meine AuszŸge aus den Berichten der

COVID-19 Data Analysis Group (CODAG)

Prof. Dr. Gšran Kauermann (goeran.kauermann@lmu.de)

Prof. Dr. Helmut KŸchenhoff (kuechenhoff@stat.uni-muenchen.de)

Institut fŸr Statistik, LMU MŸnchen

Index der Berichte


Bericht Nr 8

05.02.2021


1. Die gro§e offene Frage: Infektionen bei SchŸlern und ihr Einfluss auf das gesamte Infektionsgeschehen.

Gšran Kauermann, Ursula Berger, Helmut KŸchenhoff, Marc Schneble, Jana Gau§


Als Ausbruch wird ... eine HŠufung von mindestens zwei Infektionen bezeichnet, die epidemiologisch miteinander in Verbindung stehen. Abbildung 1.1. zeigt die Gesamtzahl an FŠllen dieser AusbrŸche zum jeweiligen Tag der ersten Meldung, der den Beginn des Ausbruchs definiert. Das hei§t, die Kurven geben jeweils alle FŠlle in einem Ausbruch zu Beginn des Ausbruchs wieder.

8_abb1.1.png


8_abb1.3.png


Zusammenfassend lŠsst sich damit bestŠtigen, was die derzeitige Literatur hergibt.


2. Die Anzahl der tšdlichen Neuinfektionen in Deutschland ist seit Jahresbeginn rŸcklŠufig - dennoch gibt es weiterhin gro§e regionale Unterschiede.

Marc Schneble, Gšran Kauermann, Ursula Berger, Giacomo De Nicola


Die Zeitspanne zwischen der Infektion mit dem Coronavirus Sars-CoV-2 und dem tšdlichen Ende der Krankheit COVID-19 kann mehrere Wochen betragen. Daraus folgt, dass sich ein nicht zu vernachlŠssigender Teil der vom RKI derzeit gemeldeten TodesfŠlle auf eine Infektion zurŸckzufŸhren lŠsst, die noch vor Wochen stattgefunden hat. Daher ist festzustellen, dass die Anzahl der tŠglich gemeldeten TodesfŠlle nicht dazu geeignet ist, das aktuelle Infektionsgeschehen zu beurteilen. Mit den Daten, die das RKI tŠglich bereitstellt, kann man die Zeitspanne zwischen der Registrierung als COVID-19 infiziert und der Meldung des tšdlichen Endes der Krankheit fŸr jeden tšdlichen Verlauf bestimmen. Auf diesen Berechnungen basiert das Nowcasting Verfahren von Schneble et. al (2020), welches wir bereits im CODAG-Bericht Nr. 5 vom 22.12.2020 vorgestellt haben.


Mit diesem Verfahren kšnnen wir die Anzahl der registrierten COVID-19 Infektionen aus den letzten Tagen bzw. Wochen, die einen tšdlichen Verlauf haben werden (im Folgenden auch als Òtšdliche COVID-19 FŠlleÓ bezeichnet), schŠtzen. Auf Basis dieser SchŠtzungen ist eine deutlich aktuellere Bewertung des jŸngsten Infektionsgeschehens mšglich. Zudem ist diese Methode weitaus weniger abhŠngig von Teststrategien, wenn man dies beispielsweise mit der Bewertung der Infektionslage auf Basis der 7-Tage-Inzidenz vergleicht.

(gestrichelte Linie: Nowcast der Ÿber die Woche gemitelte tŠglich neue Anzahl von TodesfŠllen)

8_abb2.1.png


8_abb2.2.png

Modell: Schneble et al. (2020) Nowcasting fatal COVID-19 infections on a regional level in Germany

Datenquelle: RKI

Bevšlkerungsstatistik: Destatis 2019



3. †bersterblichkeit. Wie sah es 2020 aus, wie sieht es aktuell aus?

Gšran Kauermann, Giacomo De Nicola


In unserem CODAG-Bericht Nr 6 haben wir dargelegt, wie altersadjustierte Sterblichkeiten mit Hilfe des standardisierten MortalitŠtsindex berechnet werden kšnnen.



8_abb3.2.png




MortalitŠt (von lat. mortalitas ãSterblichkeitÒ), MortalitŠtsrate, Sterblichkeit oder Sterberate sind Begriffe aus der Demografie. Sie bezeichnen jeweils die



und zwar immer in einem bestimmten Zeitraum (im Gegensatz zur Quote, die sich nicht auf einen Zeitraum bezieht) Quelle: Wikipedia


8_abb3.3a.png

8_abb3.3b.png



†bersterblichkeiten zeigen sich an dem VerhŠltnis der roten Kurven zum grŸnen Mittelwert. Die Daten fŸr 2021 bauen auf der Altersadjustierung von 2020 auf.


Aktuell zeigt sich eine †bersterblichkeit von ca. 30% bei den †ber-80 JŠhrigen und von ca. 15% bei den 60-79 JŠhrigen


8_abb3.4a.png 8_abb3.4b.png


8_abb3.4c.png


8_abb3.4d.png


Abb. 3.4 a - d. Die Analysen kšnnen Ÿber alle Altersgruppen hinweg auch fŸr einzelne BundeslŠnder gezeigt werden. Bei den meisten BundeslŠndern sind die †bersterblichkeiten gering bzw. rŸcklŠufig. Wir zeigen hier nur die auffŠlligen BundeslŠnder in Abbildung 3.4. Gezeigt sind die Sterbedaten in Sachsen, ThŸringen, Sachsen-Anhalt und Brandenburg. In allen vier BundeslŠndern sehen wir deutliche †bersterblichkeiten von 60-70%

