Der Coranavirus breitet sich jetzt wieder aus.......

[Alephthau]

Hi,

Wieder so ein Schreiben von Leuten die keine Ahnung haben, nennen sich Deutsches Netzwerk Evidenzbasierte Medizin e.V.,.

Ich mein, wer nennt sich denn so, dass ist doch schon ein Zeichen, dass die keine Ahnung haben können und dann werden die auch noch von verschiedenen Ärteverbänden und großen Krankenkassen gefödert!

DAS müssen Bhakdis und Wodargs Reichsbürgernazi-Schergen sein, seid gewarnt und lasst Euch nicht verführen, euer Seelenheil steht auf dem Spiel!

Bereits in zwei früheren Stellungnahmen zu COVID-19 (20. März und Update vom 15. April 2020) hat das EbM Netzwerk die Beachtung wissenschaftlicher Kriterien einer evidenzbasierten Risikokommunikation in der medialen Berichterstattung gefordert. Auch wenn es Verbesserungen im zeitlichen Verlauf gibt, besteht das Problem der missverständlichen Kommunikation weiterhin. Selbst in renommierten Medien wie beispielsweise der Süddeutschen Zeitung, im öffentlichen Fernsehen, aber auch international, etwa beim Fernsehsender der BBC oder CNN, werden die Informationen über COVID 19 oft in einer irreführenden Art und Weise berichtet. Andererseits finden sich auf den Websites mancher Leitmedien inzwischen auch qualitativ hochwertige Hintergrundinformationen.

Irreführende Darstellungen in den Medien

Selbst in den Leitmedien wurden zur Beschreibung des Infektionsrisikos über Monate lediglich Fallzahlen ohne Bezugsgrößen und unter Verwendung unpräziser Bezeichnungen benutzt, etwa „Bisher gibt es X Infizierte und Y Todesfälle“. Dabei wird nicht zwischen Testergebnissen, Diagnosen, Infektionen und Erkrankungen differenziert. Üblicherweise handelt es sich um „gemeldete positive Testergebnisse“. Dabei bleibt unklar, ob das Testergebnis richtig positiv ist, also eine Infektion mit SARS-CoV-2tatsächlich anzeigt. Auch wäre jeweils relevant, ob und wie schwer die Personen erkrankt sind. Diagnosen sind noch keine Krankheiten. Gerade für

COVID-19 wäre wichtig zu wissen, wie viele Personen tatsächlich so krank sind, dass sie im Krankenhaus behandelt werden müssen. Die immer noch genutzte Aussage „Heute gab es X Infektionen“ ist falsch, da die Gesamtzahl der Infizierten unbekannt bleibt. Dazu bräuchte es eine zeitgleiche vollständige Testung einer repräsentativen Stichprobe aus der Bevölkerung. Eine korrekte Formulierung könnte lauten: „Heute wurden XY neue positive Testergebnisse gemeldet.“ Und „Die Anzahl der Testungen hat sich in der letzten Woche von AA auf BB erhöht.“
Die tägliche Berichterstattung der gemeldeten Fälle ist kaum interpretierbar, wenn nichtbekannt ist, wie viele Tests bei welchen Personen durchgeführtwurden. Je mehrgetestet wird, umso häufiger finden sich auch richtig oder falsch positiv getestete Personen (Lühmann D, KVJ Hamburg Sep/2020). Je häufiger gesunde und beschwerdefreie Menschen untersucht werden, umso eher gibt es auch positive Ergebnisse von fraglicher Bedeutung. Die falschpositiv-Rate müsste dementsprechend erwähnt werden.

