit Modell-Ausblick auf die nächsten 6 Wochen

1/x Beim @BKKDV habe ich mir die monatlichen Krankstands-Daten der beschäftigen Versicherten der Mitglieder des BKK Dachverbands seit Januar 2020 geholt: bkk-dachverband.de/statistik/mona…
Jun 10 13 tweets 3 min read
Ein Versuch einen 1. Blick auf die BA.4/5-Welle in den nächsten 6 Wochen zu werfen--Auch wenn die Datenlage nicht gerade optimal ist (Datenlöcher durch Feiertage, ständig nachkorrigierte Sequenzierungsdaten und vielfach kaputt-sabotiertes Test&Zählsystem)

Ein Thread/Blog Image Den folgenden Thread gibt es auch als leichter lesbaren Blog-Artikel mit funktionierenden Links
dirkpaessler.blog/2022/06/10/mod…
Jun 9 4 tweets 3 min read
Nachdem die Zuordnungen in Sequenzierungsdaten gestern nach oben korrigiert wurden ergab sich eine Erhöhung der Anteile von u.a. BA.4/5. Damit verschiebt sich der Augenblick der Dominanz nach vorne und dürfte genau in der aktuellen Woche stattfinden, vielleicht sogar heute?
1/x Die gleichen Daten mit linearer y-Achse. Wer jetzt noch von "es gibt erste Anzeichen für eine mögliche Sommerwelle" oder von "im Herbst könnte... blabla" spricht hat irgendwas mit Mathematik nicht wirklich verstanden. Zum 4. oder 5. mal.
Jun 4 19 tweets 4 min read
Wir zählen immer schlechter, also: Wie viele Infektionen haben wir tatsächlich im Moment in Deutschland?

Wahrscheinlich das Doppelte der RKI-Meldungen!

Im Folgenden versuche ich aus den Hospitalisierungen die echten Infektionszahlen zurückzurechnen.

Thread Die Fallzahlen/Inzidenzen fallen tatsächlich, aber weil wir das Testen und Zählen seit Jahresanfang beständig verschlechtert haben, geben die vom RKI täglich gemeldeten Zahlen nur einen Teil der Wahrheit wieder, zeigen ein schnelleres Absinken als tatsächlich passiert.
Jun 1 8 tweets 2 min read
Grafik zeigt CFR und CHR (RKI Daten) übereinandergelegt seit März 2020. Diese Kurve hat nur 2 mögl. Hauptgründe, die sie nach oben laufen lassen würden: Die aktuelle Variante macht töter/kränker ODER wir finden weniger der tatsächlich stattfindenden Infektionen als Fälle.
1/x Wenn sich weder Variante noch Testsystem ändert erwarten wir ein stetiges Absinken der Quoten (durch ständig steigende Immunisierung wegen Impfung oder Infektion).
2/x
May 22 44 tweets 9 min read
Ein Blick auf die “Pandemie-Mechanik” im Herbst 2022 mit Modellrechnungen

Ein Thread Dass mein Modell für die nächsten 4-6 Wochen brauchbare Berechnungen erstellen kann, haben wir schon mehrfach gesehen, zuletzt gestern hier:
May 21 14 tweets 4 min read
Ein Rückblick auf Modellrechnung vom 9.4. nach 6 Wochen.

Kurz: Das "Pessimistische Szenario" vom 9.4. hat den weiteren Verlauf über mehr als 6 Wochen gut getroffen (außer bei den Zahlen der COVID-Verstorbenen).

Vorerst sinken Zahlen erstmal weiter... bis BA.5 etc. kommen

1/x Beim Aufstellen einer Modellrechnung muss man mit mehreren Szenarien rechnen, wenn es Modellparameter gibt, von denen unklar ist, wie sie sich weiter entwickeln. Dies war am 9.4. der Fall: es war unklar wie sich das Verhalten nach Aufhebung vieler Regelungen verändern würde.
2/x
May 13 15 tweets 3 min read
Modellrechnung: Ausblick auf die nächsten 4 Wochen und Rückblick auf Modell vom 9.4. nach 5 Wochen

Ein Thread
1/x Vorab: Beim Lesen einiger (z.T. unterirdischer) Kommentare fällt mir immer wieder auf, dass einige Leser den Sinn von Modellen/Szenarien und die Arbeitsweise grundlegend nicht verstanden haben (und folglich eher unpassende Kommentare abgeben).
Apr 24 10 tweets 3 min read
Noch sind wir nicht aus Feiertage-Datennebel heraus, erst Do/Fr sehen wir wieder klarer. Trotzdem schonmal ein Vorab-Rückblick auf meine Modellrechnung vom 9.4.2022.

Kurz: Entwicklung liegt wohl beim Szenario "pessimistisch". Die RKI-Fallzahlen zeigen den Oster-Peak nicht.
1/x Die Grafik zeigt, dass Inzidenz, ITS-Belegung und Hospitalisierungen zwischen dem "zentralen Szenario" und dem "pessimistischen" Szenario liegen und damit ziemlich in der Mitte meines Szenarien-Bündels. Modellrechnung hat also ihren Zweck erfüllt.
2/x
Apr 5 10 tweets 4 min read
Weitere Entwicklung der Pandemie? Wir haben keine Ahnung!

