Years ago, the World Health Organisation (WHO) warned of the medical, socio-political and economic dangers of supra-regional epidemics, so-called pandemics. But it was only with the outbreak of the global COVID 19 pandemic in late autumn 2019 that this warning seems to have entered the minds of those responsible.

Since then, politicians - at least in societies that are not governed by autocrats - have remarkably sought to close ranks with the relevant sciences. On the one hand, medical expertise is demanded, on the other hand, sociological diagnostics, which provide the foundation for calculating pandemic development scenarios within a population, but also worldwide.

Sociological model calculations and simulations have made and continue to make a contribution to this diagnosis. In connection with the Corona pandemic, reference should be made here - only for the German-speaking countries - to the NeherLab of the University of Basel with its interactive COVID-19 simulation accessible to everyone, the COVID-19 simulator of the University of Saarland (which has been regularly used by the German government, among others), the CovidSIM model supported by the German Federal Ministry of Education and Research, and the COVID-19 simulation developed at the Institute for Information Systems Engineering of the Vienna University of Technology and used by the Austrian government.

The present program PathoGen (= patho-generator) also offers such model calculations. Unlike the previously mentioned programs, however, these modellings are not limited to COVID-19, but offer an overview of the pandemic course of a wide variety of viral and bacterial pathogens. In addition to various current Corona strains, other pathogens such as measles and smallpox as well as "classics" such as Spanish flu, bubonic plague and cholera are also taken into account.

The foundation of the program is an agent-based simulation, a so-called multi-agent system: many (up to one million) computer-generated "agents" with the "human" property of falling ill and being able to spread the pathogen interact in a virtual agent society and, if necessary, go through four (or five) phases of a typical course of disease: (1) Initially they are healthy but at risk of infection, then they may become infected (by chance) and go through (2) a non-infectious phase, then after a certain latency period through (3) an infectious phase (possibly but not necessarily symptomatic), which finally (4) leads either to recovery or death. The immunity to a pathogen acquired during recovery or through vaccination can, depending on the type of disease, be limited in time and in the worst case (5) lead to renewed exposure.

The results of the model calculation carried out are displayed by PathoGen in three ways. The program offers

• a clear diagram that graphically displays the hazards, diseases, recoveries or deaths and, if applicable, vaccination interventions over time,
• a corresponding numerical list describing the pandemic development for each individual simulation day ("data monitor"),
• a results window with the most important parameters at the end of the simulation run.

Although the program specifies (currently 24) pathogens, their properties can be changed almost at will. With the help of the implemented "adjusting screws" (sliders, switches) it is possible to generate variants of the predefined pathogens or completely new pathogens and thus also new disease processes. In this way, the program offers a multi-layered experimental field for observing and analysing pandemic developments.

In this context, an important note: PathoGen reduces pandemic events to a few very simple social interactions. Epidemiological and medical correlations, such as seasonal, class- and gender-specific or age-dependent susceptibilities to infections, are not taken into account. Therefore, the program does not provide concrete medical prognoses for individual situations. However, it strengthens the understanding of complex interrelationships.

For the plausibility of the model calculations, please be sure to read the notes in the "Algo­rithms" chapter.

1.2 Simulation

As already mentioned, you can use the "Start" button to activate a (new) simulation run. A white area is now displayed on the main field, which, depending on the size of the agent population and the number of simulation days, is filled with a progression diagram either immediately or - in the case of more extensive calculations - only after a few seconds or even minutes. For longer calculations, the message "Loading..." will appear on the start button, and you should wait for it to disappear.

The diagram that follows shows the number of simulation days on the x-axis and the size of the population on the y-axis. In addition, it displays different coloured history graphs that reflect various aspects of the pandemic development. The following parameters are displayed on a daily basis:

If you start a second simulation, a similar but not identical result diagram is normally generated, since the pandemic development in the implemented multi-agent system is subject to different coincidences in each simulation run. If you switch off the "Auto reset" option, you can superimpose several result diagrams and thus check the scatter of certain basic settings.

