COVID-19 aus datenwissenschaftlicher Sicht

Bild: NIAID/CC BY-2.0

Wie uns repräsentative Untersuchungen dabei helfen die Zahlen korrekt zu deuten

Im nachfolgenden Artikel wird betrachtet, wie die momentane Datengrundlage bei den offiziellen Statistiken zu COVID-19 aussieht. Es wird darauf eingegangen, warum repräsentative Untersuchungen benötigt werden und welche bisher vorliegen. Weiterhin wird dargelegt, dass rund die Hälfte der mit COVID-19 infizierten Personen keine Symptome aufweist. Anhand der repräsentativen Untersuchungen wird berechnet, dass die wahrscheinliche Letalität von COVID-19 bei rund 0,3% liegt und wie hoch die statistische Unsicherheit dieses Wertes ist. Außerdem wird gezeigt, warum Deutschland im Gegensatz zu anderen stark von der Pandemie betroffenen Länder gut auf Spitzen in der intensivmedizinischen Betreuung durch ein Pandemiegeschehen vorbereitet ist und auch noch größere Spitzen intensivmedizinisch betreut werden können.

Datengrundlage

Für Datenwissenschaftler ist es wünschenswert, dass Daten möglichst vollständig und genau erhoben werden und damit möglichst fehlerfrei sind. Auf diese Weise wird sichergestellt, dass aus den Daten korrekte Informationen abgeleitet werden können und somit die Möglichkeit von Fehlinterpretationen minimiert wird. Es stellt sich daher die Frage, ob dieser wünschenswerte Zustand auch auf die Daten zu COVID-19 zutrifft.

Nach der anfänglichen Empfehlung des Robert-Koch-Instituts (RKI) sollten Personen auf COVID-19 getestet werden, die den nachfolgenden Kriterien entsprechen1:

• wer Erkältungsbeschwerden hat und innerhalb der 14 Tage vor Erkrankungsbeginn Kontakt zu einem bestätigten Covid-19-Fall hatte oder

• wer Erkältungsbeschwerden hat und sich in den 14 Tagen vor Beginn der Beschwerden in einem Risikogebiet aufgehalten hat.

Kann dieses Vorgehen jedoch dazu führen, dass wirklich alle COVID-19-Fälle bekannt gemacht werden und damit die offizielle Zahl der Infektionen korrekt ist?

Wenn man tatsächlich alle Kontaktpersonen eines Infizierten ausfindig machen könnte, wäre das denkbar. Das Virus hat eine mittlere Inkubationszeit von 5 - 6 Tagen, wobei die Spannweite sogar von 1 - 14 Tagen reichen kann.2 Erst nach mehreren Tagen macht sich somit eine Infektion bemerkbar. Zu Beginn der Pandemie konnten so Infizierte, die nichts von ihrer Infektion wussten, den eng besetzten ÖPNV nutzen und an Veranstaltungen teilnehmen, die einen engen Personenkontakt ermöglichen, wie Diskothekenbesuche oder der Besuch von Fußballstadien. Anfänglich wurden diese Personen auch bei Auftreten von Symptomen nicht getestet, wenn sie nicht mit einem nachweislich Infizierten in Kontakt waren oder aus einem Risikogebiet zurückgekehrt waren. Viele Infizierte konnten so nicht entdeckt werden.

Aus Sicht des RKI war die Empfehlung damals sicherlich verständlich, da die Testkapazitäten nur begrenzt vorhanden waren und die Labore nicht überfordert werden sollten. So musste sich auf die wahrscheinlichsten Fälle konzentriert werden. Aus Data-Science-Sicht, möglichst vollständige Informationen zu sammeln, ist das hingegen kein wünschenswerter Zustand. Zumal so eine Verschiebung der Daten gegeben ist und sie damit nicht als repräsentativ gesehen werden können.

Genaue Aussagen wie "x Personen sind mit dem COVID-19-Virus infiziert", "x Personen der Infizierten weisen eine Lungenentzündung auf" oder "x Prozent der Infizierten sind an COVID-19 gestorben" sind so nicht möglich. Es sollten Formulierungen gewählt werden, wie "bei x Personen wurde der COVID-19-Virus nachgewiesen", "x Personen der nachweislich Infizierten weisen eine Lungenentzündung auf" oder "x Prozent der nachweislich Infizierten sind gestorben". Aus diesem Grund sind repräsentative Untersuchungen absolut wünschenswert, auf die im Folgenden eingegangen wird.