Datenquelle: Destatis und RKI,

Analyse und Visualisierung CODAG@LMU


Bericht Nr 5

22.12.2020

codag5_abb4.1.png

codag5_abb4.2.png


Abbildung 4: Verlauf der 7-Tage-Inzidenz der gemeldeten Neuinfektionen getrennt nach BundeslŠndern und Altersgruppen


Bericht Nr. 4

11.12.2020

abb4.png

Abbildung 4: In der Altersgruppe der 60 - 79 JŠhrigen zeigt sich auch unter BerŸcksichtigung der COVID - 19 TodesfŠlle keine †bersterb lichkeit (siehe Abbildung 3). Bei den Hochbetagten, den Ÿber 80 - JŠhrigen, zeigt sich eine leicht erhšhte Sterblichkeit je 100.000 Lebende im FrŸhjahr 2020. Zieht man die COVID - 19 TodesfŠlle ab und betrachtet nur die sonstigen TodesfŠlle (blaue Linie), so e rgibt sich in dieser Altersgruppe fŸr das FrŸhjahr und den FrŸhsommer eine leichte Untersterblichkeit. Auch fŸr die folgenden Monate bleibt die Rate der gesamten TodesfŠlle in dieser Altersgruppe im Vergleich zu den Vorjahren am unteren Rand. Insgesamt ist somit in der zweiten Welle der Pandemie bisher keine herausstechende †bersterblichkeit zu beobachten.


Die EinschrŠnkungen des šffentlichen Lebens haben dazu beigetragen, dass die Anzahl der NeuinfektionenrŸcklŠufig ist, allerdings nicht fŸr die €ltesten. Abbildung 5 zeigt die Anzahl der Neuinfektionen pro 100.000 Einwohner in unterschiedlichen Altersgruppen. Man erkennt fŸr alle Altersgruppen einen steilen Anstieg bis zur Kalenderwoche 45. Danach flacht sich dieser Anstieg fŸr fast alle Altersgruppen ab und die Infektionszahlen reduzieren sich. Insbesondere fŸr die Altersgruppe der 20 -24-JŠhrigen zeigt sich ein RŸckgang. Dies zeigt empirisch, dass die ergriffenen Ma§nahmen das Infektionsgeschehen in Deutschland teilweise eindŠmmen konnten. Dies gilt allerdings nicht fŸr die †ber 85-JŠhrigen. Hier ist der Anstieg der Infizierten ungebrochen und steigt auch weiterhin an; besonders steil bei den †ber 90-JŠhrigen. Dies ist noch deutlicher in Abbildung 6 zu erkennen, welche die Infektionszahlen der letzten 8 Wochen wiedergibt. Es zeigt sich deutlich, dass die ergriffenen Ma§nahmen (ab KW 45)zur InfektionseindŠmmung fŸr die hoch vulnerable Bevšlkerungsgruppe nicht hinreichend zielfŸhrend sind. In diesem Zusammenhang ist auch kritisch zu hinterfragen, ob die neusten verschŠrften EinschrŠnkungen, die primŠr auf die unter 85-JŠhrigen abzielen, zielfŸhrend sein kšnnen, um die vulnerable und hochbetagte Bevšlkerung zu schŸtzen bzw. wie lange es dauert, bis die Effekte einer generellen Senkung des Infektionsdrucks in dieser Bevšlkerungsgruppe sich auswirken. Bisher deutet sich keine Verlangsamung des Infektionsgeschehens fŸr diese Bevšlkerungsgruppe an. Daher sind Ma§nahmen wie der besondere Schutz der von Altenheimen und Pflegeeinrichtungen besonders wichtig.


Die gezeigten Daten und deren Analysen liegen beim RKI vor und sind im ÒTŠglicher Lagebericht des RKI zur Coronaviruskrankheit-2019 (COVID-19)Ó vom 1.12.2020 publiziert. In dem Lagebericht sind die Daten allerdings nicht wie in Abbildung 5 gezeigt. Stattdessen wurde eine Darstellung gewŠhlt wie sie in Abbildung 7 wiedergegeben ist. Die beiden Abbildungen 5 und 7 berichten also exakt die gleichen Daten, das beschriebene Problem der hohen Meldezahlen bei den Hochbetagten ist allerdings in letzterer nicht so deutlich erkennbar.


abb5.png

Abbildung 5. Gemeldete Neuinfektionen pro Woche und 100 000 Einwohner. Datenquelle: RKI

abb7.png

Abbildung 7. Gemeldete Neuinfektionen pro Woche und 100 000 Einwohner. Darstellung und Daten: RKI 8.12.2020. In dieser Darstellung umfassen die Inzidenzgruppen unterschiedlich viele Inzidenzen. Die Inzidenzen Ÿber 200 werden in 2 Gruppen zusammengefasst, die insgesamt 300 Inzidenzen umfassen (200 bis 500 Inzidenzen), also ebenso viele Inzidenzen wie in allen darunter liegenden Gruppen.(Gruppe mit 0-5 bis Gruppe 150-200).


Bericht Nr.1

30.10.2020


nowcasting.png


Die in der …ffentlichkeit am meisten beachteten Meldezahlen der Neuinfizierten bilden das Infektionsgeschehen nicht valide ab. Daher haben wir mit Hilfe von statistischen Modellen ein Nowcasting-Verfahren entwickelt, mit dem man die Anzahl der Personen mit Krankheitsbeginn an einem bestimmten Tage abschŠtzen kann. Der zugehšrige Artikel wurde nach einer Peer Review jetzt vom BiometricalJournal veršffentlicht. (Vorabdruck unter https://www.medrxiv.org/content/10.1101/2020.06.26.20140210v2

----------------------------------------------------------

Version: 14.2.2021

Adresse dieser Seite

Home

Joachim Gruber