ich habe etwas mit den Deutschen COVID19 Zahlen gerechnet.

 

Diese Zahlen sind die Deutschen Corona Fälle vom 1.3 bis 14.3

Sie stimmen sehr genau mit einer Exponentialfunktion überein.

Danach fallen die Zahlen etwas hinter der Projektion zurück,

aber ich führe das darauf zurück, dass die Deutschen Test-Kapazitäten

seit Sonntag am Limit sind.

 

 

https://interaktiv.morgenpost.de/corona-virus-karte-infektionen-deutschland-weltweit/

 

            f(n)=(log(n)-log(n0))/log(1.32)

1.3   117   0

2.3   150   0.89

3.3   188   1.70  

4.3   262   2.90  

5.3   400   4.42

6.3   639   6.11

7.3   795   6.90

8.3   903   7.36

9.3   1139  8.19

10.3  1565  9.34

11.3  1966  10.16

12.3  2745  11.36

13.3  3675  12.41

14.3  4585  13.21

 

obige werte zuletzt abgerufen am 20.3

 

f(80000000) = 48.39 (18.april)

 

f(1) = -17.15 (13.februar angesteckt am 31.januar)

 

28. Januar ist der Webasto Corona Fall hier ist

offenbar ein einzelner infizierter der Quarantäne

entkommen, und hat ganz Deutschland angesteckt.

 

inkubationszeit = 14 Tage,

d.h heute (14.3) infiziert = 4585*1.32^14 = 223549

 

bis 28.3 eindämmung ohne wirkung, danach ?

 

Also aus einem Infizierten werden nach 14 Tagen

1.32^14 = 48.75.  Die erkranken natürlich erst

14 Tage später.

 

Basisreproduktionszahl R0 2.4 bis 3.3 laut RKI

 

Wie können also nach 14 Tagen 48 Personen infiziert sein?

Antwort: log(48)/log(3) = 3.52

14/3.5 = 4 TAGE

 

Nach 4 Tagen erfolgen 3 Ansteckungen, aber erst nach

14 Tagen bricht die Krankheit aus.

 

Übrigens die Todesfälle sind jetzt im exponentiellen Steigen begriffen,

seit den letzten paar Tagen hat das angefangen.

 

 

9.3     0     26*1.32^-8=2.82

10.3    2     26*1.32^-7=3.72

11.3    3     26*1.32^-6=4.91

12.3    6     26*1.32^-5=6.48

13.3    8     26*1.32^-4=8.56

14.3    9     26*1.32^-3=11.3

15.3    13    26*1.32^-2=14.9

16.3    17    26*1.32^-1=19.6

17.3    26

 

 

Aus dem Artikel hier entnehme ich 17 Tage ist

die durchschnittliche Zeit zwischen Infektion zum Tod:

 

https://medium.com/@tomaspueyo/coronavirus-act-today-or-people-will-die-f4d3d9cd99ca

 

 

also die 26 Toten vom 17.3

sind unter den 4585 Erkrankten vom 14.3.

d.h. Derzeit 26/4585 = 0.56 % was Sinn macht, und

bei einem funktionierenden Gesundheitssystem zu erwarten ist.

bei einem zusammengebrochenen Gesundheitssystem ist 5% zu erwarten.

 

Also falls ab heute (20.3) Neuinfektionen bei 0 liegen würden,

hätten wir 4585 * 1.32^20 = 1182545 Infektionen heute,

und eine zu erwartende Anzahl Tote, zwischen 5912 und 59127.

 

Nur ich glaube nicht dass sich alle daran halten.

Also die Anzahl der Toten wird sich vermutlich um 1.32 erhöhen

um jeden Tag wo wir keine Ausgangssperre haben.

 

Das Schlimme ist das auf der RKI Homepage hier was irreführendes steht:

https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Steckbrief.html

 

"Die Inkubationszeit gibt die Zeit von der Ansteckung bis zum Beginn der Erkrankung an.

Sie liegt im Mittel (Median) bei 5–6 Tagen (Spannweite 1 bis 14 Tage) (12)."

->  d.h. tatsächlich 14, aber alle denken 6 Tage.

 

"Das serielle Intervall definiert das durchschnittliche Intervall vom Beginn der

Erkrankung eines ansteckenden Falles bis zum Erkrankungsbeginn eines von diesem

angesteckten Falles. Das serielle Intervall ist meistens länger als die Inkubationszeit,"

-> das ist schlicht falsch für Corona.

