Drücken Sie „Enter“, um den Inhalte zu überspringen

Tool: PCR-Rollout-Simulator

Für alle Schwurbler und Datensalafisten habe ich zusammen mit Claude AI ein kleines Tool erstellt, das ich Euch nicht vorenthalten möchte: Den PCR-Rollout-Simulator.

Mir war schon relativ früh in der Clownpandemie die Frage aufgekommen, wie die Kurve positiver Meldungen aussieht, wenn man bei fallender Inzidenz die Testkapazität hochschraubt. Leider sind meine Programmier- und Excelkenntnisse zu bescheiden, als dass ich das hätte in einer ansatzweise bedienbaren Form hätte umsetzen können. Sowas ist prädestiniert für den Einsatz von KI – und innerhalb eines halben Nachmittags Dialog mit Claude ist dabei der PCR-Rollout-Simulator herausgekommen.

Das Tool ist eigentlich selbsterklärend zu bedienen, aber ein paar klein Hinweise gibt es doch:

Meine Grundannahme ist schon seit Mitte 2020, dass das Coronavirus bereits deutlich länger kursierte, als der politmediale Mainstream, aber auch die Lableaker angenommen haben. Die Geschichte mit dem Fledermausvirus, das irgendwann ab Dezember in Wuhan zirkuliert, ist für mich völlig inzwischen völlig abstrus. Aber was passiert, wenn ein Massentest auf ein Virus ausgerollt wird, das bereits breit in der Bevölkerung zirkuliert? Mir war schnell klar, dass hierdurch eine Kurve der ertesteten „Infektionen“ entstehen kann, die nach einem plötzlichen Ausbruch aussieht. Man kann das ganze mit einem alten Quecksilber-Thermometer vergleichen, das man in kochendes Wasser hält: Nur, weil es etwas Zeit braucht, bis das Thermometer die 100° C anzeigt, bedeutet es nicht, dass das Wasser noch nicht gekocht hat.

Mit dem Simulator kann man dann an den einschlägigen Variablen rumspielen. Die Standardwerte entsprechen in etwa dem, was zu Beginn 2020 los war. Er ist wohlgemerkt kein wissenschaftlicher Beleg für irgendwas, sondern lediglich ein Spielzeug um ein wenig herumzuprobieren, was passiert, wenn man an welcher Variabel dreht.

Viel Spaß!

PCR-Rollout-Simulator: Prävalenz, Testkapazität und Positivenquote

PCR-Rollout-Simulator

Wie Prävalenz, Testkapazität und Testspezifität die gemeldeten Fallzahlen verzerren können.

  1. Prävalenz: Anteil der Bevölkerung, der zu einem bestimmten Zeitpunkt tatsächlich infiziert ist (unabhängig davon, ob getestet wird).
  2. Sensitivität: Anteil der tatsächlich Infizierten, den der Test korrekt als positiv erkennt. Kehrseite (100 % − Sensitivität) = Falsch-negativ-Rate.
  3. Spezifität: Anteil der tatsächlich Nicht-Infizierten, den der Test korrekt als negativ erkennt. Kehrseite (100 % − Spezifität) = Falsch-positiv-Rate.

Absolute positive Tests und Testkapazität pro Woche

Positive Tests absolut (linke Skala) Testkapazität (rechte Skala)

Wahre Prävalenz, Positivenquote und Anteil falsch-positiver Befunde

Wahre Prävalenz Positivenquote Anteil falsch-positiv

Positivenquote = wahre Prävalenz × Sensitivität + (1 − wahre Prävalenz) × (1 − Spezifität), Sensitivität fest 95 %. Kein Anreicherungs- oder Selektionsfaktor mehr – die Kurve zeigt ausschließlich, wie Kapazitätsausbau und Prävalenzverlauf zusammen die absoluten Fallzahlen treiben. 140 Tage (20 Wochen), Kapazität und Prävalenz folgen je einer Gompertz-Kurve vom Start- zum Zielwert.

Erstellt von uppad.de unter Nutzung von Claude AI

Gib den ersten Kommentar ab

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert