CALYPSO: MRSA‑Vorhersagen mit hybriden Klinik‑ und Gemeinschaftsmodellen
Der Methicillin‑resistente Staphylococcus aureus (MRSA) bleibt eine der größten Bedrohungen für die öffentliche Gesundheit in Krankenhäusern und Pflegeeinrichtungen. Um die Risiken besser zu verstehen, Interventionen zu bewerten und zukünftige Infektionsraten vorherzusagen, sind präzise Modelle unerlässlich.
Aktuelle Prognosemethoden basieren meist auf statistischen oder neuronalen Netzwerken, die zwar leistungsfähig sind, aber an epidemiologischer Interpretierbarkeit mangeln und oft nur begrenzte Genauigkeit bieten. Mechanistische Epidemiemodelle hingegen sind schwer zu kalibrieren und können nicht einfach verschiedene Datentypen integrieren.
CALYPSO kombiniert die Stärken beider Ansätze: Ein neuronales Netzwerk lernt aus umfangreichen Daten, während ein mechanistisches Metapopulationsmodell die biologischen Übertragungsmechanismen abbildet. So entsteht ein hybrides System, das die Ausbreitung von MRSA sowohl in Gesundheitseinrichtungen als auch in der Gemeinschaft exakt beschreibt.
Das Modell nutzt patientenbezogene Versicherungsansprüche, Pendeldaten und Transfermuster zwischen Kliniken, um länderspezifische und zeitabhängige Parameter zu bestimmen. Dadurch können Vorhersagen auf verschiedenen räumlichen Ebenen – von Landkreisen über einzelne Einrichtungen bis hin zu Bundesländern – erstellt werden.
In Tests über die gesamte Bundesrepublik hinweg übertrifft CALYPSO die reine maschinelle Lernbasis um mehr als 4,5 %. Zusätzlich identifiziert es Hochrisikogebiete und zeigt kosteneffiziente Strategien zur Ressourcenallokation in der Infektionsprävention auf.
Die Ergebnisse demonstrieren, dass hybride Modelle die Genauigkeit und Handlungsrelevanz von Infektionsprognosen deutlich steigern können. CALYPSO liefert Entscheidungsträgern ein leistungsfähiges Werkzeug, um gezielte Maßnahmen gegen MRSA zu planen und die öffentliche Gesundheit nachhaltig zu schützen.