Vom 3. bis 9.5. verminderte sich die Summe aller vom RKI gemeldeten Covid-Infektionen um 6129, heute wurden 6250 Fälle addiert (Grafik 2). Sonst sind es etwa 30 Fälle pro Tag. Die Meldungen zu Hospitalisierungen und Intensivbelegung folgen brav der Modellvorhersage (Grafik 3+4).

Zum Vergleich meiner Modellextrapolationen benutze ich für Neuinfektionen und Todesfälle die vom RKI gemeldeten akkumulierten Fälle. Die Neuinfektionen sind damit seit 3 Tagen negativ (-6112), bei den Toten gibt es 67 Auferstehungen. Damit kann ich nichts anfangen.

Die gemeldeten Covid-Infektionszahlen fallen weiter wie vorausberechnet (Grafik 1+2: R=0,9 mit Halbwertszeit=23 Tage). Hospitalisierungen nehmen langsamer ab und Intensivbelegung bleibt konstant (Grafik 3+4), abweichend vom Modell, allerdings bei sehr kleinen Meldezahlen.

(1) Die Zahl der Covid-19 Neuinfektionen fällt weiter (Grafik 2) mit 0,9<R<0,95 (Grafik 1 - Halbwertszeit zwischen 25 und 45 Tagen). Die Meldungen zu Hospitalisierungen, Intensivbelegung und Todesfällen liegen über der Modellvorhersage (Grafik 3+4). /2

(1) Zurzeit halten sich in der Covid-Modelldynamik Immunschwund und Saisoneffekt die Waage, mit konstantem R-Wert (Grafik 1A). Im Herbst addieren sich die Effekte. Neue Varianten können einen Anstieg des R-Werts über 1 in wenigen Wochen verursachen ⇒ bsky.app/profile/mart... . /2

Covid-Infektionen, Hospitalisierungen und Intensivbelegung nehmen weiter exponentiell ab, wie vom Modell vorausberechnet ⇒ bsky.app/profile/mart... (Grafik 2-4), denn ohne neue Variante bleibt der R-Wert bis Juli fast konstant (~0,78: Grafik 1 ⇒ Halbwertszeit=12 Tage).

Meine Covid-Modellvariablen sind gemittelte Meldegrößen. Die Grafiken zeigen, wie eine Dunkelziffermodulation den Effekt der Nachmeldungen aus NRW vom 18.3. in diesen Variablen (rot) darstellt. Die fehlenden Meldungen waren vermutlich zwischen dem 1.3. und 17.3.

Bei den RKI-Covid-Infektionsmeldungen gibt es heute einen eigenartigen Ausreißer. Nachmeldungen?

(1) Alle RKI-Covid-Meldungen folgten in dieser Woche genau der Modellvorhersage vom 7.3. ⇒ bsky.app/profile/mart... /2

(1) Die RKI-Infektions- und Hospitalisierungsmeldungen folgten seit dem 21.2. ⇒ bsky.app/profile/mart... weiter der Modellvorhersage vom 6.2. (Grafik 2-3), obwohl das Variantenmodell offensichtlich falsch ist (Grafik 5). Die Intensivbelegung fiel parallel zur Vorhersage. /2

(1) Die Infektions- und Hospitalisierungsmeldungen folgten in dieser Woche dem Modell (Grafik 2-3), die Intensivbelegung lag darüber (Grafik 4), Todesfälle wurden doppelt so viele (90 pro Woche) gemeldet wie nach Modell erwartet (Grafik 4).

(1) In dieser Woche folgten die RKI-Meldungen weiter dem Modell vom 6.2. (Grafik 2-4). Ohne neue Variante bliebe der R-Wert bis in den Sommer fast konstant (Grafik 1) und die Infektionen verschwänden fast. /2

(1/4) Die Entwicklung der RKI-Infektions- und Hospitalisierungsmeldungen kann ich nur durch einen Sprung im Kontaktindex R1 (Grafik 1-4) oder durch einen Rückgang der Dunkelziffer (Grafik 5-6) erklären. /2

(1) Die Meldungen folgten in dieser Woche weiter dem Modell (Grafik 2-4)→ bsky.app/profile/mart..., obwohl dessen Variantenanteile nicht zu den Sequenzierungsdaten passen (Grafik 1). /2

Der Hauptgrund für die falsche Modellvorhersage ⇒ bsky.app/profile/mart... war die Fehleinschätzung des Verbreitungsvorteils von BA.3.2. ⇒ bsky.app/profile/mart.... Unabhängig davon ist es überraschend, dass der Kontaktindex nach den Ferien bisher nicht wieder anstieg (Grafik 1).

