Verwendung hochauflösender räumlicher Daten in einem bestehenden agentenbasierten Modell Deutschlands und deren Auswirkung auf prognostizierte SARS-CoV-2 Infektionsdynamiken

• Antragsteller: Professor Dr.-Ing. Bernd Hellingrath; Professor Dr. André Karch
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik ; Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
• Förderung: Förderung von 2021 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 492390948

Ziel des Projektes ist, räumliche Echtzeitdaten zu Infektionsgeschehen, Mobilität und Kontakt- und Präventionsverhalten in eine bereits entwickelte agentenbasierte Simulationsplattform zu integrieren, um verlässliche regionale Fallzahlenprognosen für einen 2-4 Wochenzeitraum zu einem beliebigen Zeitpunkt in einer Epidemie zu berechnen. Das Modell soll dabei auf der agentenbasierten Simulationsplattform EPIPREDICT beruhen. Das System bietet bereits ein umfangreiches Modell der deutschen Population (ca. 80 Million Agenten) auf Bundesland-, Landkreis- und Gemeindeebene. Jedoch werden aktuell keine räumlichen Daten genutzt, die über die Populationsstruktur hinaus gehen. Bisher wurde die Plattform zur retrospektiven Analyse lokaler Infektionsgeschehen und zur globalen Wirksamkeit von Interventionsstrategien verwendet, nicht aber, um kurzfristige regionale Prognosen zu generieren. Diese benötigen eine sehr hohe zeitliche und räumliche Auflösung der Eingabedaten. Da das Populationsmodell des EPIPREDICT-Projekts bereits eine sehr hohe räumliche Auflösung besitzt, bietet es die Möglichkeit dieser granularen Prognosen, wenn es mit Echtzeitdaten zu Infektionsgeschehen, Mobilität und Kontakt- und Präventionsverhalten parametrisiert wird. Mit dem vorliegenden Projektantrag möchten wir die Plattform um diese Perspektive erweitern.Zu diesem Zweck sollen vier Arten von regionalen Echtzeitdaten für die Berechnung von kurzfristigen Prognosen berücksichtigt werden: die aktuelle Pandemiesituation, aktuelle Mobilität, aktuelles Kontakt- und Präventionsverhalten und die zurzeit lokal geltenden Nicht-pharmakologischen Interventionen (NPIs). Die Projektziele sind: (1) Entwicklung eines räumlich und -zeitlich hochaufgelösten agentenbasierten Prognosemodells, (2) Entwicklung eines Modellierungs-Workflows, um effizient regelmäßig Prognosen zu erstellen, (3) Entwicklung eines Dashboards, um Simulationsergebnisse öffentlich zugänglich zu machen.Das Arbeitsprogramm ist in zwei Projektbereiche aufgeteilt. Der „Datenmanagement“-Bereich, geleitet vom Institut für Epidemiologie und Sozialmedizin ( André Karch), umfasst die regelmäßige Zusammenstellung, Verwaltung, Analyse und Verarbeitung der Daten, um sie auf die Verwendung im Modell vorzubereiten. Der Bereich „Entwicklung“, geleitet vom Institut für Wirtschaftsinformatik (Bernd Hellingrath) fokussiert sich auf die Modell- und Methodenentwicklung, die Entwicklung eines Dashboards und der entsprechenden Schnittstellen, sowie die Durchführung von Prognosen und ihrer Evaluation. Die Verarbeitung der räumlichen Daten wird vom Institut für Geoinformatik (Christian Kray) beratend unterstützt.Das Modell soll im Kontext der aktuellen Pandemiebekämpfung eingesetzt werden, soll jedoch zudem als Prototyp für künftige Pandemien dienen. Der zu entwickelnde Modellierungs-Workflow kann als Machbarkeitsstudie für die Entwicklung eines landesweiten regionalen Frühwarnsystems gesehen werden, das in einem Folgeprojekt umgesetzt werden könnte.

• DFG-Verfahren: Sachbeihilfen