Hier die Übersetzung dieses  Zeitschriftenbeitrags von John P.A. Ioannidis:

 

Die aktuelle Coronavirus-Erkrankung, Covid-19, wurde eine Jahrhundert-Pandemie genannt. Aber sie könnte genauso ein Jahrhundert-Evidenz-Fiasko sein.

In einer Zeit, in der jeder bessere Informationen braucht - von Menschen, die Krankheitsverläufe berechnen [disease modelers] und Regierungen bis hin zu Menschen, die in Quarantäne oder social distancing leben - fehlt uns verlässliche Evidenz, wie viele Menschen mit SARS-CoV-2 infiziert sind und wer weiter infiziert wird. Bessere Informationen sind nötig, um Entscheidungen und Handlungen von monumentaler Bedeutung anzuleiten und ihre Auswirkungen zu überwachen.

Viele Länder haben drakonische Gegenmaßnahmen ergriffen. Wenn sich die Pandemie verflüchtigt – sei es von alleine oder aufgrund dieser Maßnahmen – mögen kurzzeitiges extremes social distancing und lockdowns erträglich sein. Wie lang jedoch sollen Maßnahmen wie diese fortgesetzt werden, wenn die Pandemie unabgeschwächt weiter um die Welt wirbelt? Wie können Politikverantwortliche dann entscheiden, ob sie mehr Gutes als Schlechtes anrichten?

Es kann Monate oder sogar Jahre dauern, Impfstoffe oder erschwingliche Behandlungen zu entwickeln und angemessen zu testen. Angesichts dieser zeitlichen Dimension sind die Auswirkungen langfristiger lockdowns völlig unbekannt.

Die bisher gesammelten Daten darüber, wie viele Menschen infiziert sind und wie sich die Epidemie entwickelt sind völlig unzuverlässig. Angesichts der bis heute begrenzt durchgeführten Tests wurden wahrscheinlich einige Todesfälle durch und die überwiegende Mehrzahl der Infektionen mit SARS-CoV-2 nicht erfasst. Wir wissen nicht, ob wir uns beim Erfassen der Infektionen um den Faktor 3 oder den Faktor 300 täuschen. Drei Monate nach dem Beginn des Ausbruchs fehlen in den meisten Ländern, auch in den USA, die Möglichkeiten, eine große Zahl von Menschen zu testen und kein Land hat verlässliche Daten über die Prävalenz des Virus in einer repräsentativen Stichprobe der gesamten Gesellschaft.

Dieses Evidenz-Fiasko schafft eine enorme Unsicherheit bezüglich des Risikos, an Covid-19 zu sterben. Veröffentlichte Fallsterblichkeits-Raten, wie die offizielle 3,4%-Rate der WHO verursachen Angst und Schrecken – und sind bedeutungslos. Die Menschen, die auf SARS-CoV-2 getestet wurden, sind überproportional häufig diejenigen mit schweren Symptomen und schlechter Prognose. Da die meisten Gesundheitssysteme begrenzte Test-Möglichkeiten haben, könnte sich die dadurch bedingte systematische Verfälschung der Testauswahl in naher Zukunft noch verstärken.

Die einzige Situation, in der eine abgeschlossene Bevölkerung insgesamt getestet wurde, war das Diamond Princess-Kreuzfahrtschiff und seine in Quarantäne genommenen Passagiere. Die Fallsterblichkeit dort war 1%, aber das war eine Gruppe ganz überwiegend Älterer, in der die Sterblichkeit durch Covid-19 wesentlich höher ist.

Wenn man die Sterberate der Diamond Princess auf die Altersstruktur der US-Bevölkerung projiziert, ergäbe sich bei Menschen, die sich mit Covid-19 infizieren, eine Sterblichkeit  von 0,125%. Aber da diese Schätzung auf einer extrem dünnen Datengrundlage basiert – es gab nur 7 Tote unter den 700 infizierten Passagieren und Besatzungsmitgliedern – könnte sich die tatsächliche Sterblichkeit zwischen einem Wert bewegen, der fünf Mal niedriger (0,025%) oder fünf Mal höher (0,625%) liegt. Es ist auch möglich, dass einige der infizierten Passagiere später sterben oder dass Touristen eine andere Häufigkeit von chronischen Vorerkrankungen – die ein Risikofaktor für einen schweren Verlauf bei SARS-CoV-2 darstellen – aufweisen, als die allgemeine Bevölkerung. Berücksichtigt man diese zusätzlichen Quellen der Unsicherheit, bewegen sich vernünftige Schätzungen einer Fallsterblichkeit für die allgemeine US-Bevölkerung zwischen 0,05% und 1%.

