Wir betrachten die diesjährigen Fälle wochenweise. Die Proportionen von B.1.1.7 sind aus dem aktuellen Bericht zu Virusvarianten vom 10.3.2021 übernommen, Tabelle 2. Die aktuelle KW 10 hat weniger Fälle, weil die Woche noch nicht vorbei ist. Multiplikation der Gesamtfälle und der Proportion ergibt die Anzahl der B.1.1.7 Fälle.

Um das weitere Wachstum von B.1.1.7 abzuschätzen, passen wir eine Exponentialkurve an. Wir können also eine Poissonregression rechnen mit den Zeitschritten (“time”) als erklärende Variable.

poisreg <- glm(b117_cases ~ time, data = weekly_cases, family = "poisson")
#summary(poisreg)
exp(poisreg$coefficients)
(Intercept)        time 
1421.639928    1.475083

Die B.1.1.7 Fallzahlen steigen also um gut 50% jede Woche.

Wenn wir diese Predictions an unseren ersten Datensatz anfügen und in 7-Tage Inzidenz/100k umrechnen, bekommen wir Folgendes:

Die Predictions passen sehr gut auf die beobachteten Fälle.

Das bisherige Maximum an wöchentlichen COVID Fällen in Deutschland war 2020 Woche 51 mit 178.336 Fällen.

Wenn B.1.1.7 weiter wächst wie bisher, dann wird dieser Peak in der KW 14, also 05.04.-11.04. überschritten sein. Das ist evtl noch eine Unterschätzung, da die Kurve hauptsächlich auf die Zeit im Lockdown angepasst wurde und nun noch weitere Öffnungen hinzukommen.

Hier geplottet für die nächsten zwei Wochen.

Und hier auf einer log-Skala.

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