key: cord-0890774-aklpnbcd
authors: Wjst, Matthias
title: Die frühe Phase der COVID-19-Pandemie in Bayern
date: 2020-11-27
journal: Dtsch Med Wochenschr
DOI: 10.1055/a-1286-0212
sha: a1e713513322b5f2411c451ec11812285dc2b390
doc_id: 890774
cord_uid: aklpnbcd

Introduction The effect of non pharmacological interventions (NPIs) during an epidemic disease outbreak is well accepted dating back to historical events. NPIs involve numerous measurements like hygiene rules or contact restriction that are applied during given situations, while so far only limited quantitative data exist to rate the overall effectiveness. Methods Using the official counts of Robert Koch Institute in Berlin/Germany, press reports and Twitter messages, the early phase of the current COVID-19/Sars-CoV2 in Bavaria is being reconstructed. Results The first cases have been observed in Munich by the end of January 2020. While the initial outbreak could be sufficiently covered using isolation and quarantine measurements, the consecutive early spreading falls into three phases, starting with winter school holidays at the end of February, a number of beer festivals in the following week, and general elections on March, 15. The disaster plan on March, 16 indicates the end of the early phase. Using the official case counts, a rather coherent picture evolves although representative epidemiological studies are still missing. The epidemic started with a few cases during the winter holidays, increased exponentially afterwards including significant more cases by beer festivals and another significant excess of cases following the election that occurred in Bavaria only. Compared to other German countries, Bavaria reached the highest prevalence which could not be reversed by even the most restrictive containment measurements. Conclusion To be effective, NPIs need to applied early, if possible even before the beginning of the exponential phase.

Ergebnisse Die ersten COVID-19-Fälle in Deutschland traten bereits Ende Januar in München auf. Während die Primärfälle erfolgreich durch Isolierung und Quarantäne eingegrenzt werden konnten, stellte sich die eigentliche Frühphase der COVID-19-Pandemie ab Ende Februar in 3 Phasen dar, bestehend aus den Winter-/Faschingsferien, den Starkbierfesten in der Folgewoche sowie den Wahlen am 15.03.2020. Der Notstand ab 16.03.2020 markiert das Ende der frühen Ausbreitung. Aus der Analyse der Fallzahlen ergibt sich ein weitgehend zusammenhängendes Bild, auch wenn viele epidemiologische Parameter noch fehlen. Die Ausbreitung begann in den Ferien und ging danach in ein exponentielles Wachstum über. Signifikant mehr Fälle wurden sowohl durch die Starkbierfeste, aber auch durch die bayerische Kommunalwahl registriert, jeweils im Vergleich zu Landkreisen mit der gleichen Prävalenz ohne Exposition. Bayern erreichte damit einen Spitzenplatz der Bundesländer, der sich auch durch restriktive Containment-Maßnahmen in den folgenden Wochen nicht mehr rückgängig machen lässt.

Folgerung Um wirksam zu sein, müssen NPIs frühzeitig, möglichst vor Beginn der exponentiellen Ausbreitung, durchgeführt werden.

Introduction The effect of non pharmacological interventions (NPIs) during an epidemic disease outbreak is well accepted dating back to historical events. NPIs involve numerous measurements like hygiene rules or contact restriction that are applied during given situations, while so far only limited quantitative data exist to rate the overall effectiveness.

Methods Using the official counts of Robert Koch Institute in Berlin/Germany, press reports and Twitter messages, the early phase of the current COVID-19/Sars-CoV2 in Bavaria is being reconstructed.

Results The first cases have been observed in Munich by the end of January 2020. While the initial outbreak could be sufficiently covered using isolation and quarantine measurements, the consecutive early spreading falls into three phases, starting with winter school holidays at the end of February, a number of beer festivals in the following week, and general elections on March, 15 . The disaster plan on March, 16 indicates the end of the early phase. Using the official case counts, a rather coherent picture evolves although representative epidemiological studies are still missing. The epidemic started with a few cases during the winter holidays, increased exponentially afterwards including significant more cases by beer festivals and another significant excess of cases following the election that occurred in Bavaria only. Compared to other German countries, Bavaria reached the highest prevalence which could not be reversed by even the most restrictive containment measurements.

