Prognosemodelle zur Steuerung von intensivmedizinischen COVID-19-Kapazitäten in Deutschland

Zusammenfassung Hintergrund Zeitdynamische Prognosemodelle spielen eine zentrale Rolle zur Steuerung von intensivmedizinischen COVID-19-Kapazitäten im Pandemiegeschehen. Ein wichtiger Vorhersagewert (Prädiktor) für die zukünftige intensivmedizinische (ITS-)COVID-19-Bettenbelegungen ist die Anzahl der SARS-CoV-2-Neuinfektionen in der Bevölkerung, die wiederum stark von Schwankungen im Wochenverlauf, Meldeverzug, regionalen Unterschieden, Dunkelziffer, zeitabhängiger Ansteckungsrate, Impfungen, SARS-CoV-2-Virusvarianten sowie von nichtpharmazeutischen Eindämmungsmaßnahmen abhängt. Darüber hinaus wird die aktuelle und auch zukünftige COVID-ITS-Belegung maßgeblich von den intensivmedizinischen Entlassungs- und Sterberaten beeinflusst. Methode Sowohl die Anzahl der SARS-CoV-2-Neuinfektionen in der Bevölkerung als auch die intensivmedizinischen COVID-19-Bettenbelegungen werden bundesweit flächendeckend erfasst. Diese Daten werden tagesaktuell mit epidemischen SEIR-Modellen aus gewöhnlichen Differenzialgleichungen und multiplen Regressionsmodellen statistisch analysiert. Ergebnisse Die Prognoseergebnisse der unmittelbaren Entwicklung (20-Tage-Vorhersage) der ITS-Belegung durch COVID-19-Patienten*innen werden Entscheidungsträgern auf verschiedenen überregionalen Ebenen zur Verfügung gestellt. Schlussfolgerung Die Prognosen werden der Entwicklung von betreibbaren intensivmedizinischen Bettenkapazitäten gegenübergestellt, um frühzeitig Kapazitätsengpässe zu erkennen und kurzfristig reaktive Handlungssteuerungen, wie etwa überregionale Verlegungen, zu ermöglichen.