Search

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.