However, identical result diagrams can also be generated by switching the third navigation button to repeat mode. If the basic settings of the program remain unchanged, this is of course pointless. However, if you change the basic settings from run to run, you can use this mode to check what pandemic consequences these changes cause with defined identical coincidences.

The "Compare" button can be used to switch back and forth between the current diagram and its predecessor (as well as the respective associated data sets).

The "Clear" button is used to manually empty the diagram field - especially when the auto reset function is deactivated.

Above the diagram field there is a results window that shows the most important results of the current simulation run in 18 parameters. The parameters correspond to the diagram curves in terms of their colouring.

Further results are provided by the data monitor described in more detail below.

1.3 Data monitor

Pressing the "Data monitor: on | off" button opens (or closes) the so-called data monitor. This records the pandemic development for each individual simulation day.

The data monitor table appears at the bottom of the user interface (that is, as an extension of the program window). Its scope depends on the number of simulation days.

In addition, it is possible to transfer the data to a separate window using the "Export" button. They can usually be edited better there than in the actual program window.

If you call up PathoGen in the Firefox browser, you can copy and paste the data table into an external program such as MS Word (TM) and process it there. To do this, right-click on the table and select "Select all" in the drop-down box. Then, again with the right mouse button, click on the now selected table and select "Copy" in the drop-down box. You can then pass the copied table on to another program. In MS Word (TM), for example, a 100-day table exported in 9 pt fits exactly on two pages formatted with 1.5 cm top and bottom margins. The following document shows an example of a successful data transfer via Firefox.

Unfortunately, this method only works in Firefox. If you use a different browser, you will have to make do with screenshots when exporting or make compromises when formatting the copied data.

1.4.1 Results window

The results window documents the results of the simulation run displayed in the diagram field. The parameters noted in the window are self-explanatory.

The colour selection (green for healthy/susceptible, red for infected, etc.) corresponds to that of the program Pandemic laboratory, which also simulates pandemic courses - albeit in a considerably more differentiated manner - and can be used as a more complex "continuation" of PathoGen. - PathoGen's sister program, the simulation MiniLab, uses the same colours, too.

1.4.3 Run display

The run display provides information about the following values:

• half-left: the number of the run currently performed (or still to be performed),
• on the right: the random number mode (see below).

The program distinguishes between "real" new runs (with new random numbers) and run repetitions (with the same random numbers). Runs with new random numbers are displayed to the left of the dot, run repetitions are displayed in a slightly smaller font to the right of the dot. For example, the display "5.3" means that the 5th run (i.e. the 5th random number selection) has been called up a total of three times.

In the "blackbox" setting (see below), no runs are counted. Instead, "Run 0" is noted here.

The current random number mode is displayed on the far right:

For more details on the various random number options, see the section "Random number navigation".

2.1 Control types

PathoGen uses four types of control elements as adjusting screws or switches for controlling the program functions.

2.2 Main controls

The main control of the program is via three large keys below the diagram field.

2.3 Simulation settings

To the right of the diagram field there are all controls and switches that are relevant for the course of a simulation. Please note: All parameters must be set before a simulation run.

2.4 Random number navigation

The simulated pandemic courses are based on random numbers. These are generated by PathoGen in different ways:

• on the one hand via an algorithm, which delivers defined chains of random numbers,
• on the other hand via a generator, which continuously provides "random random numbers".

The advantage of the former method is that the random numbers generated in this way can be reproduced at any time. Each defined chain of random numbers is assigned to a specific run number. For example, each "run 5" will produce the same results on any computer at any time, provided the other program settings have not been changed; each "run 6" will produce new (different) but also specific and reproducible results; each "run 7" will again produce new (different) but specific results, and so on. In this way, one can repeat certain simulation runs at any time and analyze them specifically.

