Mathematische Modellierung und Vorhersage von COVID-19 ......Mathematische Modellierung und...
Transcript of Mathematische Modellierung und Vorhersage von COVID-19 ......Mathematische Modellierung und...
-
Mathematische Modellierung undVorhersage von COVID-19 Fällen,
Hospitalisierung (inkl. Intensivstation undBeatmung) und Todesfällen in den
deutschen Bundesländern
Christiane Dings1, Katharina Götz1, Katharina Och1, Iryna Sihinevich1, Dr. DominikSelzer1, Quirin Werthner1, Lukas Kovar1, Fatima Marok1, Christina Schräpel1, Laura
Fuhr1, Denise Türk1, Hannah Britz1, Prof. Dr. Sigrun Smola2, Prof. Dr. Thomas Volk3,Prof. Dr. Sascha Kreuer3, Dr. Jürgen Rissland2, Prof. Dr. Thorsten Lehr1
1Klinische Pharmazie, Universität des Saarlandes2Institut für Virologie, Universitätsklinikum des Saarlandes
3Klinik für Anästhesiologie, Intensivmedizin und Schmerztherapie, Universitätsklinikumdes Saarlandes
Report vom 09. Dezember 2020Modellstand vom 09. Dezember 2020Datenstand vom 08. Dezember 2020
Leitung:Professor Dr. Thorsten LehrKlinische Pharmazie, Universitä̈t des SaarlandesCampus C2 2, 66123 Saarbrückenthorsten.lehr@mx.uni-saarland.dewww.clinicalpharmacy.mewww.covid-simulator.com
-
Zusammenfassung
Am 09.12.2020 wurde das Modell des COVID-19 Simulators mit Daten bis einschließlichdem 08.12.2020 aktualisiert. Im Folgenden sind die wichtigsten Veränderungen zusam-mengefasst.Infektionsgeschehen
• Durch den am 02.11.2020 in Kraft getretenen „Lockdown Light“ hat sich das Infek-tionsgeschehen stabilisiert.
• Bereits durch die bevorstehende Ankündigung des Lockdowns hat sich der R(t)-Wertdeutschlandweit am 27.10.2020 statistisch signifikant (p
-
Inhaltsverzeichnis Inhaltsverzeichnis
Inhaltsverzeichnis
Zusammenfassung
1 Übersicht der Modellierung 11.1 Fragestellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Zielsetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.3 Zielgruppe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.4 Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.5 Modellstruktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.6 Modellergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.6.1 Beschreibung der Daten . . . . . . . . . . . . . . . . . . . . . . . . 41.6.2 Einfluss von Nicht Pharmazeutischer Interventionen (NPI) und an-
derer struktureller Änderungen . . . . . . . . . . . . . . . . . . . . 111.6.3 Veränderung von Hospitalisierung und Krankenhaussterblichkeit
über die Zeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171.6.4 Veränderung von R(t) über die Zeit für Land- und Stadtkreise . . . 20
2 Baden-Württemberg 222.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 Bayern 403.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 453.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4 Berlin 664.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 664.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5 Brandenburg 785.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 785.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 835.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
-
Inhaltsverzeichnis Inhaltsverzeichnis
6 Bremen 906.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 906.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 956.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
7 Hamburg 1017.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1017.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1067.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
8 Hessen 1128.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1128.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1178.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
9 Mecklenburg-Vorpommern 1279.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1279.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1329.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
10 Niedersachsen 13810.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13810.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14310.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
11 Nordrhein-Westfalen 15611.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15611.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16111.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
12 Rheinland-Pfalz 17412.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17412.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17912.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
-
Inhaltsverzeichnis Inhaltsverzeichnis
13 Saarland 19013.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19013.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19513.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
14 Sachsen 20114.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20114.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20614.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
15 Sachsen-Anhalt 21215.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21215.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21715.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
16 Schleswig-Holstein 22416.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22416.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22916.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
17 Thüringen 23617.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23617.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24117.3 Land- und Stadtkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
18 Deutschland 25018.1 Modellbeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25018.2 Modellvorhersage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
-
1 Übersicht der Modellierung
1 Übersicht der Modellierung
1.1 Fragestellung
Die Infektionen von Menschen mit dem SARS-Coronavirus-2 (die resultierende Krankheitwird als „COVID-19“ bezeichnet) steigen im Deutschland und der Welt teilweise rasantan. Daraus resultieren steigende Hospitalisierungsraten und auch eine vermehrte Belegungvon Intensivbetten (ICU) sowie Beanspruchung von Beatmungskapazitäten. Im Verlaufder Pandemie wurden verschiedene Nicht-Pharmazeutische Interventionen (NPI) einge-führt (z.B. Schulschließung), um die Ausbreitung zu verzögern und die Belastungsgrenzendes Gesundheitssystems nicht zu übersteigen. Bedauerlicherweise ist die Vorhersage desweiteren Infektionsverlaufs, die Auslastung des Gesundheitssystems und der Einfluss vonNPIs auf den Verlauf ein schwieriges Vorhaben. Dies ist nur über mathematische Model-lierung und Simulation zu erreichen.
1.2 Zielsetzung
• Ziel dieses Projektes ist die Entwicklung eines mechanistischen mathematischenModells zur Vorhersage der COVID-19 Infektionen inkl. Krankenhausbettenbele-gung, intensivsmedizinische Behandlung (ICU), Beatmung und Todesraten in deneinzelnen Bundesländern und der Abschätzung von Nicht-Pharmazeutischen Inter-ventionen (NPI, z. B. Schulschließung) über die Zeit.
• Das Modell soll verwendet werden, um den weiteren Verlauf der Infektionen(inkl. Krankenhausbelegung, ICU, Beatmung, Todesraten) vorherzusagen undverschiedene möglichen Szenarien zu simulieren.
• Das Modell und die Vorhersagen werden in regelmäßigen Abständen (alle ein biszwei Wochen) mit neuen Daten angepasst. Es werden neue Vorhersagen für alleBundesländer als PDF Bericht zur Verfügung gestellt. Die Webseite www.covid-simulator.com dient als Online-Plattform für die Informationsübermittlung und dieBereitstellung eines Online Simulators.
1.3 Zielgruppe
• Das Modell soll Behörden, Politikern und dem Gesundheitswesen helfen, den Ver-lauf der aktuellen SARS-Coronavirus-2 Pandemie kurz- und mittelfristig besserabzuschätzen und die Kapazitäten zu planen. Weiterhin können von diesen Per-sonenkreisen der Einfluss von NPIs (z.B. Ausgangssperre) abgeschätzt werden unddiese damit entweder rechtfertigen oder auch deren Aufhebung begründen.
• Zum anderen kann das vorgestellte Modell verwendet werden, um der Bevölkerungzu veranschaulichen, welchen Einfluss die Interventionen auf den Infektionsverlaufhaben und sie dadurch in den Maßnahmen bestärken.
