Population Attributable Mortality Associated with Respiratory Viruses in Ontario

Die Studie schätzt, dass SARS-CoV-2 in Ontario zwischen 1993 und 2025 eine etwa vierfach höhere Sterblichkeitslast verursachte als die saisonale Influenza A, wobei die Ergebnisse nach der Beendigung des internationalen Gesundheitsnotstands darauf hindeuten, dass die durch Atemwegsviren verursachte Sterblichkeit nicht auf das präpandemische Niveau zurückgekehrt ist.

Das Wesentliche

Titel: Die unsichtbaren Erpresser – Wie Viren unser Leben (und Sterben) beeinflussen

Stellen Sie sich vor, Ontario (eine Provinz in Kanada) ist ein riesiges, belebtes Stadion. In diesem Stadion laufen die Menschen seit über 30 Jahren ein und aus. Manchmal ist das Wetter schön, manchmal stürmisch. Aber es gibt auch unsichtbare „Erpresser", die versuchen, die Menge zu stören: das Grippevirus, das RSV-Virus und neuerdings das Coronavirus (SARS-CoV-2).

Die Forscher in diesem Papier haben sich gefragt: Wie viele Menschen sterben wirklich wegen dieser Erpresser?

Das Problem ist: Wenn jemand stirbt, schreibt der Arzt oft nur „Herzversagen" oder „Altersschwäche" auf die Sterbeurkunde. Das Virus wird oft übersehen, wie ein Dieb, der im Schatten bleibt. Um das herauszufinden, haben die Wissenschaftler nicht auf die Sterbeurkunden geschaut, sondern auf das Gesamtverhalten der Menschen im Stadion.

Hier ist die Geschichte ihrer Entdeckungen, einfach erklärt:

1. Die Detektive und ihre Lupe

Die Forscher haben sich eine riesige Datenbank angesehen, die jeden Monat seit 1993 aufzeichnet:

• Wie viele Menschen sind gestorben?
• Wie viele Viren wurden im Labor gefunden?

Sie haben einen cleveren Trick angewendet: Sie haben ein mathematisches Modell gebaut, das wie ein Wettervorhersage-System funktioniert. Wenn die Zahl der Grippefälle steigt, steigt dann auch die Zahl der Todesfälle? Wenn ja, dann ist das Virus schuld.

2. Die drei Akteure im Stadion

A. Der alte Bekannte: Die Grippe (Influenza A)
Vor der großen Pandemie (vor 2020) war die Grippe der Haupt-„Erpresser". Sie war wie ein regelmäßiger Wintersturm, der jedes Jahr kam.

• Die Erkenntnis: Die Grippe war für etwa 1,8 % aller Todesfälle verantwortlich. Das klingt nach wenig, aber im Stadion sind das Tausende von Menschen.
• Der Trick: Wenn man das Modell so einstellt, dass man die jahreszeitlichen Schwankungen (den Winter selbst) herausrechnet, sieht man die Grippe klarer. Ohne diesen Trick würde man die Grippe fast übersehen, weil sie sich so sehr mit dem kalten Winter vermischt.

B. Der stille Beobachter: RSV
RSV ist ein Virus, das besonders Babys und alte Leute trifft.

• Die Verwirrung: In den Modellen mit dem „Winter-Trick" schien RSV fast gar keine Rolle zu spielen, manchmal sogar, als würde es Menschen schützen (was natürlich Unsinn ist!).
• Die Auflösung: Als die Forscher den „Winter-Trick" wegließen, tauchte RSV plötzlich auf. Es war für etwa 2 % der Todesfälle verantwortlich. Es war also immer da, wurde aber nur vom Winter „versteckt".

C. Der neue Riese: Das Coronavirus (SARS-CoV-2)
Dann kam 2020 der große Riese in den Stadion.

• Die Erkenntnis: Selbst mit Impfstoffen und Masken war das Coronavirus viel tödlicher als die Grippe.
• Der Vergleich: Das Coronavirus war für etwa 6,1 % aller Todesfälle verantwortlich. Das ist viermal so viel wie die Grippe vor der Pandemie!
• Die Überraschung: Selbst nachdem die offizielle „Notfall-Phase" endete (ab Mai 2023), war das Coronavirus immer noch für fast 10 % der Todesfälle verantwortlich. Es ist also nicht einfach verschwunden, sondern hat sich als neuer, ständiger Bewohner etabliert.

3. Warum ist das wichtig? (Die Lektion)

Stellen Sie sich vor, Sie wollen wissen, wie viel Geld ein Dieb gestohlen hat. Wenn Sie nur auf die leeren Taschen schauen (die Sterbeurkunden), sehen Sie vielleicht nur ein paar Münzen. Aber wenn Sie das gesamte Bankkonto des Landes analysieren (die Gesamtsterblichkeit), sehen Sie, wie viel wirklich fehlt.