The second method is always useful if - for example in teaching situations or in seminars - one wants to achieve random results on several computers which are not identical (i.e. which are really "differently random"). Since the simulation runs are never completely identical, comparing the results on different computers can quickly clarify, for example, the range in which the consequences of certain simulation settings move. In the run display of the program, this procedure is marked as "run 0" or "black box" mode (you cannot look into a black box). "Black box" runs are not counted. Numbering them consecutively would be meaningless, since each run is unique and thus not repeatable.

The various random number selections can be controlled via four navigation buttons located to the right of the main keys.

2.5 Data processing keys

The data generated with PathoGen can be displayed in the so-called data monitor, and the program settings relevant for this can be temporarily or permanently saved and reloaded. The program provides the following keys in this context.

2.6.1 Language selection

2.6.2 External pages

2.6.3 Program settings

The disease progression on which the program is based follows the SEIR or SEIRS model for describing the spread of infectious diseases (SEIR: susceptible, exposed, infectious, recovered/removed; with SEIRS a new susceptible phase is added). It is therefore assumed that a susceptible (= person at risk) first becomes pre-infected without being infectious (i.e. he is only "exposed"). After this latency period, as soon as he is infectious, he is considered to be "infected" (= infectiously ill, although symptoms may or may not accompany this illness). After that, two possibilities open up: Either he dies - or he recovers after the infectiousness has subsided and is immunised (at least for a while) (= SEIR). If his immunity wanes, however, he falls back into the stage of being at risk (= SEIRS).

Depending on the pathogen, the key data of the disease (spread, latency period, infectivity, mortality, immunity) vary greatly. The same applies to the success of intensive medical care. As a rule, bacterial diseases can be better treated medically (e.g. with antibiotics) than viral infections, as there are often no adequate vaccines against the latter.

The PathoGen program currently takes into account 24 different pathogens whose key data are predefined by the software. These data correspond to the current findings of relevant scientific publications, which are listed in the bibliography. With a view to future virus variants or completely new virus or bacterial strains, however, the values can be largely changed or adapted via the corresponding sliders.

The following table gives an overview of the implemented diseases and their set parameters. The following are taken into account:

1. disease type,
2. rate of spread (R0),
3. first day of infectivity,
4. duration of infectivity (in days),
5. duration of immunity (in days),
6. mortality (in percent),
7. increased probability of survival due to intensive medical care (factor),
8. pathogen type (virus, bacterium),
9. vaccination option.

The "custom" setting (as the 25th option) corresponds to the values of COVID-19 (wild type) when the program starts, but can be changed and saved as desired.

Please note the following special features of the PathoGen program:

(1) The program does not provide exact medical forecasts, but merely maps pandemic development trends. As a rule, it generates the maximum possible number of cases, since it is assumed as a model that infectious agents can actually infect their fellow residents unhindered during the entire period of their contagiousness. In practice, however, this is not the case. Symptomatically ill people withdraw from the public sphere in a debilitated state or are quarantined, so that the number of their outside contacts and thus the transmission of the pathogen is drastically reduced. The pandemic calculator thus basically reproduces above all those - tendentially precarious - forms of society in which such ("voluntary" or forced) withdrawal is not possible.

(2) In addition, the program only considers outpatient or intensive care as a factor in attenuating infections. Other factors for pandemic control, such as special hygiene rules, travel or contact bans, the closure of public facilities or even a complete lockdown, are left out here. If you are particularly interested in these latter measures, please consult the related program Pandemic Laboratory.

(3) PathoGen also focuses on the model idea with regard to the implemented vaccination option. Two ideal-typical conditions are assumed: all desired vaccinations (a) can be carried out on a single simulation day and (b) basically achieve 100% vaccination protection. Here, too, the practice unfortunately looks different. Nevertheless, the effectiveness of the vaccinations can be indirectly put into perspective via the "vaccination rate" slider.

(4) The SEIR model on which the program is based assumes complete recovery (or death) after an illness. Permanent damage or secondary diseases, i.e. phenomena such as Long Covid, are not represented by this.

(5) Not all infectious diseases are transmitted from person to person by direct contact (droplet or smear infection). Many diseases, such as malaria, dengue fever or Lyme disease, can be traced back to transmission through animals, such as mosquitoes and ticks. The latter diseases are not included in the present program, as completely different algorithms (which, for example, take into account the climatic and seasonal conditions that are indispensable for the animals' habitat) would have to be used.

(6) The only exception is bubonic plague (included in the program), since its carriers (rat fleas) live in close symbiosis with humans, regardless of climate and region, and direct infection is thus possible, for example via human clothing (i.e. quasi-body contact).

(7) The simulation of cholera (also included here) proves to be problematic. Modelling this disease using the SEIR(S) model is only possible to a limited extent, since transmission rarely occurs directly from person to person, but usually indirectly via contaminated water, faeces or contaminated food. SEIR(S)-compatible modelling, as undertaken here by the program, actually only applies to populations in decidedly precarious living conditions (living together in very confined spaces under poor hygienic conditions).

(8) The important diseases tuberculosis and HIV/AIDS are not included, as their course of infection defies simple modelling in the SEIR(S) model. In the case of tuberculosis, the latency period can be a few weeks or months, but can also extend over several years; in most exposed persons (about 9 out of 10), the disease even never breaks out. The situation is similar for HIV; in addition, patients usually do not die from HIV itself, but from one of numerous (diffuse, not modelled here) secondary diseases (e.g. mycobacterial infections [B20.0] such as tuberculosis, or pneumocystis pneumonia [B20.6]).

(9) Reliable, unambiguous data are not available for all of the diseases listed in the above table. These vary considerably, in part, depending on the period under study and the region. For historical pandemics (bubonic plague, diphtheria of the 1880s, Spanish flu, etc.) only estimated values are available anyway. For example, estimates of the number of deaths caused by the Spanish flu (1918-1920) vary between 20 and 50 million worldwide, depending on the scientific publication. Some of the figures used in the program are therefore only approximate.

(10) In part, the key data determined for a disease also vary greatly because, of course, not all patients react in the same way to a pathogen. Therefore, (weighted) average values are often set in the table and in the program. For example, the latency period for COVID-19 (wild type) lies in a range of two to fourteen days, but typically the infectious disease sets in after just under a week. The onset of infectiousness is therefore indicated in the table with the "fixed" value 6 (= 6th day) and is also calculated in the same way in the program.

(11) For the sake of simplicity, the model used in PathoGen equates the immunity of recovered and vaccinated persons. In practice, however, there can be significant deviations here. For example, after an actual infection with measles or mumps, patients are usually immune for life; however, (approximately) comparable protection is only achieved with a double vaccination.

(12) For some diseases, especially novel ones such as COVID-19, the duration of subsequent immunity cannot (yet) be precisely determined. Occasionally, mutated variants of the pathogen will cancel out an existing immunity. Taking these variants into account, the program currently assumes an immunity of about half a year (180 days) for SARS-CoV-2, for example. Diffuse influenza (with over 200 viral variants) also requires annual re-targeted vaccination.

(13) The effectiveness of intensive care is difficult to determine in some cases, as only mitigated, but not "natural" death rates are available for medically well-supplied regions. In order to measure the effectiveness of intensive care, one would actually have to compare a group of patients receiving care with a control group of uncared for patients. Of course, this is not justifiable for ethical reasons.

(14) Sometimes medical and legal claims also conflict. In the early 20th century, for example, vaccinations were given against bubonic plague; even today, plague vaccinations (whose effect is disputed) are offered. The German Robert Koch Institute, on the other hand, currently reports that there is no approved plague vaccine.

(15) The PathoGen software does not claim to be absolute. If you have other key medical data than those specified in the program, you should make use of the option of adjusting the values using the adjusting screws (controllers, switches) as you wish.

In the following section you will find some technical information that may be helpful for the optimal use of the program.

4.1 System requirements

PathoGen is programmed in JavaScript and can therefore be run on many platforms. The program was successfully tested on MS Windows (TM), macOS (TM) and Android (TM) on the following browsers:

• Firefox (97.0),
• Google Chrome (98.0),
• Microsoft Edge (98.0),
• Opera (84.0),
• Safari (13.1),
• Samsung Internet (16.2.5.4).

Known limitations:

• The program does not run in MS Internet Explorer.
• The colour designs that can be selected in the program are browser-dependent. For example, the Opera browser (until now) does not allow colour changes in switches and sliders. Therefore, changes in the colour design are incomplete here.
• The data export () also depends on the browser. Some browsers only offer limited second-window handling. The most reliable results are achieved with the Firefox browser.

4.2 Known problems

(1) On older computers, you should not immediately set the population to the highest level (1 million), as otherwise the hardware may only be able to cope with the complex calculations of the program with considerable time expenditure or not at all. So start with a moderate number of people (program default: 1000) and test the possibilities of your computer step by step.

(2) A problem-free "real" transfer of the data via data export that goes beyond pure display is currently only possible with Firefox. In the other browsers, the formatted export table is opened properly in an external window, but it cannot be transferred from there, or only in a roundabout way, in its original formatting via copy & paste into external programs such as MS Word (TM).

(3) If the simulation does not run satisfactorily on an older computer or in certain network environments, you can switch off the data collection option if you do not need it. This deactivates the routine for providing the monitor data internally in the program, which in turn saves computing capacity and thus perhaps improves the run.

(4) The possibility of permanently storing simulation data on one's own computer depends on the type of browser used and its settings. Data is not stored via cookies, but via the Javascript function localStorage. Over time, some browsers have already changed the handling of this privacy-sensitive feature; further changes cannot be ruled out.

4.3 Frequently asked questions

Even if I keep the settings of the program, the individual simulation runs show different results. How can this be explained?

The results show that reality is not completely predictable. The program only provides probabilities that the results are within a certain range.

I am puzzled by the fact that the simulation results are repeatable. So are these not "accidental" at all, but rather "programmed", possibly manipulated results?

All simulation results are random. The mode in which defined random number chains are used should not be imagined as having ready-made numbers. Rather, they are generated in a very complex way and diverge even with minimally changed simulation settings. The term "random number chains" therefore describes a multi-dimensional network of random numbers. Nothing is manipulated here. The random numbers are calculated using an algorithm developed by Makoto Matsumoto, Takuji Nishimura and Sean McCullough. The source code for the PathoGen program is open; the programming can therefore be checked in detail. - By the way, the results generated in the "random random numbers" mode do not differ from those in the defined random numbers mode.

Isn't the model behind the program too simple? In reality, the spread of infections depends on many different factors, such as the age of the people involved, their reference groups, the population density in general, but above all the medical infrastructure.

That is correct. PathoGen is based on a very simple model with very reduced infection pathways. A more complex simulation that takes your objections into account can be found, for example, in the pandemic program Pandemic Laboratory.

The custom disease type defaults to the "virus" trait. How can I change this to "bacterium"?

Very easily. Select a bacterial pathogen, for example diphtheria, bubonic plague or cholera, adjust the settings there to suit your needs and then save the whole thing (via the "Save" button). You can then invoke your newly created pathogen as a bacterium using the "custom" option.

How can the intensive care factor be adapted to my ideas?

Limited only. Choose a preset pathogen whose factor most closely matches your ideas, and then adjust the settings of that disease type to suit your needs. Unfortunately, you cannot change the factor itself. A factor f = 60 can therefore be generated via the pathogen cholera, but a factor f = 23 or f = 9 cannot.

If I switch on intensive medical therapy, it can happen that no one falls ill during the entire simulation run. How is this possible?

If the number of people exposed at the start of the program is lower than the number of intensive care beds provided, all infected people are of course admitted to hospital immediately when infectiousness breaks out. There they can no longer infect anyone else. The pandemic is thus over before it has even begun.