 

"...weil die Ansteckung im Allgemeinen erst dann erfolgt, wenn ein Fall symptomatisch geworden ist.

Das serielle Intervall lag in einer Studie mit 425 Patienten im Mittel (Median) bei 7,5 (20) und

in einer anderen Studie bei geschätzten vier Tagen, basierend auf der Analyse von

28 Infizierenden/Infizierten-Paaren (21)."

-> 4 ist richig, aber 7.5 falsch.  Alle hören aber auf zu lesen, wenn sie 7.5 oder gar 20 sehen.

 

 

Fallzahlen ab 15.3 Vergleich mit Extrapolation f(x) = 4585*1.32^x:

 

15.3  5813   96.0%

16.3  7272   91.0%

17.3  9360   88.7%

18.3  12327  88.5%

19.3  15320  83.3%

20.3  19848  81.8%

21.3  22364  69.8%

22.3  24873  58.8%

23.3  29056  52.0%

24.3  32991  44.8%

25.3  37323  38.3%

26.3  43211  33.6%

27.3  49039  28.9%

28.3  54268  24.2%

29.3  58655  19.8%

30.3  66125  16.9%

31.3  70985  13.8%

1.4   77779  11.4%

2.4   84788   9.4%

3.4   91159   7.7%

4.4   95614   6.1%

5.4   100024  4.8%

6.4   101806  3.7%

7.4   107458  2.9%

8.4   111779  2.3%

9.4   115523  1.8%

 

Gut, wenn man diese Zahlen betrachtet und mit der Projektion vergleicht

sollte man die Prozentzahlen immer mit der Todesrate von den folgenden

3 Tagen in Beziehung setzen.  Wenn z.B. am 28.3 nur 72.2% der Todesfälle

gemeldet wurde, dann sind am 25.3 auch nur 72.2% der Infektionen zu

erwarten gewesen, daher sind 38.3 / 72.2 = 53.0% der zu erwartenden

Infektionen gemeldet worden.

Das bedeutet dass 47.0% aller Infizierten nicht mehr erfasst werden.

Und natürlich auch deren Kontakte nicht.

Wow, das ist sicher kein gutes Zeichen vielleicht gehen sie einfach

nicht mehr zum Arzt oder werden einfach weggeschickt.

Es gibt natürlich noch eine andere mögliche Erklärung, nämlich dass

die Sterblichkeit inzwischen auf 398 / 37323 = 1.06% gestiegen ist.

 

Die Todesfälle ab 18.3 Vergleich mit Extrapolation f(x) = 26*1.32^x:

 

18.3  28   81.5%

19.3  44   97.1%

20.3  68  113.7%

21.3  84  106.4%

22.3  94   90.2%

23.3  123  89.4%

24.3  159  87.5%

25.3  206  85.9%

26.3  262  82.8%

27.3  323  77.3%

28.3  398  72.2%

29.3  456  62.6%

30.3  616  64.1%

31.3  702  55.3%

1.4   909  54.3%

2.4   1107 50.1%

3.4   1275 43.7%

4.4   1427 37.0%

5.4   1576 31.0%

6.4   1680 25.0%

7.4   1983 22.4%

8.4   2196 18.9%

9.4   2451 15.9%

 

So in den letzten Tagen sieht es so aus als ob die Ausbreitungsrate

auf 1.23 gefallen wäre um den 25.3, soweit sogut.  Heute (29.3)

scheint es sogar noch weniger zu sein, um die 1.14 bis 1.20,

Allerdings geschieht in Bayern wohl etwas ganz anderes, siehe unten.

Aber Heute (1.4) ist der Ausbreitungsfaktor wieder 1.32, während

die Infizierten von vor drei Tagen bei 19.8% liegen, eine alternative

Erklärung wäre natürlich, dass die Sterblichkeit auf 909 / 58655 = 1.54%

erhöht hat.

 

Im Moment sieht es aber leider immer noch so aus, dass die Todesfälle

exponentiell steigen, mindestens noch bis zum 8.4, wo sich die

Ausgangssperre zum ersten mal auswirken sollte, bis jetzt sehe ich

nur "Hände desinfizieren" war wohl zu wenig.

Also es kann sein, das mit dem 16.3 die Kurve der Primärinfektionen

flacher geworden ist, das könnte sich am 2.4 auf die Todesfälle

auswirken dann werden es um die 2000 Todesfälle sein.

