Zum Hauptinhalt springen
19.02.2021

Preprint-Studie zur Wirksamkeit der britischen Corona-App

Anlass

Die britische Corona-App soll zwischen Oktober und Dezember 2020 grob zwischen 200.000 und 900.000 SARS-CoV-2-Infektionen verhindert haben – je nach Berechnungsmethode und eingepreister Unsicherheit in den Modellierungen. Zu diesem Schluss kommen Forschende von der Universität Oxford und dem Alan Turing Institute aus dem Vereinigten Königreich in einer noch nicht wissenschaftlich begutachteten Preprint-Studie, die in der zweiten Februarwoche veröffentlicht wurde (siehe Primärquelle). Darin betrachten die Autorinnen und Autoren die Wirksamkeit der App, insbesondere, wie viele durch die App gewarnten Nutzerinnen und Nutzer später tatsächlich positiv auf das Virus getestet wurden. Den Wert dieser sogenannten secondary attack rate schätzen die Forschenden auf annähernd sechs Prozent. Dieser Anteil an Infektionen pro Kontaktpersonen ließe sich damit vergleichen mit dem der manuellen Kontaktverfolgung zu bestimmten Zeitpunkten im Vereinigten Königreich; die App decke somit ähnlich viele Infektionen auf wie das Contact Tracing. Auf Basis dieses Werts schätzen die Forschenden in ihrer Modellierung die Zahl der verhinderten Infektionen.

Die geschätzten Werte liefern Hinweise auf den konkreten Nutzen einer Corona-App – ein Thema, das viel und kontrovers diskutiert wurde. Inwiefern sich die Befunde aber auf die deutsche Corona-Warn-App übertragen lassen, ist jedoch nicht ganz klar. Zwar verwenden beide Apps das dezentrale Benachrichtigungssystem von Google und Apple, unterscheiden sich aber im Detail in Programmierung und einigen Funktionen. So können britische Nutzerinnen und Nutzer über die App zum Beispiel beim Betreten eines Ortes – wie einem Restaurant oder einem Laden – einchecken, indem sie einen QR-Code scannen. Stellt sich später heraus, dass es zu dem Besuchszeitpunkt einen möglichen Corona-Risikokontakt an dem entsprechenden Ort gegeben hat, können Personen, die zu dem Zeitpunkt eingecheckt waren, eine Warnung über die App erhalten. Diese Art der Cluster-Erkennung und -Nachverfolgung wird auch bei der deutschen Corona-Warn-App bereits länger gefordert, ist aber zurzeit nicht verfügbar. Britische App-Nutzende müssen außerdem bei der Installation der App den ersten Teil ihrer Postleitzahl angeben. Diese Daten wurden auch zur Analyse in der vorliegenden Studie verwendet.

Die App des britischen National Health Service wurde trotz Startschwierigkeiten und einem späten Umschwenken von einem zentralen auf einen dezentralen Ansatz mittlerweile über 21 Millionen Mal heruntergeladen [I] und wird laut der Studie von 16,5 Millionen Nutzerinnen und Nutzern regelmäßig verwendet. Die deutsche Corona-Warn-App wurde über 25 Millionen Mal heruntergeladen [II]. Die Downloadzahlen beider Apps sind also vergleichbar. Ob sich diese ersten Ergebnisse zur Wirkung von Kontaktverfolgungs-Apps bestätigen und inwiefern sie auf die deutsche App übertragbar sind, bleibt aber abzuwarten. Expertinnen und Experten geben dazu nachfolgend erste Einschätzungen.

