Erweiterte räumliche statistische Modellierung von COVID-19-Daten

Die COVID-19-Pandemie vollzog sich mehreren Phasen statt. Die erste Welle im Frühjahr 2020 war gekennzeichnet durch hohe Auslastung der Intensivstationen (ICU) und begrenzte Verfügbarkeit von PCR-Tests, was eine niedrige Fallaufdeckungsrate zur Folge hatte. Die zweite Welle zeigte hohe Inzidenzraten in der älteren Bevölkerung einhergehend mit hoher Sterblichkeit und einem im Vergleich zur ersten Welle erhöhten Bedarf an Intensivbetten. Sowohl die erste als auch die zweite Welle begannen mit einem starken Anstieg der Infektionen. Im Gegensatz dazu war die dritte Welle im Frühjahr 2021 durch einen moderaten Anstieg der Infektionen gekennzeichnet, sowie stabilen Todeszahlen und einer sich verändernden Belegung und Liegedauer bei den Intensivbetten bedingt durch jüngere Patienten. Diese unterschiedlichen Charakteristika der drei Wellen verdeutlichen die dynamischen Aspekte der Pandemie, die sich datenmäßig in altersspezifischen Inzidenzen, Übersterblichkeit und der Belegung der Intensivbetten widerspiegeln. Eine effektive Pandemiebekämpfung bedarf kleinteiliger räumlich-zeitlicher Analysen des Infektionsverhaltens sowie einer detaillierten Analyse der Wirksamkeit von Eindämmungsmaßnahmen. Eine direkte Analyse der Inzidenzzahlen ist jedoch problematisch, unter anderem aufgrund von Meldeverzögerungen, sich ändernden Teststrategien und der Einführung von verpflichtenden Schnelltests. Ähnliche Probleme treten bei der Analyse anderer Pandemieindikatoren auf. Darüber hinaus erschweren die gleichzeitige Einführung verschiedener Maßnahmen und die Tatsache, dass die Daten mit Messfehlern behaftet sind, statistische Analysen zur Wirksamkeit der Maßnahmen. Wir schlagen komplexe statistische Modellierung vor, um die oben genannten Datenprobleme zu bewältigen, regionale Muster der COVID-19-Pandemie aufzuzeigen und die Wirksamkeit von Eindämmungsmaßnahmen auf das lokale Pandemiegeschehen zu bewerten, insbesondere unter Verwendung sekundärer kleinräumiger Daten. Das beantragte Projekt verfolgt konkret zwei Ziele: Erstens betrachten wir die Assoziation von sozio-ökonomischen, Public Health- und Social Media-Daten auf Infektionszahlen. Wir untersuchen und erklären, wie und warum sich der Verlauf der Pandemie in Deutschland unterschiedlich entwickelte. Dies trägt dazu bei, die unterschiedlichen Muster der drei Wellen zu verstehen. Die entwickelten Modelle bieten darüber hinaus ein zuverlässigeres Instrument für zukünftige Überwachungssysteme, auch zur frühzeitigen Erkennung von Hotspots. Zweitens betrachten wir Krankenhauseinweisungen und die Belegung von ICUs und entwickeln ein Modell zur Schätzung von ICU-Aufnahmen auf regionaler Ebene. Damit kann sowohl die lokale Infektionsdynamik abgebildet als auch die Auswirkungen von Eindämmungsmaßnahmen auf regionaler Ebene mit Hilfe von Regressions- und Changepoint-Modellen abgeschätzt werden. Darüber hinaus können diese Modelle verwendet werden, um ein kurzfristiges Prognosemodell der ICU-Belegung bereitzustellen.

DFG-Verfahren Sachbeihilfen

Mitverantwortliche Dr. Ursula Berger; Professor Dr. Helmut Küchenhoff