Was will uns der Meister damit sagen?

Daß er wie­der mal nicht rich­tig liest, was er zitiert?

Das von Drosten zitier­te Dokument ent­hält "Schätzungen für England, Wales, Nordirland und Schottland".

Der Kernsatz in Bezug auf Drostens Behauptung und die gezeig­te Grafik lautet:

»In der letz­ten Woche ist der Prozentsatz der posi­tiv gete­ste­ten Personen in allen Altersgruppen gestie­gen, außer bei Kindern im Schulalter und bei den 35- bis 49-Jährigen.«

»In die­sem Bulletin bezie­hen wir uns auf die Anzahl der aktu­el­len COVID-19-Infektionen inner­halb der Gemeinschaftsbevölkerung; Gemeinschaft bezieht sich in die­sem Fall auf pri­va­te Wohnhaushalte und schließt die­je­ni­gen in Krankenhäusern, Pflegeheimen und/oder ande­ren insti­tu­tio­nel­len Einrichtungen aus.

Die Positivitätsrate ist der Prozentsatz der Personen, die zu einem bestimm­ten Zeitpunkt posi­tiv auf COVID-19 gete­stet wur­den. Unter aktu­el­len COVID-19-Infektionen ver­ste­hen wir posi­tiv auf SARS-CoV‑2 gete­ste­te Personen mit oder ohne Symptome, mit einem Abstrich aus Nase und Rachen. Dies ist ein Unterschied zur Inzidenzrate, die nur die Neuinfektionen in einem bestimm­ten Zeitraum misst.

Alle Analysen wur­den mit unse­ren Forschungspartnern an der Universität Oxford erstellt.«

Also mit der Institution, die mit Astra-Zenecas einen Impfstoff anbie­tet, und zwar nach wie vor mit frag­wür­di­gen Tests auch bei sym­ptom­lo­sen Menschen. Ein wei­te­res Mal wird dar­auf ver­wie­sen, daß es sich um Schätzungen handelt:

»Wie die Daten in die­sem Bulletin ver­wen­det wer­den können
Die Daten kön­nen ver­wen­det wer­den für:

Schätzung der Anzahl der aktu­el­len posi­ti­ven Fälle in der Bevölkerung, ein­schließ­lich der Fälle, bei denen die Betroffenen kei­ne Symptome angeben…

Anmerkungen:
Diese Ergebnisse sind vor­läu­fig und kön­nen über­ar­bei­tet werden.

Alle Schätzungen sind mit Unsicherheiten behaf­tet, da eine Stichprobe nur einen Teil der Grundgesamtheit dar­stellt. Das Modell, das für die­se Schätzungen ver­wen­det wur­de, ist ein Bayes'sches Modell…

Bei der Verwendung der 14-Tage-Schätzung ist Vorsicht gebo­ten, da die Durchschnittsbildung des Prozentsatzes posi­ti­ver Tests über den ver­gan­ge­nen 14-Tage-Zeitraum Änderungen des Prozentsatzes posi­ti­ver Tests über­decken kann, die in den letz­ten zwei Wochen auf­ge­tre­ten sind.«

Zu der von Drosten gezeig­ten Grafik heißt es weiter:

»Die model­lier­ten Schätzungen wer­den mit dem Referenzwert für eine Region, näm­lich die East Midlands, dar­ge­stellt. Dies hat kei­nen Einfluss auf den Gesamttrend im Laufe der Zeit, aber die geschätz­ten Wahrscheinlichkeiten für ande­re Regionen wür­den in der Höhe variieren.«

Weitere Informationen, die Drosten nicht interessieren:

»Der Prozentsatz der posi­tiv gete­ste­ten Personen ist in letz­ter Zeit in Wales gesunken…

In der letz­ten Woche scheint der Prozentsatz der posi­tiv gete­ste­ten Personen in Nordirland nicht mehr zu sinken.«

Zu Nordirland wird angeführt:

»Aufgrund der rela­tiv klei­nen Anzahl von Tests und einer gerin­gen Anzahl von Positiven in unse­rer Stichprobe sind die Glaubwürdigkeitsintervalle breit und die Ergebnisse soll­ten daher mit Vorsicht inter­pre­tiert wer­den.«

Was alles unbekannt ist

»Die Schätzungen… bezie­hen sich auf den pro­zen­tua­len Anteil der pri­va­ten Wohnbevölkerung, der posi­tiv auf das Coronavirus (COVID-19) gete­stet wur­de, auch bekannt als Positivitätsrate. Wir berich­ten nicht über die Prävalenzrate. Um die Prävalenzrate zu berech­nen, bräuch­ten wir eine genaue Kenntnis der Sensitivität (wahr-posi­ti­ve Rate) und Spezifität (wahr-nega­ti­ve Rate) des Abstrichs.

Obwohl wir die wah­re Sensitivität und Spezifität des Tests nicht ken­nen, geben unse­re Daten und ver­wand­te Studien einen Hinweis dar­auf, wie hoch die­se wahr­schein­lich sind. Insbesondere deu­ten die Daten dar­auf hin, dass die falsch-posi­ti­ve Rate sehr nied­rig ist, unter 0,005 %. Die Sensitivität des Abstrichs ist uns nicht bekannt. Andere Studien deu­ten jedoch dar­auf hin, dass die Sensitivität irgend­wo zwi­schen 85 % und 98 % lie­gen könnte.

Um die mög­li­chen Auswirkungen von falsch-posi­ti­ven und falsch-nega­ti­ven Ergebnissen zu ver­ste­hen, kön­nen wir abschät­zen, wie hoch die Prävalenz für ver­schie­de­ne beob­ach­te­te Positivitätsraten unter ver­schie­de­nen Annahmen über die Sensitivität und Spezifität des Tests wäre. Dazu ver­wen­den wir die Bayes'sche Analyse, um zu berech­nen, wie hoch die Prävalenz in zwei ver­schie­de­nen Szenarien wäre, eines mit mitt­le­rer Sensitivität und das ande­re mit nied­ri­ger Sensitivität, und bei­de mit der glei­chen Spezifität. Wir kön­nen dies für jede beob­ach­te­te Positivitätsrate tun…

Alle in die­sem Bulletin dar­ge­stell­ten Schätzungen sind vor­läu­fi­ge Ergebnisse. Da die Abstriche vom Labor nicht unbe­dingt in der Reihenfolge des Datums ana­ly­siert wer­den, haben wir noch nicht für alle Abstriche, die an den in die­ser Analyse ent­hal­te­nen Daten genom­men wur­den, Testergebnisse erhal­ten. Die Schätzungen kön­nen daher revi­diert wer­den, wenn mehr Testergebnisse ein­be­zo­gen werden.«

Wer spielt noch mit bei die­ser Studie?

»Die Analyse der Coronavirus (COVID-19) Infektionserhebung wur­de vom Office for National Statistics (ONS) in Zusammenarbeit mit unse­ren Forschungspartnern an der Universität Oxford, der Universität Manchester, Public Health England (PHE) und Wellcome Trust erstellt. «

Übersetzt mit Hilfe von www​.DeepL​.com/​T​r​a​n​s​l​a​tor (kosten­lo­se Version)
(Hervorhebungen nicht im Original.)