Übersicht

     

  • Prof. Dr. Florian Gallwitz, Professor Medieninformatik, Technische Hochschule Nürnberg Georg Simon Ohm
  •  

  • Robin Houben, Sprecher des Corona-Warn-App-Teams, Robert Koch-Institut (RKI), Berlin
  •  

  • Dr. Berit Lange, Leiterin der Klinischen Epidemiologie in der Abteilung Epidemiologie, Helmholtz-Zentrum für Infektionsforschung (HZI), Braunschweig
  •  

Statements

Prof. Dr. Florian Gallwitz

Professor Medieninformatik, Technische Hochschule Nürnberg Georg Simon Ohm

„Die Studie stammt von der gleichen Forschungsgruppe aus Oxford, die vergangenes Frühjahr die Idee überhaupt erst populär gemacht hatte, Bluetooth-basiertes Contact-Tracing als Maßnahme gegen die COVID-19-Pandemie einzusetzen. Insofern kommt der positive Befund für mich nicht überraschend. Plausibel erscheint er mir allerdings nicht.“

„Von Anfang an bestanden bei Experten für die Bluetooth-Technologie größte Zweifel, ob diese Technologie dafür geeignet sein könnte, die Entfernung zwischen zwei Personen unter realen Bedingungen auch nur näherungsweise zu ermitteln. Diese Zweifel sind inzwischen durch qualitativ hochwertige Studien bestätigt worden [1][2][3]. Im öffentlichen Nahverkehr etwa ist es unmöglich, zu unterscheiden, ob eine andere Person einen Meter oder zehn Meter von einer anderen entfernt sitzt. Berücksichtigt man dazu noch die Komplexität der Ausbreitung von Aerosolen, die unterschiedlichen Ansteckungsrisiken in Innenräumen oder im Freien, das Tragen von Masken, den Einfluss von Lüftung, lautem Sprechen und viele weitere Faktoren, dann erscheint es fraglich, ob überhaupt ein nennenswerter statistischer Zusammenhang zwischen ‚Bluetooth-Risikobegegnungen‘ und tatsächlichen Ansteckungen besteht. Denn all diese Faktoren finden in der App bei der Entscheidung, ob eine Warnung ausgegeben wird oder nicht, keine Berücksichtigung.“

„Insofern ist die Frage tatsächlich bedeutsam, wieviel Prozent der Personen, die von der App gewarnt wurden, tatsächlich infiziert waren. Aus den Zahlen, die für die britische App erfasst werden, lässt sich dieser Zusammenhang jedoch nicht direkt ermitteln. Daher verwenden die Autoren zahlreiche Modellannahmen und komplexe statistische Berechnungen, um diese Zahl zu schätzen.“

„Die von den Autoren auf diese Weise ermittelte Zahl von 6,1 Prozent wäre tatsächlich ein Hinweis auf eine Korrelation zwischen App-Warnung und Infektion. Bei einer rein zufälligen Auswahl von Personen, die getestet werden, konnte man in England im gleichen Zeitraum einen Anteil positiver PCR-Tests von ungefähr ein Prozent bis maximal drei Prozent feststellen [4].

Auch bei aktuellen Daten des RKI Corona-Monitoring aus Berlin liegt die PCR-Positivquote bei einer Zufallsauswahl aus der Bevölkerung bei einem Prozent [5].“

„Offen bleibt allerdings, warum die Autoren sich nicht an den Zahlen aus Dänemark orientiert haben. Denn in Dänemark ist eine App im Einsatz, die von der Bevölkerung gut angenommen wurde, und die wie die britische (und die deutsche) App auf dem Google-Apple-Framework beruht. In Dänemark wird jedoch eine geeignete Berechnungsgrundlage für die gesuchte Zahl direkt erfasst und veröffentlicht [6]. Wurde ein PCR-Tests aufgrund einer App-Warnung durchgeführt, so wird dies vermerkt und die positiven oder negativen Testergebnisse werden gezählt. Die tatsächliche Rate der positiven Tests nach App-Warnung liegt in den vergangenen Monaten mit im Mittel nur 0,9 Prozent allerdings um ein Vielfaches niedriger als der Schätzwert aus Oxford und in der gleichen Größenordnung, die man wohl auch mit einem Würfel erzielen könnte. Zuletzt war in Dänemark zeitweise nur noch einer von 188 aufgrund einer App-Warnung durchgeführten PCR-Tests positiv. Die offensichtliche Diskrepanz zwischen ihrem eigenen Schätzwert und den tatsächlichen Zahlen aus Dänemark erläutern die Autoren nicht.“

