Analyse von Strategien zu Kontaktbeschränkungen und der Rolle von pro-aktiven Tests
Saptarshi Bej, Olaf Wolkenhauer
Während der SARS-CoV-2-Pandemie sind zahlreiche mathematische Modelle entwickelt worden. Die Meldung von Artefakten und fehlende Daten über asymptomatische Ausbreitungswege implizieren beträchtliche Unsicherheitsmargen für modellbasierte Vorhersagen. Epidemiologische Modelle können jedoch auch verwendet werden, um die Folgen von Maßnahmen zur Kontrolle der Pandemie zu untersuchen, die sich in Änderungen der Parameterwerte niederschlagen. Wir haben ein SIR-basiertes, SUIR-Modell entwickelt, in dem der Einfluss von Tests und einer Verringerung der Kontakte durch die Unterscheidung zwischen "nicht identifizierten" und "identifizierten" Verbreitern von Infektionen untersucht wird.
Das Modell verwendet vier gewöhnliche Differentialgleichungen und ist bewusst einfach gehalten, um allgemeine Muster zu untersuchen, die sich aus Tests und Kontaktrestriktionen ergeben. Das Modell geht über andere Bemühungen hinaus, indem es zeitabhängige Parameterkurven einführt, die verschiedene Strategien zur Kontrolle der Pandemie darstellen. Unsere Analyse zeigt die Wirkung von "pro-aktiven" Tests für die Gestaltung von Kontaktbeschränkungsmaßnahmen. Mit "proaktiven Tests" meinen wir Tests jenseits der Personen, die Symptome zeigen. Die Simulationen können erklären, warum der Zeitpunkt von Kontaktbeschränkungen und proaktiven Tests wichtig ist. Das Modell kann auch verwendet werden, um die Folgen verschiedener Strategien zum Ausstieg aus der Abriegelung zu untersuchen. Unser SUIR-Modell ist in Python implementiert und wird über ein Juypter-Notebook zur Verfügung gestellt. Dies ist eine umfassende Dokumentation der Ableitung und Implementierung des Modells sowie transparente und reproduzierbare Simulationsstudien. Unser Modell soll zu einem besseren Verständnis der Rolle von Tests und Kontaktbeschränkungen beitragen.
- Bej S, Wolkenhauer O (2020): The timing of contact restrictions and pro-active testing balances the socio-economic impact of a lockdown with the control of infections. medRxiv doi.org/10.1101/2020.05.08.20095596
Die zweite Welle von SARS-CoV-2-Infektionen und COVID-19-Todesfällen in Deutschland - getrieben durch Werte, sozialen Status und Migrationshintergrund?Ein erklärungsfähiger maschineller Lernansatz auf Kreisebene
Gabriele Doblhammer, Daniel Kreft, Constantin Reinke
Es besteht ein allgemeiner Konsens darüber, dass SARS-CoV-2-Infektionen und COVID-19-Todesfälle untere soziale Gruppen am härtesten getroffen haben, jedoch existieren für Deutschland keine Informationen auf individueller Ebene über sozioökonomische Merkmale von Infektionen und Todesfällen. Das Ziel dieser Studie war es, die wichtigsten Merkmale zu identifizieren, die SARS-CoV-2-Infektionen und COVID-19-Todesfälle während des Aufschwungs der zweiten Welle in Deutschland erklären.
Wir verwendeten 155 Indikatoren, um die Landkreise in neun geografischen, sozialen, demografischen und gesundheitlichen Bereichen zu charakterisieren. Für jeden Zeitraum berechneten wir direkt altersstandardisierte COVID-19-Inzidenz- und Sterberaten auf Kreisebene. Wir trainierten Gradient-Boosting-Modelle, um die Inzidenz- und Sterberaten mit den 155 Merkmalen der Landkreise für jede Periode vorherzusagen. Um die Bedeutung und die Richtung der Korrelation der regionalen Indikatoren zu untersuchen, verwendeten wir das SHAP-Verfahren. Wir kategorisierten die Top 20 Assoziationen, die durch die Shapley-Werte identifiziert wurden, in zwölf Kategorien, die die Korrelation zwischen dem Merkmal und dem Ergebnis abbilden.
