Researchers sift through data to compare nations’ vastly different containment measures.

NEWS 27 April 2020 https://www.nature.com/articles/d41586-020-01248-1

Ach, was waren das noch für Zeiten, als die deutsche Sprache die Sprache der Wissenschaft war! So muss ich mich mit meinem kläglichen Schulenglisch durch die Zeilen quälen.

Dieser Nature-Artikel ist zwar bestimmt informativ und immerhin ein Anfang. Trotzdem stimmen mich zwei Punkte nachdenklich.

1. So weit ich es verstanden habe, wird für meinen Geschmack zu einseitig ein kausaler Zusammenhang zwischen den Maßnahmen der Regierung eines Landes und der Ausbreitung von Corona hergestellt. Ich konnte nicht erkennen – dafür mag es auch zu früh sein – dass andere Faktoren (z.B. Altersstruktur, Zustand des Gesundheitswesens, Wohlstand bzw. Armut, Umweltverschmutzung) mit berücksichtigt wurden. Ohne das geht es aber meiner Meinung nach nicht.

2. Ich habe meine Zweifel, ob die von diversen Ländern zur Verfügung gestellten Daten die gleiche Dignität haben. Nicht nur, dass nicht alle Länder nicht dasselbe in gleicher Weise messen (vorsichtig ausgedrückt). Sondern ich glaube, dass ich nicht allzu weit von der Wahrheit bin, wenn ich vermute, dass einige Länder ihre Daten ganz bewusst entsprechend ihrer politischen Interessen verfälschen.

Trotzdem – die Bedenken kann man ja im Hinterkopf behalten – ein kurzer Ausschnitt aus dem Artikel.           

Researchers are already working on models that use data from individual countries to understand the effect of control measures. Models based on real data should be more nuanced than those that, at the start of the outbreak, necessarily predicted the effect of interventions mainly using assumptions. Combining data from around the world will allow researchers to compare countries’ responses. And compared with studies of individual countries, it should also allow them to design models that can make more accurate predictions about new phases of the pandemic and across many nations.

But untangling cause and effect is extremely challenging, in part because circumstances differ in each country and because there is uncertainty over how much people adhere to measures, cautions Eggo. “It’s really hard but it doesn’t mean we shouldn’t try,” she adds.

……But all methods have limitations, says Haug. The Lasso method assumes that a given measure always leads to the same reduction in R over time, regardless of the country to which it was applied. This is one of the biggest challenges in learning lessons across multiple countries.