Retrospective quantification of the COVID-19 pandemic: Hospitalization and fatality predictions

Als im Dezember 2019 erste Fälle einer bislang unbekannten Krankheit festgestellt wurden, wurde schnell klar, dass entschlossenes Handeln erforderlich sein würde, um deren Ausbreitung einzudämmen. Trotz weltweiter Bemühungen erklärte die WHO diese Krankheit zu einer Pandemie. Die Krankheit selbst wurde COVID-19 genannt. Bevor Impfstoffe verfügbar waren, mussten sich die betroffenen Länder, Regionen und Städte hauptsächlich auf nicht-pharmazeutische Maßnahmen wie soziale Distanzierung und Lockdowns verlassen. Um solche Maßnahmen rational zu gestalten,wurden epidemiologische Modelle zu einem unverzichtbaren Instrument für die Risikobewertung und Prognose von Krankheitsverläufen.Die epidemiologische Modellierung hat eine lange Geschichte, die mit frühen statistischen Aufzeichnungen im 17. Jahrhundert und den ersten mathematischen Formulierungen im 18. Jahrhundert begann. Seither wurden zahlreiche Ansätze entwickelt, darunter Kompartimentmodelle, netzwerkbasierte,agentenbasierte sowie in jüngerer Zeit KI-gestützte Prognosemodelle. Am Institut für Mechanik der Werkstoffe und Strukturen der TU Wien konzentriert sich die Forschung auf die Erweiterung von Kompartimentmodellen durch die Einführung von Zeitverzögerungen und des Superpositionsprinzips. Im Fokus der vorliegenden Arbeit stand Hospitalisierungen als zusätzliche Zustandsvariable einzuführen, wodurch ein zweistufiges Prognosekonzept geschaffen wurde.Die Modellergebnisse zeigten jedoch keine eindeutige Verbesserung der Vorhersagegenauigkeit in diesem erweiterten Ansatz, obwohl eine höhere numerische Stabilität beobachtet wurde. Insgesamt verbesserte das zweistufige Modell die Prognosegenauigkeit in 33 von insgesamt 48 Fällen, doch hinsichtlich des allgemeinen Bestimmtheitsmaßes führte die Einführung der zweiten Stufe nicht zu einer systematischen Verbesserung. Dennoch erzielte das Hereditary-Modell durchgängig die höchsten Bestimmtheitskoeffizienten sowie die niedrigste Standardabweichung und den geringsten Variationskoeffizienten unter allen Modellen, während das Delay-Modell nahezu ebenso gute Ergebnisse lieferte und sich in dieser Hinsicht nicht wesentlich vom Hereditary-Modell unterschied.Zusammenfassend zeigt die Diskussion der Ergebnisse, dass das Hereditary- und das Delay-Modellin Bezug auf die Vorhersagegenauigkeit vergleichbare Leistungen erbringen, wobei die Hereditary-Formulierung eine etwas höhere Stabilität und Robustheit aufweist. Die Sensitivitätsanalyse deutet außerdem darauf hin, dass das Modell durch das Fixieren eines Parameters vereinfacht werden kann, ohne dass dabei eine nennenswerte Genauigkeitseinbuße entsteht, was gleichzeitig die Recheneffizienz verbessert. Diese Ergebnisse unterstreichen das praktische Potenzial des Hereditary-Ansatzes als ein zuverlässiges und effizientes Rahmenwerk zur Beschreibung epidemischer Dynamiken und zur Unterstützung wirksamer Gegenmaßnahmen.