Infektionsepidemiologie: eine Einführung in Methoden, Modelle und Kennzahlen

Die Infektionsepidemiologie ist eine spezielle Disziplin der Epidemiologie. In dieser Übersicht werden deren grundlegenden Methoden, Modelle und Kennzahlen vorgestellt.

Kernaussagen

• Die Infektionsepidemiologie hat die moderne Epidemiologie begründet und ist heute eine von deren Teildisziplinen mit speziellen Methoden.

• Die deskriptive Infektionsepidemiologie beschäftigt sich mit dem „Wer, Wo und Wann“ des Auftretens von Infektionen – dabei kann die Formulierung passender Falldefinitionen ein komplexes Problem darstellen.

• Verschiedene Infektionen haben charakteristische Zeitverläufe, z.B. die Intervalle von Infektion zu Infektiosität (Latenzzeit), von Infektion bis zum Auftreten von Symptomen (Inkubationszeit) sowie infektiöses Intervall und Generationszeit, die für Übertragungen von Bedeutung sind.

• Mathematische Modelle zum Ablauf von Infektionsketten oder -ausbrüchen sind heute weit entwickelt und können sowohl Ausbrüche wie auch den Einfluss von Interventionen gut modellieren

• Die gebräuchlichsten Modelle sind SIR und SEIR-Modelle, die Übergangswahrscheinlichkeiten zwischen den Zuständen empfänglich („susceptible“), exponiert/latent infiziert („exposed“), infiziert und genesen/immun („recovered“) benutzen.

• In der Anwendung auf die Realität müssen die Grenzen der benutzten Modelle beachtet werden.

• Exakte und zeitnahe Datengewinnung ist eine wichtige Voraussetzung für zielgerichtete Interventionen bei Infektionsausbrüchen.

• Die basale Reproduktionszahl R0 (die durchschnittliche Zahl von durch eine infizierte Person angesteckten Personen in einer Bevölkerung ohne Immunität) ist ein zentrales Konzept in der Infektionsepidemiologie, aus dem sich auch der notwendige Herdenschutz ableiten lässt, was wiederum Impfkampagnen besser planbar macht.

Schlüsselwörter

Epidemiologie - COVID-19 - Infektionsmodell - Infektionsausbruch - Infektionskette

Publikationsverlauf

Artikel online veröffentlicht:
03. Dezember 2024

• Literatur

• 1 Anderson RM, May RM. Infectious diseases of humans - dynamics and control. Oxford: Oxford University Press; 1991
• 2 Snow J. eport on the cholera outbreak in the Parish of St. James, Westminster, during the autumn of 1854. London: J Churchill; 1855
• 3 Coates E. London's dreadful visitation: or, a collection of all the Bills of Mortality for this present year: beginning the 27th of December 1664 and ending the 19th of December following: as also the general or whole years bill. According to the report made to the King's most excellent Majesty, by the Company of Parish-Clerks of London. London: 1665
• 4 Lash TL, VanderWeele TJ, Haneuse S. et al. Modern epidemiology. 4. Aufl. Philadelphia: Lippincott, Williams & Wilkins; 2021
• 5 Robert Koch-Institut. SARS-CoV-2-Infektionen-in Deutschland. Berlin: Github ed; 2024
• 6 Worobey M, Levy JI, Malpica Serrano L. et al. The Huanan Seafood Wholesale Market in Wuhan was the early epicenter of the COVID-19 pandemic. Science 2022; 377: 951-959
• 7 Fine PE. The interval between successive cases of an infectious disease. Am J Epidemiol 2003; 158: 1039-1047
• 8 Lu QB, Zhang Y, Liu MJ. et al. Epidemiological parameters of COVID-19 and its implication for infectivity among patients in China, 1 January to 11 February 2020. Euro Surveill 2020; 25: 2000250
• 9 Dietz K, Heesterbeek JAP. Daniel Bernoulli’s epidemiological model revisited. Math Biosci 2002; 180: 1-21
• 10 Ross R, Hudson HP. An application of the theory of probabilities to the study of a priori pathometry - Part II. Proceedings of the Royal Society of Medicine 1916; A93: 212-225
• 11 Fine PEM. John Brownlee and the Measurement of Infectiousness: An Historical Study in Epidemic Theory. J R Stat Soc Ser A 1979; 142: 347-362
• 12 Bjornstad ON, Shea K, Krzywinski M. et al. The SEIRS model for infectious disease dynamics. Nat Methods 2020; 17: 557-558
• 13 Fine PEM. A commentary on the mechanical analogue to the Reed-Frost-epidemic model. Am J Epidemiol 1977; 106: 87-100
• 14 Reed L. Epidemic theory - what is it? (2–4) In: Farrar A, Hrsg. The Johns-Hopkins science review. Baltimore: YouTube. 1951
• 15 Heesterbeek HAP. A brief history of R0 and a recipe for its calculation. Acta Biotheoretica 2002; 50: 189-204
• 16 Lloyd-Smith JO, Schreiber SJ, Kopp PE. et al. Superspreading and the effect of individual variation on disease emergence. Nature 2005; 438: 355-359
• 17 an der Heiden M, Hamouda O. Schätzung der aktuellen Entwicklung der SARS-CoV-2- Epidemie in Deutschland – Nowcasting. Epidemiol Bull 2020; 2020: 10-15
• 18 The Royal Society. Reproduction number (R) and growth rate (r) of the COVID-19 epidemic in the UK: methods of estimation, data sources, causes of heterogeneity, and use as a guide in policy formulation. Preprint, London. 2020 https://royalsociety.org/-/media/policy/projects/set-c/set-covid-19-R-estimates.pdf
• 19 Bjornstad ON, Shea K, Krzywinski M. et al. Modeling infectious epidemics. Nat Methods 2020; 17: 455-456
• 20 Kucharski A. The rules of contagion: why things spread and why they stop (wellcome collection). London: Profile Books Ltd; 2020
• 21 R Core Team. R: a language and environment for statistical computing. Wien: R Foundation for Statistical Computing; 2020
• 22 Wickham H. ggplot2: elegant graphics for data analysis. R package version 3.3.2. New York: Springer; 2016