Repräsentative Untersuchungen

Als repräsentative Beispiele können die COVID-19-Fälle auf dem Kreuzfahrtschiff "Diamond Princess" angesehen werden. Dort wurden alle Passagiere und Besatzungsmitglieder getestet, unabhängig der vorliegenden Symptomatik, wodurch eine nähere Betrachtung ermöglicht wird.3 Auch auf Flugzeugträgern breitete sich COVID-19 aus. Auf der "Charles de Gaulle" wurden alle Personen getestet4, auf der "USS Theodore Roosevelt" rund 94% der Besatzungsmitglieder.5 Allerdings muss berücksichtigt werden, dass beim Kreuzfahrtschiff das Medianalter bei knapp 60 Jahren lag und damit höher als in der Bevölkerung. Bei den Flugzeugträgern hingegen waren durchschnittlich jüngere, gesunde Personen an Bord.

Um repräsentativere Zahlen zu erhalten, lohnt sich auch ein Blick nach Island. Dort wurden parallel zu den Tests durch die isländischen Behörden auch Tests durch die Forschungsinstitution deCode Genetics durchgeführt. Im Unterschied zu den isländischen Behörden, die nur Personen mit Symptomen getestet haben, wurden die getesteten Personen durch deCode Genetics zufällig ausgewählt.6 Dadurch ist ein repräsentativer Blick auf die Gesamtbevölkerung möglich.

Weiterhin gibt es eine Untersuchung in Santa Clara County, Kalifornien, welche durch die Stanford University School of Medicine durchgeführt wurde. Dabei wurden Blutproben von 3.300 Personen getestet. Die Personen wurden über eine Werbeschaltung auf Facebook kontaktiert. Sie mussten außerdem über ein Fahrzeug verfügen, um zu den Teststationen fahren zu können. Die Autoren der Untersuchung schreiben hierzu, dass dies zu einer Überrepräsentation von weißen Frauen im Alter von 19 bis 64 Jahren geführt hat.7

Seit Kurzem gibt es auch eine repräsentative Untersuchung aus Deutschland. Durch das Universitätsklinikum Bonn wurden in der besonders stark betroffenen Gemeinde Gangelt etwa 1000 Personen sowohl auf das Vorhandensein des Virus als auch auf das Vorhandensein von Antikörper untersucht. Die Studie läuft noch, allerdings wurde bereits ein erstes Zwischenergebnis nach ca. 500 ausgewerteten Personen bekannt gemacht. Nach Bekanntgabe der Zwischenergebnisse wurde die erste Kritik laut. So wurde Kritik geäußert, dass es bisher nur einen Test gibt, der zuverlässig COVID-19-Antikörper nachweisen kann und gleichzeitig nicht auf andere, harmlose Corona-Viren anschlägt. Aus den Zwischenergebnissen sei jedoch keine Information zum verwendeten Test mitgeteilt worden.8

Die Studie wird am Universitätsklinikum Bonn durchgeführt, von Professoren von Instituten der Virologie, klinischen Chemie und Pharmakologie, Hygiene und öffentliche Gesundheit und auch medizinischen Biometrie, Informatik und Epidemiologie. Da Fachleute die Studie durchführen, sollte zunächst davon ausgegangen werden, dass ein Test verwendet wurde, der die Antikörper verlässlich nur den COVID-19-Antikörpern zuordnet. Sollte in Zukunft festgestellt werden, dass der Test nicht geeignet war, muss der statistische Fehler noch genauer betrachtet werden. Nachdem Prof. Dr. Drosten Kontakt mit dem Studienleiter Prof. Dr. Streeck hatte, geht auch er nun von einer "extrem soliden, robusten Studie" aus.9

Im weiteren Verlauf dieses Artikels wird immer wieder Bezug auf diese Untersuchungen genommen, da sie einen repräsentativen Blick auf die Datenlage ermöglichen. Zwei weitere Untersuchungen werden einerseits für München von der Abteilung für Infektions- und Tropenmedizin des LMU Klinikum München10 und andererseits bundesweit durch das Robert-Koch-Institut (RKI)11 durchgeführt. Ergebnisse hierzu liegen zurzeit noch nicht vor. Die Durchführung solcher Studien kann nur begrüßt werden, da so ein repräsentatives Bild über das Virus ermöglicht wird.

