Was ist der R_t-Wert?

Der R-Wert, auch Reproduktionszahl genannt, beschreibt, wie viele Menschen eine infizierte Person im Mittel ansteckt. Zusammen mit der Anzahl der täglichen Neuinfektionen ist die zeitabhängige Reproduktionszahl R_t ein wichtiges Maß dafür, wie schnell sich die Krankheit aktuell ausbreitet.
Man unterscheidet drei Fälle:

• R_t>1: die Anzahl der Neuinfektionen steigt
• R_t=1: die Anzahl der Neuinfektionen bleibt gleich
• R_t<1: die Anzahl der Neuinfektionen sinkt

Für weitere Informationen siehe auch in den FAQ des Robert Koch-Instituts.

Woher kommen die Daten?

Die Zahlen der Positiv-Tests beziehen wir vom offiziellen Dashboard des RKIs, bzw. dem dahinterliegenden ArcGIS-System.
Außerdem verwenden wir die regional aufgelösten Zahlen der täglich durchgeführten Tests, die uns freundlicherweise vom RKI zur Verfügung gestellt wurden. Eine Zusammenfassung dieser Zahlen wird auch im Wochenbericht des RKI veröffentlicht.
Die Zahl durchgeführter Tests ist im derzeitigen Meldesystem schwer zu erfassen und wird derzeit vom ARS-Team des Robert Koch-Instituts auf Grundlage freiwillig übermittelter Zahlen der Testlabore zusammengestellt. Insbesondere für kleine Bundesländer ist die Datenlage daher möglicherweise nicht representativ für die wirkliche Zahl durchgeführter Tests.

Warum fehlen Bremen und Saarland?

Unsere Analyse benötigt die Zahl der täglich durchgeführten Test pro Region. Für Bremen und das Saarland schätzt das RKI die aktuell vorliegenden Daten als nicht representativ genug ein.

Worin unterscheidet sich diese Analyse von der Berechnung des RKI?

Das rt.live Modell berücksichtigt neben dem zeitlichen Verzug zwischen Infektion und Positiv-Testergebnis auch die Anzahl der täglich durchgeführten Tests. In unserer Detail-Ansicht ist dargestellt, dass die Zahl der täglichen Test in Deutschland im Wochentakt schwankt.

Bei mehr durchgeführten Tests steigt die Wahrscheinlichkeit einen Infizierten zu entdecken. Durch die Berücksichtigung dieser Wahrscheinlichkeit kann das Modell die wöchentlichen Schwankungen ausgleichen.

Für eine ausführliche Erklärung, wie das Modell programmiert ist, siehe github.com/rtcovidlive/rtlive-global.

Was bedeuten die hoch- und tiefgestellten Zahlen?

Die große Zahl beschreibt den Medianwert, während die kleinen Zahlen den Bereich angeben, in dem unsere Analyse den Wert mit 90%iger Wahrscheinlichkeit vermutet. X = 0.94 _0.78 ^1.11 kann also gelesen werden als "Unsere Analyse hat ergeben, dass X mit 90%iger Wahrscheinlichkeit zwischen 0.78 und 1.11 liegt.".

Nach welchen Regeln werden die Farben der Risikoindikatoren gewählt?

Für die Reproduktionszahl wählen wir die Farbe anhand der Wahrscheinlichkeit, dass R > 1 ist.

Farbe	Wahrscheinlichkeitsbereich
grün	0-25 %
grau	25-50 %
orange	50-75 %
rot	75-100 %

Welche Schwächen hat die Methode?

Das Modell benötigt die Zahl täglich durchgeführter COVID-19-Tests, welche für Deutschland aber nur verspätet verfügbar ist. Wir verwenden daher Prophet, um die Zahl der durchgeführten Tests vorherzusagen. Unsere Vorhersage wird in der Detailansicht dargestellt, doch je weiter die letzten Zahlen zurückliegen, desto unzuverlässiger wird diese Vorhersage.

Kein Modell kann die Realität exakt beschreiben. Das heißt je mehr wir über die Pandemie verstehen, desto mehr "Fehler" des Modells lernen wir kennen.
Im Detail macht das Modell Annahmen, die durch Literaturquellen informiert sind, aber nicht unbedingt exakt auf Deutschland zutreffen. Zudem sind auch diese Literaturwerte nur Momentaufnahmen, die im Verlauf der Pandemie mehr oder weniger stark zutreffen.
Zentral für das Modell sind dabei zwei Wahrscheinlichkeitsverteilungen:

• zeitlicher Versatz zwischen Infektion und Positiv-Test
• zeitlicher Versatz zwischen Infektion und Ansteckung weiterer Personen

Wer steckt hinter dieser Seite?

Wir, Laura Helleckes und Michael Osthege, sind Doktoranden am Institut für Biotechnologie (IBG-1) des Forschungszentrums Jülich. Wir haben das originale Open-Source-Modell für Deutschland angepasst. Bei Fragen und Anmerkungen wenden Sie sich bitte per Mail an uns.