1
www.covid-simulator.comwww.covid-simulator.com
-
1 Übersicht der Modellierung 1.4 Methoden
1.4 Methoden
• Folgende Datenquellen dienen als Grundlage:
– Datenbank des Robert-Koch-Instituts (RKI)– Datenbank Berliner Morgenpost– MetaKIS: Dokumentation von anonymisierten Abrechnungsdaten aus über 250
Kliniken deutschlandweit– Informationen der Gesundheitsministerien– Ergebnisse von Literatursuche über Interventionsmaßnahmen in den Bun-
desländern– DIVI Intensivregister
• Die Modellierung erfolgt mittels des Non-Linear Mixed Effects (NLME) Ansatzesund wird in der Software NONMEM® (Version 7.4.3) durchgeführt
• Statistische Analyse, graphische Darstellung und Reporterstellung wurden mit R®(Version 3.6.3) und R-Studio® (Version 1.2.5033) durchgeführt
• Ein genehmigter Ethikantrag der Ethik-Kommission der Ärztekammer des Saarlan-des liegt vor
• Eine detaillierte Beschreibung der Modellstruktur und die Parametrisierung wirdder in Kürze eingereichten Publikation zu entnehmen sein
1.5 Modellstruktur
Dem entwickelten Modell liegt ein klassisches SEIR Modell, welches in der mathe-matischen Epidemiologie die Ausbreitung von Infektionen innerhalb einer Populationbeschreibt, zugrunde. In diesem klassischen Modell kann ein Individuum vier krankheit-srelevante Stadien durchlaufen: Stadium S: Menschen, die infiziert werden können,Stadium E: Menschen, die infiziert sind, infektiös sein können, aber noch nicht alsInfizierte identifiziert sind, Stadium I: Infizierte Menschen, Stadium R: GeheilteMenschen.Das weiterentwickelte SEIR/D Modell beschreibt komplexere Zusammenhänge. Nebenden Stadien S, E und R wird für infizierte Menschen zwischen Stadium C: Infizierte,die ambulant verbleiben, Stadium KH: Infizierte im Krankenhaus, Stadium ICU: Infiziertauf Intensivstation sowie Stadium ICU beatmet: Beatmungspflichtige Infizierte differen-ziert. Drüber hinaus wurde das Modell um das Stadium D: Infizierte Menschen, die ver-storben sind, erweitert. Ebenso wurde das Stadium R in Stadium KH R: während desKrankhausaufenthaltes genesene Patienten, und Stadium R: geheilte Menschen außerhalbdes Krankenhauses unterteilt.Menschen aus dem Stadium E infizieren Menschen aus dem Stadium S. Der Faktor R0oder R(t) (Basisreproduktionszahl) gibt hierbei an, wie viele Menschen aus dem StadiumS durchschnittlich durch einen einzigen Menschen aus dem Stadium E infiziert werden.Infizierte Menschen im Stadium E werden erst nach einer gewissen Zeit (gamma) als
2
-
1 Übersicht der Modellierung 1.5 Modellstruktur
Infizierte identifiziert und erreichen somit das Stadium (C: Cases = bestätigte Fälle). In-fizierte Personen (C) können entweder ambulant genesen (R) oder im Verlauf stationäraufgenommen werden (KH). Stationär behandelte Menschen können im Krankenhausgenesen (KH R), im Krankenhaus versterben (D: Death) oder auf Intensivstation verlegtwerden (ICU). Infizierte Patienten auf Intensivstation (ICU) können ebenfalls genesen(KH R), versterben (D) oder eine Beatmungstherapie benötigen (ICU beatmet).Die Modellstruktur mit den verschiedenen Stadien sowie ihren Übergängen ist in Abb.1dargestellt. Die angegebenen Daten (Liegedauern, prozentuale Anteil, Beatmung, etc.)entstammen aus Krankenhausdaten von über 14000 deutschen COVID-19 Patienten vonüber 250 Krankenhäusern, welche anonymisiert aus dem MetaKIS System hergeleitetwurden.
Abbildung 1: SEIR/D Modell - Modellstruktur
3
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
1.6 Modellergebnisse
1.6.1 Beschreibung der Daten
Mithilfe des in Abschnitt 1.5 Modellstruktur beschriebenen entwickelten SEIR/D Mod-ells können die COVID-19 Fallzahlen für Infektionen, Belegung von Krankenhausbetten(KH akut und KH kumulativ), Belegung von Intensivstationsbetten (ICU akut und ICUkumulativ), Genesungen sowie Todesfälle in der Bundesrepublik Deutschland und separatfür jedes einzelne deutsche Bundesland beschriebenen werden.Abb. 2 zeigt die Modellbeschreibung der Fallzahlen (Linie) sowie die gemeldeten Fallzahlen(Punkte) je nach Bundesland über die Zeit für Infektionszahlen (blau), Genesenenzahlen(grün), Todesfälle (rot), belegte KH Betten akut (rosa) und kumulativ (violett), belegteICU Betten akut (gelb) und kumulativ (orange), und Anzahl der beatmeten Intensivpa-tienten (cyan).
Sachsen Sachsen−Anhalt Schleswig−Holstein Thüringen
Niedersachsen Nordrhein−Westfalen Rheinland−Pfalz Saarland
Bremen Hamburg Hessen Mecklenburg−Vorpommern
Baden−Württemberg Bayern Berlin Brandenburg
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
1e+01
1e+03
1e+05
1e+01
1e+03
1e+05
1e+01
1e+03
1e+05
1e+01
1e+03
1e+05
Fallz
ahle
n
FälleGenesen
TodesfälleKH akut
KH kumulativICU akut
ICU beatmet akut
Abbildung 2: Deutschland nach Bundesländern - Modellbeschreibung der FallzahlenPunkte: Gemeldete Fallzahlen - Linien: Modellbeschreibung
4
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
Abb. 3 und 4 zeigen die Modellbeschreibung der Infektionszahlen (Linie) sowie diegemeldeten Infektionszahlen (Punkte) für jedes Bundesland über die Zeit in linearer (3)und halblogarithmischer (4) Darstellung.
Sachsen Sachsen−Anhalt Schleswig−Holstein Thüringen
Niedersachsen Nordrhein−Westfalen Rheinland−Pfalz Saarland
Bremen Hamburg Hessen Mecklenburg−Vorpommern
Baden−Württemberg Bayern Berlin Brandenburg
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
0
5000
10000
15000
20000
25000
0
2000
4000
6000
0
5000
10000
15000
0
5000
10000
15000
20000
0
20000
40000
60000
0
25000
50000
75000
100000
0
10000
20000
30000
40000
50000
0
5000
10000
15000
0
50000
100000
150000
200000
250000
0
10000
20000
0e+00
1e+05
2e+05
3e+05
0
5000
10000
15000
0
50000
100000
150000
0
3000
6000
9000
0
20000
40000
60000
80000
0
20000
40000
60000
Infe
ktio
nsza
hlen
Infektionszahlen | lineare Skala
Abbildung 3: Deutschland nach Bundesländern - Modellbeschreibung der InfektionsfällePunkte: Gemeldete Infektionsfälle - Linien: Modellbeschreibung
5
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
Sachsen Sachsen−Anhalt Schleswig−Holstein Thüringen
Niedersachsen Nordrhein−Westfalen Rheinland−Pfalz Saarland
Bremen Hamburg Hessen Mecklenburg−Vorpommern
Baden−Württemberg Bayern Berlin Brandenburg
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
1
10
100
1000
10000
Infe
ktio
nsza
hlen
Infektionszahlen | halblogarithmische Skala
Abbildung 4: Deutschland nach Bundesländern - Modellbeschreibung der InfektionsfällePunkte: Gemeldete Infektionsfälle - Linien: Modellbeschreibung
6
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
Abb. 5 zeigt die Modellbeschreibung der belegten Betten und der beatmeten Patienten(Linie) sowie die gemeldeten Belegungen der KH und ICU Betten und beatmeten Patien-ten (Punkte) für jedes Bundesland über die Zeit. Die Belegung der KH und ICU Bettenist akut und/oder kumulativ dargestellt.
Sachsen Sachsen−Anhalt Schleswig−Holstein Thüringen
Niedersachsen Nordrhein−Westfalen Rheinland−Pfalz Saarland
Bremen Hamburg Hessen Mecklenburg−Vorpommern
Baden−Württemberg Bayern Berlin Brandenburg
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
0
200
400
600
0
100
200
300
400
0
100
200
0
500
1000
1500
2000
0
1000
2000
3000
4000
0
500
1000
1500
0
1000
2000
3000
0
500
1000
0
1000
2000
3000
4000
0
100
200
300
0
10000
20000
30000
0
500
1000
0
200
400
0
50
100
150
0
250
500
750
1000
0
1000
2000
Anz
ahl
KH akut KH kumulativ ICU akut ICU beatmet akut
Abbildung 5: Deutschland nach Bundesländern - Modellbeschreibung der KH und ICUBelegung. Punkte: Gemeldete Belegungen - Linien: Modellbeschreibung
7
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
Abb. 6 zeigt die Modellbeschreibung der von COVID-19 genesenen Patienten (Linie) sowiedie gemeldeten Fälle an Genesenen (Punkte) für jedes Bundesland über die Zeit.
Sachsen Sachsen−Anhalt Schleswig−Holstein Thüringen
Niedersachsen Nordrhein−Westfalen Rheinland−Pfalz Saarland
Bremen Hamburg Hessen Mecklenburg−Vorpommern
Baden−Württemberg Bayern Berlin Brandenburg
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
3.20
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
0
5000
10000
15000
0
2000
4000
0
2500
5000
7500
10000
12500
0
5000
10000
15000
0
20000
40000
0
20000
40000
60000
0
10000
20000
30000
40000
0
5000
10000
0
50000
100000
150000
0
5000
10000
15000
20000
0
50000
100000
150000
200000
0
2500
5000
7500
10000
0e+00
5e+04
1e+05
0
2500
5000
7500
0
20000
40000
60000
0
10000
20000
30000
40000
Anz
ahl
Abbildung 6: Deutschland nach Bundesländern - Modellbeschreibung der von COVID-19genesenen PatientenPunkte: Gemeldete Zahlen - Linien: Modellbeschreibung
8
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
Abb. 7 zeigt die Modellbeschreibung der an COVID-19 verstorbenen Patienten (Linie)sowie die gemeldeten Todeszahlen (Punkte) für jedes Bundesland über die Zeit.