Missverständliche Ranglisten

Der amerikanische Präsident rühmte sich am 1. April 2020 mit der Meldung, dass nirgendwo in der Welt so viel auf das Coronavirus getestet würde wie in den USA. Gleichzeitig überschlugen sich die Medien in der Dramatisierung der Todesfälle in den USA – nirgendwo in der Welt würden aktuell so viele Menschen an Covid-19 versterben wie in den USA. Beide Meldungen sind höchst irreführend. Eine Bewertung der rohen Fallzahlen ist nicht möglich, da Bezugsgrößen wie die Gesamtzahl der Menschen, die in einem Land leben, nicht berücksichtigt werden.
In verschiedenen Medien wurden über Monate Ranglisten von Fällen präsentiert. Grafiken zeigten für die einzelnen Länder, Bundesländer oder Regionen Rohdaten ohne Bezug zur Bevölkerungsgröße. Die Listen mit Fallzahlen täuschen die Leserschaft, auch wenn die Quellen genannt werden und Seriosität vermitteln sollen. Es fehlen die Nenner. Die Angaben müssten sich auf eine konstante vergleichbare Größe beziehen, üblicherweise auf 100.000 Einwohner. Die Daten fürLändervergleiche sind verfügbar,z.B. über das ECDC.Damitändern sich die Rangfolgen zum Teil erheblich. Mit Stand 19. August 2020 hat England bisher mit 62 Covid-19 assoziierten Todesfällen pro 100.000 Einwohner mehr Fälle gemeldet als die USA mit 52 pro 100.000, Deutschland verzeichnet 11 pro 100.000, Peru hingegen 82 pro 100.000. Es ist nicht ersichtlich, warum dennoch eine nicht interpretierbare Darstellungsform gewählt wird. Im ARD-Fernsehen wird auch Anfang August noch behauptet, dass die am schlimmsten betroffenen Länder die USA und Brasilien wären. Manche Ranglisten enthalten absurde Informationen. Die niedrigen Fallzahlen unterliegen starken Schwankungen. Ein numerischer Anstieg von 2 auf 4 Fälle wäre rein rechnerisch eine
Zunahme um 100%. Die Süddeutsche Zeitung markierte dennoch über Wochen täglich die Veränderungen mit gelben bis roten Pfeilen. In der Ausgabe vom 30. Mai findet sich für Mecklenburg-Vorpommern in der Spalte „Neue Fälle“ die Zahl „0“. Der Pfeil in der Spalte „Trend“ ist rot und markiert einen Anstieg. Auch wenn es mathematisch korrekt sein mag, die Leser*innen können solche Informationen nicht einordnen.
Gelegentlich werden in letzter Zeit auch die Genesenen berichtet, wodurch zumindest eine Abschätzung der aktuell als positiv getestet und gemeldeten Personen möglich ist. Genesene sind keine Kranken.

https://www.ebm-netzwerk.de/de/veroe...9-20200820.pdf

Steht noch mehr driin.....

Gruß

Alef

[Katamaus]

Warum müssen das weniger Fälle werden? Wenn ich ein Verhältnis Dunkelfeld/Hellfeld vom 4-Fachen habe, dann sind es bei 10000 Getesteten 4x soviele und bei 100000 Getesteten ebenfalls. Warum sollten das bei 100000 plötzlich nur noch 3x soviele sein, nur weil ich mehr teste?

Ich schrieb “ Wenn wir von der Dunkelziffer als einer festen Zahl an Erkrankten zu einem gewissen Zeitpunkt reden”, also z.B. von 80 Mio. Deutschen sind 800k zum Zeitpunkt der Tests infiziert (Dunkelziffer = 800k). 10.000 Tests führen zu 100 gemeldeten (und erkannten) Fällen (falsch Positive mal außen vor) ==> Dunkelziffer = 799.900. 100.000 Tests führen zu 1.000 gemeldeten Fällen (jeweils Positivquote von 1% angenommen). Dunkelziffer = 799.000. Nimmt also ab mit vermehrter Testung. Macht halt bei dem geringen Infektionsgeschehen nicht genug aus, als dass sich die grundlegende Aussage großartig änderte.

Meiner Meinung nach macht aber die Schätzung einer Dunkelziffer nur dann Sinn, wenn ich z.B. (wie bei der Influenza) überhaupt nur Leute mit Symptomen teste, weil ich dann abschätzen muss, wie viele sich nicht melden, nur leichte Symptome haben, etc. Also, ich muss sozusagen den Bias aus meiner Stichprobe rausrechnen. Wenn ich repräsentative Querschnitte betrachte, macht das aber keinen Sinn.

[Pansapiens]

Gegenbeispiel: Wenn ich am Wochenende nach Griechenland fliege, werde ich (stichprobenartig, zufallsbasiert) getestet. Ist der Test positiv, sperren die mich 14 Tage in ein Hotel ein. Das, ohne zu wissen, wie gefährlich die Krankheit nun eigentlich ist oder ob ich überhaupt wirklich krank (und ansteckend!) bin (bei einer Prävalenz von 1% sind ca. 60% der positiven Tests falsch positiv). Ich persönlich sehe das als massiven Eingriff in meine Freiheit in einem angeblich grenzenlosen Europa.

Aha, Du empfindest es also als "massiven Eingriff in Deine Freiheit" wenn Du bei einem positiven Test auf Sars-CoV-2 in Quarantäne musst....

(bei einer Prävalenz von 1% sind ca. 60% der positiven Tests falsch positiv)

Da Du ja weiter vorne angeben hast, Dich lieber auf Expertenmeinungen zu verlassen (nachdem Du deren Ruf wie auch immer geprüft hast).
Daher weise ich mal darauf hin, dass Kekulé von einer Spezifität um 99,8% ausgeht.:

https://youtu.be/2qanVHDgwvQ?t=623

bei einer Sensitivität von 99% und einer Prävalenz von 1% wäre das eine Wahrscheinlichkeit von über 83 Prozent, dass bei einem positiven Testergebnis die Probe auch positiv ist.

[Pansapiens]

Hi,

Wieder so ein Schreiben von Leuten die keine Ahnung haben, nennen sich Deutsches Netzwerk Evidenzbasierte Medizin e.V.,.

