Digitale Datenspende: Ergebnisse von Selbsttests stimmen gut mit offiziellen Zahlen überein

Berlin – Die von Bürgern in Datenspende-Apps eingetragenen Ergebnisse von COVID-19-Selbsttests stimmen relativ gut mit den offiziellen Zahlen überein. Sie könnten die offiziellen Datenerhebungen ergänzen, um die Aktivität von COVID-19 im Auge zu behalten, berichten Forschende des Robert-Koch-Instituts (RKI) in JAMA Network Open (2023; DOI: 10.1001/jamanetworkopen.2022.53800).

„Seit Beginn der COVID-19-Pandemie wurden Entscheidungen über den Umgang mit den sich ausbreitenden Virusinfektionen basierend auf den offiziellen Fallzahlen getroffen. Keinen Eingang in diese offiziellen Statis­tiken fanden die Ergebnisse der Selbsttests, die die Bürgerinnen und Bürger zuhause durchführten“, schreiben Erstautor Jakob J. Kolb vom Robert-Koch-Institut in Berlin und seine Kollegen.

Sowohl in Deutschland als auch in den USA konnten Bürgerinnen und Bürger die Ergebnisse ihrer Selbsttests aber in speziell dafür entwickelte Mobil-Apps eintragen: In Deutschland nahmen diese Möglichkeit 24.017 Per­sonen wahr. Sie trugen im Beobachtungszeitraum von Januar 2022 bis Juli 2022 184.220 COVID-19-Selbst­testergebnisse in die Corona-Datenspende-App.

Zahlen aus der Corona-Datenspende-App in Deutschland und der DETECT-App in den USA

Die entsprechende App in den USA firmiert unter dem Akronym DETECT, was für Digital Engagement and Tra­cking for Early Control and Treatment steht. Insgesamt 40.646 US-Bürger machten in der DETECT-App Anga­ben zu 35.077 COVID-19-Selbsttestergebnissen.

Die Forschungsgruppe um Kolb verglich die Angaben aus den beiden Apps mit den offiziellen Inzidenzen des RKI in Deutschland und den offiziellen Fallzahlen der Centers for Disease Control in den USA.

Sie stellten fest, dass sowohl in Deutschland als auch in den USA die selbstberichteten Fälle gut mit den offi­ziellen Zahlen korrelierten. Der Korrelationskoeffizient betrug für DETECT 0,75 und für die Corona-Daten­spen­de-App 0,70. Auch Start- und Wendepunkte der Pandemiewellen stimmten gut überein.

Es gab auch Abweichungen von den offiziellen Zahlen

Allerdings, ergänzen Kolb und seine Kollegen, seien die selbstberichteten Fälle in den USA im Oktober 2021 und in Deutschland im Februar und März 2022 ins Stocken geraten, obwohl die Fahlzahlen sich noch im An­stieg befunden hätten.

Gleichermaßen stiegen die selbstberichten positiven Tests im April 2022 (USA) und Juni 2022 (Deutschland) stärker an als die offiziellen Zahlen. Trotzdem setzten die selbstberichteten Fälle die jeweiligen Höhepunkte der Pandemiewellen etwa zur gleichen Zeit an wie die offiziellen Zahlen.

„Wenn Menschen einen positiven Antigen-Selbsttest nicht durch einen PCR-Test bestätigen lassen, werden sie von den traditionellen Überwachungssystemen nicht erfasst. Dies könnte die beobachteten Abweichungen zwi­schen Selbstberichten und offiziellen Statistiken zumindest teilweise erklären“, schreiben die Autoren. „Des­­halb könnten digitale Lösungen wie die DETECT-App und die Corona-Datenspende-App in Echtzeit er­gän­zende Daten für die politische Entscheidungsfindung liefern.“

Digitale Datenspende als ergänzende Surveillance

Allerdings, räumen sie ein, hätten beide Studien Kinder und Jugendliche ausgeschlossen und ältere Men­schen seien stark unterrepräsentiert gewesen. Darüber hinaus könnten Menschen, die eine solche Mobil-App nutzen generell gesundheitsbewusster und risikoaverser sein als die Allgemeinbevölkerung. „Dies könnte teil­weise erklären, weshalb die selbstberichteten Fälle in späten Phasen der Pandemie so stark zunahmen, als es immer schwieriger wurde, Infektionen aus dem Weg zu gehen“, so Kolb und seine Kollegen.

Letztlich seien Antigentests speziell im frühen und späten Stadium der Infektion mit SARS-CoV-2 weniger emp­findlich als PCR-Tests, das müsse berücksichtigt werden, bevor man solche Crowdsourcing-Lösungen ein­setze. Aber ebenso wie etwa die Überwachung des Abwassers könnten sie die klinische Surveillance ergän­zen, um das Ausmaß der COVID-19-Aktivität zu verfolgen, wenn immer mehr Fälle zu Hause diagnostiziert und demzufolge nicht von den offiziellen Statistiken erfasst würden.

nec