Infizierte ohne oder mit milden Symptomen

Erste Anhaltspunkte, dass die Infektion auch ohne oder nur mit milden Symptomen abläuft, lieferte eine Studie aus China. Es handelte sich nicht um eine für die Bevölkerung repräsentative Studie, da nur gemeldete Fälle untersucht wurden. Dennoch kann es einen ersten Eindruck darüber vermitteln, wie das Virus bei den gemeldeten Fällen gewirkt hat. Es konnte gezeigt werden, dass rund 80% der gemeldeten Fälle mit milden Symptomen ablaufen, wobei es auch Infektionen ohne Symptome gab.12

Sowohl beim Kreuzfahrtschiff "Diamond Princess", dem Flugzeugträger "Charles de Gaulles" als auch bei den Proben der isländischen Forschungsinstitution deCode Genetics fiel auf, dass rund die Hälfte der Infizierten keine Symptome aufwiesen. Beim Flugzeugträger "USS Theodore Roosevelt" waren es sogar 60,7%. Das verdeutlicht, wie unbemerkt sich das Virus in der Gesellschaft verbreiten kann. Bedenkt man dabei die anfängliche Empfehlung des RKI, dass eine Person neben Symptomen auch noch zusätzlich mit einem nachweislich Infizierten in Kontakt gewesen oder zumindest aus einem Risikogebiet zurückgekehrt sein muss, lässt das auf eine hohe Dunkelziffer schließen.

Letalität

Schaut man sich die offiziellen Letalitätswerte der einzelnen Länder an, fallen große Abweichungen auf. Stand 29.04.2020 wurde die Letalität in Deutschland mit 3,94% angegeben, weltweit mit 6,96% und in Belgien sogar mit 15,67%.

Kann das gleiche Virus in unterschiedlichen Ländern zu so unterschiedlichen Werten der Letalität führen?

Eigentlich ist davon auszugehen, dass ein Virus bei ähnlicher medizinischer Versorgung auch ähnlich tödlich ist. Dazu muss man sich vor Augen halten, wie die Letalität berechnet wird: Sie ergibt sich, indem die Anzahl der Todesfälle bei nachgewiesenen COVID-19-Infizierten ins Verhältnis mit der Anzahl nachgewiesener COVID-19-Infizierter gesetzt wird. Gibt es in den einzelnen Ländern aufgrund der unterschiedlichen Testgegebenheiten eine unterschiedlich hohe Dunkelziffer an Infizierten, führt dies automatisch zu unterschiedlich berechneten Werten für die Letalität.

Wie vorab bereits gezeigt, spricht einiges für eine sehr hohe Dunkelziffer bei der Anzahl der Infizierten. Bei den Toten hingegen ist eine solch hohe Dunkelziffer nicht zu erwarten. Es ist davon auszugehen, dass diese Personen vorher starke Symptome aufwiesen und intensivmedizinisch betreut und dementsprechend auf COVID-19 getestet worden sind. Das RKI sagte hierzu: "Wir gehen davon aus, dass die Patienten diagnostiziert werden, bevor sie sterben." Mittlerweile wird vom RKI eine andere Aussage getätigt: "Ich gehe davon aus, dass wir mehr Tote haben, als offiziell gezählt werden." Von wieviel mehr Toten ausgegangen wird, wird jedoch nicht gesagt.

Das Gesundheitsministerium von Hessen sagt hierzu, dass bisher keine Übersterblichkeit im Zusammenhang mit dem Coronavirus festzustellen sei. Auch die Gesundheitsverwaltung von Berlin sagt hierzu, dass in den vergangenen Wochen nur eine geringe Übersterblichkeit festzustellen war. Diese sei wahrscheinlich primär auf Influenza und nicht auf COVID-19 zurückzuführen. Dabei sei angemerkt, dass es in anderen Ländern, siehe Euromomo, durchaus eine Übersterblichkeit gibt, hier jedoch nur Deutschland betrachtet wird.