Conclusion To be effective, NPIs need to applied early, if possible even before the beginning of the exponential phase.

Der Effekt von NPIs ("nicht pharmakologische Interventionen") bei Ausbruch einer Epidemie ist unbestritten, sowohl bei historischen Ausbrüchen [1] wie auch bei der aktuellen COVID-19-/ Sars-CoV-2-Krankheitswelle [2] . NPIs umfassen eine Vielzahl von Maßnahmen, die in abgestuften Schritten der aktuellen Lage angepasst werden: Reisebeschränkungen, Flughafen-und Grenzschließungen, Absage von öffentlichen Veranstaltungen, Schulschließungen, Schließungen von Läden und Gaststätten, Anordnung von individuellen Quarantäne-und Hygienemaßnahmen wie Mund-Nasen-Schutz, Händewaschen und Abstandswahrung.

Obwohl NPIs die wichtigsten "Erste Hilfe"-Maßnahmen bei Krisen globalen Ausmaßes sind, sind die Richtlinien dazu weit in der Literatur verstreut. Das mag praktische Gründe haben, da mit der Infektiösität der Erreger, den regionalen und saisonalen Unterschieden, aber auch der Empfindlichkeit und Mortalität der einzelnen Bevölkerungsgruppen jede Epidemie anders verläuft [3] [4] [5] [6] . Die Nomenklatur von NPIs ist zudem nicht standardisiert, und obwohl NPIs in nahezu allen mathematischen Simulationsmodellen verwendet werden, fehlt eine verlässliche empirische Datenbasis, sodass in Krisensituationen mehr aus "Common Sense"-Überlegungen als auf einer fundierten wissenschaftlichen Basis entschieden werden muss.

Durch Die Empfehlung, nur bei Symptomen und Aufenthalt in einem Risikogebiet oder nach Kontakt zu einer Person mit nachgewiesener Erkrankung zu testen, änderte sich nicht während des Beobachtungszeitraums. Die Anzahl positiver PCR-Tests stieg von ca. 1 % am 1.03.2020, über 4 % am 8.03.2020 zu 9 % aller getesteten Proben am 16.03.2020 und belegt den realen Anstieg der Infektionen, der sich allein aus einer Zunahme der Fallmeldungen nicht ergeben würde.

Fallzahlen wurden als Quantil-Quantil-Diagramme in den einzelnen bayerischen Landkreisen am 8.03.2020 und am 15.03.2020 jeweils gegen die Fallzahlen 8 Tage später aufgetragen. Das Zeitintervall von 8 Tagen wurde gewählt, um die vermutete Inkubationszeit und Meldeverzögerungen abzubilden. Lokale polynominale Regressionsgleichungen ("loess smoother") wurden separat für die bayerischen Landkreise sowie für die restlichen der insgesamt 412 deutschen Landkreise/kreisfreien Städte aufgestellt. Aus der Differenz der in Bayern beobachteten zu den in den übrigen deutschen Bundesländern beobachteten Schätzern wurde der Exzess an Fällen berechnet.

Für den jeweiligen Anstieg der Infektionszahlen wurden Bruchpunkte ("breakpoints") berechnet [8] , die strukturelle Änderungen der Regressionskoeffizienten in longitudinalen Daten aufzeigen können.

Die Reproduktionszahl R [9] wurde separat für einzelne Landkreise in Bayern, das Bundesland sowie die übrigen deutschen Bundesländer als R t nach der Methode von Wallinga und Teunis [10] geschätzt. Die Basisreproduktionszahl R 0 gibt die erwartete Zahl von sekundären Fällen an, die durch einen typischen Primärfall entsteht. Im Verlauf der Epidemie ist es jedoch sinnvoller, die effektiven R t -Werte zu betrachten. R t ist typischerweise niedriger als R 0 , da unter dem Einfluss von Kontrollmaßnahmen R sinkt. Bei R-Werten über 1 steigt die Inzidenz, bei Werten unter 1 sinkt sie. Erschwert wird die Interpretation durch die Tatsache, dass spätere R-Werte auf mehr PCR-Tests beruhen.