Sachsen Sachsen−Anhalt Schleswig−Holstein Thüringen
Niedersachsen Nordrhein−Westfalen Rheinland−Pfalz Saarland
Bremen Hamburg Hessen Mecklenburg−Vorpommern
Baden−Württemberg Bayern Berlin Brandenburg
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
0
100
200
300
400
500
0
25
50
75
0
100
200
300
0
100
200
300
400
0
200
400
600
0
500
1000
1500
0
200
400
600
0
100
200
0
1000
2000
3000
4000
0
100
200
300
400
0
1000
2000
3000
4000
0
50
100
150
200
0
1000
2000
3000
0
50
100
150
0
500
1000
0
500
1000
Anz
ahl
Abbildung 7: Deutschland nach Bundesländern - Modellbeschreibung der Todesfälle.Punkte: Gemeldete Todeszahlen - Linien: Modellbeschreibung
9
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
In Abb. 8 ist ein Goodness-of-fit plot, die graphische Darstellung der Güte der Modellan-passung, dargestellt. Es sind die vom Modell errechneten Werte gegen die Rohdaten aufge-tragen. Bei 100%iger Übereinstimmung der Wertepaare würden sich alle Datenpunkte aufder Ursprungsgerade befinden. Die Punkte verteilen sich ebenmäßig um die Ursprungs-gerade. Dies ist Ausdruck der hohen deskriptiven Leistung des Modells.
KH Betten ICU Betten ICU beatmet
Fälle Genesen Todesfälle
0
1000
0
2000
0
3000
0 025
050
075
010
00 0 200
400
600
0e+0
0
1e+0
5
2e+0
5
3e+0
5 0
5000
0
1000
00
1500
00
2000
00 010
0020
0030
0040
00
0
1000
2000
3000
4000
0
200
400
600
0
50000
100000
150000
200000
0
250
500
750
1000
0e+00
1e+05
2e+05
3e+05
0
10000
20000
30000
Observierte Daten
Mod
ellb
esch
reib
ung
Abbildung 8: Deutschland - Güte der ModellanpassungGodness-of-fit: gemeldete Daten vs. Modellbeschreibung
10
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
1.6.2 Einfluss von Nicht Pharmazeutischer Interventionen (NPI) und andererstruktureller Änderungen
Die Einflüsse von NPIs und anderer Ereignisse wurden systematisch untersucht und indas Modell eingebaut. Untersuchungen von Einflussfaktoren auf R(t) ergaben folgendestatistisch signifikanten Effekt: Schulschließung, Kontaktverbot, eine „2. Stufe des Kon-taktverbots“ seit dem 01.04.2020 und Veränderungen ab dem 25.04.2020, dem 06.05.2020,dem 05.06.2020, dem 17.06.2020, dem 12.07.2020, dem 09.08.2020, dem 19.08.2020, dem06.09.2020, dem 03.10.2020, dem 11.10.2020, dem 27.10.2020, dem 05.11.2020 und dem15.11.2020. In jedem Bundesland variieren die Effekte leicht (siehe Tabelle 1, Abb. 9und 10), wobei die genauen Ursachen nicht ersichtlich sind. Es bleibt zu vermuten, dassdie geographische Situation der Bundesländer (Flächenstaat vs. Stadtstaat, Grenzregion,Mentalität) als auch lokale Regelungen eine Rolle spielt. 2 Tage nach der Schulöffnungvom 04.05.2020, stieg der R(t) Wert im bundesdeutschenschnitt um ca. 13% auf 0.716.Generell scheinen die getroffenen Schutzmaßnahmen wirksam gewesen zu sein, um R(t)auf einem stabilen Niveau unter 1 zu halten (mit der Ausnahme von den Bundesländernmit bekannten “Corona Hotspots”). Seit Beginn der Lockerungen der Corona-Maßnahmenund vor allem während der Urlaubssaison (ein hoher Anteil von Fällen der Einreisenden)wurden erneut Anstiege der R(t) Werte beobachtet. Zudem tragen kleinere Ausbrüchein verschiedenen Landkreisen vermehrt zu den steigenden Fallzahlen bei. Im Oktober istdie anhaltende Tendenz zum weiteren Anstieg der Fallzahlen zu beobachten. Nach bun-desweiten Verschärfungen der Corona-Regeln ist eine Reduktion von R(t) in der zweitenOktoberhälfte und Anfang November zu erkennen. Die Einflussfaktoren auf R(t) sind imFolgenden detailliert aufgelistet:
• Schulschließungen: Reduktion von R(t) im Schnitt um ca. 31% von 2.78 auf 1.92(p-Wert < 0.001)
• Kontaktverbot (ab 23.03.2020): Reduktion R(t) im Schnitt um ca. 43% von 1.92 auf1.1 (p-Wert < 0.001)
• Kontaktverbot „2. Stufe“ (ab 01.04.2020): Reduktion R(t) im Schnitt um ca. 42%von 1.1 auf 0.636 (p-Wert < 0.001)
• Ab dem 06.05.2020: Anstieg von R(t) um 13% auf 0.716 (p-Wert < 0.001).• Ab dem 05.06.2020: Anstieg von R(t) um 51% von 0.716 auf 1.08 (p-Wert < 0.001).• Ab dem 17.06.2020: Reduktion von R(t) um 21% von 1.08 auf 0.857 (p-Wert <
0.001).• Ab dem 12.07.2020: Anstieg von R(t) um 55% von 0.857 auf 1.33 (p-Wert < 0.001).• Ab dem 09.08.2020: Reduktion von R(t) um 21% von 1.33 auf 1.05 (p-Wert < 0.001).• Ab dem 19.08.2020: Reduktion von R(t) um 10% von 1.05 auf 0.946 (p-Wert <
0.001).• Ab dem 06.09.2020: Anstieg von R(t) um 32% von 0.946 auf 1.25 (p-Wert < 0.001).• Ab dem 03.10.2020: Anstieg von R(t) um 21% von 1.25 auf 1.51 (p-Wert < 0.001).• Ab dem 11.10.2020: Anstieg von R(t) um 3% von 1.51 auf 1.55 (p-Wert < 0.001).• Ab dem 27.10.2020: Reduktion von R(t) um 27% von 1.55 auf 1.13 (p-Wert < 0.001).• Ab dem 05.11.2020: Reduktion von R(t) um 13.5% von 1.13 auf 0.977 (p-Wert <
0.001).
11
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
• Ab dem 15.11.2020: Anstieg von R(t) um 4.4% von 0.977 auf 1.02 (p-Wert < 0.001).
In Tabelle 1 sind die R(t) Werte nach Einführung der einzelnen NPIs für jedes Bundeslandaufgelistet. Die Werte für Deutschland können in der Tabelle aufgrund unterschiedlicherBerechnungsmethoden leicht abweichen.