Ich mein, wer nennt sich denn so,

Ja, der Name ist wichtig, man denke an die Deutsche Demokratische Republik...ah, Karl Lauterbach ist Gründungsmitglied.

Scheint sich allerdings mehr um Medienkritik zu handeln....
Dass Journalisten meist nicht so MINT-affin sind, sondern es sich eher um die kommunikativen Typen handelt, scheint mir plausibel.

Gerade für COVID-19 wäre wichtig zu wissen, wie viele Personen tatsächlich so krank sind, dass sie im Krankenhaus behandelt werden müssen.

Das kann man doch herausfinden bzw. wurde von Anfang an abgeschätzt und kommuniziert.
Z.B. das RKI-Modell, das von 4,5% Hospitalisierten unter den Infizierten ausging.

Steht noch mehr driin.....

Ein wichtiges Kriterium einer verständlichen Risikokommunikation ist die Darstellung des
sogenannten natürlichen Verlaufs einer Erkrankungbzw. im Fall von COVID-19der Pandemie.
Was würde passieren, wenn es keine Interventionen gäbe? Im Falle der SARS-CoV-2 Infektion
– was wäre, wenn keine präventiven Maßnahmen umgesetzt worden wären? Zur Beschreibung des sog. Präventionsparadox gab es in den Medien gelungene Beispiele, wie „Aufspannen des Regenschirms und nicht nass werden“. Hochrechnungen nennen für Deutschland dazu Zahlen bis zu etwa 500.000 Todesfälle durch COVID-19, die durch die präventiven
Maßnahmen verhindert werden konnten (Flaxman S et al. 2020). Letztlich bleiben diese
Schätzungen jedoch hoch spekulativ. Die Ausbreitung von SARS-CoV-2 unter natürlichen Bedingungen ist unbekannt. Theoretisch könnte das nur in einem Land analysiert werden, in dem keinerlei präventive Maßnahmen gesetzt würden und das zudem über eine vertrauenswürdige Dokumentation und Berichterstattung verfügt.Auch Schweden eignet sich nur bedingt
als Beispiel, da selbst dort unterschiedliche Maßnahmen zur Eindämmung der Epidemie
empfohlen und umgesetzt wurden.

Tja und nun?
Zeitmaschine und alles noch mal ohne Maßnahmen?

Für die Kommunikation von Zahlenangaben und Wahrscheinlichkeiten gelten unter anderem
folgende Grundsätze:

• Zahlen mit einer sinnvollen Bezugsgröße ermöglichen es, die Größenordnung eines
Problems bzw. der Effektivität einer Maßnahme zu erkennen. In Gesundheitsinformationen
sollten gleiche Bezugsgrößen eingesetzt werden.

• Für Nutzen und für Schaden sollten - soweit möglich - einheitliche Bezugsgrößen gewählt
werden. Ausgangspunkt der Information sollte ein Basisrisiko sein (zum Beispiel der „natürliche Krankheitsverlauf“). Dies meint die Wahrscheinlichkeit, mit der sich ein Beschwerdebild
auch ohne medizinische Intervention verbessert, verschlechtert oder konstant bleibt. Die
Information, dass sichviele Beschwerdebilder auch ohne Behandlung bessern können, sollte
den Nutzerinnen und Nutzern vermittelt werden.

• Der Effekt einer medizinischen Maßnahme sollte durch Darstellung der absoluten Ereignishäufigkeiten in den zu vergleichenden Gruppen angegeben werden. Welches Maß an
Sicherheit die Zahlen haben, sollte benannt werden. Auf Daten, die nicht ausreichend sicher
sind, sollte verzichtet werden.

• Die Veränderungen der Wahrscheinlichkeiten von Ergebnissen sollten als absolute Risikoänderung dargestellt werden.

• Je nach Kontext kann es sinnvoll sein, zusätzlich zur absoluten Risikoänderung auch relative
Änderungen darzustellen. Die alleinige Darstellung der relativen Risikoänderung ist jedoch
zu vermeiden, weil damit die Größenordnung von Effekten nicht vermittelt wird.

• Angemessen kann die Kombination von Darstellungen sein (zum Beispiel absolutes Risiko,
relatives Risiko, unterstützt durch grafische Darstellung). Behandlungsergebnisse werden
mit komplementären Angaben zu ‚Gewinn-Verlust' ergänzt – beispielsweise „x von 100
Patienten überleben“ bzw. „y von 100 Patienten versterben“ (Bezugsrahmensetzung,
„Framing“). Unterschiedliches Framing desselben Sachverhalts kann unterschiedliche
Effekte bei Patientinnen und Patienten bewirken, z.B. in der Risikowahrnehmung, dem
Verständnis und der Motivation. Ausgewogenheit beim Framing ist erforderlich, um Patienten
und Patientinnen nicht einseitig zu beeinflussen

Ganz schön ambitioniert...

