Grippe: Wettermodell soll als Frühwarnsystem in Spitälern dienen
Ein Schweizer Forschungsteam hat ein Wettermodell entwickelt, mit dem die Belastung der Spitäler durch die Grippe vorhergesagt werden kann.
Das Wichtigste in Kürze
- Spitäler könnten in Zukunft besser auf Grippe-Wellen vorbereitet sein.
- Forschende haben ein Modell zur Vorhersage der Grippe-Belastung in Spitälern entwickelt.
- Dieses macht sich die Aktivität von Influenzaviren je nach Wetterlage zunutze.
Forschende aus Genf und Lausanne haben ein statistisches Modell entwickelt, das Spitälern als Frühwarnsystem vor Grippe-Engpässen dienen könnte. Den Ansatz stellten sie im «Journal of the Royal Statistical Society» vor.
Das Wetter wirkt sich auf die Aktivität von Viren aus: Sonniges, warmes Wetter macht Erregern von Erkältungen und Grippe den Garaus. Wird es kälter, schlagen sie mit voller Wucht zurück. Auch Influenzaviren zirkulieren vor allem in der kalten Jahreszeit und verursachen praktisch jeden Winter eine Grippewelle.
Grippe: Warnungen könnten Spitälern helfen
Dieses Muster nutzen die Forschenden um Eva Cantoni von der Universität Genf. Mit der sogenannten Extremwerttheorie können sie die Überlastung von Spitälern durch Grippefälle vorhersagen. Das teilte der Schweizerische Nationalfonds (SNF) am Donnerstag mit.
Das statistische Modell fütterte das Forschungsteam mit meteorologischen Daten sowie den täglichen Grippefällen. Diese wurden während drei Jahren am Universitätsspital Lausanne (Chuv) behandelt. So gelang es ihnen ein Modell zu erstellen, welches das Risiko einer Überlastung drei Tage im Voraus erkennt.
Die Warnungen vor einer möglichen Überlastung würden Spitälern helfen, ihre Kapazitäten gegebenenfalls zu erhöhen. Auch Gefahren für die öffentliche Gesundheit aufgrund von Ressourcenknappheit könnten vermieden werden, so die Forschenden.
Aus ihrer Sicht könnte der in der Studie vorgestellte Ansatz auf verschiedene Arten von Viren angewandt werden. So etwa auch auf Sars-CoV-2. Um die Risikoeinschätzungen sicherer zu machen, sei aber eine bessere Datengrundlage erforderlich.