Ausgewertet wurde primär grafikbasiert [11] . Die benutzte Software war R Version 3.6.3., da für R Version 4 noch keine aktualisierten Grafik-Bibliotheken zur Verfügung standen. so ergeben sich hier 27,0 Fälle/100 000 Einwohner (p = 2*10 -16 ). Dies entspricht bayernweit mit 13,08 Mio. Einwohnern über 3700 zusätzlichen Fällen. Für die Wahlbeteiligung selbst lässt sich kein signifikanter Effekt ausmachen (▶ Abb. 7), allerdings unterschied sich die Wahlbeteiligung auch nicht allzu sehr zwischen den Landkreisen und kann durch den jeweiligen Anteil von Urnenund Briefwahl verzerrt sein.

Für die Häufigkeit der Kirchenzugehörigkeit in den Landkreisen lässt sich keine Abhängigkeit zu der Infektionsrate nachweisen. Allerdings ist mit noch weiteren bisher nicht diskutierten Einflussfaktoren zu rechnen. Wie bereits erwähnt, fand im Landkreis Tirschenreuth nicht nur ein Starkbierfest und eine Zoigl-Wirtschaft statt, hier haben sich auch fast doppelt so viele Frauen wie Männer im Alter zwischen 35 und 59 Jahren infiziert, was allerdings nicht in dem Rehmet-Bericht der RKI-Kommission erwähnt wird [16] . Eine Recherche bei RKI, LGL und dem zuständigen Gesundheitsamt blieb ergebnislos; Tagungen der Landfrauenvereine scheiden von der Chronologie aus, ebenso ist die Infektion über einen Damenfriseur unwahrscheinlich, da eine Ausgangsbeschränkung verhängt wurde. Eine Frauenarztpraxis scheint als Infektionsquelle damit am ehesten in Betracht zu kommen.

Betrachtet man den Verlauf des R-Wertes im Zeitverlauf getrennt für Bayern (▶ Abb. 8) und das übrige Deutschland, ist die Ansteckungsrate am höchsten während der Winterferien, betrifft hier aber nur einzelne Fälle. R erreicht ein zweites Maximum wäh-rend der Zeit der Starkbierfeste. An dem Wahlsonntag selbst gibt es nur einen geringfügigen Peak, durch den aber, da die Pandemie hier schon weit fortgeschritten war, viele neue Fälle induziert wurden. Nach Ausrufung des Notstandes in Bayern sank R wieder unter 1.

Aus der Beschreibung ergibt sich ein erstes zusammenhängendes Bild der Frühphase der COVID-19-Pandemie in Bayern. Die Pandemie beginnt in Oberbayern mit den Winterferien, geht danach in ein exponentielles Wachstum über mit zusätzlichen Fällen durch die Starkbierfestzeit und die Kommunalwahl. Durch beide Ereignisse erreicht Bayern einen Spitzenplatz aller Bundesländer, der sich auch durch restriktive Folgemaßnahmen nicht mehr rückgängig machen lässt. Obwohl die zusätzlichen Fallzahlen von 1200 bzw. 3700 gering erscheinen angesichts der weltweiten Entwicklung, liegt Bayern am 24.04.2020 mit vergleichbarer Einwohnerzahl von Baden-Württemberg (11, die statistischen Unterschiede zwischen Bayern und den übrigen Bundesländern an den Bruchpunkten begründen. Bei der Betrachtungsweise spielen sicher noch weitere, bisher nicht diskutierte Einflussfaktoren eine Rolle. Meteorologische oder wetterbedingte Differenzen zwischen Bayern und den übrigen Bundesländern waren allerdings nicht nachzuweisen. Ohne eine sonstige plausible Erklärung der Ursache des starken Anstiegs in Bayern sind mit Bierfesten und Wahl aber einige der Bradford-Hill-Kriterien erfüllt. Während Effektstärke, Reproduzierbarkeit, Experiment und Gradient nicht sicher beurteilbar sind, sprechen Plausibilität, Spezifität, Kohärenz, Analogie und Chronologie für einen kausalen Zusammenhang. Von der Größenordnung erscheinen die Ergebnisse ebenso plausibel. Eine ebenfalls aus der aktuellen Pandemie in China stammende Schätzung [17] kommt zu dem Schluss, dass ohne NPIs 67-mal mehr Fälle aufgetreten wäre. Ein Cochrane Review [18] ist zurückhaltender, aber nimmt auch an, dass unter NPI nur ca. die Hälfte der Fälle auftreten. Die wohl umfassendste aktuelle Studie über 20 Länder [19] findet für die Absage von Veranstaltungen eine Reduktion von 33 % der Inzidenz. Für die USA wurde geschätzt [20] , dass mit einem nur um 2 Wochen vorverlegten Lockdown 83 % der Fälle hätten vermieden werden können.

