COVID-19: Ein düsteres, aber leider aufgeblasenes Modell fernab der Realität

(Dieser Artikel ist in leicht veränderer Form auch auf Rubikon erschienen)

Am 8. Juni 2020 titelte die BBC News “Coronavirus: Lockdowns in Europe saved millions of lives” [1]. Basis dieser Behauptung bildet eine Modellierungsarbeit vom COVID-19 Response Team des Imperial College London mit Hauptautor Seth Flaxman [2]. Das Modell der Gruppe benutzt die täglichen COVID-19 Sterbezahlen von 11 europäischen Ländern bis zum 4. Mai 2020, um daraus mit Hilfe bestimmter Modellannahmen auf die tägliche Zahl der Neuinfektionen rückzuschließen. Verschiedene Regierungsinterventionen der einzelnen Länder wie die Einführung des Abstandsgebots, Absage öffentlicher Veranstaltungen, Schulschließungen und Lockdown wurden im Modell so berücksichtigt, dass jede Maßnahme die Reproduktionszahl R um einen gewissen Faktor reduziert, der anhand der Daten abgeschätzt wird. Das bedeutet, mehrere Maßnahmen reduzieren R multiplikativ. Die Reproduktionszahl wiederum bestimmt maßgeblich die Zahl der täglichen Neuansteckungen, welche zusammen mit der sogenannten “Infection fatality ratio“ und einer angenommenen Zeitdauer von einer Infektion bis zum Tod die Zahl der täglichen COVID-19 Tode bestimmt. Letztere sind ja als Daten gegeben und erlauben so im Rahmen einer Bayes-Analyse eine Abschätzung der unbekannten Effekte der Regierungsmaßnahmen. Insbesondere folgt nach dieser Berechnung, dass ohne jegliche Maßnahme bis zum 4. Mai 3.100.000 Tode mehr zu erwarten gewesen wären.   

Allein der gesunde Menschenverstand fragt sich, ob dieses Ergebnis realistisch sein kann. In der Tat basiert die Modellierung der täglichen Todeszahlen meines Erachtens auf drei sehr unrealistischen Annahmen:

1. Die Infection fatality ratios (IFRs), die In Supplementary Table 3 der Studie gegeben sind [2], erscheinen viel zu hoch (0.91-1.26%). Die Werte basieren auf früheren Modellen der gleichen Gruppe [3], die frühe Daten aus China verwendet hat. Streeck et al. zum Beispiel fanden in Heinsberg, einem SARS-CoV-2 Infektions-Hotspot in Deutschland, eine IFR von
0.36% [4].
2. Die tägliche Todesziffer hängt im Modell neben der IFR auch von der kumulativen täglichen Zahl der Neuinfektionen im Zeitraum vor betrachteten Tag X ab (Seite 4 im Supplementary Material [2]). Die Zahl der Infektionen an einem gegebenen Tag wiederum hängt vom R-Wert ab und der Zeit, die zwischen eigener Infektion und Infektion einer anderen Person vergeht (wofür Flaxman et al. im Mittel 6,5 Tage annehmen). Die grundlegende Annahme hierbei ist, dass jede Infektion auch wieder sekundäre Infektionen auslöst, da die Tatsache, dass manche Menschen von vornherein immun sind, nicht berücksichtigt wird. Zwar haben sie einen „Korrekturterm“ für Herdenimmunität eingebaut, aber dieser richtet sich ausschließlich nach der kumulativen Zahl der Infektionen bis zum Tag X und der Größe der Population. Dieser Korrekturterm ist so konzipiert, dass erst dann keine neuen Infektionen mehr auftreten, wenn die kumulative Zahl der Infektionen bis Tag X gleich der Zahl der Individuen in der Population ist, sprich wenn sich jeder mal angesteckt hatte. Das ist absurd, wie neuere Arbeiten zeigen, Denn wenn man annimmt, dass manche Personen nicht empfänglich für SARS-CoV-2 sind, weil ihr Immunsystem mit dem Virus fertig wird, genügen laut einer anderen Modellierungsstudie schon 7-18% Infizierte, um Herdenimmunität zu erreichen [5].