[Alephthau]

ah, Karl Lauterbach ist Gründungsmitglied.

Scheint sich allerdings mehr um Medienkritik zu handeln....
Dass Journalisten meist nicht so MINT-affin sind, sondern es sich eher um die kommunikativen Typen handelt, scheint mir plausibel.

Ha, und schon wurde der Maulwurf identifiziert!

Wer weiß ob er wirklich Gründungsmitglied ist, könnte auch sein, dass er da Kameras gesehen hat und sich sofort davor gestellt hat und die anderen wollten einfach keinen Stress!

Gruß

Alef

[San Valentino]

Gegenbeispiel: Wenn ich am Wochenende nach Griechenland fliege, werde ich (stichprobenartig, zufallsbasiert) getestet. Ist der Test positiv, sperren die mich 14 Tage in ein Hotel ein. Das, ohne zu wissen, wie gefährlich die Krankheit nun eigentlich ist oder ob ich überhaupt wirklich krank (und ansteckend!) bin (bei einer Prävalenz von 1% sind ca. 60% der positiven Tests falsch positiv). Ich persönlich sehe das als massiven Eingriff in meine Freiheit in einem angeblich grenzenlosen Europa.

Vielleicht solltet Ihr mit ein paar Bussen von Stuttgart nach Athen fahren und diesen Griechen mal ordentlich die Meinung geigen. Deutsche Freiheiten einzuschränken! Wir als Urlauber haben Rechte! Was erlauben die sich eigentlich! Als nächstes fragen die noch: "Wer braucht die Piefke?"

[Alephthau]

Hi,

@Pansapiens

Das hier fand ich interessant:

Fehlende Vergleichsgruppen
Auch Angaben zu Covid-19 Fällen im Krankenhaus ohne Vergleichsmöglichkeiten mit anderen Erkrankungen und Todesursachen bleiben sinnentleert. Welche Botschaft soll vermittelt werden? Welche Bedeutung hat die tägliche Nennung der bisher gemeldeten Fälle? Wir interessieren uns auch nicht für die bisher und täglich gemeldeten Fälle von Grippeinfektionen, Schlaganfällen oder Unfalltoten, auch nicht, wie viele Menschen sich von einer Grippe wieder erholt haben oder aus der Intensivstation entlassen wurden.
Die Nennung von Rohdaten ohne Bezug zu anderen Todesursachen führt zur Überschätzung des Risikos. In Deutschland versterben etwa 2500 Personen pro Tag, pro Jahr sind es fast eine Million Bürger*innen, die an den unterschiedlichsten Todesursachen versterben. Die Angaben zu den Todesfällen durch Covid-19 sollten daher beispielsweise auch die wöchentlich verstorbenen Personen mit Angabe der Gesamttodesfälle in Deutschland nennen. Auch ein Bezug zu Todesfällen durch andere akute respiratorische Infektionen sollte berichtet werden. Die Zuordnung zu Altersgruppen müsste möglich sein. So zeigen Daten des Statistischen Bundesamts für den Monat April 2020 eine etwa 10%ige Erhöhung der Gesamtsterblichkeit. Allerdings hatte in der Vergangenheit schon eine ‚einfache‘ Grippe-Welle deutlich höhere Sterblichkeitsanstiege verursacht.

Gruß

Alef

[Kannix]

Aha, Du empfindest es also als "massiven Eingriff in Deine Freiheit" wenn Du bei einem positiven Test auf Sars-CoV-2 in Quarantäne musst....

Na wenn man eingesperrt wird, ohne zu wissen wie gefährlich die Krankheit nun eigentlich ist, also da wird die Verfassung außer Kraft gesetzt. Oder umgesetzt, je nach Perspektive.

[Katamaus]

Vielleicht solltet Ihr mit ein paar Bussen von Stuttgart nach Athen fahren und diesen Griechen mal ordentlich die Meinung geigen. Deutsche Freiheiten einzuschränken! Wir als Urlauber haben Rechte! Was erlauben die sich eigentlich! Als nächstes fragen die noch: "Wer braucht die Piefke?"

Schon der Dritte...

Ich mache da keinen Urlaub! Noch jemand hier, der keinen Bock hat, 3 Sätze am Stück zu lesen aber mich doof anmachen will?

Tante Edit: Ach so, waren sogar noch mehr. Na, wen wundert das...

[Katamaus]

Aha, Du empfindest es also als "massiven Eingriff in Deine Freiheit" wenn Du bei einem positiven Test auf Sars-CoV-2 in Quarantäne musst....

Angesicht der bisherigen wissenschaftlich gesicherten Erkenntnisse und der Testgenauigkeit? Ja!