„Ein glaubwürdiger Nachweis dafür, dass die App-Warnungen mit tatsächlichen Infektionsereignissen zusammenhängen, steht weiterhin aus. Allerdings könnte auch eine App, die rein zufällig gelegentlich Warnungen erscheinen lässt, einen positiven Effekt auf den Verlauf der Pandemie haben, wenn auch auf ethisch fragwürdige Weise. Warnungen motivieren immerhin zu Tests, die sonst nicht stattgefunden hätten, und gewarnte App-Nutzer ziehen sich für ein paar Tage in Quarantäne zurück und stecken sich dann immerhin nicht an. Gleichzeitig könnte die App ein erhöhtes Risikobewusstsein schaffen. Dem entgegen steht allerdings die Gestaltung der deutschen App, die ihren Benutzern die allermeiste Zeit grün unterlegt fälschlich ein ‚niedriges Risiko‘ suggeriert und so unter dem Strich zu erhöhtem Leichtsinn anstelle von erhöhter Vorsicht führen könnte.“

Robin Houben

Sprecher des Corona-Warn-App-Teams, Robert Koch-Institut (RKI), Berlin

„Das Robert Koch-Institut (RKI) begrüßt die verschiedenen Ansätze für eine wissenschaftliche Evaluation der Contact Tracing-Apps – so auch die aktuelle Studie.“

„Die britische Contact Tracing-App nutzt, wie auch die deutsche Corona-Warn-App, das weiterentwickelte Exposure Notification Framework (ENF V2) von Apple/Google. Aufgrund der Vergleichbarkeit, der ähnlich hohen Durchdringung der Corona-Warn-App und einem ähnlich hohen Anteil an bestätigten Neuinfektionen, die mit der App andere gewarnt haben, sind wir vorsichtig optimistisch, dass einige Ergebnisse aus dem Vereinigten Königreich auf Deutschland übertragbar sind. Es ist jedoch auch zu bedenken, dass sich die britische und die deutsche Contact Tracing-App in Bezug auf einige Kernfunktionalitäten unterscheiden – unter anderem die Einbindung des Öffentlichen Gesundheitsdienstes. Zudem schaffen die unterschiedlichen datenschutzrechtlichen Rahmenbedingungen unterschiedliche Voraussetzungen für die Evaluation der jeweiligen Apps.“

„Um die Wirksamkeit der deutschen Contact Tracing-App wissenschaftlich zu analysieren, strebt das RKI eine eigene Evaluation der Corona-Warn-App an. Diese wird – in Zusammenarbeit mit wissenschaftlichen Fachgesellschaften – aktuell vorbereitet. Zudem stehen die Wissenschaftlerinnen und Wissenschaftler des RKI in regelmäßigem Austausch mit europäischen Partnern zu relevanten Erkenntnissen.“

„Die angestrebte Evaluation der Corona-Warn-App besteht aus verschiedenen Elementen: Zum einen soll mit einem der nächsten Releases die Möglichkeit geschaffen werden, dass Nutzerinnen und Nutzer auf freiwilliger Basis an Online-Befragungen teilnehmen. Diese wissenschaftlichen Befragungen sind an bestimmte Ereignisse geknüpft, sogenannte ‚event-driven user surveys‘. So werden zum Beispiel Nutzerinnen und Nutzer, die eine Statusanzeige ‚erhöhtes Risiko‘ erhalten haben, gebeten sich an einer zweiteiligen Befragung zu beteiligen, um mehr über ihr Verhalten vor der Risikobenachrichtigung zu erfahren und ihr geplantes Verhalten danach. Im zweiten Teil der Befragung, die einige Tage nach der Risikobenachrichtigung durchgeführt wird, soll ermittelt werden, wie viele Nutzerinnen und Nutzer, die eine Statusanzeige ‚erhöhtes Risiko‘ erhalten haben, schließlich Corona-positiv getestet wurden.“

„Darüber hinaus wird – in enger Abstimmung mit den anderen Projektbeteiligten und auch dem Bundesbeauftragten für den Datenschutz und die Informationsfreiheit – an einer datenschutzkonformen Möglichkeit gearbeitet, wie Nutzerinnen und Nutzer freiwillig Daten über die Funktion ihrer Corona-Warn-App zur wissenschaftlichen Auswertung zur Verfügung stellen können.“

