Benachrichtigung aktivieren Dürfen wir Sie in Ihrem Browser über die wichtigsten Nachrichten des Handelsblatts informieren? Sie erhalten 2-5 Meldungen pro Tag.
Fast geschafft Erlauben Sie handelsblatt.com Ihnen Benachrichtigungen zu schicken. Dies können Sie in der Meldung Ihres Browsers bestätigen.
Benachrichtigungen erfolgreich aktiviert Wir halten Sie ab sofort über die wichtigsten Nachrichten des Handelsblatts auf dem Laufenden. Sie erhalten 2-5 Meldungen pro Tag.
Jetzt Aktivieren
Nein, danke
Vordenker

Gastkommentar Eine europaweite Strategie für repräsentative Corona-Tests ist unverzichtbar

Immer mehr „Statistik-Experten“ analysieren Covid-19-Fallzahlen und wollen so die Pandemie erklären. Mit Datenkompetenz hat das nichts zu tun.
  • Katharina Schüller
01.04.2020 - 12:46 Uhr 1 Kommentar
Gründerin und Geschäftsführerin der Unternehmensberatung Stat-up Statistical Consulting & Data Science GmbH. Mit der Gründung 2003 gilt sie als einer der unternehmerischen Pioniere im Segment Statistical Consulting und Data Science. (Credit: Privat)
Katharina Schüller

Gründerin und Geschäftsführerin der Unternehmensberatung Stat-up Statistical Consulting & Data Science GmbH. Mit der Gründung 2003 gilt sie als einer der unternehmerischen Pioniere im Segment Statistical Consulting und Data Science.
(Credit: Privat)

Katharina Schüller gilt als Pionierin im Segment Statistical Consulting und Data Science. Die Gründerin von Stat-up verfügt mit mehr als 17 Jahren Erfahrung im Bereich Advanced Analytics, Big Data und Künstliche Intelligenz sowie umfangreicher Projekterfahrung in zahlreichen Branchen über eine große Expertise im Bereich Statistik.

Seit 2005 ist sie Lehrbeauftragte an verschiedenen Hochschulen, 2019 wurde Schüller als Mitglied in die Vordenker-Community aufgenommen, eine Initiative von Handelsblatt und der Strategieberatung Boston Consulting Group (BCG).

In ihrem Gastbeitrag schreibt Schüller über die notwendige Datenkompetenz, um zu verstehen, dass man auch aus „falschen“ Zahlen richtiges Handeln ableiten kann. Denn die Expertin glaubt, dass jede der aktuellen Modellrechnungen falsch sein muss, weil sie „nur einen kleinen Teil der Realität abbilden“.

Schüllers große Sorge: „Ohne Daten, die zuverlässigere Schlüsse über die Verbreitung und die Gefährlichkeit des neuen Coronavirus erlauben, werden die Warnungen bald nicht mehr ernst genommen. Je länger die Phase der Unsicherheit andauert, umso größer die Gefahr, dass viele Menschen die Einschränkungen nicht mehr akzeptieren wollen.“

Top-Jobs des Tages

Jetzt die besten Jobs finden und
per E-Mail benachrichtigt werden.

Standort erkennen

    Lesen Sie hier den ganzen Gastbeitrag:

    In den letzten Tagen analysieren immer mehr „Statistik-Experten“ die Covid-19-Fallzahlen bis zum Äußersten. In bunten, interaktiven Grafiken wird uns erklärt, was jetzt aber wirklich die Wahrheit ist. Mit Datenkompetenz hat das nichts zu tun.

    Denn wir wissen, dass jede unserer Modellrechnungen falsch sein muss. Trotzdem sind die Schlussfolgerungen richtig: Schaffen wir es nicht, die Ansteckungsrate rasch auf einen Wert zu bringen, der geringer ist als derjenige der optimistischsten Szenarien, wird unser Gesundheitssystem kollabieren. Selbst das „Best case“-Szenario erlaubt keine Sorglosigkeit. Es braucht erhebliche Datenkompetenz, um zu verstehen, dass man auch aus „falschen“ Zahlen richtiges Handeln ableiten kann.

    Die Zahlen sind „falsch“, weil sie nur einen kleinen Teil der Realität abbilden: die schwer Erkrankten, einen Teil der leichter Erkrankten mit Symptomen und einen ganz kleinen Teil von Menschen ohne Krankheitszeichen, die getestet wurden, weil sie Verdachtsfälle waren.

    Wie viele darüber hinaus infiziert sind oder nicht, können wir nur mehr oder weniger begründet erraten. Wir Statistiker haben deshalb ein Problem. Von uns wird erwartet, dass wir Prognosen erstellen, aber die Daten sind dafür nicht geeignet, weil sie zu wenige Informationen enthalten.

    Belastbare Statistiken benötigen nur etwa 1000 Tests am Tag

    Ohne Daten, die zuverlässigere Schlüsse über die Verbreitung und die Gefährlichkeit des neuen Coronavirus erlauben, werden die Warnungen bald nicht mehr ernst genommen. Je länger die Phase der Unsicherheit andauert, umso größer die Gefahr, dass viele Menschen die Einschränkungen nicht mehr akzeptieren wollen. Deswegen ist es unerlässlich, Tests an repräsentativen Bevölkerungsstichproben durchzuführen.

