Background: Especially in the early phase, it is difficult to obtain reliable figures on the spread of a pandemic. The effects of the COVID-19 pandemic and the associated comprehensive but incomplete data monitoring provide a strong reason to estimate the number of unreported cases.
Aim: The aim of this paper is to present a simple mathematical model that allows early estimation of the number of unregistered cases (underreporting).
Material and methods: Prevalences of reported infections in different age groups are combined with additional assumptions on relative contact rates. From this, a corrected prevalence is derived for each age group, which can then be used to estimate the number of unreported cases.
Results: Our model derives for Germany in mid-April 2020 about 2.8 times more total infections than registered cases. For Italy, the model results in a factor of 8.3. The case mortalities derived from this are 0.98% for Germany and 1.51% for Italy, which are much closer together than the case mortalities of 2.7% and 12.6% derived purely from the number of reports available at that time.
Conclusion: The number of unreported SARS-CoV-2-infected cases derived from the model can largely explain the difference in observations in case mortalities and of conditions in the early phase of the COVID-19 pandemic in Germany and Italy. The model is simple, fast, and robust to implement, and can respond well when the reporting numbers are not representative of the population in terms of age structure. We suggest considering this model for efficient and early estimations of unreported case numbers in future epidemics and pandemics.
Zusammenfassung: HINTERGRUND: Gerade in der Frühphase einer Pandemie ist es schwierig, verlässliche Zahlen über deren Ausbreitung zu erhalten. Die derzeitige COVID-19-Pandemie und das damit verbundene umfassende, aber nicht vollständige Datenmonitoring bieten die Möglichkeit, die Dunkelziffer der nicht erfassten Fälle zu schätzen. ZIEL: Vorstellung eines einfachen mathematischen Modells, welches eine frühzeitige Abschätzung der Zahl nichtregistrierter Fälle (Dunkelziffer) ermöglicht.
Material und methoden: Es werden die Prävalenzen der gemeldeten Infektionen in verschiedenen Altersgruppen mit Kennzahlen der altersabhängigen Kontaktzahlen kombiniert. Daraus wird für jede Altersgruppe eine korrigierte Prävalenz abgeleitet, mit der dann die Dunkelziffer geschätzt werden kann.
Ergebnisse: Unser Modell berechnet für Mitte April 2020 in Deutschland insgesamt 2,8-mal so viele Infektionen wie die Zahl der registrierten Infektionen (Fälle). Für Italien ergibt sich Mitte April 2020 ein Faktor von 8,3. Die daraus abgeleiteten Fallsterblichkeiten betragen 0,98 % für Deutschland und 1,51 % für Italien, welche deutlich näher zusammenliegen als die rein aus den zu dem Zeitpunkt vorhandenen Meldezahlen abgeleiteten Fallsterblichkeiten von 2,7 % und 12,6 %.
Diskussion: Die aus dem Modell abgeleitete Dunkelziffer kann die unterschiedlichen Beobachtungen in den Fallsterblichkeiten und der Zustände in der Frühphase der COVID-19-Pandemie in Deutschland und Italien zu einem großen Teil erklären. Das Modell ist einfach, schnell und robust implementierbar und kann gut darauf reagieren, wenn die Meldezahlen hinsichtlich der Altersstruktur nicht repräsentativ für die Bevölkerung sind. Wir empfehlen, dieses Modell für eine effiziente und frühzeitige Schätzung nichtgemeldeter Fallzahlen bei zukünftigen Epidemien und Pandemien in Betracht zu ziehen.
Keywords: COVID-19; Case fatality rate; Epidemic modelling; Prevalence estimation.
© 2021. The Author(s).