(1) Mit den Sequenzierungsdaten vom 21.1. kann man anders als in ⇒ bsky.app/profile/mart... eine Modellanpassung wagen. Entsprechend der Korrektur für die weltweiten Daten ⇒ bsky.app/profile/mike... passt auch in D ein Verbreitungsvorteil von BA.3.2 gegen XFG von 35% (statt 54%). /2

(1) Die unterschiedliche Entwicklung der Infektions- und Hospitalisierungsmeldungen (Grafik 2+3) kann das Modell nur mit Meldeausfällen bei den Infektionen erklären (größere Dunkelziffer). /2

Die beiden letzten Sequenzierungspunkte ‚passen rein gar nicht‘. In Woche 50 wurde schon ein Anteil von 40% BA3.2 berichtet. Dass dieser wieder rasch verschwindet, widerspricht der Modellierung grundsätzlich. Ich warte auf die Daten der nächsten Woche.

(1) In bsky.app/profile/mart... vermutete ich einen ‚Bodensatz‘ bei den AMELAG Daten, der für kleine Inzidenz eine hohe DZ (AMELAG/RKI) erzeugt (grün, DZ-Effekt blau). Bei den RKI-Meldungen könnte es entsprechend einen ‚Verlust‘ für kleine Inzidenz geben (Effekt gepunktet). /2

Die Meldelücken der Feiertage verschwinden aus der Mittelung, Infektionen und HOSP bewegen sich zur Modellvorherage vom 20.12., ITS nicht. Mitte nächsten Woche kommen neue Sequenzierungsdaten, eine Modellanpassung ist zu erwarten, auch für den Kontaktindex R1 nach den Ferien.

Jahresabschluss und Ausblick: - 2025 gab es 13 Mio Covid-Infektionen (Variantenanteile in Tabelle in Grafik 1). - Der BA3.2-Anteil am 31.12. ist 70% (Grafik 2, Daten vom 11.12.). - Nach Modell verdoppelt sich die Inzidenz in den nächsten 4 Wochen (Grafik 3 und Tabelle, sehr unsicher).

Die Grafiken zeigen die RKI-Meldungen bis heute (schwarz) gegen das Modell vom 20.12. (rot) ⇒ bsky.app/profile/mart.... Die Abweichungen in Fall- und Hospitalisierungsmeldungen kommen durch die Feiertagslücken, die Entwicklung der Intensivbelegung kann ich nicht erklären.

Wegen der Feiertage fehlen neue RKI-Meldungen. Deshalb heute ein Fünfjahresrückblick, und einen guten Rutsch in 2026 für alle (auf der BA.3.2-Welle steil abwärts, falls keine neue Variante kommt).

1) Den starken Abfall der RKI-Fallmeldungen kann ich in der Infektionsdynamik nur mit einem extremen Rückgang im Kontaktindex R1 anpassen. Wenn die Ursache 'verlorene Meldungen' (ab 17.12.) wären (DZ-Anstieg), müsste das im Vergleich mit den Abwasserdaten für Woche 50 sichtbar werden.

Die RKI-Meldungen für Infektionen (und auch Hospitalisierungen) deuten darauf hin, dass die XFG-BA.3.2-Welle früher bricht als von mir geschätzt (rot). In den Ferien sind die Daten nicht zuverlässig, aber die nächsten Tage können noch diese Entwicklung bestätigen oder widerlegen.

Die Entwicklung der AMELAG-Abwasserdaten (blau) bestätigt die der RKI-Meldungen (rot). Berechnung der RKI-Dunkelziffervariation aus den AMELAG-Daten (grün) ist mit Vorsicht zu betrachten ⇒ x.com/Martin46er1/..., jedoch sie zeigt, dass die RKI-DZ 'von Maximum zu Maximum' konstant ist.

