Mit Absolutzahlen wäre die Inzidenzberechung völlig falsch.
80Mio Einwohner, reelle Inzidenz = 10, heisst 8.000 haben Corona.
Wenn man jetzt 50% der Deutschen Bevölkerung testen würde, was völlig absurd ist, aber angenommen, dann wäre die Absolutzahl 4.000, richtig?
Und damit wäre die Inzidenz 4.000/80.0000.0000 = 5. Was ja überhaupt nicht die Realität von =10 abbildet.
Da die Testrate viel geringer ist, wäre die berechnete Inzidenz noch niedriger, also noch ungenauer.
Daher kann die Absolutzahl keinen richtigen Inzidenz-Wert liefern, wenn man nicht fast ALLE testen würde. Daher gibt es doch Stichproben.
Dann sind vielleicht ja mehr Menschen als gedacht Virusträger..
Ein weiterer guter Grund, der für ein möglichst schnelles Erreichen einer möglichst hohen Impfquote in der Bevölkerung spricht..
Es wurde dir jetzt zig mal erklärt. Die Inzidenz ist ein simples Konstrukt.
Du scheinst es nicht verstehen zu wollen, da es nicht in deine Idee „die Zahlen sind zu hoch“ hereinpasst. Das wird dir auch kein Mathematiker oder Statistiker (meine 2 Jahre Statistik im Studium scheinen dir nicht zu reichen ) anders erklären. Du kannst noch so lange rumdoktern, du machst aus einer 2 keine 1 mehr.
Das RKI Glossar wurde dir verlinkt - vielleicht könnte man sich dann wieder dem Thema Corona widmen statt zum X-ten mal die große Inzidenz Verschwörung aufzudecken?
Deine Zahlen sind halt auch einfach willkürlich ausgedacht. Deine fiktive Stadt hat 100.000 Einwohner wenn ich das richtige verstehe. Und 10.000 davon gehen aus irgendwelchen Gründen zum Test. Ist das irgendwie realistisch? Wie groß ist die wahrscheinlichkeit da positive zu finden? Wenn man deine angenlommene Inziden von 1000 zugrunde legt müssten zufällig verteilt doch 950 positive dabei sein und nicht 95 oder rechne ich jetzt falsch? Und dann passt die Inzidenz Pi mal Daumen.
Ist irgendwie alles an den Haaren herbeigezogen.
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 zu 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.
Mit Absolutzahlen wäre die Inzidenzberechung völlig falsch.
80Mio Einwohner, reelle Inzidenz = 10, heisst 8.000 haben Corona.
Wenn man jetzt 50% der Deutschen Bevölkerung testen würde, was völlig absurd ist, aber angenommen, dann wäre die Absolutzahl 4.000, richtig?
Und damit wäre die Inzidenz 4.000/80.0000.0000 = 5. Was ja überhaupt nicht die Realität von =10 abbildet.
Da die Testrate viel geringer ist, wäre die berechnete Inzidenz noch niedriger, also noch ungenauer.
Daher kann die Absolutzahl keinen richtigen Inzidenz-Wert liefern, wenn man nicht fast ALLE testen würde. Daher gibt es doch Stichproben.
Deine Berechnung stimmt bis zu der Zahl 5.
Aber: wir testen nie völlig erratisch, ein Großteil der Tests basiert auf Symptomen oder Kontakten mit symptomatischen Patienten oder positiven Antigentests. Damit erfolgt eine Vorselektion, wodurch die Dunkelziffer kleiner als 50 % wird, trotz der kleineren Testzahl.
Deine Annahme wäre stimmig, wenn man rein zufällige Stichproben testen würde. Die Kunst von repräsentativen Tests ist es, die Stichprobe so zu wählen, daß die Ergebnisse möglichst nah an der Realität liegen. Im Falle von Corona wäre das bei Kenntnis gewisser Verbreitungswege und Häufungen entsprechend verteilt zu testen (z.B. konzentriert in Hochhaussiedlungen mit hohem Migrantenanteil, bei Kunden von Discos und Großveranstaltungen, in Heimen, unter Übergewichtigen und Diabetikern, Reisende aus gewissen Gebieten, etc. - die Daten sollten inzwischen ausreichen, möglichst viele passende Gruppen zu definieren - es dürfte eher am Willen zur Umsetzung von selektiven Tests mangeln, weil die auch zu selektiven, punktuellen Maßnahmen führen müssten, statt pauschaler und häufig unwirksamer Maßnahmen).
__________________
“If everything's under control, you're going too slow.” (Mario Andretti)
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.
Nein, bei einer Inzidenz von 1000 hast du genau 1000 positive Tests bei 100ooo Einwohnern. Wieviele Tests gemacht wurden ist dabei egal. Wären es nur 10ooo Tests gewesen, dann wäre die Positivrate bei 10%, das hat aber wiederum nichts mit der Inzidenz zu tun.
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 zu 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.
Nein, wenn Du eine Stadt mit 100 000 Einwohnern hast, und Du führst 10 000 / 9500 Tests durch, und davon sind 100 bzw. 95 positiv, dann hast Du in dieser Stadt zu diesem Zeitpunkt eine Inzidenz von 100 bzw. 95. Punkt.
Und wenn Du 20 000 Tests durchführst und Du hast 100 bzw. 95 positive Tests, dann bleibt die Inzidenz die gleiche.
Aber: wir testen nie völlig erratisch, ein Großteil der Tests basiert auf Symptomen oder Kontakten mit symptomatischen Patienten oder positiven Antigentests. Damit erfolgt eine Vorselektion, wodurch die Dunkelziffer kleiner als 50 % wird, trotz der kleineren Testzahl.
Deine Annahme wäre stimmig, wenn man rein zufällige Stichproben testen würde. Die Kunst von repräsentativen Tests ist es, die Stichprobe so zu wählen, daß die Ergebnisse möglichst nah an der Realität liegen. Im Falle von Corona wäre das bei Kenntnis gewisser Verbreitungswege und Häufungen entsprechend verteilt zu testen (z.B. konzentriert in Hochhaussiedlungen mit hohem Migrantenanteil, bei Kunden von Discos und Großveranstaltungen, in Heimen, unter Übergewichtigen und Diabetikern, Reisende aus gewissen Gebieten, etc. - die Daten sollten inzwischen ausreichen, möglichst viele passende Gruppen zu definieren - es dürfte eher am Willen zur Umsetzung von selektiven Tests mangeln, weil die auch zu selektiven, punktuellen Maßnahmen führen müssten, statt pauschaler und häufig unwirksamer Maßnahmen).
Ja genau, das sage ich ja. Die Vorselektion von symptomatischen Patienten wiegt die Zahl wieder auf, aber ohne es systematisch zu tun. Da besteht überhaupt kein Zusammenhag zur falschen Berechnung durch Absolutzahlen. Dh. der Inzidenzwert ist ab und zu zufällig einigermassen aussagekräftig, und ab und zu völlig daneben.
Daher kann ich gut verstehen, dass die Experten von dieser Zahl abkommen und sich mittlerweile lieber die Hospitalisierungs- und Mortalitätsrate anschauen.