Im Gegensatz dazu gibt es Obduktionsergebnisse, nach denen nicht alle in der Statistik als COVID-19-Tote geführten auch an COVID-19 gestorben sind (siehe Abschnitt "Obduktionsergebnisse zu COVID-19"). Aus datenwissenschaftlicher Sicht kann anhand der bis jetzt zur Verfügung stehenden Daten nicht gesagt werden, ob mehr oder weniger Personen an COVID-19 gestorben sind, als in der Statistik für Deutschland aufgeführt wird. Deshalb wird im weiteren Verlauf der offizielle Wert in der Statistik herangezogen.

Zur Abschätzung der Letalität von COVID-19 lohnt sich ein Blick auf die Erkenntnisse des Kreuzfahrtschiffs "Diamond Princess". Das Medianalter lag auf dem Kreuzfahrtschiff mit rund 60 Jahren höher als die der Normalbevölkerung. Deshalb wurde die Letalität näherungsweise altersbereinigt mit 0,5% angegeben mit einer Unsicherheit von 0,25 Prozentpunkten in beide Richtungen.13 Dieser Wert tritt auf, obwohl die ärztliche Versorgung auf dem Kreuzfahrtschiff nicht so gewährleistet werden konnte, wie an Land mit Intensivbetten und Beatmungsgeräten.

Auf dem Flugzeugträger "Charles de Gaulles" wurden 1081 Besatzungsmitglieder positiv auf COVID-19 getestet. Davon mussten 24 im Krankenhaus behandelt werden, 2 von ihnen intensivmedizinisch, keiner starb bisher. Auf dem Flugzeugträger "USS Theodore Roosevelt" wurde bei 660 Besatzungsmitgliedern COVID-19 nachgewiesen. Einer verstarb, was einer Letalität von 0,15% entspricht. Betrachtet man beide Flugzeugträger gemeinsam, verstarben von 1.741 infizierten Besatzungsmitgliedern ein Infizierter, was einer Letalität von 0,06% entspricht. Sicherlich sind diese Werte nicht auf die Gesamtbevölkerung übertragbar, da die Besatzungsmitglieder im Schnitt jünger und gesünder sind.

Die Untersuchung in Santa Clara County, Kalifornien, welche durch die Stanford University School of Medicine durchgeführt wurde, kommt auf eine Letalität von 0,12% - 0,2%. Hierbei muss beachtet werden, dass die Auswahl der Personen nicht zufällig erfolgte. Die Personen wurden mittels einer Werbeanzeige bei Facebook angeschrieben. Weiterhin mussten sie ein Auto besitzen, um zu den Testständen fahren zu können. Das könnte dazu führen, dass gerade Personen an der Studie teilgenommen haben, die jünger und mobiler sind und so das Virus weiter verbreitet haben, als es im Durchschnitt in der Bevölkerung passiert ist. Das würde zu einer zu hohen Annahme an bereits Infizierten führen, wodurch die Letalität zu niedrig berechnet wäre. Eine Altersverteilung der Untersuchten wurde in der Studie nicht angegeben.

Durch die Untersuchung in Gangelt liegen seit Kurzem auch Zwischenergebnisse aus Deutschland vor. Dabei konnte festgestellt werden, dass bereits 15% der Bevölkerung in Gangelt entweder aktuell oder in der Vergangenheit den Virus in sich getragen haben.14 Getestet wurden 509 Personen, so dass rechnerisch ungefähr 76 Personen den Virus in sich getragen haben müssen. Eine genaue Zahl wurde bei der Präsentation der Zwischenergebnisse nicht angegeben.

Auf die Ergebnisse in Gangelt wird nachfolgend näher eingegangen. Bei der Betrachtung der Zahlen muss sowohl auf die Spezifität als auch die Sensitivität des Tests eingegangen werden. Die Spezifität gibt an, wieviel Prozent der Tests bei Personen, die keine Antikörper gegen COVID-19 ausgebildet haben, auch tatsächlich negativ getestet werden. Nach Herstellerangaben liegt die Spezifizität bei > 99%. Geht man davon aus, dass von den 509 Testteilnehmern ungefähr 440 Personen keine Antikörper ausgebildet haben, würden ungefähr vier Personen zu viel in der Statistik aufgeführt werden. Es wären demnach nur 72 Personen. Allerdings muss auch die Sensitivität des Tests betrachtet werden.