Die Grafik zeigt die BA.3.2-Anteile in den RKI-Sequenzierungsdaten vom 17.12. im Vergleich zum Modell. Der Punkt von Woche 48 fällt aus dem 1-σ-Intervall. 19 dieser 27 BA.3.2 Fälle kommen aus Berlin, 4 aus NRW, also ist die Verteilung noch regional, kein Grund, das Modell zu ändern.

Die Frage kam auf, ob BA.3.2 mehr schwere Fälle verursacht als XFG. Die parametrische Grafik zeigt eher das Gegenteil. Um der Meldekurve zu folgen, muss ich den entsprechenden Anteil-Faktor Intensivbelegung/Infektionen für BA.3.2 kleiner als 0,3-mal dem entsprechenden Faktor für XFG wählen.

Covid-Modell-Situation (13.12.25): Eine BA.3.2-Welle setzt sich auf die XFG-Welle (Grafik). Durch den Rückgang der Kontakte wird sie vermutlich um Weihnachten brechen, bleibt aber bis Mitte Januar hoch. Das Variantenmodell für BA.3.2 ⇒ bsky.app/profile/mart... ist noch nicht stabil.

(1) Die RKI-Meldungen folgten in dieser Woche dem Modell vom 6.12., außer der Intensivbelegung. Letztere wird möglicherweise durch die Änderung der Intubationsregeln beeinflusst (Grafik 4), oder XFG und BA.3.2 haben geringere ITS-Anteile als XEC ⇒ bsky.app/profile/mart.... /2

Die Grafiken illustrieren das Variantenmodell ⇒ bsky.app/profile/mart... in verschiedenen Skalierungen. Grafik 2 (logarithmisch) zeigt das relative Wachstum von BA.3.2 gegen XFG, im Vergleich zum Idealfall zweier 'unabhängigen' Varianten (relatives Wachstum = 57%).

(1) Die RKI-Sequenzierungsdaten vom 11.12. passen zum Variantenmodell vom 26.11. (Grafik 1). Eine ‚Zentrierung‘ der Anteilskurve für BA3.2 (mit 1-σ-Intervall) macht praktisch keinen Unterschied in der Inzidenzvorhersage (blau in Grafik 2). Ich lasse das Modell unverändert. /2

(1) In bsky.app/profile/mart... passen die Infektionsmeldungen und die Hospitalisierungen gut zum Modell, die Intensivbelegung weicht ab. In meiner Methode würde das bedeuten, dass BA.3.2 weniger schwere Fälle verursacht als XFG (rote Kurve). Es besteht aber auch eine andere Erklärung. /2

‪ Eigentlich erwartete ich einen Satz neuer Sequenzierungsdaten, die eine Verbesserung des Variantenmodells erlauben. Die neuen RKI-Daten scheinen jedoch inkonsistent zu sein. @icestormfr arbeitet daran. Für die R1-Vorhersage habe ich einen Ferieneffekt (wie 2024) geraten. Hier die 'Standardgrafen'

Die Grafik zeigt, dass sich die Wirkungen der neuen Variante BA.3.2 und der Zunahme an Kontakten (R1) unglücklich addieren. Ohne das eine oder andere würde es der R-Wert nicht so weit über 1 schaffen und die Welle bliebe viel kleiner. Das Variantenmodell ist vorerst unverändert, Korrektur steht aus.

(1/8) Die Modellierung der Covid-Pandemie braucht die Dunkelziffer (DZ), um die Zahl der immunisierenden Infektionen berechnen zu können. Im Folgenden wird diskutiert, ob man die Entwicklung der DZ aus den AMELAG Abwasserdaten abschätzen kann. /2

(1) Die Infektionsmeldungen steigen stärker als modelliert ⇒ bsky.app/profile/mart.... Der Effekt kommt wahrscheinlich durch mehr Kontakte (gepunktet) und nicht von der neuen Variante BA.3.2. Für eine Modellanpassung warte ich auf weitere Sequenzierungsdaten. ITS bleibt zurück./2

Korrektur zu bsky.app/profile/mart...: In Grafik 6 fehlten die Meldedaten seit dem 18.11. Auch die Intensivbelegungsmeldungen kehren zum Modell zurück (verbesserte Grafik unten).

