Preparing for the next pandemic takes more than better models: expert consensus recommendations for infectious disease modelling

Wenn eine neue Krankheit beginnt, sich auszubreiten, müssen Regierungen wissen, wie schnell sie sich bewegen wird, wo sie als Nächstes zuschlagen wird und welche Maßnahmen sie stoppen werden. Um diese Fragen zu beantworten, erstellen Wissenschaftler mathematische Modelle. Dies sind keine Kristallkugeln, die die Zukunft mit Gewissheit vorhersagen; vielmehr sind es strukturierte Denkweisen darüber, wie sich ein Virus unter verschiedenen Bedingungen verhalten könnte. Stellen Sie sich ein Modell wie eine komplexe Karte vor, die zeigt, welche Routen ein Reisender basierend auf den verfügbaren Straßen und dem erwarteten Wetter nehmen könnte. Wenn die Karte mit schlechten Daten oder verborgenen Annahmen gezeichnet ist, könnte der Reisende eine falsche Abbiegung nehmen. Seit Jahrzehnten helfen diese Modelle Beamten dabei, Ausbrüche zu bewältigen, von der Maul-und-Klauenseuche bei Rindern bis hin zur weltweiten Ausbreitung der Influenza. Die jüngste Pandemie hat jedoch gezeigt, dass es nicht ausreicht, nur bessere Karten zu haben. Die wahre Herausforderung liegt darin, wie die Karten gezeichnet werden, wie die sie speisenden Daten geteilt werden und wie die Ergebnisse den Menschen erklärt werden, die lebenswichtige Entscheidungen treffen müssen.

Eine große Gruppe von Experten ist nun zusammengekommen, um genau zu definieren, wie die Modellierung von Infektionskrankheiten arbeiten sollte, um am nützlichsten zu sein. Unter der Leitung von Forschern der Universität Lübeck brachte dieses Team 41 Spezialisten aus den Bereichen Mathematik, öffentliche Gesundheit und Sozialwissenschaften aus Universitäten und Forschungsinstituten weltweit zusammen. Sie debattierten nicht einfach darüber, welche Gleichungen die besten seien. Stattdessen führten sie einen strengen Prozess durch, um Einigkeit über die Spielregeln zu finden. Zuerst überprüften sie hunderte vergangener Studien, um zu sehen, mit welchen Problemen Wissenschaftler zuvor konfrontiert waren. Dann hielten sie eine Serie von vier Diskussions- und Abstimmungsrunden ab und verfeinerten ihre Ideen, bis alle einer endgültigen Liste von vierzig Empfehlungen zustimmten. Das Ziel war es, einen gemeinsamen Standard zu schaffen, der die Modellierung zuverlässiger, transparenter und bereit für den nächsten Notfall macht.

Die auffälligste Erkenntnis dieser Arbeit ist, dass sich die Experten fast perfekt auf vierzig spezifische Aussagen geeinigt haben. Achtunddreißig davon erhielten die höchstmögliche Bewertung, was bedeutet, dass das gesamte Gremium sie als essenziell ansah. Die Einigkeit bezog sich jedoch nicht darauf, wie man einen bestimmten Typ von Modell baut. Stattdessen konzentrierte sich der stärkste Konsens auf die Rahmenbedingungen des Modells: die Daten, die es verwendet, die Art und Weise, wie es berichtet wird, und die Menschen, die damit arbeiten. Das Gremium stellte fest, dass eine Modellierungsgruppe diese Probleme nicht allein lösen kann. Während Wissenschaftler entscheiden können, wie sie ihren Code schreiben oder wie sie ihre Unsicherheit erklären, können sie keine öffentlichen Datensysteme schaffen, internationale Abkommen zum Datenaustausch aushandeln oder langfristige Finanzierungen sichern. Diese Aufgaben erfordern, dass Regierungen, Förderorganisationen und politische Berater auch zwischen den Pandemien handeln, nicht erst währenddessen.

Die Experten identifizierten, dass die größten Hürden oft praktischer als mathematischer Natur sind. Damit ein Modell genau ist, benötigt es zeitnahe Daten, die leicht zugänglich und klar mit ihren Einschränkungen gekennzeichnet sind. Derzeit kommen Daten oft verspätet an, sind hinter komplizierten Barrieren verschlossen oder liegen in Formaten vor, die Computer nicht automatisch lesen können. Das Gremium bestand darauf, dass Daten über offene, maschinenlesbare Systeme mit klarer Dokumentation verfügbar sein sollten. Sie betonten auch die Notwendigkeit grenzüberschreitender Abkommen, damit Daten während einer Krise frei zwischen Ländern fließen können. Ohne diese Grundlagen wird selbst das ausgeklügeltste Modell Schwierigkeiten haben, nützliche Orientierung zu bieten. Die Gruppe betonte zudem, dass Modelle transparent sein müssen. Das bedeutet, dass Wissenschaftler klar angeben sollten, welche Annahmen sie getroffen haben, ihren Code und ihre Daten teilen sollten, damit andere ihre Arbeit überprüfen können, und die Grenzen ihrer Vorhersagen erläutern müssen.

