Neue Auswertungen vom Zentrum für mathematische Modellierung von Infektionskrankheiten an der London School of Hygiene & Tropical Medicine liefern für die verschiedenen betroffenen Länder erste grobe Schätzungen für den Prozentsatz der bisher gemeldeten/erkannten COVID-19-Fälle an der tatsächlichen Gesamtheit der Infizierten.
Unsere Abschätzung funktioniert wie folgt: Es gibt Hinweise darauf, dass die Rate der Todesfälle bezogen auf die Gesamtzahl der Infizierten (CFR = Case Fatility Ratio) in Bevölkerungen mit einer ähnlichen Altersstruktur wie in China bei 1-1,5% liegen sollte. Wenn wir also (nachdem wir Verzögerungen des Meldeprozesses mit berücksichtigen) wie aktuell eine viel höhere CFR für ein Land berechnen, deutet dies darauf hin, dass nicht alle Fälle gemeldet werden.
Es überrascht nicht, dass Südkorea hohe geschätzte Prozentzahlen der gemeldeten Fälle an den tatsächlich Infizierten aufweist. Auch Deutschland hat einen deutlich höheren Anteil als die meisten anderen Länder, was auf das niedrige Verhältnis von Todesfällen zu gemeldeten Infizierten zurückzuführen ist. Von den Ländern mit >10 Todesfällen hat nach unseren Schätzungen etwa die Hälfte unter 10% der symptomatischen Fälle bisher entdeckt.
Natürlich haben die Länder eine unterschiedliche Altersstruktur und Gesundheitskapazität, was bedeutet, dass der Basis-CFR nicht in allen Ländern 1-1,5% betragen wird. Wir arbeiten daran, diese Unterschiede zu berücksichtigen, aber in der Zwischenzeit sollte dies eine grobe Vorstellung davon vermitteln, wo wir in Bezug auf die aktuell gemeldeten Fälle stehen könnten.
Wir gehen auch davon aus, dass die Zeitspanne von der Erkennung der Krankheit bis zum Tod in allen Ländern ähnlich ist und alle COVID-19-Todesfälle gemeldet werden, obwohl auch dies wahrscheinlich variiert. Wir werden die Schätzungen aktualisieren, sobald mehr Daten verfügbar sind.
Und schließlich ein Dank an das Europäische Zentrum für die Prävention und Kontrolle von Krankheiten für die öffentliche Bereitstellung der zugrunde liegenden Daten.
Dieser Artikel ist eine Übersetzung eines zuerst auf Twitter veröffentlichten Threads.