Erweiterte räumliche statistische Modellierung von COVID-19-Daten

• Antragsteller: Professor Dr. Göran Kauermann
• Fachliche Zuordnung: Statistik und Ökonometrie ; Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung von 2021 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 492351805

• Erstellungsjahr: 2024

Zusammenfassung der Projektergebnisse

Im Rahmen des Projektes wurden statistische Methoden zur Analyse von COVID-19 Daten angewendet. Dabei stand unter anderem die Modellierung von Hospitalisierungen im Vordergrund. Die Daten wurden dabei auf kleinräumiger Ebene (Kreis bzw. Versorgungsregionen) analysiert und es wurden Prognosemodelle entwickelt, die auch bei den bayerischen Behörden (Landesamt für Gesundheit und Lebensmittelsicherheit, LGL) zum Einsatz gekommen sind. Darüber hinaus wurden im Projekt lokale Aspekte der COVID-19 Pandemie durch räumliche statistische Modelle analysiert, wobei diese mit sogenannten Nowcasting Methoden kombiniert wurden. Nowcasting war notwendig, da Infektionsdaten – und insbesondere Hospitalisierungsdaten – immer mit einem zeitlichen Verzug in der Datenbasis verfügbar waren. Mit Nowcasting konnte dies berücksichtigt werden und man hatte einen aktuellen Blick auf den Infektionsstand. Auch diese Methodik wurde von den bayerischen Gesundheitsbehörden eingesetzt. Jenseits der ursprünglichen Ziele des Projekts rückten Mortalitätsdaten immer mehr in den Fokus, um saisonale als auch jährliche Übersterblichkeiten quantifizieren zu können. Das Projekt hat sich daher auch diesem Problem gewidmet und es wurden altersadjustierte Übersterblichkeiten berechnet. Für diese Beiträge wurde vom Deutschen Statistischen Bundesamt der Corona Sonderpreis verliehen.

Projektbezogene Publikationen (Auswahl)

• Nowcasting the COVID‐19 pandemic in Bavaria. Biometrical Journal, 63(3), 490-502.
  Günther, Felix; Bender, Andreas; Katz, Katharina; Küchenhoff, Helmut & Höhle, Michael
  
• A statistical model for the dynamics of COVID‐19 infections and their case detection ratio in 2020. Biometrical Journal, 63(8), 1623-1632.
  Schneble, Marc; De Nicola, Giacomo; Kauermann, Göran & Berger, Ursula
  
• An update on excess mortality in the second year of the COVID-19 pandemic in Germany. AStA Wirtschafts- und Sozialstatistisches Archiv, 16(1), 21-24.
  De Nicola, Giacomo & Kauermann, Göran
  
• Challenges in Interpreting Epidemiological Surveillance Data – Experiences from Germany. Journal of Computational and Graphical Statistics, 32(3), 765-766.
  Fritz, Cornelius; De Nicola, Giacomo; Günther, Felix; Rügamer, David; Rave, Martje; Schneble, Marc; Bender, Andreas; Weigert, Maximilian; Brinks, Ralph; Hoyer, Annika; Berger, Ursula; Küchenhoff, Helmut & Kauermann, Göran
  
• On assessing excess mortality in Germany during the COVID-19 pandemic. AStA Wirtschafts- und Sozialstatistisches Archiv, 16(1), 5-20.
  De Nicola, Giacomo; Kauermann, Göran & Höhle, Michael
  
• Regional now- and forecasting for data reported with delay: toward surveillance of COVID-19 infections. AStA Advances in Statistical Analysis, 106(3), 407-426.
  De Nicola, Giacomo; Schneble, Marc; Kauermann, Göran & Berger, Ursula
  
• Statistical modelling of COVID-19 data: Putting generalized additive models to work. Statistical Modelling, 24(4), 344-367.
  Fritz, Cornelius; De Nicola, Giacomo; Rave, Martje; Weigert, Maximilian; Khazaei, Yeganeh; Berger, Ursula; Küchenhoff, Helmut & Kauermann, Göran
  
• Estimating excess mortality in high-income countries during the COVID-19 pandemic. Journal of the Royal Statistical Society Series A: Statistics in Society, 188(1), 205-222.
  De Nicola, Giacomo & Kauermann, Göran
  
• The Skellam distribution revisited: Estimating the unobserved incoming and outgoing ICU COVID-19 patients on a regional level in Germany. Statistical Modelling, 25(3), 270-288.
  Rave, Martje & Kauermann, Göran