Da Du ja weiter vorne angeben hast, Dich lieber auf Expertenmeinungen zu verlassen (nachdem Du deren Ruf wie auch immer geprüft hast).
Daher weise ich mal darauf hin, dass Kekulé von einer Spezifität um 99,8% ausgeht.:

Dann wäre er immer noch zu knapp 17% falsch positiv.

bei einer Sensitivität von 99% und einer Prävalenz von 1% wäre das eine Wahrscheinlichkeit von über 83 Prozent, dass bei einem positiven Testergebnis die Probe auch positiv ist.

Tja, je nachdem wo man halt guckt, gelle. Habe mal die Zahlen hier genommen (das sind ja die Leute, die so Covidioten wie mich korrigieren):
https://correctiv.org/faktencheck/hi...bnissen-kommen

Anhang 45799

[Pansapiens]

Hi,

@Pansapiens

Das hier fand ich interessant:



Gruß

Alef

Die Autoren dieses Textes haben offensichtlich nicht verstanden, worum es eigentlich ging...

[Pansapiens]

Dann wäre er immer noch zu knapp 17% falsch positiv.

Da geht es nicht um in dubio pro reo, sondern um Infektionschutz.
Da überwiegt IMO das Interesse einer Gesellschaft vor einer Pandemie geschützt zu werden, das Interesse des Einzelnen, keinesfalls in 14 Tage Quarantäne zu kommen, wenn er nicht ansteckend ist.
Schon mal geschaut, wo das Wort "Quarantäne" herkommt?
Welcher Anteil der Leute auf der Diamond-Princess waren denn in Quarantäne, ohne infiziert zu sein?
Wie viele Leute waren denn schon in Quarantäne, ohne überhaupt getestet zu werden?
Israel hat am Anfang einfach alle aus Ländern, in denen es bestätigte Fälle gibt, in Quarantäne gesteckt.
Lieber ein stumpfes Messer als gar kein Messer und es wird ja schärfer, wenn man der Empfehlung Drostens folgt, langsam entsprechende quantitative Anforderungen an den PCR-Test zu stellen.

Tja, je nachdem wo man halt guckt, gelle. Habe mal die Zahlen hier genommen (das sind ja die Leute, die so Covidioten wie mich korrigieren):
https://correctiv.org/faktencheck/hi...bnissen-kommen

Anhang 45799

Aha, entgegen Deiner Selbstbeschreibung hörst Du also nicht auf Experten, sondern suchst Dir die Quellen, die zu Deiner Meinung passen.

(Das unterstellende "gelle" kenne ich von Ripley. Solltest Du nur eine Sockenpuppe von ihr sein, erübrigt sich der folgende Text. )

Falls nicht:
Bisher konnte mir hier keiner erklären, wie man es schafft mit einem Test, der angeblich eine Spezifität von 98,6 % haben soll, in über einer halben Million Tests auf eine Positivrate von unter 0,6% zu kommen, wie sie ja in der Realität gemessen wurde.
Gut, hier habe ich mir es dann selbst erklärt, benötigte dazu aber eine Prävalenz von 57%.
Ich wäre dankbar, wenn Du mir eventuelle Rechen- und/oder Denkfehler aufzeigst.

Wenn diese Spezifitätsangaben stimmen, wie kann es dann sein, dass in Millionen von durchgeführten Tests weniger Proben positiv getestet wurden, als nach diesen Angaben rauskommen müssten, wenn alle Proben negativ wären?

KW28: 510.103 Tests, davon 2.990 positiv.

Du hast doch weiter vorne einen entsprechenden Rechner verlinkt..

https://www.covid-19-lektionen.de/bl...-test-rechner/

wenn ich die voreingestellten Werte zu Prävalenz (0,5%), Spezifität (97%) und Sensitivität (99%) lasse, kommt Folgendes raus:

Testergebnis:
Anzahl PCR positiv:
Rechner: 17.752
Realität: 2.990, passt also nicht.

Setze ich die Spezifität auf 98,6%, wie in Deinem Artikel behauptet, kommt Folgendes raus:

Testergebnis:
Anzahl PCR positiv Rechner: 9631

Erwartungsgemäß weniger, passt aber noch immer nicht.

Mach ich mal Schattenboxen und beantworte mir die Frage selbst:

