Infektionsmonitoring mit Abwasser- und Mobilitätsdaten
Gesundheit / Public Sector – Robert Koch Institut / Bauhaus-Universität Weimar
65 % höhere Bevölkerungsabdeckung durch Integration von Mobilitätsdaten in Kläranlagen-Einzugsgebiete
Ausgangssitutation
Das AMELAG-Programm hatte einen klaren Auftrag: Infektionsgeschehen in Thüringen frühzeitig erkennen, bevor klinische Meldesysteme reagieren. Dafür wurden Abwasserproben aus Kläranlagen analysiert, ein valides Signal, aber mit einer strukturellen Grenze. Die Einzugsgebiete der Kläranlagen decken die tatsächlich relevante Bevölkerung nur unzureichend ab. Wer sich außerhalb dieser Zonen aufhält, wer pendelt, wer saisonal mobil ist, blieb im Monitoring unsichtbar. Das Ergebnis: geografische Lücken, die epidemiologisch relevante Ausbrüche verschleiern konnten.
Kernherausforderung
Kläranlagen messen, was durch ihre Leitungen fließt, nicht, wo die Menschen tatsächlich sind. Für ein belastbares Infektionsmonitoring auf Landkreisebene fehlte die räumliche Auflösung. Mobilitätsdaten lagen zwar vor, waren aber nicht mit den Kläranlagen-Einzugsgebieten verknüpft. Eine saubere Methodik zur Fusion beider Datenquellen existierte nicht. Standardansätze in der Epidemiologie arbeiten mit festen geografischen Catchment-Gebieten, sie berücksichtigen keine dynamische Bevölkerungsbewegung und liefern daher systematisch verzerrte Abdeckungsschätzungen.
Lösung
epicinsights entwickelte eine Methodik zur dynamischen Erweiterung von Kläranlagen-Einzugsgebieten durch Mobilitätsdaten auf Landkreisebene. Statt statische Catchment-Boundaries zu verwenden, wurden anonymisierte Bewegungsmuster genutzt, um zu berechnen, welche Bevölkerungsanteile sich faktisch in den Einzugsgebieten aufhalten. Die Verknüpfung beider Quellen erlaubt eine präzisere Hochrechnung epidemiologischer Signale auf die reale Bevölkerungsexposition.
Der methodische Kern lag in der Normierung: Abwassersignale wurden nicht mehr ausschließlich auf statische Einwohnerzahlen bezogen, sondern auf tagesaktuelle Populationsgewichte aus den Mobilitätsdaten. Das ermöglicht räumlich differenzierteres Monitoring auch in Regionen mit starker Pendlerdynamik.
Ergebnis
Die Bevölkerungsabdeckung der Kläranlagen-Einzugsgebiete stieg durch die Integration von Mobilitätsdaten um bis zu 65 %. Das bedeutet: Ausbrüche, die in statischen Modellen durch geografische Lücken verborgen blieben, werden im erweiterten Modell sichtbar. Die Methodik wurde im Rahmen des AMELAG-Programms in Zusammenarbeit mit dem Robert Koch Institut und der Bauhaus-Universität Weimar entwickelt und validiert. Sie baut auf der PANDA-Methodik auf, die epicinsights zuvor für die SARS-CoV-2-Varianten-Surveillance entwickelt hatte.
Das diesem Projekt zugrunde liegende Vorhaben wurde vom Robert-Koch-Institut aus Mitteln des Bundesministeriums für Gesundheit unter dem Förderkennzeichen „AMELAG“ gefördert.
Ihre Monitoring-Daten decken nicht ab, was sie abdecken sollen.
Lassen Sie uns gemeinsam klären wir, welche Lücken in Ihrer Datenbasis stecken und was sich dagegen tun lässt.
Termin mit Michael Mörs (CEO) buchen:
In 30 Minuten klären wir, wo Sie stehen und wie wir helfen können.