Falls mit dem 20.3 die Kurve der Primärinfektionen flacher geworden

ist, dann könnte sich das am 8.4 auf die Todesfälle auswirken,

resultat siehe oben.  Mein gefühl ist, egal wie flach die Kurve ist

es wird nicht genug sein.  Nur wenn man die Neuansteckungen auf 0

bringt, kann das was werden.

 

Es kann aber auch sein, dass die Ansteckungsgefahr noch extremer ist

als jemals zuvor, weil jetzt Leute mit ausgebochener COVID19 rumlaufen,

und nicht in Quarantäne sind.

 

Also Heute (7.4) liegt die Steigungsrate der bestätigten Infektionen

bei:

 

sage: float(exp((log(107458)-log(95614))/(7-4)))

1.03969452103648

 

also ca. 1.04 statt ursprünglich 1.32, 1.04^14 = 1.73, damit wäre

anzunehmen, dass 107458 * 1.04^14 = 186082.48 tatsächlich infiziert

sind.

 

Die Steigungsrate der Todsfälle passt aber nicht wirklich gut dazu:

 

sage: float(exp((log(1983)-log(1427))/(7-4)))

1.1159196208243718

 

mithin ca. 11% Steigungsrate.  Ich denke dass wir 2/3 der Infizierten

Personen nicht kennen.  Noch verlangsamt sich die Steigerung hier.

Von 1.4 bis 4.4 war die Steigerungsrate noch bei 16%.

 

Apropo Herdenimmunität, die Bundeskanzlerin hat ja in ihrer Rede behauptet

das wäre erreicht wenn 60-70% aller Deutschen die Infektion durchgemacht

hätten.  Ich weiss natürlich wie sie rechnet 1-1/R0 = 1-1/3 = 66%.

Diese Rechung setzt aber voraus, das die Krankheit nur kurz ansteckend

ist.  Aber bei COVID-19 ist man mind. 10 Tage komplett symtomlos

und trotzdem ansteckend.  Deshalb halte ich es für sehr unwahrscheinlich

das man über 10 Tage nicht mindestens 100 Leuten weniger als 1 m

nahekommt. Davon brauchen aber nur 2 nicht immun sein.

d.h. Herdenimmunität wäre wahrscheinlich bei 98% erreicht, niemals

früher.

 

 

Noch eine Sache möchte ich hier feststellen:

Die Daten vom RKI sind zwar genauer (in der Y-achse) als die vom CDC

aber die Zeit-achse ist ungenauer, weil sie warten zu bis alle

Gesundheitsämter die Daten gemeldet haben, und die haben

zu warten bis alle Krankenhäuser ihre Hausaufgaben gemacht haben.

 

Ausserdem kann ich leider die Daten von gestern nicht abrufen,

und die Daten von vorgestern.  Nur die von heute, die eigentlich

mit den Daten von gestern vermischt sind.

 

Ich kann keine Krümmung einer Kurve berechnen wenn ich nur

einen Punkt habe.  Man braucht dazu bekanntlich doch drei Punkte.

Aber ich würde gerne die Daten vom RKI haben, und sehen was da genau

bei rauskommt.  Es ist nicht so dass ich mich nicht beim RKI gemeldet

habe.

 

Die Diskrepanz zwischen den gemeldeten Fällen und den Todesfällen

ist was mich am meisten beunruhigt.

Denn beide Kurve folgen einer für mich nicht messbaren Kurve

der Primärinfektionen.  Die Erkrankungen sollten 14 Tage später

auftreten, während die, die daran sterben, im Schnitt nach 17 Tagen

versterben.

 

Also wenn die Kurve der Neu-Erkrankungen 3 Tage in Folge fällt,

aber die andere nicht, dann muss das ein Messfehler sein.

Ist für mich eigentlich klar, das derzeit nur 33% der Leute die Husten

und Kopfschmerzen, und ein bisschen Fieber haben, sich erst im

Krankenhaus melden, wenn sie eine schwere Lungenentzündung bemerken.

 

Deshalb ist die Todesrate viel genauer, als die Erkrankungen das

ist in jedem Land so, auch in Deuschland, in USA ist die Erkrankungen

von vornherein um den Faktor 4 zu niedrig. Das sind aber einfach

ein systematischer Messfehler, wegen Donald Trumps schlauer Entscheidung

die allgemene Krankenversicherung wieder abzuschaffen.

 

Also heute (27.3) habe ich etwas erfahren, was mir erlaubt die

Primärinfektionsrate zu bestimmen, und unsere Messwerte quasi zu

Kalibrieren, theoretisch.

