Schweizer Forschende entwickeln Frühwarnsystem für Grippewellen

Die Grippe ist im Winter eine häufige Infektionskrankheit: Influenzaviren sind bei niedrigen Temperaturen und in trockener Luft stabiler. Die Grippewellen fordern die Spitäler heraus.

Nun hat ein vom Schweizerischen Nationalfonds (SNF) gefördertes Forschungsteam ein mathematisches Modell entwickelt, das Abhilfe schaffen soll. Dieses soll nämlich drohende Engpässe in Spitälern durch Grippefälle anhand von meteorologischen Daten frühzeitig erkennen, wie der SNF mitteilte.

Die Forschenden der Universität Genf und Lausanne fütterten das statistische Modell mit Wetterdaten wie Niederschlag, Luftfeuchtigkeit, Temperatur und Sonnenstunden sowie mit täglichen Grippefällen, die während drei Jahren am Universitätsspital Lausanne (CHUV) behandelt wurden.

Dabei konzentrierte sich das Forschungsteam nicht wie üblich auf die durchschnittlichen Grippefallzahlen pro Tag. Das Team fokussierte sich stattdessen auf die registrierten Extremwerte. Denn zu diesen Spitzenzeiten besteht die Gefahr von Engpässen in Spitälern, falls die personellen Ressourcen nicht vorher aufgestockt werden.

«Anstatt den Spitälern einen Durchschnittswert für die zu erwartenden Fälle anzugeben, können wir ihnen mitteilen, mit welcher Wahrscheinlichkeit eine Fallzahl erreicht wird, die ihre Kapazitäten übersteigen würde, was relevanter ist», sagt Valérie Chavez, Statistikerin an der Universität Lausanne und Co-Autorin der Studie.

Das statistische Modell soll das Risiko einer Überlastung der Spitäler drei Tage im Voraus erkennen – ebenso lange ist die Inkubationszeit der Grippeviren.

Konkret soll es angeben, welche Fallzahlen mit einer Wahrscheinlichkeit von einem, fünf und zehn Prozent überschritten werden könnten. Ausserdem prognostiziere es die Anzahl Grippefälle, die innert 10 oder 30 Tagen zu erwarten sein könnten, so die Forschenden. Wenn sich diese Werte nach oben bewegten, deute dies darauf hin, dass eine Grippe-Epidemie auf einen Höhepunkt zusteuere. «Für die Spitäler ist das ein Warnsignal», sagt die Co-Autorin Chavez.

Das Modell eigne sich auch für andere saisonale Viren, insbesondere für Coronaviren und für das Respiratory Syncytial Virus (RSV). Wie die Forschenden jedoch einräumen, «ist das Modell noch mit Unsicherheiten behaftet, da die Daten des CHUV erst für drei Jahre ausgewertet wurden». Zudem fehlten noch Daten, um Prognosen zu Sars-CoV-2 zu machen.

Gemäss Angaben des Forschungsteams arbeitet es jedoch bereits an Modellen, die nebst Wetterdaten auch Ansteckungsprozesse der Viren miteinbeziehen. Damit sollen noch präzisere Prognosen möglich sein.

Setareh Ranjbar,Eva Cantoni,Valérie Chavez-Demoulin,Giampiero Marra,Rosalba Radice,Katia Jaton. «Modelling the extremes of seasonal viruses and hospital congestion: The example of flu in a Swiss hospital» in: «Journal of the Royal Statistical Society». April 2022