12
-
1Ü
bersichtder
Modellierung
1.6M
odellergebnisseTabelle 1: R(t) vor und nach den NPIs
Bund
esla
nd
Star
t wer
t
Schu
lschl
ießu
ng
Kon
takt
verb
ot
Ab
01.0
4.20
Ab
25.0
4.20
Ab
06.0
5.20
Ab
05.0
6.20
Ab
17.0
6.20
Ab
12.0
7.20
Ab
09.0
8.20
Ab
19.0
8.20
Ab
06.0
9.20
Ab
03.1
0.20
Ab
11.1
0.20
Ab
27.1
0.20
Ab
05.1
1.20
Ab
15.1
1.20
Baden-Württemberg
2.78 1.75 1.30 0.59 0.55 0.60 1.16 1.06 1.20 1.70 1.00 1.06 1.68 1.50 1.17 0.94 1.03
Bayern 2.78 2.79 1.51 0.57 0.56 0.67 0.94 1.13 1.19 1.45 1.15 0.99 1.59 1.58 1.25 1.00 1.01Berlin 2.78 1.99 1.01 0.62 0.78 0.90 1.79 0.58 1.33 0.94 1.03 1.33 1.48 1.34 1.10 1.16 0.92
Brandenburg 2.78 1.91 1.38 0.78 0.44 0.53 1.80 0.64 1.35 1.15 0.81 1.38 1.78 1.51 1.28 1.02 1.16Bremen 2.78 1.46 0.70 1.13 1.05 0.88 0.55 0.67 1.27 1.48 0.83 1.50 1.26 1.48 1.15 0.71 0.90
Hamburg 2.78 2.14 0.93 0.64 0.29 0.60 1.07 1.07 1.58 0.63 1.21 1.22 1.14 1.54 1.22 0.89 0.85Hessen 2.78 2.09 1.09 0.77 0.60 0.85 0.85 1.04 1.30 1.40 0.75 1.23 1.64 1.57 1.02 1.05 0.94
Mecklenburg-Vorpommern
2.78 1.68 0.92 0.43 1.01 0.72 1.01 1.17 1.35 0.57 0.93 1.41 1.61 1.55 1.03 0.92 1.06
Niedersachsen 2.78 2.06 1.17 0.66 0.49 1.07 0.82 0.75 1.31 1.17 1.00 1.22 1.40 1.51 1.21 0.97 0.90Nordrhein-Westfalen
2.78 1.37 1.14 0.65 0.76 0.76 1.77 0.80 1.28 0.82 0.91 1.31 1.38 1.58 1.06 0.97 0.94
Rheinland-Pfalz 2.78 1.90 1.07 0.62 0.50 0.80 1.02 1.04 1.28 1.42 0.81 1.18 1.64 1.57 1.18 1.04 0.97Saarland 2.78 1.52 1.83 0.41 0.52 0.59 1.29 0.91 1.42 1.27 0.68 1.35 2.18 1.52 1.03 0.77 1.03Sachsen 2.78 1.93 1.26 0.51 0.96 0.63 0.88 0.78 1.41 1.12 1.33 1.20 1.93 1.53 1.44 0.97 1.26
Sachsen-Anhalt 2.78 2.00 0.94 0.69 0.47 0.69 2.01 0.66 1.26 0.87 1.10 1.28 1.22 1.81 0.98 1.14 1.22Schleswig-Holstein
2.78 1.94 1.29 0.59 0.92 0.50 0.82 1.35 1.37 0.64 0.97 1.30 1.07 1.71 0.94 0.91 1.01
Thüringen 2.78 2.51 0.80 0.93 0.78 0.81 0.68 0.66 1.32 0.95 1.20 1.15 1.66 1.63 1.08 1.32 1.19Deutschland 2.78 2.19 1.29 0.62 0.64 0.76 1.33 0.88 1.27 1.17 1.00 1.18 1.54 1.54 1.15 0.99 1.01
13
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
0
1
2
3
Star
twer
t
Schu
lschli
eßun
g
Kont
aktve
rbot
Ab 0
1.04
.20
Ab 2
5.04
.20
Ab 0
6.05
.20
Ab 0
5.06
.20
Ab 1
7.06
.20
Ab 1
2.07
.20
Ab 0
9.08
.20
Ab 1
9.08
.20
Ab 0
6.09
.20
Ab 0
3.10
.20
Ab 1
1.10
.20
Ab 2
7.10
.20
Ab 0
5.11
.20
Ab 1
5.11
.20
R(t
)
Baden−WürttembergBayernBerlinBrandenburg
BremenDeutschlandHamburgHessen
Mecklenburg−VorpommernNiedersachsenNordrhein−WestfalenRheinland−Pfalz
SaarlandSachsenSachsen−AnhaltSchleswig−Holstein
Thüringen
Abbildung 9: R(t) Verteilung vor und nach den NPIs
0
1
2
3
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
R(t
)
Baden−WürttembergBayernBerlinBrandenburgBremen
DeutschlandHamburgHessenMecklenburg−VorpommernNiedersachsen
Nordrhein−WestfalenRheinland−PfalzSaarlandSachsenSachsen−Anhalt
Schleswig−HolsteinThüringen
Abbildung 10: R(t) über die Zeit
14
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
Baden−Württemberg
Bayern
Berlin
Brandenburg
BremenHamburg
Hessen
Mecklenburg−Vorpommern
Niedersachsen
Nordrhein−WestfalenRheinland−Pfalz
Saarland
Sachsen
Sachsen−Anhalt
Schleswig−Holstein
Thüringen
Deutschland
0.9
1.0
1.1
1.2
R(t
) W
ert a
b 15
.11.
20
Abbildung 11: R(t) Wert ab dem 15.11.20
15
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
Das Robert Koch-Institut (RKI) veröffentlicht regelmäßige Updates zu der aktuellen Re-produktionszahl (R) in Deutschland. Die hier präsentierte Methode zur Abschätzung desR(t) und die Methode des RKI zur Berechnung des R-Wertes unterscheiden sich erheblich:Das RKI betrachtet ausschließlich die Neuinfektionen der letzten 7 Tage, somit reagiertR-Wert sensibel auf Veränderungen im Berichtswesen als auch im Bereich von kleinenNeuinfektionszahlen und fluktuiert stärker, während unser Modellansatz den komplettenDatensatz (Infektionen seit Beginn der Pandemie, sowie andere Daten, wie Kranken-hausaufenthalte, Verstorbene, Genesene) berücksichtigt. Dennoch sieht man eine großeÜbereinstimmung zwischen den R(t) Modellschätzwerten für Gesamtdeutschland des hierpräsentierten Modells (rote Linie = Gesamtdeutschland, graue Linien = Bundesländer)und den vom RKI berichteten 7-Tage-R-Wert (schwarze Linie) über die Zeit (Abb. 12).Die schwarzen Punkte bilden den Punktschätzer der Reproduktionszahl (R) des RKI ab.
1
2
3
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
Rep
rodu
ktio
nsza
hl
Abbildung 12: Vergleich von R(t) Modellschätzwerten (rote Linie: Gesamtdeutschland,graue Linien: Bundesländer) und R-Werten berichtet von RKI (schwarze Linie: 7-Tage-R-Werte, schwarze Punkte: Punktschätzer der Reproduktionszahl R) über die Zeit.
16
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
1.6.3 Veränderung von Hospitalisierung und Krankenhaussterblichkeit überdie Zeit
Die im Modell abgeschätzte Hospitalisierungsrate ändert sich über die Zeit (Abb. 13).Zu Beginn der Pandemie lag sie im Durchschnitt bei etwa 20% und ist im Verlauf derPandemie im Schnitt auf 2.5% abgesunken. Mitte September lag die Hospitalisierungsratebei etwa 5.7% und hat sich damit mehr als verdoppelt. Ende Oktober beobachet maneine erneute Reduktion der Hospitalisierungsrate auf 4.4%. Seit Ende November ist dieHospitalisierungsrate erneut um 5.6% angestiegen und liegt derzeit bei etwa 4.6%.Die Hospitalisierungsrate ist stark mit der Altersstruktur der infizierten COVID-19 Pa-tienten korreliert. Vor allem der Anteil der über 60-jährigen Patienten bestimmt die Hospi-talisierungsrate. Dieser Anteil ist von anfänglich über 35% zwischenzeitlich auf unter 10%zurückgegangen (Abb. 14). Seit Anfang September steigt der Anteil der über 60-jährigenwieder stetig an.Bei einer weiteren Ansteckung älterer Patienten ist weiterhin mit einer steigenden Hospi-talisierungsrate zu rechnen, selbst bei gleichbleibenden Neuinfektionszahlen.Auch die im Modell abgeschätzten Sterberaten im Krankenhaus (Normalstation, ICUbeatmet und nicht beatmet) ändern sich deutlich über die Zeit (Abb. 13). Die Sterberatensinken im Verlauf der Pandemie erst um fast 50%. Ende Oktober und Mitte Novembersteigen die Sterberaten erneut sehr deutlich und haben sich im Vergleich zu Septembermehr als verdoppelt.Dies kann ebenfalls durch die Änderung in der Altersstruktur der infizierten Patientenerklärt werden. Auch hier ist mit einer erhöhten Krankenhaussterblichkeit zu rechnen,wenn weiterhin vermehrt ältere Patienten infiziert werden.
17
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
Sterberate ICU Beatmet
Sterberate ICU
Sterberate Normalstation
Hospitalisierungsrate
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
0.00
0.10
0.20
0.30
0.00
0.20
0.40
0.00
0.20
0.40
0.60
0.00
0.25
0.50
0.75
1.00
Baden−WürttembergBayernBerlinBrandenburgBremen
DeutschlandHamburgHessenMecklenburg−VorpommernNiedersachsen
Nordrhein−WestfalenRheinland−PfalzSaarlandSachsenSachsen−Anhalt
Schleswig−HolsteinThüringen
Abbildung 13: Raten über die Zeit 18
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
0
20
40
60
80
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
Ant
eil F
älle
[%]
0 bis 14 15 bis 59 60 bis 79 80 und älter
Abbildung 14: Alterverteilung der COVID-19 Fälle über die Zeit in Gesamtdeutsch-land. Durchgezogene Linie: Anteil der Fälle je Altersgruppe zusammengefasst je Woche.Gestrichelte Linie: Anteil der Altersgruppe an der Gesamtbevölkerung.
0
25
50
75
100
0
5000
10000
15000
20000
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
Ant
eil d
er P
atie
nten
Ü60
[%]
Anzahl der neuen Fälle pro Tag
Baden−WürttembergBayernBerlinBrandenburgBremen
GesamtHamburgHessenMecklenburg−VorpommernNiedersachsen
Nordrhein−WestfalenRheinland−PfalzSaarlandSachsenSachsen−Anhalt
Schleswig−HolsteinThüringen
Abbildung 15: Anteil der über 60-jährigen Patienten an der Gesamtinfektionszahl proWoche über die Zeit für die Bundesländer und Gesamtdeutschland (Linien) und Anzahlder neuen Fälle pro Tag in Gesamtdeutschland (Balken).