 

https://orf.at/stories/3159008/?utm_source=pocket-newtab

 

Hier steht, am Mittwoch den 25.3 wurden 6163 zufällig ausgewählte

Menschen auf COVID19 untersucht, es waren 52 positiv.

Island hat laut Wikipedia 364260 Einwohner.

Am gleichen Tag waren in Island 737 Infizierte, und 2 Tote.

 

Damit können wir folgende Größen bestimmen: 52/6163 = 0.843% der

Bevölkerung sind tatsächlich infiziert, die offizielle

Infektionsrate ist 737/364260 = 0.202%, also muss man in Island

die offizielle Infektionsrate mit 0.843/0.202 = 4.17 multiplizieren.

Nicht sicher das man das mit Deutschland vergleichen kann,

weil 2 Tote hatten wir am 10.3 bei 1567 Infizierten.

 

Das könnte darauf hindeuten, dass der Faktor für Deutschland

eher 2 ist.  Somit ist das worst case Szenario nur halb so

schlimm, also 2.5% der Bevölkerung, also 2 Millionen Tote.

 

Auf jeden Fall macht Island einiges richtig.  Ich werde das weiter

verfolgen, und wenn die Toten dort jetzt exponentiell steigen

und dann bei ca. 100 stehen bleiben würde ich mich nicht wundern.

 

Fallzahlen für Island:

 

28.2  1

29.2  1      +0%

1.3   3      +200%

2.3   6      +100%

3.3   11     +83%

4.3   26     +136

5.3   34     +30%

6.3   43     +26%

7.3   50     +16%

8.3   50     +0%

9.3   58     +16%

10.3  69     +18%

11.3  85     +23%

12.3  103    +21%

13.3  134    +30%

14.3  156    +16%

15.3  171    +9%

16.3  180    +5%

17.3  220    +22%

18.3  250    +13%

19.3  330    +32%

20.3  409    +23%

21.3  473    +15%

22.3  568    +20%

23.3  568    +0%

24.3  648    +14%

25.3  737    +13%

26.3  802    +8%

27.3  890    +10%

28.3  963    +8%

 

Das ist sehr interessant, vor allem am Anfang (4.3), wo die

Ausbreitungsgeschwindigkeint erst bis auf 2.36 steigt, dann scheinbar

auf 1.00 fällt (8.3) und dann fast jeden Tag eine andere

Steigerungsrate aufweist die meist deutlich unter 1.32 liegt.

 

Ich denke ich sehe hier die Auswirkungen von Eindämmungsmaßnahmen,

die allerdings noch nicht ganz ausreichen um die Ausbreitung zu stoppen.

Ich würde die Eindämmungsmaßnahmen jetzt noch intensivieren dann würde

die Ausbreitung wahrscheinlich tatsächlich gestoppt.  Ist natürlich die

Frage ob da jemand daran auch Interesse hat.  Ich denke es ist ein

tödlicher Fehler das nicht zu wollen.

 

 

Todesfälle für Island:

 

12.3  0

13.3  0

14.3  0

15.3  5

16.3  0

17.3  1

18.3  1

19.3  1

20.3  0

21.3  1

22.3  1

23.3  1

24.3  2

25.3  2

26.3  2

27.3  2

 

So diese Daten, abgerufen am 28.3 sind natürlich um den 15.3 bis 20.3

fehlerhaft, und ich kann mit Sicherheit aufgrund der nicht bestimmbaren

Ausbreitungsrate bei den Infektionen in diesem Zeitraum nicht erwarten

dass hier eine Extrapolation möglich ist, was natürlich bedeutet dass sich

die Aussagekraft der Reihenuntersuchung oben auf die Fall-sterblichkeit

relativiert, und zumindest mit Sicherheit nicht auf andere Länder

übertragbar ist.

 

 

Jetzt mal zu Bayern, wo ich wohne.  Gestern (29.3) hat Bayern

Nordrheinwestfahlen überholt, sowohl bei Fallzahlen als auch bei den

Todesfällen.  Das ist bedenklich weil zuvor hatte Bayern immer deutlich

weniger Fälle als NRW.  Die Bevölkerung von Bayern ist aber nur

13.076.721 (31. Dezember 2018), 185 Einwohner pro km^2 bei einer Fläche

von 70550 km^2.