(1) Wie erwartet, bewegt sich der neue Sequenzierungsdatenpunkt am 6.11., mit 77 Messungen statt der 45 von vor einer Woche, hin zur Modellkurve vom 20.11. (Grafik 1) → bsky.app/profile/mart.... /2

(1) bsky.app/profile/mart... berichtete vom 'steilen' Vordringen einer neuen Covid-Variante (von 2% auf 11% in 2 Wochen). Eine 'sauberere' Modellierung benötigt weitere 2 Wochen Sequenzierungsdaten. Vorerst in den Grafiken der etwa zu erwartende Effekt auf R-Wert und Meldevariablen. /2

(1) Der Anteil einer neuen Covid-Variante (BA.3.2.2?) scheint über 10% zu steigen (Grafik 1). Zu früh, genau zu modellieren, aber eine (zugegeben voreilige) Simulation zeigt: ⇒ /2.

(1) Die Covid Fall- und Hospitalisierungsmeldungen des RKI folgen dem am 11.11. angepassten Modell (Grafik 2+3). Die Intensivbelegung geht stärker zurück als vorhergesagt, die Todesfälle steigen wieder (Grafik 4). Der RKI-R-Wert liegt heute genau auf der Modellkurve (Grafik 1). /2

(1) Die Grafik vergleicht AMELAG und RKI Daten, alle auf die gleiche Höhe am 2024-Maximum skaliert. RKI-HOSP und RKI-Fälle verlaufen gleich, RKI-ITS fällt 2025 ab, bei mir als geringere XFG-Pathogenität interpretiert. Die grüne Kurve ist der Quotient AMELAG/RK-Fälle. /2

Durch das vorzeitige Brechen der Covid-Welle ⇒ bsky.app/profile/mart... reduziert sich die Schätzung aller Infektionen mit DZ in 2025 - von 12,3 Mio - auf 9,7 Mio, falls R1 gleich bleibt (Grafik 11), - auf 11,6 Mio für R1+0,2 ab heute (rot gestrichelt in Grafik), - auf 10,7 Mio für R1+0,1 am 1.11.

(1) Grafik 1-4 zeigen die Anpassung des Covid-19-Modells vom 7.11., und zwar mit DZ=konst., aber mit am Maximum neu skalierten Pathogenitätsfaktoren (HOSP und ITS) für XFG. Die 2025-Welle ist eine Woche früher gebrochen als vorher modelliert. Woran kann das liegen? → /2 bis /5

Die Erklärung des Rückgangs der Fallmeldungen durch DZ-Anstieg in ⇒ bsky.app/profile/mart... ist unbefriedigend. Auch HOSP und ITS fallen relativ zum Modell. Die Grafiken zeigen eine vorläufige Anpassung durch R1-Manipulation. Die Grenzen meines Modells scheinen erreicht zu sein.

Seit bsky.app/profile/mart... vom 8.10. hat sich bei den Corona-Variantenanteilen nicht viel geändert (Grafik): ⇨ XFG+NB.1.8.1 dominieren, NB.1.8.1 hat relativ zu XFG zugenommen (~20%). ⇨ Der Anteil von KP.2 und XEC zugeordneten Sequenzen nimmt zu (~15% in letzter Probe).

(1) Grafik 3+4 zeigen, dass die Meldungen (für HOSP und ITS) über der Modellvorhersage vom 14.10. (vor meinem Urlaub ⇒https://x.com/Martin46er1/status/1978018435268300993) lagen, aber jetzt zu ihr zurückkehren. Die Meldungen der Neuinfektionen weichen ab. ⇨ Mögliche Erklärung in /3.

(1) Bis zum 28.10. bin ich in computerfreiem Urlaub. Als Vorbereitung für den Vergleich Modellvorhersage gegen Meldungen am 29.10. mein ‚Best Guess‘ von heute (Grafik 1-4). Die Kurven für R1± 0,05 sollen die Unsicherheit der Vorhersage andeuten (kein Konfidenzintervall!). /2

(1) Die Meldungen folgen dem Modell (mit Abweichung durch die Feiertagslücke ⇒ erklärt in /2). Die Tabelle in Grafik 2 gibt Modellwerte (bester Fit für Meldungen) heute, vor einer Woche und in einer Woche. ⇨ Der R-Wert fällt! ⇨ Maximale Inzidenz am 11.11.25 (R=1). /2