Prof. Dr. Gero Szepannek, Professor für Statistik, Wirtschaftsmathematik und Machine Learning an der Hochschule Stralsund, hat mit seiner Expertise als Datenanalyst Kolleg*innen von Universitäten und Kliniken aus Österreich und Schweden unterstützt. Sie haben ein „Modell zur Vorhersage der Sterblichkeit von hospitalisierten Covid-19-Patienten“ anhand von Daten aus den ersten vier Tagen nach der stationären Aufnahme erarbeitet. Dazu wurden Daten von insgesamt rund 1000 Patienten aus drei Krankenhäusern in Österreich und einem in Schweden ausgewertet.
„Mich hatte interessiert, was die Aspekte sind, die Corona für den Einzelnen riskanter machen“, erklärt Szepannek, deswegen nahm er mit dem Kollegen Stefan Heber von der Medizinischen Universität in Wien Kontakt auf, als er von dem Vorhaben hörte und so ergab sich eine Zusammenarbeit. Wie auch ein Kollege aus Österreich war Szepannek mit der Methodik betraut, verwendet wurde ein Regressionsmodell. Die erzielten Ergebnisse überprüfte der Wissenschaftler aus Stralsund aber entsprechend seiner Spezialisierung auch mit Methoden des Machine Learning, aus dem Gebiet der künstlichen Intelligenz.
Die Berechnung mit acht Parametern
Das Prognosemodell benötigt nur Variablen, die routinemäßig in Krankenhäusern erfasst werden – am Tag der Aufnahme und mindestens in den ersten danach. Es arbeitet mit acht Parametern wie Alter und Fieber und Daten, die über die Blutabnahme erfasst werden wie Lactatdehydrogenase und Thrombozytenzahl. Das Modell könnte die Belastung des Gesundheitssystems verringern, weil darüber eine frühere Entlassung von Patienten mit geringem Risiko erwirkt werden könnte. Die Forschung, deren Erstautor Stefan Heber von der MedUni Wien ist, wird demnächst veröffentlicht, ein Kurzüberblick ist hier verfügbar.
Rechenexempel für Studierende
Die wohl greifbarste Erkenntnis: „Wohlgemerkt etwa alle 24 Jahre verzehnfacht sich die Chance an Corona zu sterben bei Krankenhauspatienten“, sagt Szepannek. Der Effekt des Alters liege bei 0,096. „Das sagt einem so erstmal nichts, aber viel, wenn man weiß, wie die Gleichung funktioniert.“ Der Professor hat seine Studierenden des fünften Semesters der Wirtschaftsinformatik mit der Gleichung des neuen Prognosemodells rechnen lassen, um zu veranschaulichen, wie anhand vorhandener Daten Erkenntnisse gewonnen werden können. „Man erfährt in den Medien viel und hört viele Meinungen, in der aktuellen Zeit wird es also immer wichtiger, wie ich mit Daten umgehe“, sagt Szepannek, „und für mich bleibt es das Wichtigste, dabei auch immer zu wissen, was man nicht weiß“. Bezogen auf die Studie und das Modell ist das die Anwendbarkeit auf die Omikron-Variante, für die wurde das Modell nämlich noch nicht gerechnet, einfach weil die Daten noch nicht vorliegen. Die Arbeit an der Studie aber begann im Januar 2021 mit den Daten der ursprünglichen Virus-Variante und wurde dann mit Auftreten der britischen Variante auch für die Alpha-Variante gerechnet. Das Prognose-Modell blieb relativ stabil – eine gute Voraussetzung für die Anpassung an die neuen Varianten.
Sich an dieser und ähnlichen Forschungen zu beteiligen, gehöre für Szepannek als Wissenschaftler dazu, „wenn man hoffen kann, bei so etwas wirklich etwas herauszufinden, dass uns ein Stück weiterbringen kann, dann sollte man es tun“.
„Mich hatte interessiert, was die Aspekte sind, die Corona für den Einzelnen riskanter machen“, erklärt Szepannek, deswegen nahm er mit dem Kollegen Stefan Heber von der Medizinischen Universität in Wien Kontakt auf, als er von dem Vorhaben hörte und so ergab sich eine Zusammenarbeit. Wie auch ein Kollege aus Österreich war Szepannek mit der Methodik betraut, verwendet wurde ein Regressionsmodell. Die erzielten Ergebnisse überprüfte der Wissenschaftler aus Stralsund aber entsprechend seiner Spezialisierung auch mit Methoden des Machine Learning, aus dem Gebiet der künstlichen Intelligenz.
Die Berechnung mit acht Parametern
Das Prognosemodell benötigt nur Variablen, die routinemäßig in Krankenhäusern erfasst werden – am Tag der Aufnahme und mindestens in den ersten danach. Es arbeitet mit acht Parametern wie Alter und Fieber und Daten, die über die Blutabnahme erfasst werden wie Lactatdehydrogenase und Thrombozytenzahl. Das Modell könnte die Belastung des Gesundheitssystems verringern, weil darüber eine frühere Entlassung von Patienten mit geringem Risiko erwirkt werden könnte. Die Forschung, deren Erstautor Stefan Heber von der MedUni Wien ist, wird demnächst veröffentlicht, ein Kurzüberblick ist hier verfügbar.
Rechenexempel für Studierende
Die wohl greifbarste Erkenntnis: „Wohlgemerkt etwa alle 24 Jahre verzehnfacht sich die Chance an Corona zu sterben bei Krankenhauspatienten“, sagt Szepannek. Der Effekt des Alters liege bei 0,096. „Das sagt einem so erstmal nichts, aber viel, wenn man weiß, wie die Gleichung funktioniert.“ Der Professor hat seine Studierenden des fünften Semesters der Wirtschaftsinformatik mit der Gleichung des neuen Prognosemodells rechnen lassen, um zu veranschaulichen, wie anhand vorhandener Daten Erkenntnisse gewonnen werden können. „Man erfährt in den Medien viel und hört viele Meinungen, in der aktuellen Zeit wird es also immer wichtiger, wie ich mit Daten umgehe“, sagt Szepannek, „und für mich bleibt es das Wichtigste, dabei auch immer zu wissen, was man nicht weiß“. Bezogen auf die Studie und das Modell ist das die Anwendbarkeit auf die Omikron-Variante, für die wurde das Modell nämlich noch nicht gerechnet, einfach weil die Daten noch nicht vorliegen. Die Arbeit an der Studie aber begann im Januar 2021 mit den Daten der ursprünglichen Virus-Variante und wurde dann mit Auftreten der britischen Variante auch für die Alpha-Variante gerechnet. Das Prognose-Modell blieb relativ stabil – eine gute Voraussetzung für die Anpassung an die neuen Varianten.
Sich an dieser und ähnlichen Forschungen zu beteiligen, gehöre für Szepannek als Wissenschaftler dazu, „wenn man hoffen kann, bei so etwas wirklich etwas herauszufinden, dass uns ein Stück weiterbringen kann, dann sollte man es tun“.
