Covidcare: Covid-19 Fallzahlen Predictor [DE]

Go to English Version/Englische Version

Einleitung

Die Anzahl an Covid-19-Erkrankungen (ausgelöst durch den “Corona-Virus SARS-CoV 2”) entwickelt sich in Deutschland sehr dynamisch und regional unterschiedlich. Insbesondere die Krisenstäbe der Länder, Landkreise und Städte sowie die strategischen Einsatzleitungen der Kliniken, Rettungsdienste und Gesundheitsversorger sind ständig bestrebt die vorhandenen Ressourcen optimal zu planen. Im besonderen Fokus stehen hierbei die benötigen Notaufnahmekapazitäten, stationäre Vorhaltungen sowie Intensiv- und Beatmungsressourcen.

Dieses Projekt stellt Werkzeuge zur Verfügung mit denen u.a. die zu erwartenden Patienten-Zahlen der o.g. Bereiche vorausschauend abgeschätzt werden können. 

Basierend auf Ihren regionalen tagesaktuellen Daten der bestätigten SARS-CoV 2-Infektionen werden neben dem zeitlichen Verlauf der Patienten-Frequentierung auch die kumulativen Kapazitätsbedarfe berechnet. 

Einzigartig ist Covidcare auch dadurch, dass neben den stationären Ressourcen auch die Anzahl von Patienten tagesaktuell abgeschätzt werden, die Sie aus den Notaufnahmen oder den stationären sowie intensivmedizinischen Bereichen wieder entlassen können. Mit Covidcare gelingt es eine kumulative Berechnung der tatsächlichen Belegungen Ihrer Versorgungseinheiten vorherzusagen und damit Material- und Personalbedarf vorausschauend zu kalkulieren. 

WICHTIG 1: Diese Software nimmt Ihnen nicht das Denken ab!

Der zugrundeliegende Algorithmus ist super simpel und hier dokumentiert. Sie als Benutzer entscheiden mit der Qualität Ihren Eingaben darüber, wie gut die Ergebnisse sind (“Shit in, Shit out”). Die meisten Eingabeparameter haben wir mit best-estimate Zahlenwerten vorbesetzt, aber die könnten für ihren Fall auch anders sein. Eine ausführliche Beschreibung der Parameter finden Sie in der folgenden Dokumentation. Bitte beachten Sie auch die Anmerkungen zu Datenbasis und Vorhersage-Qualität.

WICHTIG 2: Wir übernehmen keine Garantie oder Verantwortung für die Ergebnisse

Dieser Onlinedienst wurde mit hoher Sorgfalt aber auch unter extremen Zeitdruck erstellt (weniger als 72 Stunden von Idee bis Go-Live der Website). Wir sind sehr zuversichtlich, dass die Berechnungen mindestens brauchbare Ergebnisse liefern, können dies aber nicht garantieren. Auch die im Rechenmodell formulierten Annahmen basieren im Wesentlichen auf der bis dato publizierten Fachliteratur und unterliegen erwartungsgemäß weiteren Veränderungen. Bitte prüfen Sie daher alle berechneten Ergebnisse für ihre spezifischen Eingangsdaten auf Plausibilität.

Online-Dienst “Covidcare”

Aufgrund des zugrundeliegenden Berechnungs-Modells ist die Website covidcare.de nur nutzbar zwischen dem Zeitpunkt, an dem in einer Region ein exponentielles Wachstum der bestätigten Fälle zu beobachten ist (bei uns in Deutschland etwas seit Ende Februar), und dem Zeitpunkt, an dem ein nationaler/regionaler Lockdown zu einer (drastischen!) Absenkung der Neuinfektionen führt (wir nennen das “Bremsen”). Für die Zeit davor und danach haben wir (zumindest zur Zeit) kein funktionierendes mathematisches Modell! Aus dieser Sicht ist die Website also – zumindest für Deutschland – ab etwa dem 5.4.2020 nicht mehr sinnvoll nutzbar, weil wir ab dem Tag erwarten, die Wirkung des Lockdowns sehen zu können.