Die Sensitivität sagt aus, wieviel Prozent der Tests bei Personen, die tatsächlich Antikörper gegen COVID-19 ausgebildet haben, auch positiv getestet werden. Nach Herstellerangaben liegt die Sensitivität bei 100%, wenn mindestens 20 Tage seit Auftreten von Symptomen vergangen sind, ansonsten kann sie auf 87,5% sinken.

Betrachtet man nun die 72 Personen, bei denen korrekterweise COVID-19 nachgewiesen wurde, würde das bedeuten, dass zwischen 72 und 82 Personen tatsächlich COVID-19 infiziert waren. Dass jedoch bei allen tatsächlich Infizierten mindestens die geforderten 20 Tage vergangen waren, kann bei der jetzigen Akutlage bezweifelt werden, weshalb nicht von einer 100%-igen Sensitivität ausgegangen werden kann. Sinkt jedoch die Sensitivität, steigt die Anzahl der tatsächlich Infizierten. Deshalb ist es plausibel, auch weiterhin von den zuvor berechneten 76 Personen, die COVID-19 infiziert waren oder es sind, auszugehen. Läge der Wert über den 76 Personen, würde der prozentuale Anteil der bereits infizierten Bevölkerung steigen und damit die berechnete Letalität sinken.

Schaut man sich die Betaverteilung zu den Infizierten an, stellt man fest, dass der tatsächliche Wert für den prozentualen Anteil mit einer Genauigkeit von 95% im Bereich zwischen 12% und 18 % liegt. Der wahrscheinlichste Wert für den Anteil an Infizierten in Gangelt liegt demnach bei 14,79%. Kann der Anteil an Infizierten von 15% auf die gesamten 1010 Studienteilnehmer bestätigt werden, steigen die Sicherheit und die Spannweite des 95%-Konfidenzintervalls, verringert sich auf rund 13% bis 17%. Der wahrscheinlichste Wert für den Anteil an Infizierten in Gangelt läge dann bei 14,98%.

Die Zwischenergebnisse wurden durch den Epidemiologen Krause kritisiert: "Man darf dann keineswegs alle Ergebnisse aus diesen Haushalten nehmen und in Prozent umrechnen, sondern allenfalls eine Person pro Haushalt." Als Grund gibt er an, dass innerhalb der Haushalte das Infektionsrisiko um ein Vielfaches höher als in der Bevölkerung allgemein sei und eine vollständige Zählung aller Familienmitglieder daher nicht korrekt wäre.

Doch ist diese Aussage so haltbar? Bei einer repräsentativen Untersuchung sollte die untersuchte Gruppe möglichst den Querschnitt der Gesellschaft wiederspiegeln, um so repräsentativ für die Gesellschaft zu sein. Kritisiert wird nun, dass das Infektionsrisiko nicht vergleichbar sei. Doch die Bedingungen in Gangelt waren so, wie auch im restlichen Deutschland. Auch im restlichen Deutschland sind die unentdeckt Infizierten weiterhin in Kontakt mit den im selben Haushalt lebenden Personen und können diese anstecken, so wie es auch in Gangelt der Fall war.

Sicherlich kann der Wert von 15% Infizierten nicht auf das gesamte Bundesgebiet übertragen werden, da Gangelt besonders stark betroffen war. Jedoch kann der Wert für die Letalität unter Berücksichtigung des statistischen Fehlers auf Deutschland übertragen werden. Denn die Zählung der Gestorbenen mit COVID-19 ist überall in Deutschland gleich und muss dem RKI mitgeteilt werden.

Bei den Zwischenergebnissen zur Untersuchung in Gangelt wurde eine Letalität von 0,37% angegeben. Bei Betrachtung der Betaverteilung kann mit einer Genauigkeit von 95% davon ausgegangen werden, dass die tatsächliche Letalität zwischen 0,15% und 0,69% liegt. Die Dichtefunktion ist augenscheinlich linkssteil/rechtsschief. Das führt dazu, dass der wahrscheinlichste Wert für die Letalität mit 0,32% unter der berechneten Letalität von 0,37% liegt.

