Achtung: Die Datenquellen werden teilweise nicht mehr geupdated, der Service ist also eingestellt. Es war mir eine Freude, danke für den vielen Zuspruch!
Auf dieser Seite findet ihr kurz kommentierte, mehrmals täglich aktualisierte Plots zu Covid19-Fallzahlen (vulgo: Corona). Die Seite ist mittlerweile ziemlich angewachsen – nutzt das Inhaltsverzeichnis oben auf der Seite oder die Volltextsuche. Die Datenquelle ist die der Johns Hopkins University.
Wir fangen mit Deutschland an, woran ich die grundsätzlichen Elemente in den Grafiken erkläre und Interpretationshilfen liefere. Danach kommen auch noch andere bevölkerungsreiche Länder nach Kontinent geordnet, und ein paar von den Daten (sofern die Daten akzeptabel aussahen, also nicht wundern, wenn ein paar fehlen, die ihr erwartet). Alle Kommentare Stand 29. März 2020.
Ich liefere keine direkten Vergleichsplots von Fallzahlen in mehreren Ländern auf einmal, weil jedes Land seine eigenen Messverfahren haben wird und ich die Zahlen nur bedingt für vergleichbar halte. Sofern die Länder selbst die Messverfahren nicht während des Messzeitraums gravierend verändern, kann man die Daten aber heranziehen, um einen Verlaufseindruck für das Land selbst zu bekommen. Was man aber machen könnte, wäre die prozentualen Wachstumsraten vergleichen. Vielleicht mache ich das noch, mal sehen.
Der Download aller Länderdaten als CSV findet sich hier. Automatisierte Downloads, die enger getaktet sind als stundenweise, bitte vorher absprechen. Bitte beachtet, dass LibreOffice gerne mal den Datenimport verkackt und in Spalten verrutscht. Wenn ihr also LibreOffice habt, guckt noch mal genau nach, bevor ihr mich via Mail auf Datenfehler hinweist. Ich hatte jetzt mehrere.
Das wichtigste ist: Was nur kurzfristig ist, ist erstmal nicht wahr. Wer in meinen Plots nur die dicken, „smoothed“ Linien beachtet, befolgt diese Regel automatisch. Wenn ihr weniger Neuinfektionen an Wochenanfängen und Wochenenden seht, würde ich darauf erstmal nichts geben, da ist nämlich Behördenwochenende (kein Witz!). Achtet auf die sehr regelmäßigen Schwankungen nach unten. Auch und gerade das deutsche Robert-Koch-Institut gerät immer wieder wegen seiner Datenqualität in die Kritik. Auch sonst: Schwankungen in allen Daten sind üblich! Ich würde in den Daten generell nur auf längerfristige Trends achten. You have been warned.
Erster Plot, dicke schwarze Linie: Das vermisse ich medienübergreifend, und es ist aus meiner Sicht das allerwichtigste. Das ist das prozentuale Wachstum aller aktiven Covid19-Fälle pro Tag. Hieran kann man auf einen Blick das Wachstumsverhalten der Ansteckungen sehen. Die Linie ist etwas geglättet (für die Techies: alle Glättungen rollender Durchschnitt über 7 Tage mit zentriertem Fenster; bei den Prozentwerten geometrisches Mittel über die vergangenen 7 Tage nachlaufend), das Original ist die durchsichtigere zackelige Linie dahinter.
Erster Plot, farbige Fläche: Alle gemeldeten Fälle (blau). Wo Länder es melden, sind die Genesenen grün und die verstorbenen rot. Die gesamten gemeldeten (inklusive Genesenen und Toten) sind die von den Medien immer zitierte Zahl.
Zweiter Plot: Tagesverlauf der neu gemeldeten Fälle / Tode / Heilungen in analogen Farben. Wieder geglättete dick, mit Originalen dahinter. Ziel ist, die neuen Fälle dazu zu kriegen, weniger schnell anzusteigen, dann sinken zu lassen, und schlussendlich auf 0 zu drücken. Das ist das, was man eigentlich zur Prognose heranziehen sollte, denn jeder neu gemeldete Fall wird mit gewisser Wahrscheinlichkeit eine gewisse Zeit nach Meldung hospitalisiert, und mit geringerer Wahrscheinlichkeit landet er nach ein paar weiteren Tagen auf der Intensivstation. Die Profis werden das vermutlich auch genau so machen. Ich habe hier dennoch mehr Priorität auf den Verlauf der kumulativen Fälle gelegt, weil ich euch von dem abholen wollte, was ihr schon kennt, und was meistens zitiert wird.
Ich denke, die beiden anderen Plots sind jetzt selbsterklärend, aber ich füge gerne weitere Erklärungen hierzu, wenn ich zu viele Mails kriege.
Der Einsatz des Vereinigten Königreichs als statistische Kontrollgruppe wird unvergessen bleiben. (GB war verhältnismäßig spät dran mit Gegenmaßnahmen.)
Schweden ist als statistische Kontrollgruppe interessant, weil sie einen liberaleren Ansatz der Eindämmung verfolgen als die meisten anderen Länder.