3. Der R-Wert ist so modelliert, dass er ohne Intervention bei seinem Ausgangswert von im Mittel 3,28 bleibt (Seite 6 im Supplementary Material [2]). Das bedeutet, dass ohne Intervention der einzige Effekt, der zu einer Abnahme der täglichen Neuinfektionen führt, die sich langsam aufbauende Herdenimmunität ist, die ich in Punkt 2 beschrieben habe. Die Neuinfektionen enden ohne Intervention somit erst, wenn die gesamte Bevölkerung infiziert war bzw. ist, denn nur dann ist in dem Modell die Herdenimmunität erreicht. Dies würde die enorme Todeszahl bei Weglassen aller Interventionen erklären.

Der Effekt der Interventionen, der ja aus der tatsächlich beobachteten
täglichen Zahl der Todesfälle durch das Modell abgeschätzt wird, ist
somit komplett überblasen, da man 100% Infektionsrate zum Erreichen der
Herdenimmunität angenommen hat und weil der R-Wert ohne Regierungsmaßnehmen nicht abnehmen kann. Die WHO selbst hat offenbar verkündet, dass Ansteckungen durch Personen ohne Symptome äußerst selten sind, was in dem Modell von Flaxman et al. nicht abgebildet wird. Somit entbehrt das Modell trotz einiger intelligenter Annahmen und Verknüpfungen zu unbekannten Variablen jedes Bezugs zur Realität, wie schon damals als die Imperial College Gruppe horrende Prognosen publizierte [6], die teilweise zur Rechtfertigung der Lockdowns benutzt wurden.

Interessant ist übrigens, dass die Autoren in dem Paper sich unter den “Acknowledgements“ bei der Bill and Melinda Gates Foundation für Unterstützung bedanken [2]. Eigentlich würde solch ein Statement unter die Rubrik „Conflicts of Interest“ gehören, ist doch bekannt, dass die Bill and Melinda Gates Foundation durch die Angst vor COVID-19 profitiert, welche u.a. durch solche Modelle geschürt wird. Interessant ist auch, dass der Co-Autor Neil Fergusson, der in einer vorherigen Publikation der Gruppe noch „grants from Gavi, the Vaccine Alliance, Janssen Pharmaceuticals, and the Bill and Melinda Gates Foundation“ angab [3], diese in der Flaxman Arbeit nicht mehr angibt. Solche Zuwendungen fallen aber definitiv in die Kategorie der Interessenkonflikte und hätten somit angegeben werden müssen!

Referenzen

[1]        Gallagher J. Coronavirus: Lockdowns in Europe saved millions of lives 2020. https://www.bbc.com/news/health-52968523 (accessed June 20, 2020).

[2]        Flaxman S, Mishra S, Gandy A, Unwin HJT, Mellan TA, Coupland H, et al. Estimating the effects of non-pharmaceutical interventions on COVID-19 in Europe. Nature 2020. doi:10.1038/s41586-020-2405-7.

[3]        Verity R, Okell LC, Dorigatti I, Winskill P, Whittaker C, Imai N, et al. Estimates of the severity of coronavirus disease 2019: a model-based analysis. Lancet Infect Dis 2020. doi:10.1016/S1473-3099(20)30243-7.

[4]        Streeck H, Schulte B, Kümmerer BM, Richter E, Höller T, Fuhrmann C, et al. Infection fatality rate of SARS-CoV-2 infection in a German community with a super-spreading event. MedRxiv 2020. doi:https://doi.org/10.1101/2020.05.04.20090076.

[5]        Gomes MGM, Aguas R, Corder RM, King JG, Langwig KE, Souto-Maior C, et al. Individual variation in susceptibility or exposure to SARS-CoV-2 lowers the herd immunity threshold. MedRxiv 2020:2020.04.27.20081893. doi:10.1101/2020.04.27.20081893.

[6]        Ferguson NM, Laydon D, Nedjati-Gilani G, Imai N, Ainslie K, Baguelin M, et al. Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand. London: 2020. doi:10.25561/77482.

de_DEDeutsch