Diese große Spannbreite hat erhebliche Auswirkungen darauf, wie ernst die Pandemie ist und was getan werden sollte. Eine bevölkerungsweite Fallsterblichkeit von 0,05% liegt unter der einer saisonalen Influenza. Wenn dies die wahre Rate wäre, wäre der weltweite lockdown mit potentiell enormen sozialen und finanziellen Konsequenzen völlig irrational. Das wäre, als wenn ein Elefant von einer Hauskatze angegriffen würde. Genervt und weil er der Katze ausweichen will, springt der Elefant versehentlich von der Klippe und stirbt.

Könnte die Covid-19 Fallsterblichkeit so niedrig sein? „Nein“ sagen einige und verweisen auf die hohe Rate bei Älteren. Aber selbst die sogenannt milden Coronaviren, die erkältungsartige Symptome auslösen und die seit Jahrzehnten bekannt sind, haben Fallsterblichkeiten von bis zu 8%, wenn sie ältere Menschen in Pflegeheimen betreffen. Tatsächlich infizieren diese „milden“ Coronaviren dutzende Millionen Menschen jedes Jahr und sind für 3 – 11% der Fälle in den USA verantwortlich, bei denen Menschen mit Infektionen der unteren Atemwege jeden Winter in Krankenhäusern behandelt werden müssen.

Diese „milden“ Coronaviren könnten jährlich bei weltweit mehreren Tausend Todesfällen eine Rolle spielen, obwohl die überwiegende Mehrzahl von ihnen nicht mit präzisen Tests dokumentiert wird. Stattdessen gehen sie unter im Rauschen der 60 Millionen Todesfälle verschiedenster Ursachen jedes Jahr.

Obwohl schon lange erfolgreiche Erfassungssysteme für die Influenza bestehen, wird diese Erkrankung nur in einer kleinen Minderzahl von Fällen labortechnisch bestätigt. In den USA wurden bis jetzt in dieser Saison 1.073.976 Proben getestet und 222.522 (20,7%) waren positiv auf Influenza. Im selben Zeitraum liegt die vermutete Zahl der grippalen Infekte zwischen 36.000.000 und 51.000.000 mit geschätzten 22.000 bis 55.000 Influenza-Toten.

Beachten Sie die Unsicherheit bezüglich der Todesfälle an grippalen Infekten: eine Spannbreite um den Faktor 2,5, der Zehntausenden von Todesfällen entspricht. Einige dieser Todesfälle sind in jedem Jahr durch Influenza ausgelöst, einige durch andere Viren, wie z.B. Erkältungs-Coronaviren.

In einer Reihe von Autopsien, die Proben von 57 in der Influenza-Saison 2016/17 gestorbenen älteren Menschen auf Viren der Atemwege untersucht hat, fanden sich in 18% der Proben Influenzaviren, wogegen in 47% irgendeine Art von Atemwegs-Viren gefunden wurden. Bei einigen Menschen, die an viralen Krankheitserregern der Atemwege sterben, finden sich bei der Autopsie mehrere Viren und häufig Superinfektionen mit Bakterien. Ein positiver Test auf Coronaviren bedeutet nicht notwendigerweise, dass dieses Virus immer hauptverantwortlich für das Verscheiden des Patienten ist.

Wenn wir eine Fallsterblichkeit bei mit SARS-CoV-2 infizierten Menschen von 0,3% in der Gesamtbevölkerung annehmen – eine gemittelte Annahme aus meiner Diamond Princess-Analyse – und annehmen, dass 1% der US-Bevölkerung infiziert wird (etwa 3,3 Millionen Menschen), bedeutete dies etwa 10.000 Tote. Dies klingt nach einer großen Zahl, geht aber unter im Rauschen der geschätzten Todesfälle durch grippale Infekte. Hätten wir nichts von diesem neuen Virus da draußen gewusst und hätten wir keine Menschen mit PCR getestet, wäre uns die Anzahl der Gesamt-Todesfälle durch grippale Infekte in diesem Jahr nicht ungewöhnlich erschienen. Wir hätte höchstens beiläufig bemerkt, dass die Grippe-Saison in diesem Jahr etwas schlimmer als üblich schiene. Die Aufmerksamkeit der Medien wäre geringer gewesen, als bei einem NBA-Spiel zweier völlig bedeutungsloser Mannschaften.

Einige haben die Sorge, dass die 68 Todesfälle, die Covid-19 bis zum 16.03. in den USA verursacht hat, exponentiell steigen könnten auf 680, 6800, 68000, 680.000… parallel zu vergleichbaren Katastrophenszenarien rund um den Globus. Ist das ein realistisches Szenario oder schlechte Science fiction? Wie sollen wir wissen, an welchem Punkt eine solche Kurve stoppt?

Die wertvollste Information, um diese Frage zu beantworte wäre, zu wissen, wie hoch die gegenwärtige Prävalenz der Infektion in einer zufälligen Bevölkerungsstichprobe ist und diese Untersuchung in regelmäßigen Abständen zu wiederholen um die Inzidenz der Neuinfektionen abzuschätzen. Traurigerweise ist das eine Information, die wir nicht haben.