Dass sich die Testkapazität vorwiegend in Bayern während der Frühphase verbessert hat und somit eine größere Fallzunahme vortäuscht, lässt sich nicht endgültig ausschließen. Die Situation war auch in Bayern sicherlich wie in anderen Bundesländern durch die anfänglich fehlende PCR-Testkapazität geprägt, aber ein starker selektiver Anstieg der Kapazität ist bisher nicht bekannt. Nach vielen Einzelberichten waren COVID-19-Erkrankte über ihren Status oft im Ungewissen. Dazu kam die zu Beginn verbreitete Fehleinschätzung, dass Patienten erst ab oder allenfalls kurz vor Symptombeginn ansteckend seien. Retrospektiv würden wahrscheinlich auch viele andere Nationen strategisch anders reagieren, vor allem die Länder, die wie England, Holland oder Schweden auf "Herdenimmunität" gesetzt hatten in Unkenntnis der epidemiologischen, klinischen, aber auch der molekularbiologischen Eigenheiten der aktuellen Pandemie [21, 22] .

Unerwartet passiv blieben die epidemiologischen Institute und Verbände, die eigentlich NPI-Maßnahmen vorschlagen und begleiten sollten. des bestehenden Influenza-Surveillance-Registers) wurden nicht verfolgt. In München wurde im März eine Studie angekündigt -"KoCo19" -, allerdings gibt es Ende September keine Ergebnisse. Nationale Vorschläge einer epidemiologischen Taskforce wurden nicht aufgegriffen, ebenso wenig wie ein gemeinsames europäisches Vorgehen. Epidemiologische Positionspapiere beschränkten sich auf mathematische Modellierungen, die es von anderen Arbeitsgruppen längst gab [23] . Vielfach wurde deshalb die Kritik geäußert, es gleiche einem "Blindflug", wenn NPI ohne begleitende Evaluierung durchgeführt werden, zumal NPIs mit hohen ökonomischen wie psychosozialen Kosten verbunden sind [24, 25] . Die Fixierung auf die Fallzahlen, genauer gesagt auf positive PCR-Tests, verhinderte offensichtlich repräsentative epidemiologische Studien in der Frühphase [26] . Es ist unklar, ob andere Coronaviren einen Schutz oder ein Risiko darstellen, ob sich Kinder bei gleicher Exposition weniger anstecken oder warum ältere Männer häufiger an der Infektion versterben. Es fehlen in Deutschland flächendeckende Sequenzanalysen des Virus, die Trajectories (Flugbahnen) nachweisen könnten [27] . Dazu wird kritisiert, dass es den vorhandenen Biobanken nicht möglich war, molekulare Daten im Zusammenhang mit COVID-19 auszuwerten [28] . Mangels valider epidemiologischer Daten kann daher im Augenblick auch nur ein vorläufiger Zwischenstand der frühen Phase der COVID-19-Pandemie in Bayern gegeben werden. Es wird vermutlich noch Änderungen an den Registerdaten der Gesundheitsämter geben. Es ist zu hoffen, dass zusätzliche Protokolldaten der Gesundheitsämter und damit auch eine test-und nicht nur fallbasierte Forschung möglich gemacht werden; es werden hoffentlich wiederholte Studien in repräsentativen Populationen sowie detaillierte Cluster-/Outbreak-Studien folgen, welche eine Bewertung der bundesweit angeordneten NPIs erlauben.