„Über weitere Details berichtet das Robert Koch-Institut zeitnah auf seiner Themenseite zur Corona-Warn-App [7].“

Dr. Berit Lange

Leiterin der Klinischen Epidemiologie in der Abteilung Epidemiologie, Helmholtz-Zentrum für Infektionsforschung (HZI), Braunschweig

„Aus meiner Sicht ist dies eine wichtige und interessante Arbeit mit sowohl relevanten Indikatoren der App-Nutzung als auch einer sehr transparenten Abschätzung ihrer Effektivität hinsichtlich der Verhinderung von Infektionen. Als Hauptergebnisse ergeben sich eine Anzahl von 16,5 Millionen Menschen, die die App nutzen und die Sendung von 1,7 Millionen Benachrichtigungen, etwa 4,4 pro Indexfall (wenn dieser einer weiteren Benachrichtigung zustimmte). 6,1 Prozent derjenigen, die eine Benachrichtigung über die App erhielten, wurden danach positiv auf SARS-CoV-2 getestet.“

„In zwei unterschiedlichen Ansätzen wurde versucht, sich der Anzahl der verhinderten Infektionen durch die App in ganz Großbritannien zu nähern: Zum einen wurde mit den oben genannten vorhandenen Informationen eine Modellierung durchgeführt. Zum anderen wurden Regionen, die eine unterschiedliche Nutzung der App aufwiesen, miteinander verglichen. Aus diesen Berechnungen ergeben sich 200.000-900.000 verhinderte Infektionen.“

„Es gibt weitere interessante Parameter, die in der Arbeit dargestellt werden: Über unterschiedliche Regionen verteilt betrug die Nutzung 24,8-33,2 Prozent. Dabei wurde auch die tatsächliche Nutzung, nicht die Zahl der Downloads, betrachtet (Figure 2). Die Anzahl der Benachrichtigungen über die Zeit wird dargestellt. Positive Tests und positive Tests nach Exposition bei denen, die über die App benachrichtigt wurden, werden ebenfalls über die Zeit dargestellt. Der Anteil derer, die sich nach einem positiven Ergebnis bereit erklärt haben, dass ihre Kontakte informiert werden, wird auf 72 Prozent beziffert. Insbesondere interessant ist, dass die Anzahl der Kontakte pro Indexfall höher ist als beim manuellen Contact Tracing (4,4 gegenüber 1,8 Prozent).“

Auf die Frage, wie plausibel die geschätzte secondary attack rate ist:
„Die dargestellten Rechnungen zur secondary attack rate erscheinen mir plausibel, insbesondere auch über den Vergleich mit unterschiedlichen Kontaktarten aus dem manuellen Test and Trace Programm in Großbritannien. Hier (S. 5) wird explizit dargestellt, dass der Vergleich mit Haushaltskontakten eher nicht sinnvoll ist, sondern es sich vermutlich zu einem größeren Teil um Kontakte handelt, die nicht im Haushalt stattgefunden haben. Bei diesen Kontakten ist die secondary attack rate in UK in einem ähnlichen Zeitraum auf 7,2 Prozent für das manuelle Contact Tracing Programm geschätzt worden, also durchaus passend zu den hier geschätzten 6.1 Prozent für die App.“

Auf die Frage, inwiefern man solche Analysen auch auf Basis der Daten über die Nutzung und den Effekt der deutschen Corona-Warn-App durchführen könnte:
„Grundsätzlich wäre eine solche Analyse der Daten über Nutzen und Effekt der deutschen Corona-Warn-App sehr wünschenswert. Allerdings fehlen hierzu sowohl Daten, die von der Corona-Warn-App erhoben werden müssten – zum Beispiel zur Frage der Kontakte, die pro Fall benachrichtigt werden und der positiven Tests bei denjenigen, die benachrichtigt wurden. Insbesondere fehlen aber auch gute Übersichten hierzu in Deutschland, die dieselben Parameter für das manuelle Contact Tracing regional differenziert zeigen würden – also die Kontakte pro Fall und die Anzahl der positiven Kontakte nach einem Fall. Dies wären nicht nur relevante Daten und Indikatoren zur Berechnung der Effektivität der Corona-Warn-App, sondern auch zur Auslastung der Gesundheitsämter, die aktuell – nach meinem Wissen – nicht auf überregionaler Ebene für Deutschland regional differenziert vorhanden sind. Sie ließen sich aber aus der Arbeit des Gesundheitsamtes und den Daten, die dort erhoben werden, grundsätzlich generieren.“

