covid-19, coronavirus, covid test, covid flu, seasonal flu, covid prediction

Das traditionelle Modell für die saisonale Grippe ist möglicherweise nicht das beste, um Covid-19 vorherzusagen

In einem in der Zeitschrift veröffentlichten Brief Infektionskontrolle und KrankenhausepidemiologieForscher fanden heraus, dass ein mathematisches Modell für die Ausbreitung der Grippe in Covid-19 möglicherweise nicht funktioniert. Dem Bericht zufolge ist ein Modell, das dazu beitragen kann, die Ansteckung und Ausbreitung einer Infektionskrankheit wie der saisonalen Grippe zu prognostizieren, möglicherweise nicht der beste Weg, um die anhaltende Ausbreitung des neuartigen Coronavirus vorherzusagen. Lesen Sie auch – Delhi Gesundheitspersonal leidet nach dem COVID-19-Impfstoff unter einer leichten Reaktion: Was Sie erwarten sollten

Das Modell, das als R-Null oder grundlegende Reproduktionsnummer bezeichnet wird, sagt die durchschnittliche Anzahl anfälliger Personen voraus, die von einer infektiösen Person infiziert werden. Es wird anhand von drei Hauptfaktoren berechnet: der Infektionsperiode der Krankheit, der Ausbreitung der Krankheit und der Anzahl der Personen, mit denen eine infizierte Person wahrscheinlich in Kontakt kommen wird. Lesen Sie auch – Schneller Bluttest sagt COVID-19-Patienten mit hohem Risiko für schwere Erkrankungen voraus: Studie

Historisch gesehen können Infektionen weit verbreitet sein, wenn der R-Wert größer als eins ist, und eine Epidemie oder eine weiter verbreitete Pandemie ist wahrscheinlich. Die Covid-19-Pandemie hatte eine frühe R-Null zwischen zwei und drei. Lesen Sie auch – “Ansteckender” britischer Stamm könnte bis März 2021 zur dominanten COVID-19-Variante werden, warnt CDC

In dem Brief haben Forscher argumentiert, dass Sperren, die notwendig geworden sind, um die Covid-19-Pandemie zu lindern, die Vorhersage der Ausbreitung der Krankheit durch Veränderung des normalen Bevölkerungsmix erschwert haben.

Arni Rao, ein mathematischer Modellbauer am Medical College of Georgia der Augusta University in den USA, und seine Co-Autoren schlugen stattdessen einen dynamischeren Moment-in-Time-Ansatz vor, bei dem ein Modell namens geometrisches Mittel verwendet wurde. Dieses Modell verwendet die Zahl von heute, um die Zahl von morgen vorherzusagen Zahlen.

Die aktuelle Anzahl von Infektionen – zum Beispiel heute in Augusta – wird durch die Anzahl der für morgen vorhergesagten Infektionen geteilt, um eine genauere und aktuellere Reproduktionsrate zu entwickeln.

Während diese geometrische Methode keine langfristigen Trends vorhersagen kann, kann sie wahrscheinliche Zahlen kurzfristig genauer vorhersagen, sagten die Forscher.

“Das R-Naught-Modell kann nicht geändert werden, um Kontaktraten zu berücksichtigen, die sich von Tag zu Tag ändern können, wenn Sperren verhängt werden”, erklärte Rao.

“In den ersten Tagen der Pandemie waren wir auf diese traditionellen Methoden angewiesen, um die Ausbreitung vorherzusagen, aber Sperren verändern die Art und Weise, wie Menschen miteinander in Kontakt treten.”

Eine einheitliche R-Null ist ebenfalls nicht möglich, da die Covid-19-Pandemie in verschiedenen Regionen des Landes und der Welt sehr unterschiedlich war.

Orte weisen unterschiedliche Infektionsraten auf unterschiedlichen Zeitplänen auf – Hotspots wie New York und Kalifornien hätten höhere R-Naughts. Das R-Nichts sagte auch nicht die aktuelle dritte Welle der Covid-19-Pandemie voraus.

„Verschiedene Faktoren verändern kontinuierlich die grundlegenden Fortpflanzungszahlen am Boden, weshalb wir ein besseres Modell brauchen“, sagt Rao.

Bessere Modelle haben Auswirkungen auf die Eindämmung der Verbreitung von Covid-19 und auf die zukünftige Planung, so die Autoren.

Veröffentlicht: 22. Dezember 2020, 15:46 Uhr | Aktualisiert: 22. Dezember 2020, 15:47 Uhr