Experten: Epidemiologen sollten von Klimaforschern lernen.

0

Das Modell von Neil Ferguson und Kollegen vom Imperial College London sagte 500 voraus.

000 Koronatodesfälle in Großbritannien, falls die Regierung keine geeigneten Gegenmaßnahmen ergreifen würde.

Wie empfindlich ist das Modell?
Statische Grundannahmen

Die Zahlen aus dem Computermodell Covid-Sim sollen den britischen Premierminister Boris Johnson im März zu einer scharfen politischen Kehrtwende veranlasst haben.

Die Analyse eines populären Modells der COVID-19-Ausbreitung zeigt eine starke Abhängigkeit von den Modellparametern, warnen Wissenschaftler.

Als nützlich erweisen sich solche Modelle wie das Computermodell Covid.

Sim auch für die Beurteilung der Wirksamkeit von Eindämmungsmaßnahmen nützlich sind, haben sie eine ähnliche Schwäche wie Klimamodelle: Da die Berechnungen hochgradig nichtlinear sind, können die Ergebnisse je nach den verwendeten Parametern und den Eingabedaten stark variieren.

Peter Convey und Kollegen analysierten deshalb im Auftrag der Londoner Royal Society die Sensitivität des Modells.

Das Ergebnis, das sie Anfang November erstmals auf der Preprint-Plattform Researchsquare publizierten, zeigt, wie empfindlich Covid-Sim auf kleine Änderungen seiner Eingaben reagiert.

Ähnlich wie bei physikalischen Klimamodellen lässt sich die Ausbreitung von Infektionskrankheiten mathematisch mit einem Satz gekoppelter Differentialgleichungen beschreiben.

Die einzelnen Gleichungen geben die zeitliche Veränderung von Individuen an, die für das Virus empfänglich sind (S), die sich infiziert haben (I) und dann entweder genesen (R) oder sterben – und das Virus nicht weiter verbreiten.

Solche Modelle werden deshalb auch als SIR-Modelle bezeichnet.

Um die Sensitivität des Modells besser quantifizieren zu können, empfahlen die Forschenden den Epidemiologen, statistische Methoden zu verwenden, die auch zur Bewertung von Klimamodellen verwendet werden: Dort werden in den Simulationen systematisch kleine Änderungen der Ausgangsbedingungen und Parameter vorgenommen und alle Ergebnisse statistisch ausgewertet.

Um den Rechenaufwand kontrollierbar zu machen, werden die Modelle dafür meist vereinfacht – was Convey und Kollegen für die Covid-Simulationen empfehlen.

Das Coveney-Team fand 940 Parameter im Covid-Sim-Code, von denen 19 das Ergebnis am stärksten beeinflussten.

Bis zu zwei Drittel der Unterschiede in den Ergebnissen des Modells konnten auf Veränderungen bei drei Schlüsselvariablen zurückgeführt werden: die Länge der Latenzzeit, während der eine infizierte Person keine Symptome hat und das Virus nicht übertragen kann; die Wirksamkeit der sozialen Distanzierung; und wie lange eine Person nach der Infektion in Isolation geht.

Die einfachsten SIR-Modelle basieren auf ziemlich statischen Annahmen, z.B. dass jeder die gleiche Chance hat, sich bei einer infizierten Person mit dem Virus zu infizieren, weil die Bevölkerung perfekt und gleichmäßig gemischt ist.

Realistischere Modelle teilen die Menschen in kleinere Gruppen ein – nach Alter, Geschlecht, Gesundheitszustand, Beschäftigung, Anzahl der Kontakte usw.

Viele der Parameter können jedoch nur geschätzt werden.

So gingen die Modellierer vom Imperial College für ihre Studie um den März herum davon aus, dass 0,9% der mit COVID-19 infizierten Personen sterben würden und dass Personen, die keine Symptome zeigten, das Virus noch 4,6 Tage nach der Infektion verbreiten könnten.

..

Share.

Leave A Reply