Die knifflige Mathematik hinter dem Aufheben der Corona-Sperre
Forschungsgruppen versuchen zu berechnen, um wie viel wir die sozialen Einschränkungen sicher lockern können. Doch dafür fehlen immer noch wichtige Daten.
![Die knifflige Mathematik hinter dem Aufheben der Corona-Sperre](https://heise.cloudimg.io/width/610/q85.png-lossy-85.webp-lossy-85.foil1/_www-heise-de_/imgs/18/2/8/8/2/5/6/9/victor-he-UXdDfd9ma-E-unsplash-f74f49cc7f9f30b2.jpeg)
(Bild: Photo by Victor He on Unsplash)
- James Temple
Während ein Großteil der bisherigen Covid-19-Modellierungen untersucht hat, wie gut unterschiedliche Grade sozialer Distanzierung die Ausbreitung der Krankheit begrenzen können, versuchen Forscher zunehmend, die Auswirkungen einer Lockerung dieser Beschränkungen vorherzusagen. Wie viel freier könnten sich Menschen also bewegen, ohne dass sie wieder größere Infektionsherde auslösen?
Ein Forscher-Duo nutzt dafür Googles "Community Mobility Reports", die Standortdaten von Handynutzern enthalten. Seinen Schätzungen zufolge könnte etwa San Francisco möglicherweise auf bis zu 70 Prozent seiner gewohnten Bewegungsfreiheit zurückkehren. Dieses Ergebnis fußt zum einen auf der Schätzung der Fallzahl-Wachstumsrate vor den Sperren und zum anderen auf einer nach Meinung der Forscher akzeptablen Berechnung der Auswirkungen, die eine verringerte Bewegungsfreiheit auf die Ausbreitung der Krankheit hat. Die kanadische Provinz British Columbia, die früh umfangreich getestet hat, um die Krankheitskurve zu glätten, könnte möglicherweise sogar bis auf 78 Prozent gehen.
Jacob Steinhardt von der University of Columbia Berkeley und MIT-Forscher Andrew Ilyas betonen jedoch, dass ihre Schlussfolgerungen höchst ungewiss und ihre Schätzungen wahrscheinlich zu hoch seien. Steinhardt zufolge, der Assistenzprofessor für Statistik ist, sollten die Regionen ihre Beschränkungen nicht wesentlich lockern, ohne zuvor wirksame Mittel zur Krankheitsverfolgung eingerichtet zu haben, um schnell einen erneuten Anstieg der Infektionsraten zu erkennen. Dieselben Regionen müssten die Mobilität am unteren Ende bei 41 Prozent sowie 35 Prozent des Ausgangsniveaus halten. Die große Bandbreite der Mobilitätsberechnungen würden natürlich sehr unterschiedliche öffentliche Richtlinien bedeuten. Die Unsicherheiten zeigen, wie schwierig es ist, die Auswirkungen der Aufhebung sozialer Beschränkungen abzuschätzen.
Erforderliche Daten fehlen
Auch das Mordecai Lab in Stanford hat ein frei verfügbares Modell entwickelt, mit dem verschiedene Ansätze zur Bewältigung der nächsten Phasen des Ausbruchs in Santa Clara County und anderen Teilen Nordkaliforniens analysiert werden können. Dabei werden Abwägungen zwischen der monatelangen Verlängerung der Maßnahmen für den Aufenthalt zu Hause, einem kontinuierlichen Wechsel zwischen Phasen mit Einschränkungen durch soziale Distanzierung und ohne, sowie vermehrten Tests in der Bevölkerung und der Isolierung infizierter Patienten. Je effektiver die Regionen bei der letztgenannten Maßnahme sind, desto stetiger werden die Fälle auch ohne eine Rückkehr zu strengeren Distanzierungsregeln zurückgehen, stellte das Team fest.
Die Modellierung ist jedoch schwierig und die erforderlichen Daten schwer zu bekommen. Deshalb liefern die Analysen nur grobe Schätzungen mit großen Fehlerquoten, bis die Wissenschaft Covid-19 besser versteht, einschließlich seiner Verbreitung, wie ansteckend es unter verschiedenen Szenarien ist und wie schnell die Ansteckungsrate an pro Ort steigt oder fällt.
Eine zusätzliche Einschränkung für die MIT- und Berkeley-Forscher besteht darin, dass Mobilitätsdaten mit menschlichen Interaktionen korrelieren, aber nur eine unvollständige Näherung sind. In dem Maße, in dem sich die Gesellschaft als Ganzes nicht so stark bewegt, deuten sie darauf hin, dass wir weniger direkte Kontakte haben, bei denen wir uns gegenseitig infizieren können. Aber das Ansteckungsrisiko einer großen Party, die 100 Meter die Straße runter stattfindet, ist schlimmer als wenn man zehn Meilen zu einem verlassenen Park fährt.
Krankenhauseinweisungen und Todesfälle
Ein entscheidender Punkt der Arbeit von Steinhardt und Ilyas, die bisher nur als Entwurf vorliegt und weder veröffentlicht noch von anderen Experten begutachtet wurde, ist, dass die Infektionen besser nachverfolgt werden müssen. "Wir brauchen viel bessere Mechanismen für diese Prävalenz-Verfolgung, um sicher zu sein", sagt Steinhardt. "Mit den derzeit verfügbaren Daten wissen wir eigentlich nicht, wie hoch der sichere Mobilitätswert ist".
Die Analyse stützt sich zudem auf weitere verrauschte und nicht optimale Messungen, bei denen Krankenhauseinweisungen und Todesfälle verwendet werden, um die Prävalenz von Krankheiten vor den Sperrungen abzuschätzen und um plausible, aber unsichere Annahmen darüber zu treffen, inwieweit die Bewegungseinschränkungen die Ausbreitung der Krankheit verändert haben. Ein Großteil dieser Unsicherheit ist auf die Unregelmäßigkeit der bisherigen Tests zurückzuführen. Wenn die Anzahl der Fälle steigt, aber auch die Anzahl der Tests, ist es schwierig zu erkennen, ob die Infektionen immer noch zunehmen oder ob ein größerer Anteil der infizierten Personen erfasst wird.
Letztendlich betonen die Forscher, dass die Gemeinden Maßnahmen zur Krankheitsüberwachung aufbauen müssen, um diese Unsicherheit zu verringern und ein angemessenes Gleichgewicht zwischen der Wiedereröffnung der Wirtschaft und der Minimierung der Risiken für die öffentliche Gesundheit herzustellen. (vsz)