Hierbei muss berücksichtigt werden, dass die angenommene Letalität von 0,37% berechnet wurde aus den 7 bekannten Todesfällen und den aufgrund der bei den Zwischenergebnissen zur Studie in Gangelt hochgerechneten 1879 Infizierten. Diese hochgerechnete Zahl ergibt sich aus den 15% beobachteten Infizierten zu der Studie. Wie zuvor gezeigt, liegt der tatsächliche Anteil an Infizierten in Gangelt aufgrund des statistischen Fehlers zu 95% zwischen 12% und 18%. Je nachdem, wie hoch die Zahl der Infizierten tatsächlich ist, ändert sich die Letalität. Betrachtet man nun die untere Grenze von 12% an Infizierten in Gangelt, ergibt sich eine Letalität von 0,47%, wobei sich das 95%-Konfidenzintervall für die Letalität auf einen Bereich von 0,19% bis 0,87% erstreckt. Der wahrscheinlichste Wert für die Letalität läge demnach bei 0,4%.

Betrachtet man die obere Grenze des Konfidenzintervalls für den Anteil an Infizierten in Gangelt von 18%, ergibt sich eine Letalität von 0,31% mit einem Konfidenzintervall von 0,12% bis 0,57% und einem wahrscheinlichsten Wert von 0,26%.

Zusammenfassend kann gesagt werden, dass sich der Anteil an Infizierten in Gangelt nach den Zwischenergebnissen der Studie im Bereich zwischen 12% und 18% bewegt, die durchschnittliche Letalität liegt zwischen 0,31% und 0,47%, die wahrscheinlichste Letalität bei 0,26% bis 0,4% und die Spannweite der Letalität erstreckt sich über einen Bereich von 0,12% bis 0,87%. Diese Zahlen decken sich sehr gut mit den Erkenntnissen auf der "Diamond Princess", bei der die altersbereinigte Letalität mit 0,5% und der wahrscheinliche Bereich für die Letalität mit 0,25% bis 0,75% angegeben wurden. Die für Gangelt berechnete Letalität liegt dabei über den Werten der Letalität auf den Flugzeugträgern (0,06% bei jüngerer, gesünderer Besatzung) und auch über der berechneten Letalität für Santa Clara County, Kalifornien (0,12 - 0,2% bei Auswahl der Testpersonen per Facebook). Die für Gangelt berechnete Letalität ist durch den Vergleich mit den anderen, repräsentativen Studien als plausibel einzustufen.

Mittels der ermittelten Letalität kann nun abgeschätzt werden, wie viele Personen in Deutschland tatsächlich bereits mit COVID-19 infiziert waren oder sind. Laut der John-Hopkins-Universität gab es in Deutschland am 30.04.2020 insgesamt 6.467 Tote unter den 161.539 nachgewiesenen COVID-19-Infizierten. Bei der in Gangelt berechneten Letalität von 0,37% bedeutet dies auf ganz Deutschland übertragen allerdings, dass bereits 1.747.838 Personen (ca. 2,1% der Gesamtbevölkerung) in Deutschland mit COVID-19 infiziert waren oder sind. Bei der wahrscheinlichsten Letalität von 0,32% ergeben sich bereits 2.020.938 Infizierte (ca. 2,4% der Gesamtbevölkerung). Bei einer Spanne der Letalität von 0,12% bis 0,87% ergeben sich 743.333 bis 5.389.167 Infizierte (ca. 0,9 bis 6,5% der Gesamtbevölkerung). Dabei handelt es sich um einen Rückblick in die Vergangenheit, da sich die Verstorbenen bereits vor einiger Zeit infiziert haben.

Es zeigt sich, dass die Spannweite der tatsächlich Infizierten noch recht hoch ist. Daher sind die endgültigen Ergebnisse aus Gangelt sehr interessant, um die Spannweite der Konfidenzintervalle verringern und somit die Sicherheit der Zahlen erhöhen zu können. Auch weitere groß angelegte repräsentative Untersuchungen sind wünschenswert. Trotz der Unsicherheiten bei der Anzahl der Infizierten kann gezeigt werden, dass es in Deutschland eine hohe Dunkelziffer gibt.