Abzusehen ist aber jetzt schon der hohe Stellenwert von NPIs ebenso die Tatsache, dass NPIs frühzeitig, am besten vor Beginn der exponentiellen Phase, eingesetzt werden müssen, um wirksam zu sein. Eine qualifizierte epidemiologische Begleitforschung erscheint zudem unverzichtbar, um der Politik rationale Entscheidungen zu ermöglichen und damit die Bevölkerung von den notwendigen Maßnahmen zu überzeugen.

▪ Während die COVID-19-Primärfälle in München erfolgreich isoliert werden konnten, verlief die folgende Frühphase der COVID-19-Pandemie in Bayern in 3 aufeinanderfolgenden Stadien. ▪ Sie beginnt in Oberbayern mit den Winterferien, gefolgt von einem exponentiellen Wachstum mit zusätzlichen Fällen durch die Starkbierfeste und durch die bayerische Kommunalwahl. ▪ NPIs ("nicht pharmakologische Interventionen") wie Anordnung von Hygienemaßnahmen oder Kontaktbeschränkungen müssen frühzeitig durchgeführt werden, um wirksam zu sein.

Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand

Use of non-pharmaceutical interventions to reduce the transmission of influenza in adults: A systematic review

Respiratory infections in the US military: Recent experience and control

Nonpharmaceutical interventions for pandemic influenza: Communication, training, and guidance needs of public health officials. Disaster Medicine and Public Health Preparedness

Infection prevention and control of epidemicand pandemic-prone acute respiratory infections in health care

RKI COVID 19. Im Internet

Estimating and testing linear models with multiple structural changes

A Dictionary of Epidemiology

Different epidemic curves for severe acute respiratory syndrome reveal similar impacts of control measures

The visual display of quantitative information

Investigation of a COVID-19 outbreak in Germany resulting from a single travel-associated primary case: a case series

Spread of SARS-Cov-2 in the Icelandic Population

Neue Erkenntnisse aus der Bier-Geografie. Regionalökonomische Bedeutung der Herstellung von Bier in Ober-und Mittelfranken

COVID-19: four fifths of cases are asymptomatic, China figures indicate

Ergebnisse der Untersuchung der COVID-19-Epidemie im Landkreis Tischenreuth

Effect of non-pharmaceutical interventions for containing the COVID-19 outbreak in China

Quarantine alone or in combination with other public health measures to control COVID-19: a rapid review

Estimating the impact of non-pharmaceutical interventions on documented infections with COVID-19: A cross-country analysis

Differential Effects of Intervention Timing on COVID-19 Spread in the United States

Clinical presentation and virological assessment of hospitalized cases of coronavirus disease 2019 in a travel-associated transmission cluster

Structural and Functional Basis of SARS-CoV-2 Entry by Using Human ACE2

Call for transparency of COVID-19 models

COVID-19 deaths in Lombardy, Italy: data in context

Pandemic responses: Planning to neutralize SARS-CoV-2 and prepare for future outbreaks

Non-pharmaceutical public health interventions for pandemic influenza: an evaluation of the evidence base

Characterisation of the transcriptome and proteome of SARS-CoV-2 using direct RNA sequencing and tandem mass spectrometry reveals evidence for a cell passage induced in-frame deletion in the spike glycoprotein that removes the furin-like cleavage site

Angiotensin-converting enzyme 2 in severe acute respiratory syndrome coronavirus and SARS-CoV-2: A double-edged sword