Erhöhe ich die Prävalenz, also die Anzahl der Infizierten (genauer, diejenigen, bei denen ein Abstrich eine echt positive Probe im Sinne des Tests ergeben würde), steigt (bei gleicher Sensitivität) die Anzahl der positiven Test.
Zu den falsch positiven kommen dann ja noch echt positive dazu.
Dann drehe ich an der letzten Stellschraube, der Sensitivität.
Und tatsächlich, so lässt sich die Zahl der positiven Testergebnisse (bei einer Prävalenz >0) reduzieren.
Die positiven Testergebnisse setzen sich ja zusammen aus den richtig positiven und den falsch positiven.
Wenn die Sensitivität sinkt, sinken bei gleicher Prävalenz die richtig positiven.
Bei einer Sensitivität von 0% wird keine wirklich positive Probe mehr positiv getestet, sondern nur noch die aufgrund der Falsch-Postitiv-Rate erwartbaren.
Da nur echt negative Proben falsch positiv getestet werden können, sinkt natürlich die Anzahl möglicher falsch positiver Testergebnisse mit einer steigenden Anzahl von echt positiven Proben.
Wenn alle Proben echt positiv sind, kann ich keine einzige falsch positiv testen.
Der Weg, bei einer gegebenen Spezifität die Anzahl der positiven Testergebnisse unter die Anzahl zu bekommen, die rauskäme, wenn keine einzige Probe echt postiv wäre, ist es also, die Prävalenz zu erhöhen, so dass die Anzahl der falsch positiven Tests durch die Anzahl der echt negativen Proben beschränkt wird und gleichzeitig die Sensitivität zu senken, so dass die Anzahl der richtig positiven Testergebnisse verringert wird.
Die Anzahl der richtig positiven Testergebnisse kann ich natürlich einfach minimieren, indem ich die Sensitivität auf 0% setze => kein einzig richtig positives Testergebnis.
Wenn alle Proben negativ sind, bekomme ich bei 98,6 % Spezifität ca. 1,4% falsch positive Proben.
Nun will ich aber nur 0,6% falsch positive Proben, also 42,85% davon.
Da muss ich die Anzahl der negativen Proben wohl auf 42,85% aller Proben reduzieren.
Also eine Prävalenz von 57,14% (echt positive Proben)

Eingesetzt in den Rechner:

Testergebnis:
Anzahl PCR positiv: 3061
Anzahl PCR negativ: 507042

3.061/510.103 = ca. 0,6% => passt.

Das ist allerdings eine ziemlich hohe Prävalenz. Schließlich sind das ja nicht die Leute, bei denen irgendwann mal ein Abstrich positiv wär, sondern bei denen in dem Betrachtungszeitraum ein Abstrich positiv wäre....

(in dem Text bedeutet:
Proben:
echt positiv: eine Probe ist so beschaffen, dass ein positives Testergebnis richtig und ein negatives falsch wäre.
echt negativ: eine Probe ist so beschaffen, dass ein negatives Testergebnis richtig und ein positives falsch wäre.

Testergebnisse:
richtig postiv: eine echt positive Probe wird positiv getestet.
falsch positiv: eine echt negative Probe wird positiv getestet.
richtig negativ: eine echt negative Probe wird negativ getestet.
falsch negativ: eine echt positive Probe wird negativ getestet.
Ich schließe nicht aus, dass ich das unterwegs durcheinander gebracht habe...)

Zu dem Ringversuch, der ja die Quelle Deiner Quelle ist, habe ich auch schon was geschrieben.
Ohne tieferes Wissen über das genaue Procedere eine Vermutung, aber den anderen, deren Geschriebenes ich bisher gelesen haben, unterstelle ich auch keine tiefere Einsicht:

Aha, ein Ringversuch dient also der Bestimmung der Qualität der Labore, nicht der Tests.

Wikipedia:

In einem Ringversuch der deutschen Instand e. V. (Gesellschaft zur Förderung der Qualitätssicherung in medizinischen Laboratorien) wurde im Mai und Juni 2020 die Qualität von 463 Laboren aus 36 Ländern unter anderem darauf untersucht, ob sie bei den Tests zuverlässig falsch positive Ergebnisse ausschließen können. Dabei erzielten die Labore für die SARS-CoV-2 negativen Proben überwiegend richtige negative Ergebnisse (97,8 % bis 98,6 %). Labore, die nicht ausschließlich 100 % richtige Ergebnisse liefern konnten, wurden nicht zertifiziert.[177]

Außerdem: Es wäre vermessen, zu behaupten, dass ich den Ringversuch ganz durchdrungen hätte, aber wenn ich mir die Ergebnisse anschaue, finde ich, dass da die Ergebnisse spezifizert nach getesteter Genregion angegeben wurde. Beim Drosten-Test werden zwei Genregionen getestet.
Da sollte jetzt jemand, der sich damit auskennt (also tatsächlich und das nicht nur aufgrund des DK-Effekts meint), erklären, wie das zu interpretieren ist. Wenn die unabhängig voneinander falsch positiv sein können, dann muss man die entsprechenden Wahrscheinlichkeiten multiplizieren, um rauszufinden, wie wahrscheinlich ein Test, der zwei Genregionen testet, insgesamt falsch positiv ist.
Bei Probe 340060 mit HCoV OC43 waren 1,3% der Tests auf Region E falsch positiv für SARS-CoV-2 und 1,7% der Tests auf Region RdRP.
Das sind nach meinem Verständnis die zwei Targets des Drosten-Tests.
Wenn die Wahrscheinlichkeiten unabhängig sind, ist die Wahrscheinlichkeit, dass beide falsch positiv sind 0,013*0,017= 0,000221
Die Gegenwahrscheinlichkeit, dass mindestens eine Region korrekt negativ ist, betrüge dann 99,98%.
Bei den Ergebnissen, bei denen keine Genregion angegeben ist ("k. A."), ist kein Ergebnis falsch postiv.

