Covidcare: Verbesserung der Abschätzungen mit aktualisierten klinischen Parametern

UPDATE August 2020: Wir haben das Berechnungsmodul von covidcare.de vom Netz genommen, weil die Berechnungsverfahren und Datengrundlagen mit den aktuellen Entwicklungen der Pandemie nicht mehr zusammenpassen.

Die Benutzer von unserer Website covidcare.de, mit der man die Auslastung von Klinikbetten durch Patienten mit Covid-19 abschätzen kann, haben ebenso wie wir festgestellt, dass die Realität an vielen Stellen bereits unsere Vorhersagen überholt hat. In vielen Kliniken liegen jetzt schon mehr Covid-19 Patienten, als unsere Abschätzung dies für Anfang nächster Woche berechnet hätte.

Kurzfassung: Wir konnten die Standard-Parameter für covidcare.de endlich mit verschiedenen Real-Life-Daten abgleichen. Wir haben diese Werte auf der Website entsprechend aktualisiert, dies sollte alle zukünftigen Abschätzungen genauer machen.

In diesem Blog-Post werde ich kurz erklären,

  • warum die Parameter jetzt anders sind
  • wie man die Vorhersagen korrigieren (und ständig verbessern) kann
  • welche Parameter wir noch nicht korrigieren können
  • warum die vorhergesagten Spitzen-Auslastungen sich dabei nicht groß ändern

Was müssen wir korrigieren?

Schuld an dem Unterschied zwischen Realität und Vorhersage ist nicht die Berechnungs-Methode, sondern die von uns bisher vorgeschlagenen klinischen Parameter, die sich inzwischen als zu vorsichtig herausgestellt haben. Es geht um diese Werte:

Wir müssen diese also korrigieren, aber wie?

Während Konzeption und Programmierung von covidcare.de und auch bis jetzt war es nicht möglich mit “echten” Zahlen aus Deutschland zu arbeiten, weil wir in Deutschland einfach noch nicht genügend Covid-19 Patienten in den Krankenhäusern hatten um unsere Vorhersagedaten mit der Realität abzugleichen. Außerdem ist es leider sehr schwer, an reale Patientenzahlen heranzukommen.

Bisher hatten wir diese Parameter mit Blick auf die Erfahrungen aus dem Ausland (wo aber andere Verhältnisse herrschen, z.B. bei der Definition eines “bestätigten Falls” durch das RKI oder der Test-Strategie) und praktischen Erfahrungen aus den Kliniken abgeschätzt. Inzwischen ist Zeit vergangen, es sind – zumindest im regionalen Maßstab – nennenswert viele Covid-19-Patientenzahlen in den Kliniken.

Wir haben also endlich mehr Daten, also schauen wir uns die mal an:

Ausgehend von der Anzahl Sterbefälle

Die folgende Grafik zeigt die täglichen neuen bestätigten Fälle (blau, linke Achse) für ganz Deutschland und die Covid-19 Todesfälle (rot, rechte Achse). Wobei die gestrichelte Linie die “echten” Werte anzeigt, und die durchgezogene rote Linie diese Kurve um 10 Tage zurück verschiebt.

Datenquelle: Johns Hopkins CSSE

Um den ca. 9. März herum steigt die Anzahl der Fälle sichtbar an, und am ca. 19. März folgt dann die Kurve der Todesfälle diesem Trend. Da könnte mal also mit etwas gutem Willen einen Abstand von ca. 10 Tagen zwischen “bestätigter Fall” und “Tod” sehen. Bei der Entwicklung von Covidcare sind wir für diesen Abstand aber von knapp 3 Wochen ausgegangen (genaugenommen 17 Tage). Aus dieser Sicht müssten wir also unsere Intensivpatienten 7 Tage früher in einem Intensiv-Bett berechnen als bisher (diese These werden wir weiter unten noch mit anderen Daten überprüfen).

Anmerkung 1: Über die Qualität der Messgröße “bestätigte Fälle” gab es zuletzt viele Diskussionen und auch ich bin der Meinung, dass die Zahlen nur mit Vorsicht genutzt werden sollten. Aber zur Zeit haben wir leider nichts besseres um den Verlauf der Infektionsausbreitung zu beobachten. Die Differenz der 10 Tage dürfte wohl in der Verzögerung zwischen Infektion und Meldung zu suchen sein: Inkubationszeit => erste Symptome => SARS-CoV-2 Test => warten auf Testergebnis => Übermittlung ans RKI.

