Die Schwelle R = 1 kann die Stabilität einer Epidemie falsch einordnen

Warum stabile Infektionszahlen dennoch ein Warnzeichen sein können

Gesundheitsbehörden weltweit stützen sich auf eine einzige Kennzahl, die Reproduktionszahl R, um zu entscheiden, ob ein Ausbruch wächst oder unter Kontrolle ist. Viele wissen, dass bei R unter 1 eine Epidemie schrumpft und bei R über 1 sie sich ausbreitet. Diese Arbeit zeigt, dass diese einfache Regel stark irreführend sein kann, wenn sie auf Durchschnitten über viele verschiedene Orte oder Gruppen basiert. Selbst wenn das Gesamt‑R scheinbar sicher bei 1 liegt, können einige Gemeinden bereits auf einem Pfad schnellen Wiederanstiegs sein, der verborgen bleibt, bis er schwerer und teurer zu stoppen ist.

Wie die übliche R‑Zahl Problempunkte verbergen kann

Die Autorinnen und Autoren beginnen damit zu untersuchen, wie R üblicherweise aus Fallzahlen berechnet wird. In der Praxis bündeln Behörden oft Daten aus vielen Regionen zu einer großen Zeitreihe und schätzen dann eine einzige R, die die durchschnittliche Übertragung widerspiegelt. Das ist praktisch, setzt aber voraus, dass sich alle Gruppen ähnlich verhalten. Die Studie zeigt mathematisch, dass die Bedingung „R = 1“ für eine enorme Vielfalt zugrundeliegender Situationen gelten kann, darunter viele, in denen mehrere Gruppen bereits stark wachsende Fallzahlen haben. Mit anderen Worten: Selbst wenn die Gesamtkurve flach aussieht, können einige Teilgruppen mitten in einer Wiederbelebung sein, und die übliche R‑Zahl wird dennoch zuversichtlich Stabilität suggerieren.

Warum detailliertere Methoden auf Rauschen überreagieren können

Eine Reaktion auf dieses Problem war die Verwendung fortgeschrittenerer Modelle, die Gruppendifferenzen berücksichtigen. Eine verbreitete Methodenfamilie bildet eine Art Raster oder Matrix ab, das beschreibt, wie Infektionen zwischen Personengruppen oder Orten fließen, und betrachtet dann den „gefährlichsten“ Teil dieses Rasters. Dieser Maximalansatz verhindert zwar, dass wirklich wachsende Teilgruppen weggemittelt werden, er schlägt jedoch ins andere Extrem. Weil er sich auf die einzelne aktivste Gruppe konzentriert, reagiert er stark auf zufällige Ausschläge in kleinen oder verrauschten Daten. Die Arbeit zeigt, dass solche Methoden oft Gefahr signalisieren, selbst wenn die Fälle insgesamt nicht in relevanter Weise ansteigen.

Ein Mittelweg: die risikovermeidende Reproduktionszahl

Um ein besseres Gleichgewicht zu finden, setzen die Autorinnen und Autoren sowohl das übliche R als auch die maxbasierte Kennzahl auf einer einzigen Skala möglicher Mittelwerte über Gruppen ins Verhältnis. Am einen Ende steht das Standard‑R, das alles glättet; am anderen Ende das strikte Maximum, das jede Fluktuation verstärkt. Mit Ideen aus dem Versuchs‑ und Designbereich identifizieren sie eine mittlere Wahl, die risikovermeidende Reproduktionszahl, bezeichnet als E. Diese Kennzahl gewichtet Gruppen mit höherer Übertragung stärker, aber nicht so stark, dass zufälliges Rauschen das Signal überlagert. Die Autorinnen und Autoren zeigen mithilfe von Theorie und Computersimulationen, dass die Stabilitätsschwelle bei E = 1 die Menge der Szenarien, die sich als sicher tarnen können, deutlich einschränkt, während die Kennzahl robust gegenüber verrauschten Fallzahlen bleibt.

Was die neue Kennzahl in realen Ausbrüchen offenlegt

Das Team testet die Ideen anschließend an Daten realer Epidemien. In simulierten, Ebola‑ähnlichen Ausbrüchen, auf zwei Regionen aufgeteilt, gibt es Perioden, in denen die kombinierten Fallzahlen flach erscheinen und das übliche R sehr nah bei 1 mit enger Unsicherheit liegt, während eine Region klar erneutes Wachstum zeigt. In denselben Perioden steigt die risikovermeidende Zahl E über 1 und ihre Unsicherheit weitet sich, was korrekt andeutet, dass das Gesamtbild fragiler ist als die Schlagzeile vermuten lässt. Ähnliche Muster zeigen sich in COVID‑19‑Daten aus italienischen Provinzen und US‑Countys. Zu Zeiten, in denen das Gesamt‑R um 1 schwankt, bauen sich in einigen kleineren Gebieten stille Zunahmen auf, und E erfasst dies, indem sie über 1 steigt und ein erhöhtes Risiko signalisiert, dass die Gesamtfälle bald zunehmen werden.

Was das für gesundheitspolitische Entscheidungen und öffentliche Kommunikation bedeutet

Für die breite Öffentlichkeit bedeuten diese Ergebnisse, dass ein gemeldetes R von 1 nicht immer als „sicher und stabil“ gelesen werden sollte. Da Standardberechnungen oft Unterschiede zwischen Orten und Gruppen verbergen, können sie frühe Warnsignale eines Wiederanstiegs übersehen, bis deutlich mehr Menschen infiziert sind. Die vorgeschlagene risikovermeidende Kennzahl E liefert eine vorsichtigere und informativere Schwelle: Wenn E bei 1 liegt, ist es weitaus wahrscheinlicher, dass die meisten Gruppen tatsächlich stabil sind; liegt E über 1, weist das auf lokale Aufflammungen hin, die Beachtung verdienen, selbst wenn die Gesamtkurve noch nicht nach oben zeigt. Die Autorinnen und Autoren schlagen vor, dass Gesundheitsbehörden, wo immer detaillierte Regionaldaten verfügbar sind, das übliche R durch E ergänzen oder ersetzen sollten, um zeitgerechtere und gezieltere Maßnahmen zu ermöglichen.

Zitation: Parag, K.V., Santillana, M., Cori, A. et al. The R = 1 threshold can misclassify epidemic stability. Commun Phys 9, 185 (2026). https://doi.org/10.1038/s42005-026-02631-6

Schlüsselwörter: epidemische Stabilität, Reproduktionszahl, Wiederaufleben von Krankheiten, COVID-19-Modellierung, gesundheitspolitische Kennzahlen