Wastewater-informed agent-based modelling of hepatitis E transmission dynamics

Die Studie nutzt ein wasserinformatives agentenbasiertes Modell, um zu zeigen, dass die während der COVID-19-Lockdowns in München beobachtete Abnahme der Hepatitis-E-Übertragung auf Verhaltensänderungen zurückzuführen ist und dass die Kombination von Abwasser- mit Falldaten notwendig ist, um diese Effekte trotz unterer Berichterstattung und unterschiedlicher Messvariabilität zuverlässig zu erkennen.

Das Wesentliche

Stellen Sie sich vor, das Hepatitis-E-Virus ist wie ein unsichtbarer Gast, der sich meistens über unser Essen in den Körper schleust. Normalerweise denken wir in Deutschland, dass dieser Gast fast ausschließlich über den Teller kommt. Doch während der Corona-Lockdowns passierte etwas Seltsames: In den Abwasserkanälen von München wurde deutlich weniger von diesem Virus gefunden. Es war, als hätte der Gast plötzlich die Tür zum Haus verlassen.

Doch in einem kleineren Stadtteil war das Bild ganz anders: Dort gab es keine solche Abnahme. Warum dieser Unterschied?

Um dieses Rätsel zu lösen, haben die Forscher einen digitalen Zwilling der Stadt München gebaut. Stellen Sie sich diesen Computer-Modell vor wie eine riesige, virtuelle Simulationsspiel-Welt, in der Millionen von kleinen Figuren (den Einwohnern) herumlaufen, essen und kranken werden. Diese Figuren sind so programmiert, dass sie genau so handeln, wie echte Menschen es tun würden.

Die Forscher nutzten diese Simulation als eine Art Detektiv-Brille:

1. Der erste Verdacht: Sie fragten sich: „Wenn das Virus wirklich nur über das Essen kommt, warum sollte sich die Zahl im Abwasser während des Lockdowns so stark ändern?"
2. Der Test: Sie ließen ihre digitale Simulation laufen und passten sie an die echten Daten an (sowohl die gemeldeten Krankheitsfälle als auch die Abwasserwerte).
3. Die Erkenntnis: Das Modell zeigte, dass die Menschen im Lockdown tatsächlich weniger infiziert wurden – die Übertragungsrate sank auf etwa ein Drittel des normalen Niveaus. Es war, als hätten die Menschen durch das Homeoffice und weniger Restaurantbesuche die „Eintrittskarte" für das Virus verloren.

Warum sahen die anderen Daten das nicht?
Hier kommt die Metapher des vernebelten Fensters ins Spiel.

• In der kleinen Stadt war das Fenster zum Abwasser so stark beschlagen (durch Messfehler und Schwankungen), dass man den Rückgang des Virus nicht erkennen konnte.
• Bei den offiziellen Krankheitsmeldungen war das Fenster durch einen dichten Vorhang verdeckt (weil weniger getestet wurde oder die Diagnose-Wahrscheinlichkeit sich leicht änderte).

Das Fazit:
Die Forscher haben gezeigt, dass man nicht nur auf die offiziellen Krankheitsberichte schauen darf. Wenn man die Abwasserdaten (die wie ein echter Spiegel der gesamten Bevölkerung funktionieren, nicht nur derer, die zum Arzt gehen) mit den Krankheitsmeldungen kombiniert, erhält man ein viel klareres Bild.

Es ist, als würde man versuchen, das Wetter vorherzusagen: Wenn man nur auf ein einzelnes Thermometer schaut (die Krankenhäuser), kann man sich täuschen. Schaut man aber auch auf den Regenmesser im Garten (das Abwasser) und nutzt einen cleveren Wetter-Computer (das Modell), versteht man endlich, warum es in München plötzlich „trockener" wurde, während es in der kleinen Stadt noch so aussah, als würde es stürmen.

Dies hilft den Gesundheitsbehörden, bessere Entscheidungen zu treffen, auch wenn viele Krankheiten gar nicht offiziell gemeldet werden.

