[Adept]

Zitat von Adept

Nein, bei 10.000 bzw. 9.500 Test und einer Inzidenz von 1.000 (dh. 1.000/100.000) sind es 100 bzw. 95. Denn 10.000*(1.000/100.000) = 100 bzw. 9.500*(1.000/100.000) = 95.

Die habe das Beispiel genommen, um die Komplexität zu reduzieren und um mal zu schauen, ob das Modell überhaupt gründsätzlich Sinn macht und sogar bei der so einfachen Rechnung hält es nicht stand. Dazu kommen noch die nicht zufällige Stichprobe, schwerpunktmässig symptom-Leute gehen zum Test.

Das heisst auf der einen Seite, dass die Verwendung der Abolutzahl einen viel geringeren Inzidenzwert schätzt als in der Realität und die Symptom-Leute den Wert nach oben verfälschen, da diese ja nicht stichprobenartig zum Test gezogen wurden.

Damit ist meiner Meinung es reiner Zufall, wenn die Inzidenz mal mit der Realität übereinstimmt. Und mit so einem Modell solche weitreichenden Massnahmen durchführen ist wirklich harter Tobak.

Zitat von Mitsuha

Ich ändere mal die Zahlen deiner Rechnung, vll. fällt dir dein Fehler dann auf...

Nehmen wir mal an 1.000 (von 100.000) haben Corona, Inzidenz = 1.000
100 davon haben Symptome
0 haben Symptome aber kein Corona.

Tests:
100 gehen aufgrund ihrer Symptome zum PCR Test: 100 positiv, 0 negativ
0 gehen aufgrund anderer Gründe zum PCR Test, zB. Nachweis: 0 sind positiv.

Ergebnis:
100 positiv von 100 Tests -> Inzidenz = 100.000

Ist offensichtlich, woran es hakt?

Ja genau, du beschreibst genau den statistischen Fehler, auf den ich oben hingewiesen habe. Dein Fall ist natürlich ein Extrembeispiel, aber es visualisiert ganz gut, was passiert, wenn die Tests nicht zufällig durch geführt werden, sondern aufgrund der Symptome viel mehr (oder in deinem Fall ausschliesslich) zum Testen kommen.

Daher ist die Testung völlig verfälscht, weil die positiven Fälle in diesem Bereich völlig überrepräsentiert sind.