Städte: München 1471508, Nürnberg 518365, Augsburg 295135, Regensburg 152610,

Würzburg 136981, ...

https://de.wikipedia.org/wiki/Liste_der_gr%C3%B6%C3%9Ften_St%C3%A4dte_in_Bayern

 

Während Nordrheinwestfahlen viel mehr Einwohner hat:

17.932.651 (31. Dezember 2018), 526 Einwohner pro km^2 bei einer Fläche

von 34988 km^2.

Städte: Köln 1085664, Düsseldorf 619294, Dortmund 587010, Essen 583109,

Duisburg 498590, Bochum 364628, Wuppertal 354382, Bielefeld 333786,

Bonn 327258, Münster 314319, ...

https://de.wikipedia.org/wiki/Liste_der_gr%C3%B6%C3%9Ften_St%C3%A4dte_in_Nordrhein-Westfalen

 

Okay, der Unterschied ist in der Bevölkerungsverteilung, München hat

ca. 11.25% der Gesamtbevölkerung, während Köln 6% der Gesamtbevölkerung

ausmacht.  Meine Theorie, die größten Städte dominieren die COVID19 Zahlen.

 

 

Das hier kann nur bedeuten, dass in Bayern die Ausbreitung anders ist

als anderswo.

 

Rechnen wir das mal nach.

 

Fallzahlen seit 1.3:

 

1.3   19

2.3   25

3.3   35

4.3   48

5.3   70

6.3   117

7.3   134

8.3   172

9.3   256

10.3  314

11.3  366

12.3  500

13.3  558

14.3  681

15.3  886

16.3  1067

17.3  1352

18.3  1798

19.3  2282

20.3  3107

21.3  3695

22.3  4457

23.3  5719

24.3  6362

25.3  7289

26.3  8842

27.3  10180

28.3  11862

29.3  13263

30.3  14437

31.3  15505

1.4   17151

2.4   19153

3.4   20962

 

Also ich sehe dass von 1.3 bis 15.3 ein Ausbreitungsfaktor

von 1.31 vorliegt, während am 16.3 (Katastrophenfall in Bayern)

Ein scharfer Knick auf 1.21 erfolgt, mir unklar wie sich das

so schnell auswirken kann.  Eher vorstellbar, dass die Menschen

so erschrocken sind, dass sie sofort nicht mehr ins Krankenhaus

gefahren sind wenn sie nur leichte Symptome haben.

 

sage: float(exp((log(886)-log(19))/(15-1)))

1.3158047117060911

sage: float(exp((log(13262)-log(886))/(29-15)))

1.2132242794661525

 

Schaun wir uns mal die Todesfälle an zur Kontrolle:

 

bis

11.3  0

12.3  1

13.3  1

14.3  1

15.3  4

16.3  5

17.3  5

18.3  5

19.3  13

20.3  20

21.3  21

22.3  22

23.3  27

24.3  33

25.3  41

26.3  52

27.3  59

28.3  85

29.3  110

30.3  133

31.3  191

1.4   241

2.4   277

3.4   327

 

Also von 23.3 bis 29.3 ist der Ausbreitungsfaktor 1.26,

und damit dürfte die tatsächliche Ausbreitung eher bei

1.26 liegen.  Wenn ich sehr pessimistisch bin, könnte ich

natürlich behaupten, dass ein gewisser Anteil von Toten

noch in ihren Wohnungen liegt und nicht mehr die Rettung

anrufen konnte, bevor sie keine Luft mehr gekriegt haben,

weil sie nicht rechtzeitig ins Krankenhaus gefahren sind.

 

Interessanterweise ist von 12.3 bis 19.3 sogar ein

Ausbreitungsfaktor von 1.44 durch die Todesfälle gegeben.

Während von 19.3 bis 23.3 die Todesfälle um 1.20 steigen.

 

Nach meiner Theorie ist die Ursache für diese Ausschläge

jeweils 17 Tage zuvor gesetzt worden.  Können aber auch

nur Statistische schwankungen sein durch die kleinere

Referenzgruppe.

 

Nagut, wenn ich von den Infektionen von gestern (29.3)

auf die tatsächlichen Infektionen heute exrapoliere,

kann ich dabei entweder den Faktor 1.21 oder den Faktor

1.26 nehmen, und bekomme 1.7% bis 3.2% wie folgt:

 

sage: 13263 * 1.21^15 / 13076721

0.0176979704845152

sage: 13263 * 1.26^15 / 13076721

0.0324863626802006

 

Eine Sache sollte ich bei der ganzen Untersuchung hier noch

erwähnen.  Und das ist die enorme Psychische Belastung

durch die Lage hier, die eigentlich sogar Gesunde schwer

belasten müsste, ich kann mir keinen besseren Auslöser für

eine schwere Psychose vorstellen als die derzeitige Situation

bezüglich COVID19.  Ich habe keine Daten bezüglich der

Suizidrate in den letzten Tagen, wenn bräuchte ich sie

auf einzelne Tage aufgeschlüsselt.

