Statistische Analyse nützlich für die Analyse von Daten zu Infektionskrankheitsepidemien
Hiroshi Nishiura, Professor, Graduate School of Medicine, Hokkaido University
Aufgrund von Faktoren wie der zunehmenden internationalen Mobilität der Menschen und dem erhöhten Kontakt mit Tieren und der Natur wurde immer wieder von Ausbrüchen neu auftretender und wiederkehrender Infektionskrankheiten berichtet. Beginnend mit dem Schweren Akuten Respiratorischen Syndrom (SARS) in den Jahren 2002–2003 wurden verschiedene Epidemien von Infektionskrankheiten gemeldet, darunter die hochpathogene Vogelgrippe, die Schweinegrippe H1N1-2009, das Nahost-Respiratorische Syndrom, das hämorrhagische Ebola-Fieber und das Zika-Fieber. Darüber hinaus kommt es in Industrieländern, darunter auch Japan, weiterhin zu Röteln- und Masernausbrüchen, die durch Impfungen vermeidbar wären. Wenn es zu solchen Epidemien kommt, ist es zunächst notwendig, den natürlichen Verlauf der Infektion und die Merkmale der Übertragung besser zu verstehen und die aktuelle Situation genau zu erfassen, bevor man über verschiedene Gegenmaßnahmen gegen die Epidemie nachdenken kann. In Japan und anderen Ländern haben sich die Methoden zur Erhebung von Beobachtungsdaten während Epidemien bereits deutlich weiterentwickelt. Auch die epidemiologische Infrastruktur nimmt allmählich Gestalt an. Absolventen des Field Epidemiologist Training Program (FETP) des Nationalen Instituts für Infektionskrankheiten haben bereits ihre Ausbildung abgeschlossen. Dies ermöglichte nach und nach die Erforschung fortgeschrittener Modelle. In dieser Präsentation wird der Sprecher kurz zusammenfassen, wie die Forschung unter Verwendung mathematischer und statistischer Modelle in der Epidemiologie von Infektionskrankheiten eingesetzt wurde und zur Entwicklung von Gegenmaßnahmen gegen Epidemien beigetragen hat. Dabei wird er auch Beispiele aus seiner Forschungserfahrung verwenden. Insbesondere im Fall von Zikafieber und Masern haben wir im Rahmen der Codefreigabe mit unseren Mitarbeitern die Maximum-Likelihood-Schätzung in JMP implementiert, daher möchte ich, dass Sie sich das auch ansehen. Wir möchten unsere Forschung Fachleuten, die sich für JMP und Statistik interessieren, anhand von Beispielen wie (1) der Abschätzung des Risikos importierter Infektionen mit Infektionskrankheiten und Epidemierisiken, (2) der Analyse von Übertragungsmustern und Epidemie-Gegenmaßnahmen und (3) neuen Ansätzen zur kausalen Inferenz, wie etwa den Auswirkungen von Quarantäne, vorstellen.