Wir berücksichtigten Informationen zu COVID-19-Diagnosen und -Todesfällen vom 1. Oktober bis 15. Dezember 2020 auf Kreisebene, wobei wir fünf zweiwöchige Zeiträume unterschieden. Wir fanden heraus, dass Landkreise mit niedrigem SES in der zweiten Welle wichtige Treiber waren, ebenso wie solche mit hoher internationaler Migration und einem hohen Anteil an Ausländern und einer großen Pflegeheimbevölkerung. Während der Periode des starken exponentiellen Anstiegs der Infektionen gehörte der Anteil der Bevölkerung, der bei der letzten Bundestagswahl die Partei Alternative für Deutschland (AfD) wählte, zu den Top-Merkmalen, die mit hohen Inzidenz- und Todesraten korrelierten.
Wir kamen zu dem Schluss, dass riskante Arbeitsbedingungen mit reduzierten Möglichkeiten zur sozialen Distanzierung und eine hohe chronische Krankheitslast die Bevölkerung in Landkreisen mit niedrigem SES einem höheren Risiko für SARS-CoV-2-Infektionen und COVID-19-Todesfälle aussetzen. Darüber hinaus erhöhten die Nichteinhaltung von Corona-Maßnahmen und Spill-over-Effekte aus benachbarten Landkreisen die Ausbreitung des Virus. Um diesen Befund weiter zu untermauern, benötigen wir dringend mehr Daten auf individueller Ebene.
- Doblhammer, Kreft, Reinke (2021): The second wave of SARS-CoV-2 infections and COVID-19 deaths in Germany - driven by values, social status and migration background? A county-scale explainable machine learning approach. doi: https://doi.org/10.1101/2021.04.14.21255474.
Soziale Disparitäten in der ersten Welle von COVID-19-Infektionen in Deutschland: Ein Landkreis-skalierter, erklärbarer Machine-Learning-Ansatz
Gabriele Doblhammer, Daniel Kreft, Constantin Reinke
Es ist wenig über Faktoren bekannt, die mit der sozioökonomischen Ausbreitung der ersten Welle von COVID-19-Infektionen in Deutschland korrelieren. Wir untersuchten, ob sich das Risiko für COVID-19-Infektionen zwischen den Regionen in Abhängigkeit von ihren sozioökonomischen Merkmalen unterscheidet. Wir trainierten Gradient-Boosting-Modelle, um die altersstandardisierten Inzidenzraten mit den Makrostrukturen der Landkreise vorherzusagen, und verwendeten SHAP-Werte, um die 20 auffälligsten Merkmale in Bezug auf negative/positive Korrelationen mit der Ergebnisvariable zu charakterisieren.
Wir verwendeten Daten des Robert-Koch-Instituts zu COVID-19-Diagnosen, wobei wir fünf verschiedene Zeiträume zwischen dem 1. April und dem 23. Juli 2020 unterschieden. Für jeden Zeitraum berechneten wir die altersstandardisierte Inzidenz von COVID-19-Diagnosen auf den Landkreis. Wir charakterisierten die Regionen durch Makrovariablen in neun Domänen: "Demographie", "Beschäftigung", "Politik, Religion und Bildung", "Einkommen", "Siedlungsstruktur und Umwelt", "Gesundheitsversorgung", "(strukturelle) Armut", "Beziehung zu anderen Regionen" und "Geographie". Wir trainierten Gradient-Boosting-Modelle, um die altersstandardisierten Inzidenzraten mit den Makrostrukturen der Landkreise vorherzusagen, und verwendeten SHAP-Werte, um die 20 auffälligsten Merkmale in Bezug auf negative/positive Korrelationen mit der Ergebnisvariable zu charakterisieren.