Obduktionsergebnisse zu COVID-19

In der Statistik der John-Hopkins-Universität und auch des Robert-Koch-Institut werden die Todeszahlen der Personen gezählt, bei denen COVID-19 nachgewiesen worden ist. Das sagt allerdings nicht aus, dass diese Personen auch tatsächlich an COVID-19 gestorben sind. So etwas kann nur durch eine Obduktion geklärt werden. Doch genau das ist nicht passiert. Laut Empfehlung des RKI sollten innere Leichenschauen und Autopsien vermieden werden, um infektionsgefährliche Aerosole bei einer Leichenöffnung zu vermeiden.

Der Bundesverband Deutscher Pathologen (BDP) und die Deutsche Gesellschaft für Pathologie (DGP) bat das RKI darum, diese Empfehlung aufzuheben und möglichst zahlreiche Obduktionen an mit COVID-19 infizierten Gestorbenen durchzuführen. Diese Praxis führt nämlich dazu, dass aus den offiziellen Zahlen nicht abgelesen werden kann, wie viele Personen der in der Statistik aufgeführten COVID-19-Toten auch an COVID-19 gestorben sind. Mittlerweile empfiehlt das RKI nicht mehr, dass keine Obduktionen durchgeführt werden sollen.

In Hamburg wurde von der zuvor empfohlenen Praxis abgewichen und die Toten mit nachgewiesener Infektion mit COVID-19 obduziert. Hierbei konnte festgestellt werden, dass von 65 obduzierten Personen bei 61 COVID-19 als todesursächlich festgestellt wurde. Das bedeutet, dass bei rund 93,9% der obduzierten COVID-19 als als Todesursache auf dem Obduktionsschein eingetragen wurde bzw. bei rund 6,1% nicht. Da die Anzahl an obduzierten Personen noch recht gering ist, unterliegen die rund 93,9% noch einer gewissen Unsicherheit.

Schaut man sich das 95%-Konfidenzintervall der Betaverteilung an, sieht man eine Spannungsbreite von rund 86,9% bis 98,3% an obduzierten, für die COVID-19 als todesursächlich festgestellt werden dürfte. Der wahrscheinlichste Wert liegt hierbei bei 95,2%.

Wie weiter oben beschrieben, geht das RKI mittlerweile davon aus, dass es auch Tote gibt, die an COVID-19 gestorben sind, die nicht in der Statistik aufgeführt werden. Ob es nun also mehr oder weniger COVID-19-Tote als in der Statistik gibt, kann mit den vorliegenden Daten nicht geklärt werden.

Doch noch eine andere Erkenntnis konnte bei den Obduktionen in Hamburg festgestellt werden. Jede der obduzierten Personen wies eine oder mehrere schwerwiegende Vorerkrankungen auf.

Intensivbetreuung der Patienten

Die Anzahl an Todesfällen durch COVID-19 hängt auch davon ab, wie viele Patienten intensivmedizinisch betreut werden können. Deshalb wurden auch Maßnahmen getroffen, um die Kurve der Logistischen Funktion für die Zahl der Neuinfektionen abzuflachen. Denn gibt es mehr intensivmedizinisch zu betreuende Patienten, als es Intensivbetten mit Beatmungsgeräten gibt, versterben ein Großteil oder sogar alle Personen, die dadurch nicht intensivmedizinisch betreut werden können. Deshalb lohnt sich ein Blick, wie viele Intensivbetten pro 100.000 Einwohner pro Land zur Verfügung stehen.

Dabei fällt auf, dass Deutschland im Vergleich zu anderen europäischen Ländern gut dasteht. Weiterhin fällt auf, dass gerade die Länder, die bisher besonders von COVID-19 betroffen sind, deutlich weniger Intensivbetten je 100.000 Einwohner zur Verfügung haben. So stehen in Deutschland mehr als doppelt so viele Intensivbetten je 100.000 Einwohner zur Verfügung wie in Belgien, ungefähr dreimal so viele wie in Italien, Frankreich und Spanien und fünfmal so viele wie in Großbritannien.

Die Krankenhäuser in Deutschland melden der Deutschen Interdisziplinären Vereinigung für Intensiv- und Notfallmedizin die Anzahl der vorhandenen Intensivbetten, wie viele davon generell bzw. mit COVID-19-Patienten belegt sind und wie viele davon beamtet werden müssen. Mit Stand vom 30.04.2020 haben rund 1.256 Krankenhäuser diese Zahlen geliefert. Demnach gibt es aktuell 2.280 nachgewiesene Fälle von mit COVID-19 infizierten Personen, die in den meldenden Krankenhäusern intensivmedizinisch betreut werden. Dabei gibt es 12.792 freie Betten. Wenn diese Auslastung auch auf die nicht meldenden Krankenhäuser zutrifft, kann davon ausgegangen werden, dass es rund 6,6-mal so viele gleichzeitig an COVID-19 Infizierte im Vergleich zu heute geben kann, bevor alle Intensivbetten belegt sind.