19
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
1.6.4 Veränderung von R(t) über die Zeit für Land- und Stadtkreise
Abb. 16 und 17 zeigen vom Modell abgeschätze R(t) Werte auf der Land- und StadtkreisEbene.
Sachsen Sachsen−Anhalt Schleswig−Holstein Thüringen
Niedersachsen Nordrhein−Westfalen Rheinland−Pfalz Saarland
Bremen Hamburg Hessen Mecklenburg−Vorpommern
Baden−Württemberg Bayern Berlin Brandenburg
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
R(t
)
Abbildung 16: Veränderung von R(t) über die Zeit für Land- und Stadtkreise
20
-
1 Übersicht der Modellierung 1.6 Modellergebnisse
Abbildung 17: R(t) Werte auf Land- und Stadtkreis Ebene
21
-
2 Baden-Württemberg
2 Baden-Württemberg
2.1 Modellbeschreibung
Abb. 18 stellt auf einer linearen (A) und halblogarithmischen (B) Skala die Ergebnisseder Modellierung (Linie) im Vergleich zu den observierten Daten (Punkte) für Baden-Württemberg dar.
ICU beatmet
ICU Betten
Todesfälle
Genesen
Fälle
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
0
50000
100000
150000
0e+00
5e+04
1e+05
0
1000
2000
3000
0100200300400500
0
100
200
300
400
A | linear
ICU beatmet
ICU Betten
Todesfälle
Genesen
Fälle
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
1e+03
1e+04
1e+05
1e+01
1e+02
1e+03
1e+04
1e+05
1
10
100
1000
30
100
300
10
30
100
300
B | log
Fälle Genesen Todesfälle ICU akut ICU beatmet akut
Abbildung 18: Modellbeschreibung der gemeldeten Fallzahlen, Belegung von KH Bet-ten, Genesen und Todesfällen in Baden-Württemberg. Punkte: gemeldete Daten; Linie:Modellbeschreibung.
22
-
2 Baden-Württemberg 2.1 Modellbeschreibung
Abb. 19 zeigt die Güte der Modellanpassung (“Goodness-of-Fit”) für Baden-Württemberg. Die vom Modell errechneten Werte sind gegen die observierten Dat-en aufgetragen. Bei guter Modellanpassung streuen die Punkte zufällig entlang derUrsprungsgerade.
ICU Betten ICU beatmet
Fälle Genesen Todesfälle
010
020
030
040
050
0 010
020
030
040
0
0
5000
0
1000
00
1500
00
0e+0
0
5e+0
4
1e+0
5 010
0020
0030
00
0
1000
2000
3000
0e+00
5e+04
1e+05
0
100
200
300
400
0
50000
100000
150000
0
100
200
300
400
500
Observierte Daten
Mod
ellb
esch
reib
ung
Abbildung 19: Goodness-of-Fit Plots für Baden-Württemberg. Linie: Ursprungsgerade.
23
-
2 Baden-Württemberg 2.1 Modellbeschreibung
Abb. 20 zeigt den Einfluss von Nicht-Pharmazeutischer Interventionen (NPI) auf R(t)für Baden-Württemberg (rote Linie) im Vergleich mit den anderen Bundesländern (graueLinien).
2.78
1.75
1.30
0.59 0.55 0.60
1.16 1.061.20
1.70
1.00 1.06
1.681.50
1.170.94 1.03
0
1
2
3
Star
twer
t
Schu
lschli
eßun
g
Kont
aktve
rbot
Ab 0
1.04
.20
Ab 2
5.04
.20
Ab 0
6.05
.20
Ab 0
5.06
.20
Ab 1
7.06
.20
Ab 1
2.07
.20
Ab 0
9.08
.20
Ab 1
9.08
.20
Ab 0
6.09
.20
Ab 0
3.10
.20
Ab 1
1.10
.20
Ab 2
7.10
.20
Ab 0
5.11
.20
Ab 1
5.11
.20
R(t
)
Modellstand: 09.12.2020; Datenstand: 08.12.2020
Abbildung 20: R(t) Werte vor und nach den NPIs für Baden-Württemberg
Abb. 21 zeigt den R(t) Schätzwert für Baden-Württemberg (rote Linie) über die Zeit imVergleich mit den anderen Bundesländern (graue Linien).
2.78
1.75
1.30
0.59 0.550.60
1.161.061.20
1.70
1.00 1.06
1.681.50
1.170.941.03
0
1
2
3
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
R(t
)
Abbildung 21: R(t) Werte über die Zeit für Baden-Württemberg
24
-
2 Baden-Württemberg 2.1 Modellbeschreibung
Abb. 22 zeigt die Veränderung von Hospitalisierungs- und Sterberaten für Baden-Württemberg (rote Linie) über die Zeit im Vergleich mit den anderen Bundesländern(graue Linien).
0.181
0.363
0.079 0.059 0.039 0.040
0.225
0.040 0.072
0.237
0.445
0.255
0.046 0.082
0.269
0.504
0.915
0.1650.294
0.966 1.000Sterberate ICU Beatmet
Sterberate ICU
Sterberate Normalstation
Hospitalisierungsrate
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
0.00
0.10
0.20
0.30
0.00
0.20
0.40
0.00
0.20
0.40
0.60
0.00
0.25
0.50
0.75
1.00
Abbildung 22: Hospitalisierungsrate und Sterberaten (Normalstation, ICU und ICU beat-met) über die Zeit für Baden-Württemberg
25
-
2 Baden-Württemberg 2.1 Modellbeschreibung
0
25
50
75
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
Ant
eil F
älle
[%]
0 bis 14 15 bis 59 60 bis 79 80 und älter
Abbildung 23: Alterverteilung der COVID-19 Fälle über die Zeit in Baden-Württemberg.Durchgezogene Linie: Anteil der Fälle je Altersgruppe zusammengefasst je Woche.Gestrichelte Linie: Anteil der Altersgruppe an der Gesamtbevölkerung (Deutschland).
26
-
2 Baden-Württemberg 2.2 Modellvorhersage
2.2 Modellvorhersage
Vorhersage für die nächsten 8 Wochen unter der Annahme, dass sich R(t)Schätzwert nicht ändern wird (R(t) = 1.03) und unter der Annahme ver-schiedener Szenarien ab dem 09.12.2020Abb. 24 und 25 stellen auf einer linearen (24) und einer halblogarithmischen (25) Skala dieModellvorhersage für die nächsten 8 Wochen für Baden-Württemberg dar. In dieser Simu-lation wurden verschiedene Szenarien des möglichen Verlaufs ab dem 09.12.2020 getestet.
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
KH akut Todesfälle
ICU akut ICU beatmet akut
Fälle Genesen
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
1.21
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
1.21
0
100,000
200,000
300,000
0
100
200
300
400
0
2,000
4,000
6,000
0
100,000
200,000
300,000
400,000
0
200
400
600
0
500
1,000
1,500
2,000
R(t) ab 09.12.2020 auf 0.6R(t) ab 09.12.2020 auf 0.8
R(t) ab 09.12.2020 auf 1.1R(t) gleichbleibend
Modellstand: 09.12.2020; Datenstand: 08.12.2020
Abbildung 24: Lineare Darstellung der Modellvorhersage (Fallzahlen, Genesen, ICU Beat-met, ICU Betten, KH Betten, Todesfälle) für Baden-Württemberg unter Annahme ver-schiedener Szenarien ab dem 09.12.2020. Punkte: gemeldete Fallzahlen; Linien: Model-lvorhersage.
27
-
2 Baden-Württemberg 2.2 Modellvorhersage
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
KH akut Todesfälle
ICU akut ICU beatmet akut
Fälle Genesen
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
1.21
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
1.21
10
1,000
100,000
1
10
100
1
10
100
1,000
10,000
10
1,000
100,000
1
10
100
1,000
1
10
100
1,000
R(t) ab 09.12.2020 auf 0.6R(t) ab 09.12.2020 auf 0.8
R(t) ab 09.12.2020 auf 1.1R(t) gleichbleibend
Modellstand: 09.12.2020; Datenstand: 08.12.2020
Abbildung 25: Halblogarithmische Darstellung der Modellvorhersage (Fallzahlen, Gene-sen, ICU Beatmet, ICU Betten, KH Betten, Todesfälle) für Baden-Württemberg unterAnnahme verschiedener Szenarien nach dem 09.12.2020. Punkte: gemeldete Fallzahlen;Linien: Modellvorhersage.