Die wichtigsten Punkte für uns alle:

1. Die Grippe ist nicht weg: Sie ist immer noch ein ernstes Problem, auch wenn sie nicht so laut schreit wie das Coronavirus.
2. Das Coronavirus ist der neue „Boss": Es tötet deutlich mehr Menschen als die Grippe, selbst wenn wir uns impfen lassen. Wir dürfen nicht denken, es sei „nur noch eine Grippe".
3. Die Mathematik ist tricky: Je nachdem, wie man die Zahlen betrachtet (mit oder ohne Berücksichtigung des Winters), sieht das Bild anders aus. Das zeigt uns, dass wir sehr vorsichtig sein müssen, wenn wir über Zahlen sprechen.
4. Wir müssen wachsam bleiben: Da das Coronavirus auch nach der Pandemie noch viele Menschen tötet, müssen wir weiter impfen, testen und aufpassen, besonders für die schwächsten Mitglieder unserer Gesellschaft (Babys und alte Menschen).

Fazit:
Diese Studie ist wie ein Röntgenbild für die Bevölkerung. Sie zeigt uns, dass hinter den offiziellen Zahlen noch viel mehr Leid verborgen ist. Das Coronavirus hat die Regeln des Spiels verändert: Es ist jetzt der gefährlichste Gegner im Stadion, und wir müssen unsere Strategien (Impfungen, Vorsicht) entsprechend anpassen, um das Stadion sicher zu halten.

Technische Zusammenfassung

Technische Zusammenfassung: Bevölkerungsbezogene Sterblichkeit durch respiratorische Viren in Ontario

1. Problemstellung und Zielsetzung
Respiratorische Viren stellen eine erhebliche Belastung für die Bevölkerungsgesundheit dar, doch ihre tatsächliche Mortalitätslast wird durch herkömmliche Ursachenkodierung auf Sterbeurkunden häufig unterschätzt. Um diese Lücke zu schließen, zielt diese Studie darauf ab, den bevölkerungsbezogenen Anteil der Sterblichkeit (Population Attributable Fraction, PAF) für Influenza A, Influenza B, das respiratorische Synzytialvirus (RSV) und SARS-CoV-2 in Ontario, Kanada, zu quantifizieren. Der Untersuchungszeitraum erstreckt sich von 1993 bis Februar 2025, wobei ein besonderer Fokus auf dem Übergang von der prä-pandemischen Ära zur SARS-CoV-2-Pandemie und der Phase nach dem Ende des „Public Health Emergency of International Concern" (PHEIC) liegt. Ein zentrales methodisches Anliegen ist die Bewertung, wie sich Modellierungsentscheidungen – insbesondere die Einbeziehung oder der Ausschluss saisonaler Anpassungsterme – auf die Schätzung virusattribuierter Sterblichkeit auswirken.

2. Methodik
Die Studie nutzt ein ökologisches Regressionsmodell auf Basis von monatlichen Daten für alle Todesfälle (All-cause mortality) und laborbasierte Surveillance-Daten (Testpositivitätsraten und fallkorrigierte Fallzahlen).

• Datenquellen: Mortalitätsdaten von Statistics Canada und dem Ontario Deaths Registry (1991–2025) sowie Surveillance-Daten von FluWatch und dem Case and Contact Management System (CCM) für Ontario.
• Statistische Modelle: Es wurden negative Binomialmodelle angepasst, um Überdispersion zu berücksichtigen. Die Modelle enthalten:
  • Lineare und quadratische Terme für secular trends (langfristige Trends).
  • Fast-Fourier-Transformationen (FFT; Sinus- und Kosinus-Terme) zur Modellierung saisonaler Periodizität.
  • Log-Offsets für die Bevölkerungszahlen zur Schätzung von Mortalitätsraten.
• Zeitraum-Stratifizierung:
  • Prä-pandemisch: Januar 1993 – Februar 2020.
  • Pandemisch: März 2020 – Februar 2025 (unterteilt in PHEIC-Phase und Post-PHEIC-Phase).
• PAF-Berechnung: Die PAF wurde durch Gegenfactual-Analysen (Counterfactuals) berechnet, bei denen die Koeffizienten für spezifische Viren auf Null gesetzt wurden, um die Differenz zwischen beobachteten und erwarteten Todesfällen zu ermitteln.
• Sensitivitätsanalysen:
  • Vergleich von Modellen mit und ohne Fourier-Seasonal-Adjustment, um zu prüfen, ob saisonale Terme die Effekte der Viren „wegkonkurrieren".
  • Ausschluss der frühen Pandemiephase (März–Juni 2020).
  • Meta-Analysen zur Bewertung der Heterogenität zwischen den Modellierungsansätzen.