In der Abwesenheit von Daten führen Szenarien, die sich auf den schlimmstmöglichen Fall vorbereiten, zu extremen Maßnahmen von social distancing und zu lockdowns. Unglücklicherweise wissen wir nicht, ob diese Maßnahmen funktionieren. Schulschließungen können als Beispiel die Übertragungsraten senken. Aber sie können sich auch als Bumerang erweisen, wenn Kinder dann anderweitig soziale Kontakte suchen, und z.B. mehr Zeit mit empfänglichen älteren Familienmitgliedern verbringen, wenn Kinder verhindern, dass ihre Eltern arbeiten können etc. . Schulschließungen können auch die Chance auf das Entstehen einer Herdenimmunität vermindern in einer Altersgruppe, die selber von schweren Krankheitsverläufen verschont bleibt.

Dies war die Einstellung hinter dem anders gearteten Ansatz in UK, die Schulen offen zu lassen, zumindest bis ich dies hier schreibe. Angesichts des Fehlens von Daten über den tatsächlichen Verlauf der Epidemie wissen wir nicht, ob diese Betrachtungsweise brillant oder katastrophal ist.

Flattening the curve [die Kurve flachhalten] um ein Überwältigt-werden des Gesundheitssystems zu vermeiden ist ein vernünftiges Konzept – theoretisch. Die Darstellung, wie dieses flattening the curve denjenigen Anteil der Kurve vermindert, der über dem liegt, was das Gesundheitssystem zu jedem Zeitpunkt leisten kann, ging in Medien und sozialen Medien viral.

Wenn jedoch das Gesundheitssystem überwältigt wird, könnte die Mehrzahl der zusätzlichen Todesfälle nicht durch Coronaviren ausgelöst werden, sondern durch andere Erkrankungen und Umstände wie Herzinfarkte, Schlaganfälle, schwere Verletzungen, Blutungen und ähnliches, die dann nicht adäquat behandelt werden. Wenn das Ausmaß der Epidemie das Gesundheitssystem dann tatsächlich überwältigt und extreme Maßnahmen nur eine bescheidene Effektivität zeigen, könnte das flattening the curve die Dinge schlimmer machen: statt in einer kurzen, akuten Phase überwältigt zu werden wird das Gesundheitssystem über einen längeren Zeitraum überwältigt. Das ist ein weiterer Grund, warum wir Daten über das exakte Ausmaß der Aktivität der Epidemie brauchen.

Eines der entscheidenden Dinge, das wir nicht wissen, ist, wie lange diese Maßnahmen von social distancing und lockdown aufrecht erhalten werden können, ohne gravierende Konsequenzen für die Wirtschaft, die Gesellschaft und die geistige Gesundheit. Daraus können sich unvorhersehbare Entwicklungen ergeben, einschließlich Finanzkrise, Unruhen, sozialer Unfrieden, Krieg und eine Zerstörung unserer sozialen Strukturen. Als Minimum brauchen wir unverfälschte Daten über Prävalenz und Inzidenz der sich entwickelnden Infektionslast, um Entscheidungsfindungen begleiten zu können.

Im pessimistischsten Szenario, das ich nicht teile, wenn das neue Coronavirus 60% der Weltbevölkerung infiziert und 1% der infizierten Menschen sterben, bedeutete dies mehr als 40 Millionen Tote weltweit, was der Influenza-Pandemie von 1918 gleichkäme.

Die überwiegende Mehrzahl dieses Opfers [im Original „hetacomb“ – ursprünglich ein religiöses Tieropfer bei Griechen und Römern] wären Menschen mit begrenzter Lebenserwartung. Dies wäre das Gegenteil von 1918, als viele junge Menschen starben.

Man kann nur hoffen, dass, ganz ähnlich wie 1918, das Leben weitergehen wird. Im Gegensatz dazu, mit lockdowns über Monate, wenn nicht Jahre, kommt das Leben im Wesentlichen zum Erliegen, kurz- und langfristige Konsequenzen sind völlig unbekannt und es könnten tatsächlich Milliarden, nicht nur Millionen von Leben auf dem Spiel stehen.

Wenn wir uns entschließen, von der Klippe zu springen, brauchen wir Daten, die uns über die Rationale eines solchen Schrittes Auskunft geben und darüber, dass wir irgendwo landen, wo es sicher ist.

 

John P.A. Ioannidis ist Professor für Medizin, Epidemiologie und öffentliche Gesundheit, für biomedizinische Wissenschaft und Statistik an der Stanford University sowie Co-Direktor des Stanford Meta-Research Innovation Center - er zählt seit Jahren zu den in der wissenschaftlichen Literatut am häufigsten zitierten medizinischen Fachleuten.