28
-
2 Baden-Württemberg 2.2 Modellvorhersage
Vorhersage für die nächsten 4 Wochen unter Annahme verschiedener Szenar-ien ab dem 09.12.2020Abb. 26 zeigt die absoluten Änderungen der Fallzahlen im Vergleich zum Vortag für dienächsten 4 Wochen für verschiedene R(t) Werte. Wenn auf dem Plot keine Balken abge-bildet sind, bedeutet es, dass die Fallzahlen sich im Verglech zum Vortag nicht geänderthaben.
KH akut Todesfälle
ICU akut ICU beatmet akut
Fälle Genesen
14.1
2.20
21.1
2.20
28.1
2.20
04.0
1.21
14.1
2.20
21.1
2.20
28.1
2.20
04.0
1.21
14.1
2.20
21.1
2.20
28.1
2.20
04.0
1.21
14.1
2.20
21.1
2.20
28.1
2.20
04.0
1.21
14.1
2.20
21.1
2.20
28.1
2.20
04.0
1.21
14.1
2.20
21.1
2.20
28.1
2.20
04.0
1.21
0
1000
2000
−6
−4
−2
0
2
0
20
40
60
0
1000
2000
3000
−10
−5
0
5
−20
−10
0
10
Änd
erun
g de
r Fa
llzah
l im
Ver
glei
ch z
um V
orta
g
R(t) ab 09.12.2020 auf 0.6 R(t) ab 09.12.2020 auf 0.8 R(t) ab 09.12.2020 auf 1.1 R(t) gleichbleibend
Abbildung 26: Simulation täglich neu auftretender Fälle für die nächsten 4 Wochen -Baden-Württemberg
29
-
2 Baden-Württemberg 2.3 Land- und Stadtkreise
2.3 Land- und Stadtkreise
Abbildungen und Tabellen in diesem Kapitel stellen die Ergebnisse der Modellierung fürLand- und Stadtkreise in Baden-Württemberg über die Zeit dar.
LK Lörrach LK Ludwigsburg LK Main−Tauber−Kreis LK Neckar−Odenwald−Kreis
LK Heilbronn LK Hohenlohekreis LK Karlsruhe LK Konstanz
LK Esslingen LK Freudenstadt LK Göppingen LK Heidenheim
LK Breisgau−Hochschwarzwald LK Calw LK Emmendingen LK Enzkreis
LK Alb−Donau−Kreis LK Biberach LK Böblingen LK Bodenseekreis
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
0
500
1000
1500
2000
0
1000
2000
3000
0
500
1000
1500
2000
0
1000
2000
3000
0
500
1000
1500
0
2000
4000
6000
0500
1000150020002500
01000200030004000
0
2000
4000
6000
0
500
1000
1500
0500
100015002000
0
1000
2000
0
500
1000
1500
0
500
1000
1500
0
2500
5000
7500
10000
0
1000
2000
3000
0
1000
2000
3000
0
2500
5000
7500
10000
010002000300040005000
0
1000
2000
3000
4000
Abbildung 27: Modellbeschreibung der gemeldeten Fallzahlen in Land- und Stadtkreisenin Baden-Württemberg. Punkte: gemeldete Daten; Linie: Modellbeschreibung.
30
-
2 Baden-Württemberg 2.3 Land- und Stadtkreise
SK Freiburg i.Breisgau SK Heidelberg SK Heilbronn SK Karlsruhe
LK Tuttlingen LK Waldshut LK Zollernalbkreis SK Baden−Baden
LK Schwäbisch Hall LK Schwarzwald−Baar−Kreis LK Sigmaringen LK Tübingen
LK Rems−Murr−Kreis LK Reutlingen LK Rhein−Neckar−Kreis LK Rottweil
LK Ortenaukreis LK Ostalbkreis LK Rastatt LK Ravensburg
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
0
1000
2000
0500
100015002000
0
1000
2000
3000
0
200
400
600
0
1000
2000
3000
0
1000
2000
3000
0
2000
4000
6000
0
500
1000
1500
0
1000
2000
3000
0
1000
2000
3000
0
2000
4000
010002000300040005000
0
1000
2000
3000
0500
1000150020002500
0500
100015002000
0
2000
4000
6000
0
2000
4000
6000
8000
0
1000
2000
0500
100015002000
0
1000
2000
3000
Abbildung 28: Modellbeschreibung der gemeldeten Fallzahlen in Land- und Stadtkreisenin Baden-Württemberg. Punkte: gemeldete Daten; Linie: Modellbeschreibung.
31
-
2 Baden-Württemberg 2.3 Land- und Stadtkreise
SK Mannheim SK Pforzheim SK Stuttgart SK Ulm
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
0500
100015002000
0
3000
6000
9000
12000
0
1000
2000
0
2000
4000
6000
Abbildung 29: Modellbeschreibung der gemeldeten Fallzahlen in Land- und Stadtkreisenin Baden-Württemberg. Punkte: gemeldete Daten; Linie: Modellbeschreibung.
32
-
2 Baden-Württemberg 2.3 Land- und Stadtkreise
LK Lörrach LK Ludwigsburg LK Main−Tauber−Kreis LK Neckar−Odenwald−Kreis
LK Heilbronn LK Hohenlohekreis LK Karlsruhe LK Konstanz
LK Esslingen LK Freudenstadt LK Göppingen LK Heidenheim
LK Breisgau−Hochschwarzwald LK Calw LK Emmendingen LK Enzkreis
LK Alb−Donau−Kreis LK Biberach LK Böblingen LK Bodenseekreis
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
R(t
)
Modellstand: 09.12.2020; Datenstand: 08.12.2020
Abbildung 30: R(t) Werte über die Zeit für Land- und Stadtkreise in Baden-Württemberg
33
-
2 Baden-Württemberg 2.3 Land- und Stadtkreise
SK Freiburg i.Breisgau SK Heidelberg SK Heilbronn SK Karlsruhe
LK Tuttlingen LK Waldshut LK Zollernalbkreis SK Baden−Baden
LK Schwäbisch Hall LK Schwarzwald−Baar−Kreis LK Sigmaringen LK Tübingen
LK Rems−Murr−Kreis LK Reutlingen LK Rhein−Neckar−Kreis LK Rottweil
LK Ortenaukreis LK Ostalbkreis LK Rastatt LK Ravensburg
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
R(t
)
Modellstand: 09.12.2020; Datenstand: 08.12.2020
Abbildung 31: R(t) Werte über die Zeit für Land- und Stadtkreise in Baden-Württemberg
34
-
2 Baden-Württemberg 2.3 Land- und Stadtkreise
SK Mannheim SK Pforzheim SK Stuttgart SK Ulm
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
01.0
4.20
01.0
6.20
01.0
8.20
01.1
0.20
01.1
2.20
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
R(t
)
Modellstand: 09.12.2020; Datenstand: 08.12.2020
Abbildung 32: R(t) Werte über die Zeit für Land- und Stadtkreise in Baden-Württemberg
35
-
2Baden-W
ürttemberg
2.3Land-und
StadtkreiseTabelle 2: R(t) Veränderungen für Land- und Stadtkreise
Land
krei
s
Star
twer
t
Schu
lschl
ießu
ng
Kon
takt
verb
ot
Ab
01.0
4.20
Ab
25.0
4.20
Ab
06.0
5.20
Ab
05.0
6.20
Ab
17.0
6.20
Ab
12.0
7.20
Ab
09.0
8.20
Ab
19.0
8.20
Ab
06.0
9.20
Ab
03.1
0.20
Ab
11.1
0.20
Ab
27.1
0.20
Ab
05.1
1.20
Ab
15.1
1.20
LK Alb-Donau-Kreis
2.78 3.15 0.99 0.48 1.45 0.38 1.05 1.12 1.22 1.55 1.13 0.86 2.62 1.44 0.78 1.03 1.03
LK Biberach 2.78 2.09 1.10 0.60 0.95 0.49 1.48 0.74 1.31 2.03 0.59 1.38 0.64 1.48 1.03 0.94 1.28LK
