Selbstreferenzielle Multiskalenmodellierung und -simulation der Ausbreitung schwerer Infektionskrankheiten (SEMSAI) - Abschlussbericht Teilprojekt 2

Abstract

Bei der respiratorischen Ausbreitung einer Epidemie spielt die Übertragungsrate eine entscheidende Rolle. Sie hängt von natürlichen Faktoren wie Viruseigenschaften oder Saisonalität ab, aber auch vom menschlichen Verhalten. Dieses ergibt sich einerseits durch behördliche Vorgaben nicht-pharmazeutischer Maßnahmen wie Kontaktbeschränkungen oder Maskenpflicht. Gerade zu Zeiten stark empfundener Bedrohung beginnen die Menschen aber auch freiwillig, sich selbst zu schützen. Ziel des Projektes SEMSAI war es, die Mechanismen und den Anteil dieses Selbstschutzes besser zu verstehen und in Ausbreitungsmodellen simulierbar zu machen. Das Teilprojekt des Fraunhofer ITWM entwickelte dazu ein robustes kohortenbasiertes Ausbreitungsmodell und passte dessen Parameter an reale Messdaten der Corona-Epidemie an. In Arbeitspaket F1 wurden zunächst die zentralen epidemiologischen Treiber – Variantenwechsel mit partieller Kreuzimmunität und Saisonalität – in ein existierendes Ausbreitungsmodell integriert. Dies war die Grundlage dafür, um den meist schwächeren Effekt Selbstschutz überhaupt erst korrekt aus historischen Verläufen herausfiltern zu können. In Arbeitspaket F2 wurden erstmals psychosoziale Rückkopplungsmechanismen mathematisch integriert: Gemeinsam mit der KFS wurde die Intensivbettenbelegung als robuste Proxyvariable für die Risikowahrnehmung identifiziert und über eine kalibrierbare Sigmoidfunktion mit der Transmissionsrate verknüpft. In Zeiten hoher Intensivbettenbelegung wurde die zusätzliche Reduktion der Transmissionsrate durch Selbstschutz je nach Bundesland zwischen 68 und 82 % quantifiziert – ein Effekt, der in herkömmlichen Modellen fälschlich den Maßnahmen zugeschlagen wird. In Arbeitspaket F3 wurde die Maßnahmenwahl als multikriterielles Optimierungsproblem formuliert. Mit Pareto-Analyse und interaktiver Navigation entstanden Werkzeuge, mit denen Entscheidungsträger Kombinationen aus Kontaktreduktion, Teststrategien und Impfprogrammen anhand konkurrierender Zielgrößen transparent abwägen können. In Arbeitspaket F4 wurden alle Konzepte in der Softwareplattform Coronalysis umgesetzt, die durch automatisches Differenzieren und Maximum-Likelihood-Kalibrierung eine präzise und reproduzierbare Parameteranpassung an historische Daten ermöglicht. In den gemeinsamen Verbundpaketen C1–C3 entwickelte das ITWM ein automatisiertes Datenmanagement, erschloss Abwasser- und Prävalenzdaten als ergänzende Datenquellen und erarbeitete realistische Interventionsszenarien. Die Zusammenarbeit mit der KFS lieferte darüber hinaus empirisch fundierte Empfehlungen zur Darstellung von Prognoseunsicherheit, gewonnen aus einem Online- Experiment mit über 3.000 Probanden. Mit dem DFKI wurde eine reduzierte Modellversion für die Kopplung mit dessen agentenbasierter Mikrosimulation bereitgestellt. Im MONID-Netzwerk war das ITWM über einen Sitz in der Steuerungsgruppe strategisch eingebunden und beteiligte sich aktiv an Prognoserunden für den Winter 2023/24 sowie an gemeinsamen Stellungnahmen. Die Ergebnisse wurden in fünf Journalpublikationen, sieben Vorträgen, vier Postern, einer Masterarbeit und einer laufenden Dissertation dokumentiert.