Ergebnisse: Die erste COVID-19-Welle begann als Krankheit in wohlhabenden ländlichen Landkreisen in Süddeutschland und drang im Verlauf der ersten Welle in ärmere städtische und landwirtschaftliche Landkreise vor. Der negative soziale Gradient wurde ab der 2. Sperrperiode ausgeprägter, als wohlhabende Landkreise besser geschützt zu sein schienen. Merkmale, die sich auf wirtschaftliche und bildungsbezogene Merkmale der jungen Bevölkerung in einem Landkreis beziehen, spielten zu Beginn der Pandemie bis zur 2. Lockdown-Phase eine wichtige Rolle, ebenso wie Merkmale, die sich auf die in Pflegeheimen lebende Bevölkerung beziehen; solche, die sich auf internationale Migration und einen hohen Anteil von Ausländern beziehen, die in einem Landkreis leben, wurden in der Zeit nach dem Lockdown wichtig.
Schlussfolgerung: Die hohe Mobilität von Gruppen mit hohem SES kann die Pandemie zu Beginn der Wellen vorantreiben, während Schutzmaßnahmen und Überzeugungen über die Ernsthaftigkeit der Pandemie sowie die Einhaltung von Schutzmaßnahmen später niedrigere SES-Gruppen einem höheren Risiko aussetzen.
- Doblhammer G, Kreft D, Reinke C (2020): Social disparities in the first wave of COVID-19 infections in Germany: A county-scale explainable machine learning approach. medRxiv doi: https://doi.org/10.1101/2020.12.22.20248386
Der Einfluss des Geschlechts auf Covid-19-Infektionen und Mortalität in Deutschland. Erkenntnisse aus der alters- und geschlechtsspezifischen Modellierung von Kontaktraten, Infektionen und Todesfällen
Achim Dörre, Gabriele Doblhammer
Jüngste Forschungsergebnisse weisen auf die alters- und geschlechtsspezifische Übertragung von COVID-19-Infektionen hin. Die Auswirkung des Geschlechts wurde jedoch in früheren Modellierungsansätzen für COVID-19-Infektionen übersehen. Unser Ansatz ist daher, ein alters- und geschlechtsspezifisches Modell der COVID-19-Übertragung zu entwickeln und zu untersuchen, wie sich Kontaktänderungen auf die COVID-19-Infektion und die Sterblichkeitsrate bei beiden Geschlechtern auswirken.
Dazu haben wir ein SECIR-Modell entwickelt, bei dem die Kompartimente in Altersgruppen und Geschlechter unterteilt sind. Geschätzte Kontaktmuster, basierend auf früheren Studien, werden verwendet, um alters- und geschlechtsspezifisches soziales Verhalten zu berücksichtigen.
An Tag 75 nach Ende des Lockdowns, sind die Infektionsraten unter den Jungen und unter Menschen im Erwerbsalter am höchsten, aber auch bei den Alten sind sie gestiegen. Das Infektionsrisiko ist bei Frauen im erwerbsfähigen Alter höher als bei Männern; im Alter ist es umgekehrt. Die Sterberaten sind in allen Altersgruppen bei Männern doppelt so hoch als bei Frauen.
Unsere Ergebnisse unterstreichen die hohe Bedeutung nicht-pharmazeutischer Schutzmaßnahmen in infektionsarmen Phasen. Sie verhindern, dass ein Anstieg der Kontaktraten unter den Jungen zu einer höheren Sterblichkeit unter den Alten führt. Im jungen und mittleren Alter haben Frauen, aufgrund ihrer höheren Kontaktraten, einen größeren Anteil am Infektionsgeschehen. Geschlechtsspezifische Kontaktratenunterschiede sind ein Weg, der zur Ausbreitung der Krankheit beiträgt und zu geschlechtsspezifischen Infektionsraten und Sterblichkeit führt.
- Dörre A, Doblhammer G (2020): Age- and Sex-Specific Modelling of the COVID-19 Epidemic. doi: https://doi.org/10.1101/2020.10.06.20207951
SARS-Cov-2-Immun-Interaktionskarte (SIM)
Shailendra Gupta, Olaf Wolkenhauer, Matti Hoch
Ein Schlüsselelement bei SARS-Cov-2-Infektionen ist eine anomale systemische Entzündungsreaktion in Form eines Zytokine Sturms, der zum Multiorganversagen führte. Akute Entzündungsreaktion und die Auflösung von Entzündungsprozessen sind hochkomplexe koordinierte Prozesse, an denen eine Reihe von Immunzelltypen, pro-inflammatory und pro-auflösende Mediatoren sowie regulatorische Moleküle beteiligt sind, die in Raum und Zeit in Form von Feedback- und Feedforward-Schleifen interagieren. Im laufenden Projekt entwickeln wir eine SARS-CoV-2-Immuninteraktionskarte (SIM) mit kuratierten Metadaten als Werkzeug für die Generierung und Validierung von Hypothesen über die Pathophysiologie der Krankheit, klinische Ergebnisse und mögliche Therapeutika und/oder Disease-Management-Strategien.