[Pansapiens]

Na wenn man eingesperrt wird, ohne zu wissen wie gefährlich die Krankheit nun eigentlich ist, also da wird die Verfassung außer Kraft gesetzt. Oder umgesetzt, je nach Perspektive.

das wirft Fragen auf:

1.) Warum hat noch niemand General Verdacht erwähnt?
2.) Wie sieht das mit Untersuchungshaft und der Verfassung aus?

[Katamaus]

Da geht es nicht um in dubio pro reo, sondern um Infektionschutz.
Da überwiegt IMO das Interesse einer Gesellschaft vor einer Pandemie geschützt zu werden, das Interesse des Einzelnen, keinesfalls in 14 Tage Quarantäne zu kommen, wenn er nicht ansteckend ist.

So lange weder das Risiko einer Ansteckung sowie die Folgen einer solchen abschließend geklärt sind, kann man da eben geteilter Meinung hinsichtlich der Verhältnismäßigkeit sein.

Zumindest könnte man bspw. jeden Tag einen Folgetest machen um überhaupt sicher zu sein, dass ich wirklich ansteckend bin (was ja durch einen positiven Test ebenfalls noch nicht gesichert ist). Bei der Kanzlerin hat man das ja gemacht. Warum wohl? Wohl kaum, weil man dem einmaligen Test so sehr vertraut hat. Die Kosten mehrfacher Testung in Abwägung gegen einen Freiheitsentzug? Hmm, wie es damit wohl aussieht?

Oder ich fliege nach Hause (mit FFP2-Maske) und isoliere mich dort. Oder isoliere mich zuhause bei meiner Familie... Ich verstehe ohnehin nach wie vor nicht, dass jedem, der sich nicht zu allem möglichen mehr oder weniger sinnfreiem Kram zwingen lassen will, gleich unterstellt wird, er würde sich vollkommen verantwortungslos verhalten. Interessantes Menschenbild. Honi soit qui mal y pense.

Aha, entgegen Deiner Selbstbeschreibung hörst Du also nicht auf Experten, sondern suchst Dir die Quellen, die zu Deiner Meinung passen.

Wieso? Sind das keine Experten, die ich da zitiert habe? Die 83% PPV nach Kékulés Parameter hatte ich ja ebenfalls erwähnt. Auch da wäre ich mit einer Wahrscheinlichkeit von 17% zu unrecht eingesperrt. Das ist jetzt nicht gerade ne Restwahrscheinlichkeit.

Bisher konnte mir hier keiner erklären, wie man es schafft mit einem Test, der angeblich eine Spezifität von 98,6 % haben soll, in über einer halben Million Tests auf eine Positivrate von unter 0,6% zu kommen, wie sie ja in der Realität gemessen wurde.
Gut, hier habe ich mir es dann selbst erklärt, benötigte dazu aber eine Prävalenz von 57%.
Ich wäre dankbar, wenn Du mir eventuelle Rechen- und/oder Denkfehler aufzeigst.

Hm, ich kenne ja die Testzahlen nicht. Die, die ich derzeit verwende sind vom 19.8.
(https://www.rki.de/DE/Content/Infekt...ublicationFile)
Demzufolge gab es in KW33 875.524 Tests mit einer Positivrate von 0,96% und 8.407 positiv getesteten Fällen (Zahlen passen hier nicht ganz zusammen —> Experten vom RKI fragen). Diese grob 8.400 sind die Summe aus echt Positiven und falsch Positiven.

Zunächst einmal gebe ich dir mal recht. Angenommen alle sind gesund. Dann sind alle positiv Getesteten falsch positiv. Die Spezifität somit Eins minus Positivrate (Spezifität = Fehler 2. Art = Wahrscheinlichkeit, dass die Nullhypothese (Person infiziert) angenommen wird, obwohl sie falsch ist (Patient ist in Wirklichkeit nicht infiziert). Ergo 99,04%. Da es in Wirklichkeit Infizierte geben sollte, die Zahl der positiven Testungen aber gegeben ist, sollte die Spezifität also noch einmal geringer sein. Die 99,04% sind somit eine Untergrenze für die Spezifität (für diese Woche gerechnet)

Wie du jetzt auf eine Prävalenz von 57% kommst, verstehe ich hingegen nicht. Bei einer Sensitivität von 99% müssten von den 875k getesteten Personen (Mehrfachtests mal außen vor), 498.750 positiv getestet werden. Das ist offensichtlich nicht der Fall.