Böblingen2.78 1.63 1.20 0.28 0.23 0.73 1.80 1.02 1.16 1.99 1.02 0.99 1.74 1.54 0.88 0.83 1.01
LK Bo-denseekreis
2.78 1.00 0.60 0.32 0.54 0.72 1.30 1.58 1.02 1.60 1.20 0.91 1.13 1.63 1.21 0.96 0.90
LK Breisgau-Hochschwarzwald
2.78 0.69 1.53 0.44 0.36 0.47 1.28 1.15 1.22 1.55 1.40 0.94 1.79 1.43 0.83 0.92 1.11
LK Calw 2.78 1.22 0.89 0.76 0.37 0.59 1.02 0.81 1.31 1.97 0.90 1.13 1.66 1.50 1.07 0.96 1.21LK Em-
mendingen2.78 0.41 1.47 0.11 0.31 0.70 2.17 0.82 1.17 1.91 1.03 1.09 1.80 1.57 0.88 0.80 1.06
LK Enzkreis 2.78 1.88 1.60 0.96 0.16 0.70 0.79 1.15 1.06 1.19 1.32 1.03 1.76 1.60 0.95 1.07 1.13LK Esslingen 2.78 0.05 1.21 0.55 0.49 0.79 0.83 1.09 1.10 2.08 0.99 1.25 1.51 1.29 0.98 0.98 1.09
LKFreudenstadt
2.78 2.40 1.50 0.58 0.11 0.36 0.94 1.09 1.52 1.57 0.87 1.00 2.33 1.52 1.07 0.90 1.15
LKGöppingen
2.78 0.81 1.17 0.32 0.45 0.64 2.03 0.93 1.27 1.64 0.90 1.06 1.98 1.42 1.07 0.93 0.96
LKHeidenheim
2.78 2.11 1.03 0.82 0.42 0.39 1.02 1.16 1.26 1.27 1.09 0.88 2.40 1.64 1.10 0.79 1.02
LK Heilbronn 2.78 1.19 0.90 0.75 0.16 0.61 1.12 1.07 1.35 1.61 1.00 0.95 1.77 1.64 1.03 0.73 1.23
36
-
2Baden-W
ürttemberg
2.3Land-und
StadtkreiseTabelle 2: R(t) Veränderungen für Land- und Stadtkreise(continued)
Land
krei
s
Star
twer
t
Schu
lschl
ießu
ng
Kon
takt
verb
ot
Ab
01.0
4.20
Ab
25.0
4.20
Ab
06.0
5.20
Ab
05.0
6.20
Ab
17.0
6.20
Ab
12.0
7.20
Ab
09.0
8.20
Ab
19.0
8.20
Ab
06.0
9.20
Ab
03.1
0.20
Ab
11.1
0.20
Ab
27.1
0.20
Ab
05.1
1.20
Ab
15.1
1.20
LK Hohenlo-hekreis
2.78 0.16 1.04 0.41 0.60 0.67 0.93 0.83 1.35 1.34 1.05 1.16 1.42 1.57 1.13 1.09 0.79
LK Karlsruhe 2.78 0.14 1.77 0.36 0.46 0.94 0.98 0.95 1.20 1.72 0.82 1.19 1.58 1.62 0.98 0.68 1.16LK Konstanz 2.78 0.24 1.66 0.42 0.59 0.44 0.74 1.88 1.18 0.87 1.15 1.01 1.84 1.65 0.95 0.92 0.90LK Lörrach 2.78 1.55 1.14 0.65 0.22 0.38 0.95 1.11 1.67 1.24 1.05 0.96 1.61 1.73 1.25 0.92 0.97
LKLudwigsburg
2.78 1.32 1.16 0.50 0.75 0.52 1.61 0.92 1.19 1.95 0.99 1.17 1.80 1.40 0.88 0.89 0.98
LK Main-Tauber-Kreis
2.78 0.40 1.75 0.41 0.93 0.42 0.84 1.87 0.89 0.80 0.98 1.28 1.97 1.23 0.94 1.50 1.03
LK Neckar-Odenwald-
Kreis
2.78 1.19 1.28 1.01 0.25 0.56 0.79 0.89 1.39 1.31 0.76 1.37 1.92 1.28 0.92 1.41 1.20
LKOrtenaukreis
2.78 1.58 1.69 0.44 1.21 0.49 0.64 0.84 1.48 1.92 0.72 1.39 1.19 1.53 1.11 0.76 1.01
LKOstalbkreis
2.78 0.12 1.58 0.87 0.04 0.47 1.79 1.09 1.21 0.54 1.33 0.96 1.77 1.54 1.10 1.31 0.93
LK Rastatt 2.78 1.55 0.70 0.48 0.47 0.68 1.28 1.08 1.29 1.62 0.98 0.86 2.61 1.63 0.76 1.12 1.01LK
Ravensburg2.78 1.23 0.51 0.48 0.48 0.60 1.29 1.47 1.20 1.61 0.89 0.86 1.91 1.51 1.14 0.92 1.01
LK Rems-Murr-Kreis
2.78 1.82 1.19 0.59 1.19 0.46 1.36 1.05 1.10 1.84 0.89 0.98 1.98 1.49 1.09 0.82 1.10
37
-
2Baden-W
ürttemberg
2.3Land-und
StadtkreiseTabelle 2: R(t) Veränderungen für Land- und Stadtkreise(continued)
Land
krei
s
Star
twer
t
Schu
lschl
ießu
ng
Kon
takt
verb
ot
Ab
01.0
4.20
Ab
25.0
4.20
Ab
06.0
5.20
Ab
05.0
6.20
Ab
17.0
6.20
Ab
12.0
7.20
Ab
09.0
8.20
Ab
19.0
8.20
Ab
06.0
9.20
Ab
03.1
0.20
Ab
11.1
0.20
Ab
27.1
0.20
Ab
05.1
1.20
Ab
15.1
1.20
LKReutlingen
2.78 1.69 1.73 0.67 0.06 0.32 1.01 1.28 1.38 1.28 1.32 0.97 1.51 1.47 1.10 1.12 1.06
LK Rhein-Neckar-Kreis
2.78 1.47 0.76 0.25 1.62 0.48 0.88 1.52 1.15 1.81 0.78 1.08 1.46 1.63 1.12 0.95 1.00
LK Rottweil 2.78 5.12 1.98 0.60 0.43 0.49 0.85 0.79 1.40 1.73 1.01 1.06 1.98 1.57 1.21 0.62 1.22LK
SchwäbischHall
2.78 1.28 1.26 0.52 0.66 0.57 0.81 0.81 1.54 1.46 1.10 1.24 1.32 1.31 0.90 0.90 1.14
LKSchwarzwald-
Baar-Kreis
2.78 1.78 1.10 0.66 0.66 0.68 1.25 0.56 1.30 1.89 0.67 1.28 2.30 1.35 1.18 1.29 1.05
LKSigmaringen
2.78 2.81 1.10 0.40 0.20 0.44 0.95 1.04 1.64 1.51 0.75 1.09 1.41 1.61 1.03 0.87 1.00
LK Tübingen 2.78 3.31 0.57 0.36 0.75 0.60 0.78 0.75 1.36 2.64 0.99 0.99 2.09 1.44 0.86 0.71 1.12LK
Tuttlingen2.78 4.72 1.17 0.54 0.59 0.48 1.25 0.87 1.29 2.07 0.64 1.28 1.67 1.37 1.32 1.53 0.83
LK Waldshut 2.78 0.74 1.70 0.40 0.29 0.57 1.27 1.36 1.20 1.52 0.87 1.18 1.25 1.79 1.03 0.90 1.10LK Zollernal-
bkreis2.78 2.64 0.96 0.83 0.45 0.39 1.32 0.84 1.25 2.03 0.81 0.85 1.64 1.76 1.11 0.74 1.21
SKBaden-Baden
2.78 1.48 1.32 0.46 0.35 0.56 0.99 0.88 1.41 1.98 0.96 1.16 2.04 1.36 0.93 1.17 0.97
38
-
2Baden-W
ürttemberg
2.3Land-und
StadtkreiseTabelle 2: R(t) Veränderungen für Land- und Stadtkreise(continued)
Land
krei
s
Star
twer
t
Schu
lschl
ießu
ng
Kon
takt
verb
ot
Ab
01.0
4.20
Ab
25.0
4.20
Ab
06.0
5.20
Ab
05.0
6.20
Ab
17.0
6.20
Ab
12.0
7.20
Ab
09.0
8.20
Ab
19.0
8.20
Ab
06.0
9.20
Ab
03.1
0.20
Ab
11.1
0.20
Ab
27.1
0.20
Ab
05.1
1.20
Ab
15.1
1.20
SK Freiburgi.Breisgau
2.78 0.25 1.53 0.20 0.27 0.71 1.32 1.07 1.40 1.28 1.13 1.07 1.78 1.43 0.74 1.05 1.12
SKHeidelberg
2.78 0.99 0.96 0.22 0.83 1.01 1.04 0.72 1.47 1.68 1.09 0.84 2.21 1.45 1.17 0.59 1.14
SK Heilbronn 2.78 2.38 1.32 0.40 0.35 1.02 1.31 0.60 1.22 2.69 0.68 0.99 2.30 1.40 1.04 0.99 1.05SK Karlsruhe 2.78 0.99 1.17 0.54 0.42 0.61 2.52 0.60 1.31 1.74 0.88 1.08 1.74 1.70 0.80 0.93 1.00
SKMannheim
2.78 0.22 1.24 0.52 0.53 0.75 1.37 1.07 1.31 1.65 1.03 1.07 1.52 1.45 1.01 1.40 0.91
SKPforzheim
2.78 0.95 1.79 1.15 0.36 0.78 0.34 1.29 1.08 1.14 1.13 0.99 1.46 1.80 1.00 0.87 1.28
SK Stuttgart 2.78 0.05 0.88 0.60 0.75 0.81 0.88 1.20 1.08 2.01 0.97 1.13 1.80 1.29 1.00 1.08 0.90SK Ulm 2.78 1.26 1.00 0.42 1.05 0.74 0.80 1.34 1.30 1.34 1.06 0.84 1.96 1.45 1.06 1.02 1.04
39
-
3 Bayern
3 Bayern
3.1 Modellbeschreibung
Abb. 33 stellt auf einer linearen (A) und halblogarithmischen (B) Skala die Ergebnisse derModellierung (Linie) im Vergleich zu den observierten Daten (Punkte) für Bayern dar.
