Der Beitrag von epidemiologischen Modellen zur Beschreibung des Ausbruchsgeschehens der COVID-19-Pandemie

Nach dem globalen Ausbruch der COVID-19-Pandemie entwickelte sich eine Infektionsdynamik von immensen Ausmaßen. Seitdem wird versucht, das Infektionsgeschehen mit zahlreichen Maßnahmen unter Kontrolle zu bringen. Das gelang im Frühjahr 2020 sehr gut, während im darauffolgenden Herbst die Anzahl der Infektionen stark anstieg. Zur Vorhersage des Infektionsgeschehens werden epidemiologische Modelle eingesetzt, die grundsätzlich ein sehr wertvolles Werkzeug im Pandemiemanagement sind. Allerdings beruhen sie teils immer noch auf Vermutungen bzgl. der Übertragungswege und möglicher Treiber der Infektionsdynamik. Trotz zahlreicher einzelner Ansätze fehlen auch noch heute in vielen Bereichen systematische epidemiologische Daten, mit denen z. B. die Wirksamkeit einzelner Maßnahmen nachgewiesen werden könnte. In Studien generierte Daten werden aber benötigt, um möglichst belastbare Vorhersagen bzgl. des weiteren Verlaufs der Pandemie treffen zu können. Dabei entwickelt sich die Komplexität der Modelle Hand in Hand mit der Komplexität der zur Verfügung stehenden Daten. In diesem Artikel wird nach einer Abgrenzung zweier grundsätzlicher Modellklassen der Beitrag epidemiologischer Modelle zur Beurteilung verschiedener zentraler Aspekte des Pandemieverlaufs, wie z. B. Reproduktionszahl, Dunkelziffer, Infektionssterblichkeit, sowie zur Berücksichtigung der Regionalität aufgezeigt. Anschließend wird der Einsatz der Modelle zur Quantifizierung der Wirkung von Maßnahmen und der Effekte der Strategie des Testens, Nachverfolgens und Isolierens (""test-trace-isolate strategy"") beschrieben. In der abschließenden Diskussion werden die Limitationen solcher Modellierungsansätze ihren Vorteilen gegenübergestellt.

After the global outbreak of the COVID-19 pandemic, an infection dynamic of immense extent developed. Since then, numerous measures have been taken to bring the infection under control. This was very successful in the spring of 2020, while the number of infections rose sharply the following autumn. To predict the occurrence of infections, epidemiological models are used. These are in principle a very valuable tool in pandemic management. However, they still partly need to be based on assumptions regarding the transmission routes and possible drivers of the infection dynamics. Despite numerous individual approaches, systematic epidemiological data are still lacking with which, for example, the effectiveness of individual measures could be quantified. Such information generated in studies is needed to enable reliable predictions regarding the further course of the pandemic. Thereby, the complexity of the models could develop hand in hand with the complexity of the available data. In this article, after delineating two basic classes of models, the contribution of epidemiological models to the assessment of various central aspects of the pandemic, such as the reproduction rate, the number of unreported cases, infection fatality rate, and the consideration of regionality, is shown. Subsequently, the use of the models to quantify the impact of measures and the effects of the ""test-trace-isolate"" strategy is described. In the concluding discussion, the limitations of such modelling approaches are juxtaposed with their advantages.