3. Schlüsselergebnisse

• Prä-pandemische Ära (1993–2020):

  • Influenza A: Zeigte einen konsistenten positiven Zusammenhang mit der Sterblichkeit. Mit saisonaler Anpassung betrug die PAF 1,8 % (95 % KI 1,4–2,3 %). Ohne saisonale Anpassung stieg dieser Wert auf 2,9 %.
  • Influenza B: Zeigte in keinem Modell einen signifikanten Einfluss auf die Sterblichkeit.
  • RSV: In saisonal angepassten Modellen zeigte sich eine inverse (schützende) Assoziation, die jedoch in Modellen ohne saisonale Anpassung in eine positive Assoziation umschlug (PAF 1,9 %, 95 % KI 1,3–2,4 %). Dies deutet auf eine statistische Konkurrenz zwischen saisonalen und viralen Prädiktoren hin.

• Pandemische Ära (März 2020–Februar 2025):

  • SARS-CoV-2: War der dominante Treiber der Sterblichkeit. Die geschätzte PAF betrug 6,1 % (95 % KI 4,2–8,0 %) in den primären Modellen (mit saisonaler Anpassung). Dies entspricht einem 4-fach höheren Mortalitätsanteil als die prä-pandemische Influenza A.
  • Die Modell-schätzungen für SARS-CoV-2-Todesfälle stimmten eng mit den offiziell gemeldeten COVID-19-Todesfällen überein, was die Validität des Ansatzes untermauert.
  • Influenza A, B und RSV zeigten während der PHEIC-Phase keine signifikanten Assoziationen mit der Sterblichkeit, was auf die Unterdrückung saisonaler Zirkulation durch NPIs (nicht-pharmazeutische Interventionen) und SARS-CoV-2-Dominanz zurückzuführen ist.

• Post-PHEIC-Phase (Mai 2023–Februar 2025):

  • SARS-CoV-2 blieb ein signifikanter Prädiktor für Sterblichkeit mit einer PAF von 9,8 % (95 % KI 1,1–17,7 %), was auf eine anhaltende, signifikante Mortalitätslast hindeutet, auch nach dem offiziellen Ende des Notstands.
  • Die PAF für Influenza A und B kehrte auf prä-pandemische Baselines zurück und zeigte keinen signifikanten Anstieg.

• Modellierungs-Einfluss und Heterogenität:

  • Meta-Analysen zeigten eine hohe Heterogenität für Influenza A ($I^2=92,8\%$) und RSV ($I^2=89,1\%$) je nach Modellwahl (mit/ohne Fourier-Terme).
  • Im Gegensatz dazu zeigte SARS-CoV-2 eine minimale Heterogenität ($I^2=5,5\%$), was auf einen robusten Signal-Effekt unabhängig von der Modellierung hinweist.

4. Hauptbeiträge und Signifikanz

• Quantifizierung der SARS-CoV-2-Last: Die Studie belegt, dass SARS-CoV-2 trotz verfügbarer Impfstoffe, antiviraler Medikamente und nicht-pharmazeutischer Interventionen eine 3- bis 4-mal höhere Mortalitätslast verursacht hat als die saisonale Influenza A vor der Pandemie.
• Methodische Einsichten: Die Arbeit demonstriert kritisch, wie die Wahl der Saison-Korrektur (Fourier-Terme) die Schätzung virusattribuierter Sterblichkeit, insbesondere bei saisonalen Viren wie RSV und Influenza, drastisch verändern kann. Ohne saisonale Anpassung werden die Effekte oft höher geschätzt, da die saisonalen Terme die Varianz der viralen Indikatoren „absorbieren".
• Post-PHEIC-Perspektive: Die Studie liefert frühe Evidenz dafür, dass SARS-CoV-2 auch nach dem Ende des internationalen Gesundheitsnotstands eine signifikante, messbare Mortalitätslast in der Bevölkerung aufrechterhält, während die Last durch Influenza wieder auf normale saisonale Niveaus zurückgekehrt ist.
• Public Health-Relevanz: Die Ergebnisse unterstreichen die Notwendigkeit, Überwachungs- und Präventionsstrategien für respiratorische Viren (insbesondere SARS-CoV-2 und RSV) auch über die akute Pandemiephase hinaus aufrechtzuerhalten. Sie liefern zudem eine robuste Datengrundlage für die Priorisierung von Impfkampagnen und die Bewertung von Gesundheitspolitiken.

Fazit:
Die Studie liefert über einen Zeitraum von mehr als drei Jahrzehnten robuste, populationsbasierte Schätzungen der virusattribuerten Sterblichkeit in Ontario. Sie hebt hervor, dass SARS-CoV-2 eine beispiellose Mortalitätslast verursacht hat und dass methodische Entscheidungen in der Zeitreihenanalyse entscheidend für die korrekte Quantifizierung der Last saisonaler Viren sind.