Was wir uns gefragt haben

Wie können wir es schaffen mehr "Licht" in die Dunkelziffer von COVID-19-Fällen zu bringen, ohne uns nur auf ein System mit begrenzter Kapazität (Tests) zu verlassen?

Mittlerweile ist daraus unsere Website dunkelzifferradar.de entstanden, auf der du dich täglich über die Dunkelziffer informieren kannst.

Mit dem DunkelzifferRadar, bei dem Du Deinen aktuellen Gesundheitszustand eintragen kannst, bekommen wir ein genaueres Bild, wie es rund um die bestätigten Corona-Fälle aussieht und können zudem dank der Daten von nicht getesteten Personen die Dunkelziffer schätzen.

Klar, das DunkelzifferRadar ist noch kein fertiges Produkt. Innerhalb dieses Hackathons wurde es komplett von Grund auf entwickelt. Daher sind noch nicht alle Komponenten komplett ausgearbeitet und zum Teil auch noch nicht im Frontend eingebunden. Die folgende Übersicht stellt für die einzelnen Bausteine die bisherigen Erfolge und noch offenen Aufgaben vor.

Was wir erreicht haben

App

  • Status: Das Radar wurde vorerst als WebApp implementiert.
  • Ausblick: Durch eine Erweiterung zur mobilen App kann man noch mehr Menschen erreichen. Außerdem würde das vereinfachen, mehrere Eingaben einer Person auf ebendiese anonymisiert zurückzuführen, wodurch man die Gesundheitsentwicklung einzelner Personen besser zur Dunkelzifferabschätzung nutzen kann. In einer WebApp könnte dies durch die Vergabe von Kennwörtern oder Cookies realisiert werden.

In der Nutzeroberfläche, die in Angular JS programmiert ist, klickst Du Dich als NutzerIn durch eine Reihe von Fragen zu Deinem physischen und psychischen Gesundheitszustand. Du bleibst anonym.

Fragebogen

  • Status: Es werden allgemeine Informationen wie Alter, Geschlecht und Postleitzahl, sowie Informationen über die physischische Gesundheit abgefragt. Diese umfassen eine Abfrage von Symptomen, ob man bereits auf Corona getestet wurde, und eventuelle Vorerkrankungen.
  • Ausblick: Eine Abfrage von einigen Informationen zur psychischen Gesundheit könnte Aufschluss darüber geben, wie gut Menschen in einer Region beispielsweise mit Quarantänemaßnahmen klarkommen. Die zugehörigen Fragen sind bereits entwickelt, müssen jedoch noch ins Frontend eingebaut werden.

Als Belohnung für das Ausfüllen der Fragen bekommst Du eine Veranschaulichung Deiner Symptomatik im Zeitverlauf, wenn Du die App schon länger benutzt. Andererseits siehst Du detaillierte Informationen zu der Corona-Situation in Deiner Region auf einer interaktiven Deutschlandkarte.

Datenvisualisierung

  • Status: Es werden interaktive Plots erstellt, die die offiziellen Fallzahlen auf Bundesland- und Landkreisebene darstellen können. Die Informationen sind mit HighCharts visualisiert und können als Karten, in die man hereinzoomen und dadurch einzelne Gebiete auswählen kann, Balken- und Tortendiagramme dargestellt werden.
  • Ausblick: Graphiken über die offiziellen Fallzahlen sowie die Analyseergebnisse auf ihnen sollen im Anschluss an einen ausgefüllten Fragebogen in der App angezeigt werden. Außerdem können Karten und Diagramme Erkenntnisse, die auf den in den Fragebögen erhobenen Daten gewonnen wurden, visualisieren.

Die regionalen Informationen beruhen zum einen auf Deinen Daten und den Daten anderer NutzerInnen, die mit SNOMED CT semantisch annotiert werden. Zudem werden aktuelle Fall- und Todeszahlen des Robert-Koch-Instituts täglich von deren API in die Datenbank der App geladen. Die PostgreSQL-Datenbank hält außerdem eine Tabelle der Dunkelziffern auf Landkreisebene. Die statistische Abschätzung beruht auf dem wissenschaftlichen Papier von Czypionka und Reiss umgesetzt. Diese drei Datenquellen werden kombiniert, was unseren Ansatz einzigartig macht.

Datenauswertung

  • Status: Aufgrund fehlender Nutzerdaten werden bisher nur die Daten, die vom Robert Koch Institut veröffentlicht werden, zur Datenanalyse verwendet. Diese Informationen enthalten Fall- und Todeszahlen nach Landkreis, Altersgruppe, Geschlecht und Meldedatum gruppiert. Auf diesen offiziellen Daten werden die Dunkelziffern auf Bundesland- und Landkreisebene bereits abgeschätzt, was eine Validierung der Daten, die durch die Fragebögen gesammelt werden können, ermöglicht. Bis die Nutzerdaten zur Verfügung stehen wird die Dunkelziffer nur mit demstatistischen Modell abgeschätzt.
  • Ausblick: Diese Datenauswertung soll dann natürlich auch automatisch auf den durch das Radar gesammelten Informationen erfolgen.

Backend

Natürlich darf das Backend auch nicht fehlen. Es ist in Python geschrieben und benutzt das von Zalando entwickelte Framework connexion. Es sorgt für die Kommunikation der einzelnen Komponenten miteinander. Zum Frontend kommuniziert es mit OpenApi 3.0.

Voilà, das DunkelzifferRadar: https://youtu.be/7AdTo49Lg88

Built With

+ 8 more
Share this project:

Updates