Technische Zusammenfassung

Problemstellung

Das Hepatitis-E-Virus (HEV) wird in industrialisierten Ländern primär als lebensmittelübertragener Erreger betrachtet. Während der COVID-19-Lockdown-Perioden wurden jedoch in München (Deutschland) signifikante Rückgänge der HEV-Konzentrationen im Abwasser einer Kläranlage beobachtet. Dies deutete darauf hin, dass pandemiebedingte Verhaltensänderungen die Übertragung unbeabsichtigt beeinflusst haben könnten. Im Gegensatz dazu zeigten gemeldete Fallzahlen sowie Daten aus einem kleineren Einzugsgebiet keinen vergleichbaren Rückgang. Diese Diskrepanz zwischen den Überwachungsmethoden (Abwasser vs. klinische Meldungen) und die Frage, ob die beobachtete Reduktion mit einer fast ausschließlich lebensmittelbedingten Infektion vereinbar ist, bildeten die Ausgangslage für die Studie.

Methodik

Um diese Widersprüche aufzulösen, entwickelten die Autoren ein stochastisches, agentenbasiertes Modell (ABM) auf individueller Ebene. Dieses Modell simuliert die Übertragung von HEV, die Ausscheidung (Shedding) des Virus sowie die Erfassungsrate (Ascertainment) in der Stadt München.

Die Kalibrierung des Modells erfolgte mittels Approximate Bayesian Computation (ABC). Dabei wurden die Modelle zunächst separat an zwei Datensätze angepasst:

1. Abwasserdaten
2. Gemeldete Fallzahlen

Anschließend wurde eine gemeinsame Inferenz (Joint Inference) durchgeführt, bei der beide Datenquellen gleichzeitig zur Parameterschätzung genutzt wurden. Der Zeitraum der Analyse umfasste die Jahre 2020 bis 2023.

Ergebnisse

Die posteriori-Parameterschätzungen aus der gemeinsamen Inferenz lieferten folgende zentrale Ergebnisse:

• Transmissionsrückgang: Es wurde ein signifikanter Rückgang der Übertragung während der Lockdowns festgestellt. Das Übertragungsniveau sank auf etwa 35–40 % des Niveaus vor den Lockdowns.
• Statistische Signifikanz: Das 95 %-Glaubwürdigkeitsintervall lag vollständig unter 1, was einen statistisch signifikanten Rückgang (im Gegensatz zu „keiner Veränderung") bestätigt.
• Erklärung der Diskrepanz: Das Modell zeigte, dass die fehlenden Signale in den klinischen Daten und den Daten des kleineren Einzugsgebiets durch zwei Faktoren maskiert wurden:
  1. Eine mögliche, moderate Zunahme der Diagnosewahrscheinlichkeit während der Lockdowns (was zu einer höheren Erfassung von Fällen führte, trotz weniger Infektionen).
  2. Eine höhere Messvariabilität in den Abwasserdaten des kleineren Einzugsgebiets, die den Trend verschleierte.

Hauptbeiträge

1. Validierung von Verhaltensänderungen: Die Studie liefert quantitative Belege dafür, dass Lockdown-Maßnahmen auch die Übertragung von primär lebensmittelbedingten Erregern wie HEV signifikant reduzieren können (vermutlich durch veränderte Essgewohnheiten oder reduzierte soziale Interaktionen).
2. Methodische Integration: Sie demonstriert die Überlegenheit der kombinierten Nutzung von Abwasserüberwachung (Wastewater-Based Epidemiology, WBE) und klinischen Fallzahlen gegenüber der isolierten Betrachtung einer Datenquelle.
3. Modellierung unter-reportierter Erreger: Das entwickelte ABM-Modell bietet einen robusten Rahmen, um latente Übertragungsdynamiken bei Erregern zu rekonstruieren, für die klinische Meldungen oft unvollständig sind.

Bedeutung und Implikationen

Die Studie unterstreicht die kritische Rolle der Abwasserüberwachung als ergänzendes Instrument im öffentlichen Gesundheitswesen. Sie zeigt, dass Abwasserdaten in Kombination mit Fallmeldungen robustere Parameter für mathematische Modelle liefern können. Dies ermöglicht genauere Risikobewertungen und fundiertere Entscheidungen für das öffentliche Gesundheitsmanagement, insbesondere bei Erregern, deren Übertragungsweg komplex ist oder deren klinische Erfassung unzuverlässig ist. Die Ergebnisse belegen, dass verhaltensbedingte Änderungen in der Bevölkerung messbare Auswirkungen auf die Viruslast in der Umwelt haben, selbst bei Erregern, die nicht primär durch Tröpfcheninfektion übertragen werden.