Anmerkung 2: Wenn die oben gezeigte Beobachtung korrekt sein sollte und wenn sich in den nächsten Tagen das weitere Absinken der neuen Fälle als Trend bestätigt, dann könnten wir um den 15. 4.2020 den Höhepunkt sehen. Wenn man das auf die Kurve der Todesfälle überträgt dann läge der Maximalwert bei ca. 250-400 etwa um den 25.4.2020, das wären in der Spitze “nur” 10-15% mehr Todesfälle pro Tag als sonst üblich (ca. 2.600 pro Tag in DE). Damit hätten die Isolationsmaßnahmen die gewünschte Wirkung erzielt und wir hätten wahrscheinlich die Überlastung des Gesundheitssystems erfolgreich vermieden (abgesehen von Hotspots). Aber diese Aussage ist zum jetzigen Zeitpunkt schon noch eher spekulativ.

Überprüfung 1: Mit deutschlandweiten Daten

Wenn wir die Fallzahlen für ganz Deutschland für den 29.3.2020 (66.444) in covidcare eingeben und die klinischen Parameter anpassen, erhalten wir im Vergleich zum DIVI Intensivregister eine gute Näherung.

DatumCovidcare Abschätzung IntensivpatientenCovid-19-Intensiv-Patienten laut Divi
31.3.20201.4031.486
1.4.20201.7911.876
2.4.20202.2552.139
3.4.20202.8102.424

Mir ist leider nicht bekannt, wie vollständig die gemeldeten Zahlen im Divi Register sind. Wenn die Divi-Zahlen vollständig wären, dann wäre unsere Vorhersage überraschend akkurat.

Wenn Sie Infos zur Vollständigkeit von Divi haben, würde ich mich über eine Mail an info@covidcare.de freuen! Auf eine Antwort vom Divi auf meine Email vom 1.4. warte ich noch.

Für ganz Deutschland wären dann unsere Covidcare-Abschätzung der höchsten Intensivbetten-Belegung bei ca. 14.000 am 18. April. Stand gestern sind laut Divi Daten ca. 18.000 ICU-Betten frei, damit hätten wir also zumindest über das gesamte Land hinweg gerechnet die Überlastung vermieden (von lokalen Hotspots abgesehen).

Überprüfung 2: Mit Region ER/N/FÜ-Daten

Wenn wir die 801 Fälle vom 29.3.2020 für unsere Region eingeben passen die von covidcare.de berechneten Werte ganz gut zu den realen Werten der letzten Tage, die ich aber leider hier nicht teilen darf. Im Großraum würden wir dann bei maximal 164 Intensivpatienten und 267 stationären Patienten am 18.4.2020 liegen.

Überprüfung 3: Mit Fürther Daten

Leider dürfen wir auch die echten Zahlen des Fürther Klinikums nicht teilen, aber wenn wir für Stadt und LK Fürth 247 Fälle für den 31.3.2020 eingeben, passen die Vorhersagen von covidcare.de sehr gut zu den Patientenzahlen der letzten 3 Tage. Im Klinikum Fürth hätten wir dann am 17.4. mit maximal 50 Intensivpatienten den Höhepunkt erreicht.

Es bleibt noch ein Unsicherheitsfaktor: Das “Bremsen”

Bisher lassen wir im Berechnungsweg das Wachstum der kumulierten Infektionen ab dem 5.4.2020 absinken (2 Wochen nach “Lockdown”).

  • Das Abbremsen könnte früher eintreten, dann würden die o.g. maximalen Zahlen der Patienten nochmals niedriger ausfallen.
  • Das Abbremsen könnte später eintreten (oder langsamer sinken als angenommen, wir nehmen -12% pro Tag an), dann liegen die maximalen Patientenzahlen höher.

Covidcare rechnet im Moment mit dem 8.4.2020 als Tag der höchsten Anzahl an Neuinfektionen. Dies könnte mit der realen Kurve (Graph mit den Sterbefällen oben) ganz gut zusammenpassen. Hoffen wir, dass sich das nicht nach hinten verschiebt.

Was hat sich nun an den Vorhersagen geändert?