Unsere Bemühungen sind Teil eines internationalen, groß angelegten Gemeinschaftsprojekts zum Aufbau eines offen zugänglichen, interoperablen und berechenbaren Repositoriums für die molekularen Mechanismen von COVID-19 - der COVID-19 Disease Map. Diese Gruppe entwickelt die Werkzeuge, Plattformen und Richtlinien, die für die verteilte Entwicklung ihrer Inhalte durch eine facettenreiche Gemeinschaft von Biokuratoren, Domänenexperten, Bioinformatikern und computergestützten Biologen notwendig sind. Dabei werden relevante Datenbanken und Text-Mining-Ansätze zur Anreicherung und Validierung der kuratierten Mechanismen verwendet. Die Karte und ihre Relevanz für die molekulare Pathophysiologie von COVID-19 und die analytischen und rechnergestützten Modellierungsansätze, die auf den Inhalt der COVID-19-Krankheitskarte zur mechanistischen Dateninterpretation und -vorhersage angewandt werden können.
Literaturhinweise:
- COVID-19 and beyond: a call for action and audacious solidarity to all the citizens and nations, it is humanity's fight. Auffray C, Balling R, Blomberg N, ..., Wolkenhauer O, Wouters E. F1000Research 2020, 9:1130
- The Atlas of Inflammation-Resolution (AIR). Serhan CN, Gupta SK, ... , Smita S, Schopohl P, Hoch M, Gjorgevikj D, Khan FM, Brauer D, ... , Wolkenhauer O. Molecular Aspects of Medicine, Vol 74, August 2020, 100894
- COVID-19 Disease Map, a computational knowledge repository of SARS-CoV-2 virus-host interaction mechanisms. Ostaszweksi M et al. doi.org/10.1101/2020.10.26.356014
COVID-19 Simulator
Lars Kaderali
Das Institut für Bioinformatik der Universitätsmedizin Greifswald arbeitet an
mathematische Simulationen der Ausbreitung von Covid-19 in Deutschland und
Mecklenburg-Vorpommern, unter Verwendung epidemiologischer Standardmodelle.
Ein Webinterface zum Simulator, die es ihm ermöglicht, Modellsimulationen mit
aktuelle Daten aus allen deutschen Bundesländern und ausgewählten anderen Ländern zu überlagern.
Benutzer können Modellparameter online ändern und auswerten, wie Parameter
die Vorhersageergebnisse beeinflussen. Ein Hauptziel des Modells ist die Bereitstellung kurzfristiger Vorhersagen für die Planung der Krankenhauskapazität.
Verständnis mechanistischer Erkenntnisse über Geschmacks- und Geruchsstörungen im Zusammenhang mit SARS-CoV-2-Infektionen
Antonella De Pizio, Olaf Wolkenhauer, Suchi Smita, Krishna Pal Singh
Weltweit gibt es immer mehr Berichte über plötzliche Geschmacks- und Geruchsstörungen nach einer SARS-CoV-2-Infektion, die sich von einer Erkältung unterscheiden und in vielen Fällen nicht mit einer verstopften oder verstopften Nase einhergehen. ACE2- und TMPRSS2-Proteine, die für den Eintritt des Virus in die Zellen erforderlich sind, werden in den Geschmacksknospen und im Riechepithel exprimiert und als verantwortlich für diese chemosensorische Störung vermutet. Der postvirale olfaktorische Verlust könnte auch auf den Eintritt des Virus in das Gehirn zurückzuführen sein, wo sie die Riechneuronen schädigen und durch Entzündung verschiedene andere neurologische Symptome auslösen.