Auf die Frage, welche anderen Ergebnisse es zur Effektivität solcher Corona-Apps weltweit gibt:
„Es gibt die auch von den Autoren angesprochenen Auswertungen zur spanischen und zur schweizerischen App [siehe weitere Recherchequellen]. Die Ergebnisse sind durchaus mit der hier besprochenen Arbeit vereinbar, aber zeigen auch erwartbare Unterschiede. So ist zum Beispiel die Anzahl der in der spanischen App pro Fall detektierten Kontakte höher als in Großbritannien.“

Auf die Frage nach dem Nutzen von Apps zum Contact Tracing:
„Aus meiner Sicht sind Contact Tracing Apps nach diesen Daten durchaus geeignet, manuelles Contact Tracing zu unterstützen und zusätzlich einen Effekt auf den Epidemieverlauf zu haben. In Deutschland wäre aktuell insbesondere die Verbindung verschiedener Datensätze – zum Beispiel regional aggregierte Daten der Gesundheitsämter aus der Kontaktnachverfolgung mit Daten aus der Corona-Warn-App – notwendig, um ähnliche Schätzungen zur Effektivität auch im Vergleich und als Addition zum manuellen Contact Tracing machen zu können. Man kann an der Arbeit von Wymant et al. aber sehr schön sehen, wie eine solche Effektivitätsabschätzung möglich ist, wenn die entsprechenden Parameter sowohl für das digitale Contact Tracing als auch für das manuelle vorhanden sind.“

Angaben zu möglichen Interessenkonflikten

Prof. Dr. Florian Gallwitz: „Keine.“

Alle anderen: Keine Angaben erhalten.

Primärquellen

Wymant C et al. (2021): The epidemiological impact of the NHS COVID-19 App. Github.

Es handelt sich um eine noch nicht wissenschaftlich begutachtete (peer reviewed) Studie, die daher mit Vorsicht zu behandeln ist.

Literaturstellen, die von den Experten zitiert wurden

[1] Leith DJ et al. (2020): Coronavirus Contact Tracing: Evaluating The Potential Of Using Bluetooth Received Signal Strength For Proximity Detection.

[2] Leith DJ et al. (2020): Measurement-Based Evaluation Of Google/AppleExposure Notification API For Proximity DetectionIn A Commuter Bus.

[3] de Lautour N et al. (2020): Bluetooth Proximity Estimation by Signal Strength.

[4] Riley S et al. (2020): REACT-1 round 7 updated report: regional heterogeneity in changes in prevalence of SARS-CoV-2 infection during the second national COVID-19 lockdown in England.

[5] Robert Koch-Institut (2021): Corona-Monitoring lokal. Eckdaten für Berlin-Mitte.

[6] smitte|stop (2021): Driftsstatus. Zahlen zur dänischen Corona-App smitte|stop.

[7] Robert Koch-Institut (2021): Infektionsketten digital unterbrechen mit der Corona-Warn-App. Themenseite zur Corona-Warn-App.

Literaturstellen, die vom SMC zitiert wurden

[I] NHS Covid-19 app support (2021): What is the latest data about NHS COVID-19 app downloads?

[II] Robert Koch-Institut (18.02.2021): Kennzahlen zur Corona-Warn-App.

Weitere Recherchequellen

Rodríguez P et al. (2021): A population-based controlled experiment assessing the epidemiological impact of digital contact tracing. Nature Communications; 12. DOI: 10.1038/s41467-020-20817-6.

Salathé M et al. (2020): Early evidence of effectiveness of digital contact tracing for SARS-CoV-2 in Switzerland. Swiss Medical Weekly. DOI: 10.4414/smw.2020.20457.