Vor 10 Tagen am 25.3.2020 hatten wir mit covidcare für Fürth als maximale Intensivpatientenanzahl den Wert von 80 Patienten am 22.4. vorhergesagt, jetzt ist die neue Vorhersage 50 am 17.4.2020. Was hat sich geändert?

Die Anzahl liegt niedriger, weil das Wachstum der Neufälle bereits seit 10 Tagen – und damit früher als noch vor 10 Tagen allgemein erwartet – runtergeht: vor 10 Tagen hatten wir noch 30% Tages-Wachstum und nach Aussage der Epidemiologen war ein Absinken erst ab Anfang April erwartet worden (wenn die Lockdown-Wirkung voll sichtbar wird). Diese Verlangsamung steckt in der Fallzahl mit drin, die wir in Covidcare eingeben.

Freuen wir uns über diesen Trend, auch wenn wir immer noch ein Wachstum haben. Hier die Tageswachstums-Daten für Bayern (Quelle RKI, die letzten 2 Tageswerte werden vom RKI i.d.R. immer nochmal nach oben korrigiert):

Das von Covidcare vorhergesagte Datum der Patientenzahl-Höchstwerte liegt jetzt früher, weil wir die oben beschriebenen Korrekturen in den Parametern vorgenommen haben.

Wie kann man die Abschätzungen weiter verbessern?

Wenn Sie mit covidcare für Ihre Klinik, Stadt, Region ihre Abschätzungen überprüfen und verbessern wollen, dann gehen Sie wie oben geschildert vor:

  • Nehmen Sie die bestätigte Covid-19-Fallzahl für Ihre Region von vor 3-5 Tagen (die sollte zuverlässig sein, also z.B. kein Sonntags/Montags-Wert)
  • verwenden Sie die u.g. neuen Parameter (sind bereits als neuer Standard vorgegeben)
  • und schauen Sie, ob covidcare.de dann die ihnen vorliegenden Klinik-Patientenzahlen der letzten 3 Tage “trifft”
  • Wenn nicht, verändern Sie die Eingangsparameter vorsichtig

Es ist durchaus möglich, dass die Parameter für Ihre Region noch individuell angepasst werden müssen. Und diesen Vorgang machen Sie täglich um die Vorhersage immer mehr zu verbessern.

Eine Bitte: Wenn Sie für Ihre Region Anpassungen machen, bitte teilen Sie uns dies per Email an info@covidcare.de mit, damit wir das ggf. in die nächste Version der Software einspeisen können.

Bitte beachten Sie, dass der aktuelle Berechnungs-Algorithmus von covidcare.de ab dem Tag, an dem das “Bremsen” tatsächlich einsetzt nicht mehr verwendet werden kann, siehe Blog Artikel: Warum unser Algorithmus etwa 12-14 Tage nach dem Lockdown nicht mehr funktioniert.

Die neuen Parameter

Dies sind die neuen Parameter (ab sofort in der Website als Standard drin):

Schlussgedanken

Das wirkt zugegebener Maßen alles sehr “handwerklich” und wenig wissenschaftlich. Ja, leider. Die Datenlage der Covid-19-Pandemie ist aus Sicht der Datenanalyse eigentlich katastrophal. Die uns vorliegenden Daten sind unzuverlässig, ändern sich rückwirkend, und wir wissen, dass wir einen unbekannten Teil der Infizierten nicht testen. Daher müssen wir uns z.T. aus anderen Ländern Daten besorgen und abgeschätzt auf unsere Situation anpassen, usw. Und das alles muss unter hohem zeitdruck passieren, da wir den “Peak” der Patientenzahlen bereits in 14 Tagen erwarten.

Da steckt auch eine Menge Instinkt oder gar Spekulation mit drin. Wenn Sie einen Weg kennen, wie wir das mit den Daten von heute besser machen, würde ich gerne von Ihnen hören!

So tragisch jeder Klinik-Patient ist, wenigstens haben wir jetzt zunehmend eigene, deutsche klinische Daten, mit der wir unsere Vorhersagen jetzt verbessern können.

Wichtig wäre dabei, dass die Kliniken und Behörden diese Daten komplett transparent und öffentlich zur Verfügung stellen – dies ist leider noch nicht überall der Fall.

Author: Dirk Paessler

Founder and Chairman, Paessler AG; Founder and Executive, Carbon Drawdown Initiative

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s