MS-SPO

MS-SPO wertet Q1/24 die LongCovid Studie/Kanada aus

Hintergrund

Die im u.g. Bericht erwähnte Studie stieß besonders bei von LongCovid Betroffenen auf Interesse. Hier dient er insbesondere als Beispiel für datenbasierte Auswertungen durch MS-SPO. Das Ergebnis ist ein stimmiges Modell für bestimmte Vorhersagen.

Tour durch den Bericht

Histogramm der kanadischen-Studie

Das auch auf sozialen Medien verbreitete Histogramm der Studie sieht im ersten Moment einleuchtend aus, wirft aber Fragen auf: Man könnte meinen, dort stünde die Wahrscheinlichkeit, nach n Infektionen an LongCovid zu erkranken.

Der verwendete Fragebogen

Er liefert lediglich die Aussage:

• Person hat LongCovid und hatte insgesamt n Infektionen
• als kumulative Häufigkeitsverteilung

Prozessmodell von MS-SPO

Was geschieht, wenn man sich mit Covid-19 ansteckt?

• man könnte wieder genesen (Wahrscheinlichkeit q PRO Infektion)
• man könnte die bislang unheilbare LongCovid Symptomatiken entwickeln Wahrscheinlichkeit p = 1 – q PRO Infektion)
• dieser Vorgang wiederholt sich mit jeder Ansteckung

Was sind dann die Folgen daraus?

Variationsanalyse

Messdaten können erst auf ihren Informationsgehalt bewertet werden, wenn man versteht, warum sie sich wie stark mit welcher Änderung verändern. Insbesondere ist hier der in Daten enthaltene unauflösbare Restfehler wichtig.

Parameter-Diagramme

Im Lichte der Variationsanalyse erscheint der Ansatz der Studie, das Jahr als Indikator auszuwerten, nicht stichhaltig genug.

Fazit und Prognosemöglichkeiten

• die beobachtet LongCovid Verteilung aus Abbildung 1 auf Seite 2 lässt sich gut mit einem Prozessmodell beschreiben
• die konstante Wahrscheinlichkeit für LongCovid je Covid19-Infektion ist recht hoch: p_LongCovid ≈ 15%
• damit ist zu erwarten, dass die Hälfte der Bevölkerung ca. mit der 4. Covid19-Infektion dauerhaft LongCovid entwickelt haben wird