Bad Statistic of the Month

"AOK-Zahlen dokumentieren Anstieg der Hautkrebsfälle“ meldete das Deutsche Ärzteblatt am 21. Juli. Von 2003 bis 2019 hätte sich die Zahl der Krankschreibungen aufgrund von Hautkrebs mehr als verdoppelt. Einige Medien scheinen diese und ähnliche Zahlen aus anderen Quellen so zu deuten, dass sich auch die Hautkrebsgefahr als solche verdoppelt habe.

Eine statistische Zahl hat in den vergangenen Tagen zu vielen Diskussionen geführt: die 60 Prozent Nutzer, die die Corona-Warn-App angeblich benötigt, damit sie zur Eindämmung der Pandemie wirksam beitragen kann. Diese Zahl stammt aus einer Simulations-Studie von Forschern der Universität Oxford, die mögliche Entwicklungen der Pandemie mit einem komplexen mathematischen Modell zur Verbreitung von Corona abschätzt. Vor dem Start der App galt diese Zahl als harte, von Experten errechnete Schwelle. Passenderweise erklärten sich in verschiedenen Umfragen, etwa vom NDR oder vom Nürnberg Institut für Marktentscheidungen (NIM), 60 bis 70 Prozent der Befragten bereit, die App zu installieren.

Die Unstatistik Mai ist, wie die beiden vorangegangenen, keine übliche Unstatistik. Vielmehr erklärt sie wichtige statistische Konzepte, die helfen, die Ungewissheiten in der Corona-Zeit besser zu verstehen. Es geht diesmal um eine verständliche Einführung in das Thema Antikörper-Tests und ihre Grenzen.
 
Es gibt zweierlei grundsätzlich verschiedene Arten von Tests: PCR-Tests und Antikörper-Tests. PCR-Tests (PCR steht für Polymerase-Kettenreaktion) weisen mit einem Rachenabstrich direkt genetisches Material von SARS-CoV-2 nach. Sie sind eine Momentaufnahme. Antikörper-Tests dagegen sind Bluttests. Sie reagieren auf Antikörper, welche das Immunsystem gebildet hat, um das Virus abzuwehren. Sie zeigen auch überstandene Infektionen an. Und um diese Antikörper-Tests geht es hier. Manch einer denkt, vielleicht habe ich das Virus bereits gehabt – war da nicht vor Wochen ein Fieber oder ein Hustenreiz? Ein Antikörper-Test soll darauf eine Antwort geben. Es gibt sie als Labortests, die von trainierten Technikern durchgeführt werden und etwa einen Tag dauern, und Schnelltests, welche ein Ergebnis in weniger als einer halben Stunde liefern.

Unsere vorangegangene Unstatistik hatte bereits die Möglichkeiten und Grenzen zentraler Kennzahlen der derzeitigen Covid-19-Pandemie aufgezeigt – insbesondere der Infektions- und Sterbequote. Inzwischen ist mit der Reproduktionszahl R eine weitere Kennzahl in den Fokus der öffentlichen Aufmerksamkeit gerückt. Sie gibt an, wie viele andere Personen eine infizierte Person ansteckt und ist keine Eigenschaft eines Virus, sondern ergibt sich aus dem Verhalten des Virus und unserer Reaktion auf den Virus. Ist beispielsweise R = 2, steckt jede infizierte Person im Durchschnitt zwei weitere Personen an. Aufgrund des exponentiellen Wachstums der Pandemie, die wir bereits in unserer vorangegangenen Unstatistik detailliert beschrieben haben, wird dieser Kennzahl nicht zuletzt von der Bundesregierung eine zentrale Rolle beigemessen.  

Noch ist ungewiss, wie sich die COVID 19-Pandemie weiter entwickeln wird. Die Unstatistik des Monats möchte in der aktuellen Situation helfen, zumindest bezüglich statistischer Konzepte etwas Licht ins Dunkel zu bringen. Daher gibt es keine übliche Unstatistik, stattdessen werden wesentliche Konzepte und deren Grenzen erklärt. Ungeachtet der Tatsache, dass die wichtigsten Faktoren der Prognose der Ausbreitung von COVID 19 mit hoher Unsicherheit behaftet sind, muss in der aktuellen Situation die Eindämmung der Neuinfektionen absolute Priorität haben. Ob die derzeit ergriffenen Maßnahmen wirken, lässt sich zudem erst mit zeitlicher Verzögerung sagen. Ländervergleiche stoßen schnell an ihre Grenzen, weil Fallzahlen und Todesfälle nicht nach einheitlichen Verfahren erhoben werden. Hinsichtlich von Statistiken gilt derzeit das Prinzip, sich beim Fahren auf Sicht durch die skizzierten Modellrechnungen leiten, sich von Einzelinformationen jedoch nicht zu sehr beeindrucken zu lassen.