01_038_daten_auswirkung_von_maßnahmen_auf_fallzahlen

Confirmed Cases und Death Cases aus verschiedenen Ländern analysiert vor allem im Hinblick darauf in welchem Zeitrahmen, welche Maßnahmen welche Wirkung hatten um damit dann Modelle zu entwerfen.

Comment 1

Das Problem

Aufgrund der Komplexität unseres gesellschaftlichen Agierens, sind Abschätzungen über den Zeitrahmen und die Wirksamkeit von Maßnahmen im Kampf gegen die Ausbreitung des SARS-CoV-2 schwierig. In Zukunft werden sich Entscheidungsträger in der Pflicht sehen, Maßnahmen gezielt zu verschärfen oder zu lockern, um eine Balance zwischen den Freiheiten der Bevölkerung und der Geschwindigkeit der Ausbreitung des Virus und der damit verbundenen Belastung des Gesundheitssystems zu finden. Darüber hinaus ist es essentiell in der Bevölkerung ein Verständnis für die Notwendigkeit dieser Maßnahmen in ihrem Umfang und ihrer Dauer aufzubauen.

Der Lösungsansatz

In einem ersten Schritt werden durch kontinuierliche Auswertung der Fall- und Todeszahlen, die Zeitrahmen und Auswirkung von Maßnahmen bestimmt, um in einem zweiten Schritt diese Erkenntnisse zur Modellierung von zukünftigen Maßnahmenmöglichkeiten zu nutzen. Dazu werden Maßnahmen und ihre zeitlich verzögerte Auswirkung auf die Fall- und Todeszahlen auch von anderen Ländern erfasst, um eine Datenbasis für die Modellierung zu erhalten.

Pitch-Video: https://youtu.be/Gl_a11giACc

1. Erstellung von Maßnahmenkategorien auf Basis der umgesetzten Maßnahmen in Italien, Südkorea und Wuhan

Social distancing Regionale Abgrenzung Kontrolle Virusausbreitung und Falldetektion Förderung Gesundheitssystem
Schließung von Ladengeschäften Grenzschließungen Infiziertenüberwachung Aufstockung Regelversorgung
Schließung von öffentlichen/kulturellen Orten (Kinos, Theater etc.) Mobilitätseinschränkung-Luft Desinfektion von Straßen/öffentlichen Plätzen Aufstockung Intensivversorgung
Absagen von Großveranstaltungen (>1000 Personen) Mobilitätseinschränkung-Land systematische Fiebermessungen Umschulung von Personal
Absagen von Veranstaltungen jeder Größe Mobilitätseinschränkung-See Tür-zu-Tür-Erfassungsaktion
Ausgangssperre Erhöhung Testkapazitäten
Schließung von Schulen
Schließung von Universitäten
Schließung von Kitas
Quarantänemaßnahmen
Aufruf zu social distancing
Besuchsbeschränkungen in medizinischen Einrichtungen
Aussetzen des öffentlichen Behördenverkehrs

2. Darstellung und Analyse von Fallzahlen verschiedener Länder Impact Abschätzung der Maßnahmen (Fallzahlen als Zeitreihe betrachten) Beispiel hier: Prognose entwickeln vor 11.09.2011 und dann mit tatsächlichen Werten vergleichen, um Einfluss einzuschätzen

(Idee): Dunkelziffer basierend auf verschiedenen Untersuchungsystematiken (flächendeckend vs Kontaktpersonen), Extrapolation von bspw. südkoreanischer Verteilung auf Deutschland (Infizierte pro Altersklasse)

3. Klärung relevanter Kennzahlen für Zielgruppe Die Zielgruppe sind die Entscheidungsträger der Legislative. Als relevante Kenngrößen wurden die Zahlen der Neuinfektionen sowie die Schwere des Krankheitsverlaufs bezogen auf eine Referenzgröße von 100 Personen definiert. Zudem soll eine Aussage über den Zeitpunkt der Überlastung des Gesundheitssystems getroffen werden.

4. Visualisierung Vereinfachen Die Visualisierung und Verständlichkeit der Ergebnisse ist essentiell, um darauf basierende Entscheidungen zu treffen. Die Visualisierung wird für die Zielgruppe Entscheidungsträger in der Legislative entwickelt und bewusst auf eine zu wissenschaftliche Darstellungen verzichtet.