Nach dem Start des Dienstes müssen Sie mindestens die folgenden Eingabe-Parameter für Ihre Region eingeben bzw. anpassen. Bitte beachten Sie dabei auch die Anmerkungen zu Datenbasis und Vorhersage-Qualität:

EmpfehlungBezeichnungErläuterung
?StartdatumTag von dem die aktuellste kumulierte Infektions-Fallzahl mit SARS CoV 2 zur Verfügung steht (Wahrscheinlich von gestern oder heute).
?Anzahl bestätigter FälleAktuelle kumulierte Zahl der bestätigten Fälle in der gewünschten Region. Aktuelle Zahlen pro Landkreis/Kommune gibt es im Covid-19 Dashboard des RKI.
30%% Wachstum der Fallzahlen in 24hIn vielen Regionen beträgt das Wachstum aktuell ca. 30% von einem Tag auf den nächsten. Ob das auch für ihre Region gilt müssen Sie prüfen.
5.4.2020Bremsen der Neuinfektionen abSchätzung: Ab wann wird der Lockdown die Ausbreitung stoppen? Wir rechnen damit ca. 14 Tage nach einem wirksamen regionalen Lockdown.
12%Danach: Bremsen um %/TagAbsinken der Anzahl der Neuinfektionen pro Tag ab dem Datum des Bremsens der Neuinfektionen. Dies ist eine sehr simple Modellierung des Abklingens der Neuinfektionen. Siehe Dokumentation.

Hier geht es zum Online-Dienst Covidcare (z. Zt. nur für Chrome/Firefox), der die hier dokumentierten Algorithmen zur kostenlosen Benutzung online zur Verfügung stellt. Der Dienst wird in den nächsten Tagen noch erweitert.

Wie alles begann

Dieses Projekt wurde von Prof. Dr. Harald Dormann, Präsident der Deutschen Stiftung Akut- und Notfallmedizin und Chefarzt der Notaufnahme am Klinikum Fürth, initiiert und von Dirk Paessler und vielen freiwilligen Helfern aus dem Team der Paessler AG in kürzester Zeit online gestellt. 

Prof. Dormann hatte mich kontaktiert und gefragt, ob ich ein Vorhersage-Tool schreiben könnte, mit dem er den zu erwartenden Patienten Ansturm aufs Klinikum Fürth durch Covid-19 abschätzen könnte – mit ca. 2-4 Wochen Sichtweite. Die erste Fassung des Predictors ging nach 2 Tagen am 20.3.2020 online.

Dann haben wir, ein kleines Team aus Software-Spezialisten aus dem Umfeld der Paessler AG im Rahmen eines Hackathon in nur 3 Tagen einen entsprechenden Online-Dienst zur Verfügung gestellt: www.covidcare.de (z. Zt. nur für Chrome/Firefox)

Dokumentation der Berechnung

Eine ausführliche Dokumentation ist in Arbeit. Bis dahin lesen Sie bitte den Einstiegsartikel (20.3.2020): Covid-19: Ein einfaches Predictor-Tool für Fallzahlen und Patientenzahlen für Krankenhäuser und das Update 1 (21.3.2020): Update: Covid-19 Fallzahlen-Predictor-Tool für Kliniken

Dokumentation der klinischen Parameter

Bitte beachten Sie auch die Anmerkungen zu Datenbasis und Vorhersage-Qualität.

EmpfehlungBezeichnungErläuterung
3Zeit bis ambulant in Notaufnahme (Tage)Zeit von Erkennung eines “Falls” bis erster ambulanter Besuch in der Notaufnahme
5Zeit bis stationäre Aufnahme (Tage)Zeit von Erkennung eines “Falls” bis Einlieferung ins NA und stationäre Behandlung
2Zeit stationär bis Intensivstation (Tage)Zeit von stationärer Aufnahme bis Intensivstation
5.5Verweildauer Patient stationär (Tage)mittl. Anzahl Tage, die ein Patient mindestens im Krankenhaus ist
10Verweildauer Patient auf Intensiv (Tage)mittl. Anzahl Tage, die ein Intensiv-Patient auf Intensiv liegt (nach Start auf Station)
10Nachsorge Intensiv-Patient stationär (Tage)mittl. Anzahl Tage, die ein Intensiv-Patient nach Intensiv auf Station liegt
5%% Infektionen ambulant in der NotaufnahmeAnteil der (bestätigten) Fälle, die einmal die NA besuchen und wieder nach Hause gehen (ohne stationäre Aufnahmen)
10%% Infektionen stationär im KrankenhausAnteil der (bestätigten) Fälle, die stationäre Behandlung brauchen (4,4% ist optimistisch, 10% ist pessimistisch)
3%% Infektionen auf IntensivstationAnteil der (bestätigten) Fälle, die intensivmedizinische Behandlung brauchen
30%% Sterblichkeit auf IntensivAnteil der Intensiv-Patienten, die es nicht schaffen

Weitere Updates gibt es hier im Blog und auf Twitter

Wenn Sie über weitere Updates zu diesem Projekt informiert werden wollen, dann “subscriben” Sie bitte bei diesem Blog (rechts oben) oder folgen Sie mir bei Twitter @dpaessler.

Feedback?

Bitte per Email an dirk@dirkpaessler.com oder via Twitter an @dpaessler.