    Hier kann und muss die Politik Verantwortung übernehmen, indem sie dafür sorgt, dass hierfür genügend Testkapazität zur Verfügung steht. Es geht nicht darum, offensichtlich kranken Menschen Tests „für die Statistik“ zu verweigern.

    Belastbare Statistiken benötigen nur etwa 1000 Tests am Tag. Damit ließe sich praktisch sofort die Wirksamkeit der Steuerungsmaßnahmen beurteilen, ohne dass man wie jetzt bis zu zwei Wochen auf die neu gemeldeten Fälle/Todesfälle warten muss.

    Zur Einschätzung der aktuellen, retrospektiven und prospektiven Infektionsrate können wir verschiedene Ansätze kombinieren. Zufälliges, wiederholtes Testen mit den verfügbaren PCR-Tests erlaubt es, Maßnahmen für die Gesamtbevölkerung valide zu begründen. Eine solche Strategie kann zudem Cluster Infizierter aufzudecken, in denen verstärkt getestet wird oder besondere Vorsichtsmaßnahmen nötig sind.

    Ein Test-Pooling, in dem die Proben mehrerer Personen gemeinsam getestet werden, kann zumindest am Anfang effizienter sein. Finden sich in zehn gepoolten Tests mit den Proben von jeweils zehn Personen zwei Tests mit positiven Ergebnissen, so können die darin abgebildeten 20 Personen nachgetestet werden. Man benötigt also nur 30 Tests statt 100, um 100 Personen zu testen.

    Island, Norwegen und Schweden gehen beispielhaft voran

    Alle vorhandenen Daten sollten kombiniert und als „Big Data“ analysiert werden. Was charakterisiert Menschen mit Symptomen, die nicht den Einschlusskriterien für Tests genügen? Welche Tests stammen aus Gruppen mit erhöhtem Risiko, zum Beispiel von Krankenhauspersonal?

    Wo wurden im Haushalt lebende Angehörige nicht getestet und sind diese symptomatisch? Wie alt und krank waren positiv Getestete im Gegensatz zu negativ Getesteten, waren Menschen mit Symptomen und solche ohne? Wie viele Tests gab es überhaupt bisher?

    Um das Gesamtbild zu erkennen, können wir einen großzügigen Maßstab an die Sensitivität und Spezifität der Tests anlegen. Es ist kein Argument, repräsentatives Testen mit Hinweis auf Fehlerraten abzulehnen, solange diese Fehlerraten bekannt sind und nicht mit der Wahrscheinlichkeit zusammenhängen, in die Stichprobe aufgenommen zu werden.

    Dann lassen sich die falsch positiven und falsch negativen Ergebnisse herausrechnen. Fehlerraten spielen erst eine Rolle, wenn im Einzelfall ein Verdacht auf Covid-19 vorliegt und man ein zuverlässiges Ergebnis benötigt.

    Nordische Länder wie Island, Norwegen und Schweden gehen beispielhaft voran, auch Luxemburg plant eine Strategie für repräsentative Tests. Eine europaweit abgestimmte Strategie, die ein Benchmarking erlaubt, ist unverzichtbar. Nur so können wir stufenweise zu einem einigermaßen normalen Leben zurückkehren und damit die negativen Folgen dieser Pandemie einigermaßen begrenzen.

    Es geht dabei nicht bloß um die Wirtschaft. Die Isolation ist eine Katastrophe für psychisch kranke Menschen und für Frauen und Kinder (und natürlich auch Männer), die von häuslicher Gewalt bedroht sind. Diese möglichen Konsequenzen, die unsere Gesellschaft nachhaltig aus den Fugen bringen können, sind nicht zu Ende gedacht.

    Mehr: Stat-up-Gründerin und Vordenkerin Katharina Schüller: „Schwierige Situationen bieten die Chance zu persönlichem Wachstum“

    Startseite
    Mehr zu: Gastkommentar - Eine europaweite Strategie für repräsentative Corona-Tests ist unverzichtbar
    1 Kommentar zu "Gastkommentar: Eine europaweite Strategie für repräsentative Corona-Tests ist unverzichtbar"

    Das Kommentieren dieses Artikels wurde deaktiviert.

    • ... repräsentative Tests könnten Ergebnisse liefern, die kein Politiker hören möchte. Eigentlich schade.

    Zur Startseite
    -0%1%2%3%4%5%6%7%8%9%10%11%12%13%14%15%16%17%18%19%20%21%22%23%24%25%26%27%28%29%30%31%32%33%34%35%36%37%38%39%40%41%42%43%44%45%46%47%48%49%50%51%52%53%54%55%56%57%58%59%60%61%62%63%64%65%66%67%68%69%70%71%72%73%74%75%76%77%78%79%80%81%82%83%84%85%86%87%88%89%90%91%92%93%94%95%96%97%98%99%100%