Ein weiterer kritischer Punkt der Einigkeit war der Umgang mit Unsicherheit. In der Vergangenheit wurden Modelle manchmal wie Orakel behandelt, die die exakte Zukunft vorhersagen können. Das Gremium stellte klar, dass Modelle Werkzeuge sind, um Möglichkeiten zu untersuchen, nicht um das Schicksal vorherzusagen. Ein Modell mag zeigen, dass sich ein Virus schnell ausbreiten könnte, wenn keine Maßnahmen ergriffen werden; wenn Beamte jedoch strenge Maßnahmen umsetzen, wird diese schnelle Ausbreitung möglicherweise nicht stattfinden. Das bedeutet nicht, dass das Modell versagt hat; es bedeutet, dass das Modell erfolgreich ein Szenario untersucht hat, das vermieden wurde. Die Experten argumentierten, dass Wissenschaftler klar zwischen einer Prognose dessen, was passieren wird, und einem Szenario dessen, was unter bestimmten Bedingungen passieren könnte, unterscheiden müssen. Sie waren sich auch einig, dass Unsicherheit in Bereichen kommuniziert werden sollte, die ein Spektrum möglicher Ergebnisse aufzeigen, anstatt als eine einzige, präzise Zahl, die ein falsches Gefühl von Genauigkeit vermittelt.

Die Studie hob auch hervor, dass die Menschen, die diese Modelle erstellen, oft isoliert von den Menschen arbeiten, die sie nutzen. Das Gremium empfahl die Schaffung permanenter Rollen, die diese Lücke schließen, in denen Experten komplexe Modellergebnisse in klare Ratschläge für politische Entscheidungsträger übersetzen können. Sie stellten auch fest, dass Modelle oft vulnerable Gruppen übersehen oder versäumen, die Veränderung des menschlichen Verhaltens während einer Krise zu berücksichtigen. Um dies zu beheben, forderten die Experten Modelle, die diverse Bevölkerungsgruppen einschließen und die Erkenntnisse der Sozialwissenschaften integrieren. Sie räumten jedoch ein, dass zu viel Komplexität ein Modell schwer bedienbar machen kann, weshalb je nach der spezifischen Fragestellung das richtige Gleichgewicht gefunden werden muss.

Trotz des hohen Maßes an Einigkeit erkannten die Experten signifikante Einschränkungen in ihrer Arbeit. Die Experten stammten fast ausschließlich aus einkommensstarken Ländern und akademischen Kreisen. Dies bedeutet, dass ihre Empfehlungen die Ressourcen und Strukturen widerspiegeln, die in diesen Regionen verfügbar sind, welche jedoch in Ländern mit niedrigem oder mittlerem Einkommen, in denen die nächste Pandemie ausbrechen könnte, möglicherweise nicht existieren. Die Gruppe gab zu, dass ihre Prioritätenliste eine funktionierende Regierung und ein Gesundheitssystem voraussetzt, was nicht immer der Fall ist. Sie merkten auch an, dass ihre Studie die politischen Realitäten, die oft verhindern, dass gute Ratschläge befolgt werden, nicht vollständig adressierte, noch untersuchte sie tiefgreifend die wirtschaftlichen Kosten unterschiedlicher Interventionen.

Letztendlich kommt das Paper zu dem Schluss, dass die Vorbereitung auf die nächste Pandemie mehr als nur bessere Mathematik erfordert. Es erfordert den Aufbau der Institutionen und der Infrastruktur, die es Modellen ermöglichen, effektiv zu arbeiten. Die Experten boten zehn spezifische Prioritäten für die Zeit zwischen den Ausbrüchen an, wie etwa die Etablierung interoperabler Datensysteme, die Schaffung ständiger interdisziplinärer Teams und die Sicherung dauerhafter Finanzierung. Sie argumentierten, dass es zu spät ist, erst zu warten, bis eine Krise beginnt, um diese Probleme zu lösen. Die Empfehlungen sind nicht als endgültige Lösung, sondern als Ausgangspunkt für einen globalen Dialog gedacht. Durch die Vereinbarung dieser Standards hofft die wissenschaftliche Gemeinschaft sicherzustellen, dass, wenn die nächste Bedrohung auftaucht, die verfügbaren Werkzeuge zur Bekämpfung derselben robust, klar und bereit sind, der Öffentlichkeit zu dienen.