Inspiration

Web Application Tool "Covid-19-Scenarios" der Universität Basel https://neherlab.org/covid19/

Funktionsweise

Data2Decision ist ein Tool, in dem die Auswirkung von verschiedenen Eindämmungsmaßnahmen des SARS-CoV-2 hinsichtlich Ihrer Effizienz bewertet und dargestellt werden.

Herangehensweise

Datenvisualisierung

Ausgangssituation: möglichst einfach zu bedienendes Dashboard für politische Entscheidungsträger zur Veranschaulichung des Effektes von Maßnahmen gegen COVID19 (Orientierung an Basel-Projekt)

Brainstorming zu Datengrundlage und Darstellungsmöglichkeiten → Input- und Outputparameter + Abstimmung im Team (Abgleich Datenverfügbarkeit und Visualisierung)

Dokumentation gesammelter Ideen in einer Mindmap in zenkit (https://public.zenkit.com/c/5_FjdxOiJ/data2decision?v=UwPxMea7v)

Erarbeitung eines ersten visuellen Mockups mithilfe von moqups basierend auf der Ideensammlung in der Mindmap (https://app.moqups.com/QC1hQV3FWM/view/page/aa9df7b72)

Erste Validierung des Konzeptes durch Mentor aus dem Bereich UX/UI

Erweiterung um geplante zukünftige Funktionen des Dashboards (zweiter Mockup-Screen) geplante Überführung in ein Frontend (https://data2-decision-odvngommy.now.sh/) + Anbindung bereits verfügbarer Daten

Schließlich, erster Entwurf einer dynamischen Webapplikation in R Shiny (https://github.com/jenslaufer/Data2Decision/blob/master/data_2_decision_I.R)

Parallel dazu Erstellung eines Klickdummys mit invision (https://invis.io/JPWIOWN6WY5#/410311250_D2D_Start_Gross) basierend auf den Mockups zur Veranschaulichung für das Pitchvideo

Datenanalyse

Bei der Datenanalyse wurden speziell die Daten der John Hopkins University herangezogen, um erste Analysen über das Virus durchzuführen. Darüber hinaus wurde noch eine intensive Datenrecherche betrieben um detailliertere Informationen über Altersverteilung, Todesfälle und Dunkelziffer der Infektionen zu beziffern. Dabei waren Deutschland, Südkorea und Italien die geographischen Suchgebiete. Detaillierte Ergebnisse können in unserem Jupyter Notebook nachvollzogen werden:

https://nbviewer.jupyter.org/github/jenslaufer/Data2Decision/blob/master/notebooks/Case_Number_Analysis.ipynb

Für das Dashboard konnten im Rahmen dieses Hackathon auch erste Prognosemodelle erstellt werden, jedoch benötigen wir für die volle Funktionsweise des Dashboards weitere Analysen und Modelle, die den genauen Einfluss von Maßnahmen aus Referenzpunkten der anderen Länder extrapolieren können. Dies wird als weiterer Schritt am Ende unserer Arbeit stehen.

Herausforderungen während der Arbeit

Die Wirkung der verschiedenen Maßnahmen auf die Verbreitung des Virus können auf Basis der zur Verfügung stehenden Daten oft nicht isoliert betrachtet werden, sondern nur in Kombination.

Maßnahmen werden zunächst nur lokal eingeführt, so dass sie nur wenig Einfluss auf ihre Umgebung zeigen.

Die Daten zu den verfügten Maßnahmen liegen in den unterschiedlichen Ländern oft wenig bis gar nicht strukturiert vor. Zur Erhebung ist viel Recherche nötig. Bestehende Daten aus anderen Ländern sind daher nicht gleichermaßen verwertbar. So erwiesen sich z.B. Daten aus Südkorea als passender zur Orientierung als aus Italien.

Was haben wir gelernt?

48h sind mehr als ausreichend, um Menschen mit ganz unterschiedlichem Hintergrund zusammenzubringen, um ein Problem zu lösen...oder um Lösungen auf den Weg zu bringen.

Nächste Schritte ....

In den nächsten Schritten wollen wir weitere Quellen aus mehreren Ländern kombinieren. Mit einem detaillierteren Modell wollen wir die Prognosen zuverlässiger machen.

Daten sind gerade zum jetzigen Zeitpunkt ein wertvolles Mittel, um uns für Maßnahmen zu entscheiden, die der Ausbreitung des Virus entgegenwirken. Lasst uns voneinander lernen und diese Herausforderung annehmen! Für möglichst fundierte Entscheidungen zu effektiven Maßnahmen gegen das Corona-Virus.

Built With

Share this project:

Updates