Eine kurze Standort-Bestimmung in Slides

Thread 1/x 2/x @chrischirp
Mar 27 4 tweets 2 min read
Wenn ich "AU-Fälle pro 10.000 Beschäftigte" von @bkkdv (für ausgew. Branchen) mit der Berechnung der Erkrankten aus meine Modell zusammen in eine Grafik zeichne, sieht das so aus: Die Ausfälle werden im März wohl nochmal höher sein (Inzidenz ist ja weiter gestiegen).
1/2 Wie es im April mit den Ausfällen (und den Fallzahlen) weitergeht, entscheiden wir alle gemeinsam ab dem 2.4. => wie stark verändern wir unser Verhalten, wenn die Übergangsregelungen in den Ländern auslaufen bzw. welche Regelungen werden die Länder der Welle entgegensetzen?
2/x
Mar 19 21 tweets 5 min read
Update: Die aktuellen Modellrechnungen sehen nicht gut aus

Ohne neue staatliche Eingriffe, egal ob mit “Hotspot-Regelung”, Schnell-Neuauflage des IFSG oder wie auch immer, wird es schwierig. Brauchen wir eine Nachbesserung des IFSG in ein paar Wochen?

Ein langer Thread

1/x Hier im Thread nur das Wichtigste aus dem Blog-Artikel mit noch viel mehr Hintergrund-Daten und Details.
2/x
dirkpaessler.blog/2022/03/19/die…
Mar 19 11 tweets 2 min read
Wir haben uns – ohne Not – in eine schwierige Situation manövriert, unsere Risiken sind groß wobei die Spitzenwerte kaum berechenbar bleiben. Als Modellierer schaue ich ziemlich fassungslos auf die Situation in Deutschland. Das ist nahe am “perfect storm“:

Thread
1/x
Wir haben die höchste Neuinfektionsrate pro 7 Tage in der ganzen Pandemie.
2/x
ourworldindata.org/explorers/coro…
Mar 17 6 tweets 2 min read
Am Vorabend der Entscheidung im Bundestag möchte ich nochmal auf dieses Detail aus meinen Modellrechnungen hinweisen: Weil sich im April überproportional mehr Alte anstecken werden, dürfte die Hospitalisierungsrate erheblich ansteigen.
1/x 2. Grafik zeigt Hosp-Verlauf der verschiedenen Altersgruppen. Blaue Linien kommen vom RKI (Nowcasted), die orangen Linien zeigen wie gut Modell die RKI-Zahlen nachfahren kann. Mit erwartetem Anstieg der Inz. auf 3000 oder mehr und davon vielen Alten sieht das nicht gut aus.
2/x
Mar 14 9 tweets 3 min read
Ein neuer Versuch zu zeigen, warum die Hospitalisierungen im April stark ansteigen könnten: Zwar kommen mit Omikron 2,5-4x weniger Patienten ins Krankenhaus, wenn aber die Inzidenz in den alten Altersgruppen um 10-15x steigt, dann sind es 3-5x so viele Patienten.
1/x Die Altersstruktur der BA.2 Welle jetzt im März (unten, rot gepunktet) ist schon deutlich anders als im Februar (beige). Mit schon geringen Lockerungen verschiebt sich das im April (orange) aber im Modell nochmal stark in die Alten - die mit dem hohen Hospitalisierungs-Risiko
2/x
Mar 13 14 tweets 4 min read
Am 20.3.2022 gibt es in meinem Modell praktisch keinen Spielraum für Lockerungen. Null.
Grafik zeigt was passiert wenn man vor Erreichen eines Peaks (von dem man nicht genau weiß, wann er kommt) bereits lockert. Selbst kleinste Lockerungen hebeln den Peak immens nach oben.
1/x Die einzige Kurve, die wir genau beschreiben können vom Verhalten ist "keine Lockerungen" Kurve. Das ist wenn wir so weitermachen wie vergangene Woche. Selbst 5% mehr Kontakte/R-Wert ab 20.3. hebeln aber die Fallzahlen schon hoch, mit weiteren Lockerung wird es "interessant".
2/x
Mar 10 10 tweets 3 min read
Update Modellrechnung: Wie könnte unsere EXIT-Welle nach dem 20.3.2022 aussehen?

Kurz: Der 20.3. ist für massive Öffnungen sehr ungeeignet (Lockern ins Steigen, hohes Risiko 🤦‍♂️).

14+ Tage später wäre viel besser.

Modell-Thread
dirkpaessler.blog/2022/03/10/upd…
1/x Image 2/x Image
Mar 7 12 tweets 2 min read
Grafik zeigt den zeitlichen Verlauf der Hospitalisierungsrate nach Altersgruppe seit Anfang 2021.

Ich habe mehrere Phasen markiert und eine (mögliche!) Interpretation des Verlaufs dazu geschrieben. Gibt es noch andere wichtige Veränderungen? Feedback bitte gerne.

Thread
1/x Image Die Daten sind die wöchentlichen Inzidenzdaten und die wöchentlichen Hospitalisierungsdaten vom RKI, altersaufgedröselt. Die vertikale Achse ist log-skaliert um die Unterschiede/Trends auch bei den kleinen Werten sichtbar machen zu können.
2/x