Um die molekularen Mechanismen, die Geschmacks- und Geruchsstörungen bei SARS-CoV-2-Patienten zugrunde liegen, vollständig zu verstehen, erstellen wir molekulare Interaktionskarten, die mit der Wahrnehmung von Geruch und Geschmack verbunden sind. Diese Karten werden auf ihr Übersprechen mit unseren zuvor entwickelten Karten AIR (Atlas of Inflammation Resolution) und COVID-19-Krankheitskarten analysiert. Das Projekt, eine Zusammenarbeit der Universität Rostock mit dem Leibniz-Institut für Lebensmittelsystembiologie der TU München, entwickelt eine Plattform zur Erstellung einer datengetriebenen Hypothese darüber, wie das Virus den Geruchs- und Geschmackssinn sowie andere verwandte Phänotypen verändert.
Literaturhinweise:
- The Atlas of Inflammation-Resolution (AIR). Serhan CN, Gupta SK, ..., Smita S, Schopohl P, Hoch M, Gjorgevikj D, Khan FM, Brauer D, ... , Wolkenhauer O. Molecular Aspects of Medicine, Vol 74, August 2020, 100894
- COVID-19 Disease Map, a computational knowledge repository of SARS-CoV-2 virus-host interaction mechanisms. Ostaszweksi M et al. doi.org/10.1101/2020.10.26.356014
- COVID-19 and the chemical senses: supporting players take center stage. Cooper KW, Brann DH, Farruggia MC, …, Pizio AD. Neuron, Vol 107(2): 219-233.
Einfluss von der Verbreitung von Covid19 durch Events
Stefan Simm, Christian Nietzsche
Seit dem Ausbruch von SARS-CoV-2 zu Beginn des Jahres 2020 und dessen Ausbreitung in der gesamten Welt, wurden verschiedene Lockdownszenarien angewendet und mathematische Modelle entwickelt, um die Ausbreitung des Virus zu analysieren. Zur Modellierung der Ausbreitung des Virus können verschiedene Ansätze wie gewöhnliche (ODE) und partielle (PDE) Differentialgleichungen oder auch agentbasierte Modelle (ABM) genutzt werden. Im Gegensatz zu gleichungsbasierten Ansätzen wie ODEs, ist es mit unserem ABM möglich Regeln und Verhaltensweisen für einzelne Individuen oder Gruppen von Personen zu definieren.
In den letzten Monaten gab es viele politische Diskussionen über lokale Events, angefangen von kleineren Zusammenkünften wie Hochzeitsfeiern oder Familienfesten bis hin zu Messen und Sportveranstaltungen. Bei einer abstrakten Betrachtung sind solche Events stets ein Zusammentreffen von vielen Menschen auf engem Raum. Dies macht es Infizierten leichter zu Multispreadern zu werden, also in kurzer Zeit viele weitere Menschen anzustecken. Obwohl es mittlerweile Reglementierungen zur Durchführung von Veranstaltungen gibt, ist die sichere Realisierung situationsabhängig und lässt sich nur schwer für verschiedene Arten von Events verallgemeinern. Hierbei ist zu beachten, dass bereits die Modellierung lokaler Events auf Grund ihrer vielfältigen Beschaffenheit herausfordernd ist. Wir haben uns in unserem ABM auf den Einfluss von Faktoren wie Länge, Anzahl, Größe und Zusammensetzung der Events fokussiert. Des Weiteren haben wir verschiedene Lockdownszenarien umgesetzt und jeweils betrachtet, wie sich ein Verbot oder eine Erlaubnis von Events während des Lockdowns auswirkt. Dafür haben wir ein abstraktes Städtemodell mit Multispreadern implementiert. Die Parameter, die wir bisher betrachtet haben (Länge, Dauer, Anzahl und Zusammensetzung) scheinen einen Einfluss auf den Zeitpunkt des Auftretens einer zweiten Welle zu haben. Weitere mögliche Einflussgrößen wie Aerosole sind momentan nicht im Modell berücksichtigt, könnten aber zukünftig als Erweiterung in das Modell eingebaut werden.