Python: Covid-19-Vorhersagen mit dem ­­SEIR-Modell und SciPy

Inhaltsverzeichnis

Quarantäne nervt! Wann ist sie endlich vorbei? Eine Antwort auf diese Frage ist aktuell schwer zu bekommen. Das liegt daran, dass auch Experten nur ungenau die Zukunft vorhersagen können und jede Aussage, auf die sie sich jetzt festlegen, später negativ auf sie zurückfallen könnte. Wer trotzdem Vorhersagen haben will, muss sie deswegen selbst berechnen. Wir haben in "Covid-19-Rechenmodelle" gezeigt, wie das mit Python, SciPy, Pandas und Altair geht. Unser Modell mit einer logistischen Funktion taugte aber bestenfalls für Vorhersagen für die nächsten zwei Wochen.

Wesentlich akkuratere Vorhersagen für den Verlauf der SARS-CoV-2-Pandemie erlaubt ein richtiges epidemiologisches Modell wie "SEIR". Da man so ein Modell mit SciPy ebenfalls schnell berechnen kann, haben wir uns ein Forschungspapier von Wu et al. (Download) geschnappt und deren Analyse für die Corona-Ausbreitung in Wuhan auf Deutschland übertragen.

Das SEIR-Modell

Das SEIR-Modell teilt die Bevölkerung in vier Gruppen ein, eine für jeden der Buchstaben des Namens: S steht für "Susceptible", also alle Menschen, die sich mit dem Virus anstecken können, sich bisher aber noch nicht infiziert haben. E steht für "Exposed". Diese Gruppe trägt das Virus schon in sich, ist aber wegen der Inkubationszeit von durchschnittlich 5,2 Tagen noch nicht ansteckend. I steht für "Infectious", also die ansteckenden Patienten, die das Virus verbreiten können. R steht für "Removed". Diese letzte Gruppe umfasst alle, die das Virus nicht mehr verbreiten. Dazu gehört die große Gruppe derer, die immun geworden sind, die Verstorbenen und auch diejenigen, die dank einer wirksamen Quarantäne keine weiteren Menschen mehr infizieren.

Das war die Leseprobe unseres heise-Plus-Artikels "Python: Covid-19-Vorhersagen mit dem ­­SEIR-Modell und SciPy". Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.