Wenn die Tests aber über einen halbwegs repräsentativen Querschnitt gehen, dann wäre im Fall einer Spezifität von 100% (d.h. alle positiv Getesteten sind auch wirklich infiziert) die Prävalenz genau gleich der Positivrate (mindestens in der Stichprobe), also 0,96%. Gibt es also überhaupt falsch Positive, wovon auszugehen ist, muss die Prävalenz niedriger sein.

Ein mögliches Szenario wäre z.B. wie folgt (Prävalenz 0,62%, Spezifität 99,7%):
47BDCA44-C9FE-44B1-973E-19BEBF550716.jpeg

Wenn die Spezifität bei 99% (nach Kékulé) läge würde das (s.o.) im Gegenzug bedeuten, dass überhaupt niemand infiziert ist.

PS: Ich glaube, ich habe weiter oben deinen Denkfehler entdeckt. Schaue ich mir noch separat an.

[Katamaus]

KW28: 510.103 Tests, davon 2.990 positiv.
[...]
wenn ich die voreingestellten Werte zu Prävalenz (0,5%), Spezifität (97%) und Sensitivität (99%) lasse, kommt Folgendes raus:

Testergebnis:
Anzahl PCR positiv:
Rechner: 17.752
Realität: 2.990, passt also nicht.

Setze ich die Spezifität auf 98,6%, wie in Deinem Artikel behauptet, kommt Folgendes raus:

Testergebnis:
Anzahl PCR positiv Rechner: 9631

Erwartungsgemäß weniger, passt aber noch immer nicht.

Ich habe meinen eigenen Rechner. Aber das sehe ich genauso.

Erhöhe ich die Prävalenz, also die Anzahl der Infizierten (genauer, diejenigen, bei denen ein Abstrich eine echt positive Probe im Sinne des Tests ergeben würde), steigt (bei gleicher Sensitivität) die Anzahl der positiven Test.

Check!

Wenn die Sensitivität sinkt, sinken bei gleicher Prävalenz die richtig positiven.
Bei einer Sensitivität von 0% wird keine wirklich positive Probe mehr positiv getestet, sondern nur noch die aufgrund der Falsch-Postitiv-Rate erwartbaren.

Ok, so nicht wirklich möglich, weil im Zweifelsfall eine stetige Verteilung zugrunde liegt. Aber sei‘s drum. Sagen wir nahe Null.

Da nur echt negative Proben falsch positiv getestet werden können, sinkt natürlich die Anzahl möglicher falsch positiver Testergebnisse mit einer steigenden Anzahl von echt positiven Proben.

Gibt es ja nicht bei einer Sensitivität von 0% Aber ansonten: Check!

Der Weg, bei einer gegebenen Spezifität die Anzahl der positiven Testergebnisse unter die Anzahl zu bekommen, die rauskäme, wenn keine einzige Probe echt postiv wäre, ist es also, die Prävalenz zu erhöhen

Nein! Die Anzahl der positiven Testergebnisse kann bei einer gegebenen Spezifität nur sinken, wenn die Prävalenz niedriger ist. Die Prävalenz ist ja der Anteil der Infizierten in der Stichprobe (unabhängig davon, was getestet wird)

, so dass die Anzahl der falsch positiven Tests durch die Anzahl der echt negativen Proben beschränkt wird und gleichzeitig die Sensitivität zu senken, so dass die Anzahl der richtig positiven Testergebnisse verringert wird.

Die Anzahl der richtig positiven Testergebnisse kann ich natürlich einfach minimieren, indem ich die Sensitivität auf 0% setze => kein einzig richtig positives Testergebnis.

Den Teil verstehe ich nicht. Ja, die Anzahl der falsch Positiven ist durch die Anzahl der echt Negativen beschränkt. Aber warum willst du jetzt gleichzeitig die Sensitivität senken und was soll uns das sagen?

Wenn alle Proben negativ sind, bekomme ich bei 98,6 % Spezifität ca. 1,4% falsch positive Proben.

Ja, Prävalenz = 0%.

Nun will ich aber nur 0,6% falsch positive Proben, also 42,85% davon.

Dann musst du den Test auf eine Spezifität von 99,4% verbessern.

Da muss ich die Anzahl der negativen Proben wohl auf 42,85% aller Proben reduzieren.
Also eine Prävalenz von 57,14% (echt positive Proben)

Es gibt ja auch falsch Negative. Was ist mit denen? Mit welcher Sensitivität hast du hier gerechnet?

Eingesetzt in den Rechner:

Testergebnis:
Anzahl PCR positiv: 3061
Anzahl PCR negativ: 507042

3.061/510.103 = ca. 0,6% => passt.

Aber nur bei einer Sensitivität von 0% (bereits bei 1% hättest du die nächsten 3000 positiven Testfälle). Dann sollten schleunigst alle Maßnahmen beendet werden, weil der Test eh keine Infizierten findet.

PS: Keine Ahnung, was du mit Ripleys Socken hast.