 

In der Theorie sind "... rund 17,8 Millionen Personen, jedes

Jahr von einer psychischen Erkran­ kung betroffen" von

denen nur ein Bruchteil in einer Psychiatrischen Klinik

behandelt werden:

 

https://www.dgppn.de/leitlinien-publikationen/dossier.html

 

Ich denke sogar dass die Schule einen nicht ganz unwichtigen

Beitrag zur Verschlechterung der Psychischen Lage unserer

Kinder leistet.  Nämlich mit dem total widersinnigen Versuch

die Kinder sogar Zuhause mit Hausaufgaben zusätzlich zu

stressen, wo doch jeder weiss, das jeder zusätzliche Stress

zu unterlassen ist, wenn man nicht einschätzen kann ob das

Kind nicht bereits gefährdet ist.  Aber auch im besten Fall

bedeutet das für die Kinder nur schlechtere Lernerfolge,

die sich in Zukunft natürlich nie wieder aufholen lassen.

Aber was ist schon ein Jahr im Leben eines jungen Menschen?

 

 

Nochmals Kontrolle mit RKI-Daten, die ich über folgende Webseite

abrufen kann, leider nur auf Woche genau, und auch ohne

bereits geheilte, was natürlich relevant wäre weil die sind ja

angeblich immun.  Die Todesfälle kann ich auch nicht abrufen.

 

https:<RKI-datenbank abfrage url geheim>

Meldeweg: über Gesundheitsamt

Bundesland: Bayern

Krankheit: Covid-19

In Zeilen: Meldewoche

Anzeigeoptionen: Inzidenz (pro 100.000 Einwohner)

 

Meldewoche:

05:   0.06

06:   0.04

07:   0.02

08:   0.06

09:   0.69

11:   6.69

12:  18.46

 

Meldeweg: über Gesundheitsamt

Bundesland: Bayern

Kreis: SK München

Krankheit: Covid-19

In Zeilen: Meldewoche

Anzeigeoptionen: Inzidenz (pro 100.000 Einwohner)

 

05:  0.07

06:  0.07

07:  0.07

09:  0.15

10:  1.69

11: 10.95

12: 28.36

 

Meldeweg: über Gesundheitsamt

Bundesland: Bayern

Kreis: LK München

Krankheit: Covid-19

In Zeilen: Meldewoche

Anzeigeoptionen: Inzidenz (pro 100.000 Einwohner)

 

06:  0.31

10:  1.23

11: 18.46

12: 47.37

 

Hier ist der Faktor 48, aber in der Woche 13 (23.3 bis 29.3)

ist die tatsächliche Fallzahl 47.37 * 48^(3/2) = 15753.07

sage: float(47.37 * 48^(3/2))

15753.07137687124

 

Also 15% !

 

Und in der Woche 14 (30.3 bis 5.4), jetzt.

 

sage: float(47.37 * 48^(4/2))

109140.48

 

Also 109% !!

 

Ich habe eine Tauchermaske, und Pressluftflaschen bei Amazon

bestellt am Wochenende, die Lieferung wird am 11.4 sein, hoffentlich.

Hab gerade in diesem Moment eine Mail von Amazon erhalten, Paket

kommt morgen, den 31.3.  Hurra!

 

Bis dahin werde ich die Luft anhalten :-)

 

Das folgende habe ich erst heute (11.4) gelesen, war aber am 23.3

veröffentlicht worden, über die Lanzeitfolgen von COVID19:

 

https://www.tagesspiegel.de/wissen/die-jungen-und-covid-19-der-vielleicht-sehr-lange-kater-nach-der-coronaparty/25670378.html

 

Ja, mit dem Schlusswort stimme ich voll inhaltlich überein,

wir werden nachher aufgrund der sehr hohen Zahl von Individuen

wohl sehr exakte statistische Daten über den Krankheitsverlauf

haben.  Das ist jedenfalls bei aller Unsicherheit insgesamt auch

eine derzeit leider sehr plausible Prognose.

 

 

Bernd Edlinger    11.4.2020