ICU beatmet
ICU Betten
KH Betten
Todesfälle
Genesen
Fälle
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
050000
100000150000200000250000
0
50000
100000
150000
01000200030004000
01000200030004000
0
200
400
600
800
0
200
400
A | linear
ICU beatmet
ICU Betten
KH Betten
Todesfälle
Genesen
Fälle
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
1e+03
1e+04
1e+05
1e+011e+021e+031e+041e+05
1
10
100
1000
100
300
1000
3000
30
100
300
10
30
100
300
B | log
FälleGenesen
TodesfälleKH akut
ICU akutICU beatmet akut
Abbildung 33: Modellbeschreibung der gemeldeten Fallzahlen, Belegung von KH Betten,Genesen und Todesfällen in Bayern. Punkte: gemeldete Daten; Linie: Modellbeschreibung.
40
-
3 Bayern 3.1 Modellbeschreibung
Abb. 34 zeigt die Güte der Modellanpassung (“Goodness-of-Fit”) für Bayern. Die vomModell errechneten Werte sind gegen die observierten Daten aufgetragen. Bei guter Model-lanpassung streuen die Punkte zufällig entlang der Ursprungsgerade.
KH Betten ICU Betten ICU beatmet
Fälle Genesen Todesfälle
010
0020
0030
0040
00 0 200
400
600
800 0
200
400
0
5000
0
1000
00
1500
00
2000
00
2500
00 0
5000
0
1000
00
1500
00 010
0020
0030
0040
00
0
1000
2000
3000
4000
0
200
400
0
50000
100000
150000
0
200
400
600
800
0
50000
100000
150000
200000
250000
0
1000
2000
3000
4000
Observierte Daten
Mod
ellb
esch
reib
ung
Abbildung 34: Goodness-of-Fit Plots für Bayern. Linie: Ursprungsgerade.
41
-
3 Bayern 3.1 Modellbeschreibung
Abb. 35 zeigt den Einfluss von Nicht-Pharmazeutischer Interventionen (NPI) auf R(t) fürBayern (rote Linie) im Vergleich mit den anderen Bundesländern (graue Linien).
2.78 2.79
1.51
0.57 0.56 0.670.94
1.13 1.191.45
1.150.99
1.59 1.581.25
1.00 1.01
0
1
2
3
Star
twer
t
Schu
lschli
eßun
g
Kont
aktve
rbot
Ab 0
1.04
.20
Ab 2
5.04
.20
Ab 0
6.05
.20
Ab 0
5.06
.20
Ab 1
7.06
.20
Ab 1
2.07
.20
Ab 0
9.08
.20
Ab 1
9.08
.20
Ab 0
6.09
.20
Ab 0
3.10
.20
Ab 1
1.10
.20
Ab 2
7.10
.20
Ab 0
5.11
.20
Ab 1
5.11
.20
R(t
)
Modellstand: 09.12.2020; Datenstand: 08.12.2020
Abbildung 35: R(t) Werte vor und nach den NPIs für Bayern
Abb. 36 zeigt den R(t) Schätzwert für Bayern (rote Linie) über die Zeit im Vergleich mitden anderen Bundesländern (graue Linien).
2.782.79
1.51
0.57 0.560.67
0.941.13 1.19
1.45
1.150.99
1.591.58
1.251.001.01
0
1
2
3
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
R(t
)
Abbildung 36: R(t) Werte über die Zeit für Bayern
42
-
3 Bayern 3.1 Modellbeschreibung
Abb. 37 zeigt die Veränderung von Hospitalisierungs- und Sterberaten für Bayern (roteLinie) über die Zeit im Vergleich mit den anderen Bundesländern (graue Linien).
0.156
0.055 0.0290.078 0.107 0.107
0.246
0.110 0.113 0.0910.161
0.278
0.125 0.128 0.1030.183
1.000
0.450 0.460 0.371
0.657
Sterberate ICU Beatmet
Sterberate ICU
Sterberate Normalstation
Hospitalisierungsrate
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
0.00
0.10
0.20
0.30
0.00
0.20
0.40
0.00
0.20
0.40
0.60
0.00
0.25
0.50
0.75
1.00
Abbildung 37: Hospitalisierungsrate und Sterberaten (Normalstation, ICU und ICU beat-met) über die Zeit für Bayern
43
-
3 Bayern 3.1 Modellbeschreibung
0
25
50
75
01.0
3.20
01.0
4.20
01.0
5.20
01.0
6.20
01.0
7.20
01.0
8.20
01.0
9.20
01.1
0.20
01.1
1.20
01.1
2.20
Ant
eil F
älle
[%]
0 bis 14 15 bis 59 60 bis 79 80 und älter
Abbildung 38: Alterverteilung der COVID-19 Fälle über die Zeit in Bayern. Durchge-zogene Linie: Anteil der Fälle je Altersgruppe zusammengefasst je Woche. GestrichelteLinie: Anteil der Altersgruppe an der Gesamtbevölkerung (Deutschland).
44
-
3 Bayern 3.2 Modellvorhersage
3.2 Modellvorhersage
Vorhersage für die nächsten 8 Wochen unter der Annahme, dass sich R(t)Schätzwert nicht ändern wird (R(t) = 1.01) und unter der Annahme ver-schiedener Szenarien ab dem 09.12.2020Abb. 39 und 40 stellen auf einer linearen (39) und einer halblogarithmischen (40) Skaladie Modellvorhersage für die nächsten 8 Wochen für Bayern dar. In dieser Simulationwurden verschiedene Szenarien des möglichen Verlaufs ab dem 09.12.2020 getestet.
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
KH akut Todesfälle
ICU akut ICU beatmet akut
Fälle Genesen
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
1.21
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
1.21
0
100,000
200,000
300,000
400,000
0
200
400
600
0
2,500
5,000
7,500
10,000
0
200,000
400,000
0
500
1,000
0
2,000
4,000
R(t) ab 09.12.2020 auf 0.6R(t) ab 09.12.2020 auf 0.8
R(t) ab 09.12.2020 auf 1.1R(t) gleichbleibend
Modellstand: 09.12.2020; Datenstand: 08.12.2020
Abbildung 39: Lineare Darstellung der Modellvorhersage (Fallzahlen, Genesen, ICUBeatmet, ICU Betten, KH Betten, Todesfälle) für Bayern unter Annahme verschiedenerSzenarien ab dem 09.12.2020. Punkte: gemeldete Fallzahlen; Linien: Modellvorhersage.
45
-
3 Bayern 3.2 Modellvorhersage
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
09.1
2.20
20in
2 W
oche
nin
4 W
oche
n
in 8
Woc
hen
KH akut Todesfälle
ICU akut ICU beatmet akut
Fälle Genesen
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
1.21
01.0
5.20
01.0
7.20
01.0
9.20
01.1
1.20
01.0
1.21
10
1,000
100,000
1
10
100
1,000
1
10
100
1,000
10,000
10
1,000
100,000
1
10
100
1,000
1
10
100
1,000
R(t) ab 09.12.2020 auf 0.6R(t) ab 09.12.2020 auf 0.8
R(t) ab 09.12.2020 auf 1.1R(t) gleichbleibend
Modellstand: 09.12.2020; Datenstand: 08.12.2020
Abbildung 40: Halblogarithmische Darstellung der Modellvorhersage (Fallzahlen, Gene-sen, ICU Beatmet, ICU Betten, KH Betten, Todesfälle) für Bayern unter Annahme ver-schiedener Szenarien nach dem 09.12.2020. Punkte: gemeldete Fallzahlen; Linien: Model-lvorhersage.
46
-
3 Bayern 3.2 Modellvorhersage
Vorhersage für