Zwei Jahre Corona-Pandemie

Kritische Aspekte zur Modellierung von Erkranktenzahlen und zur notwendigen Datenerhebung

Autor/innen

  • Ralph Brinks
  • Tobias Kurth

Schlagworte:

Erkrankungsmodelle, Coronavirus, Pandemie, Modellbildung, Modellierung

Abstract

Erkrankungsmodelle und deren Ergebnisse haben während der Pandemie eine überragende Rolle gespielt. Folglich stellt sich eine Reihe wichtiger erkenntnistheoretischer Fragen, die wir in diesem Artikel behandeln. Wir widmen uns der Frage, was ein Erkrankungsmodell ist und wollen wissen, wo die Schwierigkeiten beim Betreiben des Modells liegen und welche Grenzen die Interpretation der Ergebnisse solcher Modellierungen haben. Trotz aller Kritikwürdigkeit von Erkrankungsmodellen wollen wir auf die Notwendigkeit von Modellierungen eingehen und für mehr Zurückhaltung bei der Interpretation und Kommunikation der Ergebnisse werben.

Disease models and their results have played a predominant role during the pandemic. Consequently, a number of important epistemological questions arise, which we address in this article. We address the question of what a disease model is and want to know what the difficulties are in using the model and what the limitations are in interpreting the results of such modelling. Despite all the criticism of disease models, we want to address the necessity of modelling and advocate for more restraint in the interpretation and communication of the results.

Literaturhinweise

Butler, Declan 2014: Models overestimate Ebola cases: rate of infection in Liberia seems to plateau, raising questions over the usefulness of models in an outbreak. Nature, vol. 515, no. 7525, 18.

Buxton, Martin J. / Drummond, Michael F. / van Hout, Ben A. / Prince, Richard L. / Sheldon, Trevor A. / Szucs, Thomas / Vray, Muriel 1997: Modelling in Economic Evaluation. Health Economics, vol. 6, no. 3, 217–227.

Dyson, Freeman 2004: A Meeting with Enrico Fermi, Nature, vol. 427, no. 6972, 297.

Hethcote, Herbert W. / Yi, Li / Jing, Zhujun 1999: Hopf bifurcation in models for pertussis epidemiology. Mathematical and Computer Modelling, vol. 30, no.11/12, 29–45.

McKendrick, William O. / Kermack, Anderson Gray 1927: A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society of London. Series A, vol. 115, no. 772, 700–721.

Merkel, Angela 2020: Mitschrift Telefon-Pressekonferenz von Bundeskanzlerin Merkel, Ministerpräsident Söder und dem Ersten Bürgermeister Tschentscher nach der Schaltkonferenz mit den Regierungschefinnen und Regierungschefs der Länder. https://www.bundesregierung.de/breg-de/suche/telefon-pressekonfer enz-von-bundeskanzlerin-merkel-ministerpraesident-soeder-und-dem-ersten-bue rgermeister-tschentscher-nach-der-schaltkonferenz-mit-den-regierungschefinnen -und-regierungschefs-der-laender-1738578, letzter Aufruf 16. Oktober 2021.

Philips, Zoe / Ginnelly, Laura / Sculpher, Marc / Claxton, Karl / Golder, Su / Riemsma, Rob / Woolacott, Nerys / Glanville, Julie 2004: Review of guidelines for good practice in decision-analytic modelling in health technology assessment. Health Technology Assessment, vol. 8, no. 36.

Poincaré, Henri 1902: La science et l’hypothèse. Paris: E. Flammarion [Deutsche Ausgabe 1904: Wissenschaft und Hypothese. Leipzig: B. G. Teubner].

Royal Statistical Society 2021: Statistics, Data and Covid. Ten statistical lessons the government can learn from the past year. https://rss.org.uk/-campaigns/policy /covid-19-task-force/statistics,-data-and-covid/, letzter Aufruf 16. Oktober 2021.

Vygen-Bonnet, Sabine et al. 2021: Beschluss der STIKO zur 9. Aktualisierung der COVID-19-Impfempfehlung und die dazugehörige wissenschaftliche Begründung. Epidemiologisches Bulletin Nr. 33 vom 19. August 2021, 3–46.

Yozwiak, Nathan L. / Schaffner, Stephen F. / Sabeti, Pardis C. 2015: Data sharing: Make outbreak research open access. Nature, vol. 518, no. 7540, 477–479.

Downloads

Veröffentlicht

2022-08-01