Betrachtet man, dass von den 32.691 gemeldeten Intensivbetten 17.619 Betten ohne COVID-19-Bezug belegt sind, sieht man, dass in Deutschland auf unvorhergesehene Spitzen in der intensivmedizinischen Betreuung gut reagiert werden kann. Schaut man sich nun nochmal vergleichsweise die Anzahl der Intensivbetten je 100.000 Einwohner der unterschiedlichen Länder an, scheinen die besonders stark betroffenen Länder wie Belgien, Italien, Spanien, Frankreich und Großbritannien gerade nur die normale Betreuung ohne Pandemiegeschehen gewährleisten zu können. Hohe Spitzen in der intensivmedizinischen Betreuung können so nicht abgefangen werden und das Gesundheitssystem kommt schnell an seine Grenzen.

Fazit

Es lässt sich feststellen, dass Deutschland intensivmedizinisch gut aufgestellt ist, um die Pandemie bewerkstelligen zu können. So kann es ungefähr 6,6-mal so viele zeitgleich mit COVID-19 Infizierte geben, bevor die bisherige Anzahl an Intensivbetten vollständig belegt wären. Die besonders stark betroffenen Länder wie Belgien, Italien, Spanien, Frankreich und Großbritannien scheinen hingegen lediglich den normalen Bedarf an Intensivbetten decken zu können und nicht auf hohe Spitzen durch ein Pandemiegeschehen vorbereitet zu sein.

Die wahrscheinliche Letalität von 0,32% liegt deutlich unter den Werten, die den offiziellen Statistiken entnommen werden können. Dieser Wert liegt zwischen den Erkenntnissen auf den Flugzeugträgern "Charles de Gaulles" und "USS Theodore Roosevelt" (0,06% bei jüngerer, gesünderer Personengruppe) bzw. im Santa Clara County (0,12% - 0,2%) und den Erkenntnissen auf dem Kreuzfahrtschiff "Diamond Prinzess" (altersbereinigt 0,5%, Konfidenzintervall: 0,25% - 0,75%). Daher erscheint der in Gangelt berechnete Wert als plausibel.

Daraus ergibt sich, dass ungefähr 2.020.938 Personen und damit ungefähr 2,4% der deutschen Bevölkerung mit COVID-19 infiziert sind oder es waren, wobei sich die Spanne im Bereich von 725.747 bis 5.261.667 Infizierten bewegt (0,9% bis 6,5% der Gesamtbevölkerung). Dabei muss beachtet werden, dass es sich um einen Rückblick in die Vergangenheit handelt, da sich die Verstorbenen bereits vor einiger Zeit infiziert haben und es einen Meldeverzug bei der Zahl der Todesfälle gibt. Einerseits kann damit gezeigt werden, dass die Dunkelziffer entsprechend hoch ist. Andererseits zeigt es, dass es weiterer, groß angelegter Studien bedarf, um die statistische Unsicherheit zu minimieren und exaktere Zahlen liefern zu können.

Weiterhin kann festgehalten werden, dass rund 50% der Infizierten keine Symptome aufweisen. Für eine gute Datengrundlage sollten daher nicht nur Personen mit Symptomen getestet werden, die mit einem nachweislich Infizierten in Kontakt waren. Es sind repräsentative Untersuchungen notwendig, bei denen ein Querschnitt der Gesellschaft in regelmäßigen Abständen auf COVID-19 getestet wird. Nur so können gesicherte Erkenntnisse zu aufkommenden Symptomen, zu intensivmedizinisch zu betreuenden Personen und zur Letalität gewonnen werden. Bei zukünftigen Pandemien sollte damit frühzeitig begonnen werden.

Daniel Haake, M.Sc. in Data Science, aktuell tätig als Data Scientist bei The unbelievable Machine Company GmbH

(Daniel Haake)