Every time I want to name a custom disease based on a pre-programmed pathogen, the program jumps to the disease type "custom" and my controller settings are lost. What to do?

First save your individual controller settings, then enter the name of the disease and finally save the whole thing again. Now everything should be saved.

My user data cannot be saved permanently, although I have set the "Backup" switch. What could be the reason?

There can be several reasons for this. The data is not saved via cookies, but via the Javascript function localStorage. However, perhaps your browser is set to prohibit both the use of cookies and localStorage. In this case, you will need to change your browser settings (e.g., allow cookies). Your browser may also block the handling of localStorage in certain working environments, for example, if you have downloaded the PathoGen program locally to your computer and use it offline. In case of difficulties, please try different browser types.

What additional features are planned for the program in the future?

PathoGen is deliberately kept simple and only models pandemic events in very general terms. It should stay that way. If you are interested in more complex pandemic simulations, please use the Pandemic Laboratory. This offers very sophisticated setting options and even more extensive options for data analysis.

Aigner, Florian; Popper, Niki; Bicher, Martin (2020): Simulation der SARS-CoV2-Epidemie in Wien. dwh simulation services, Vienna (March 2020).
URL: https://www.dwh.at/projects/covid-19/COVID-19-Beschreibung_COVID-
19_Modellerweiterung-v04.pdf.

An der Heiden, Matthias; Buchholz, Udo (2020): Modellierung von Beispielszenarien der SARS-CoV-2-Epidemie 2020 in Deutschland. Robert Koch-Institut, 03/20/2020.
URL: http://dx.doi.org/10.25646/6571.2

Bicher, Martin; Rippinger, Claire; Brunmeir, Dominik; Urach, Christoph; Popper, Niki (2021): Agent-Based Covid-19 Simulation. Model Specification. dwh simulation services, Vienna (06/02/2021).
URL: https://www.dwh.at/projects/covid-19/Covid19_Model_20210602.pdf

Bjørnstad, Ottar N.; Shea, Katriona; Krzywinski, Martin; Altman, Naomi (2020): The SEIRS model for infectious disease dynamics. In: Nature Methods 17, p.557-558 (2020).
URL: https://doi.org/10.1038/s41592-020-0856-2

Eichner, Martin; Schwehm, Markus (2020): CovidSIM - Pandemie-Vorsorgeplanung für Covid-19, Version 2.1 (Version 1.0: Febr. 2020).
URL: http://covidsim.eu/

Institute for Disease Modeling [IDM] (2022): SEIR and SEIRS models.
URL: https://docs.idmod.org/projects/emod-hiv/en/latest/model-seir.html#seir-and-seirs-models

Kugelmeier, Frank U. (2022a): Pandemic Laboratory - A simulation of COVID-19 containment strategies. Version 3.61 (09/12/2022). St Ursula Grammar School Attendorn 2020-2022.
URL: http://sowi.st-ursula-attendorn.de/start.htm

Kugelmeier, Frank U. (2022b): MiniLab - Pandemic simulation for beginners. Version 3.38 (09/12/2022). St. Ursula Grammar School Attendorn 2022.
URL: http://sowi.st-ursula-attendorn.de/start.htm

Lauer, Stephen A.; Grantz, K. H.; Bi, Q.; Jones, F. K.; Zheng, Q.; Meredith, H. R.; Azman, A. S.; Reich, N. G.; Lessler, J. (2020): The incubation period of coronavirus disease 2019 (COVID-19) from publicly reported confirmed cases: Estimation and application. In: Annals of Internal Medicine, 172 (9), p.577-582, 06/05/2020.
DOI: 10.7326/m20-0504.
URL: https://www.acpjournals.org/doi/10.7326/M20-0504

Lehr, Thorsten u. a. (2020): COVID-19 Simulator. Modellierung für die deutschen Bundesländer. Clinical Pharmacy, Saarland University, Saarbrücken 2020-2022.
URL: https://covid-simulator.com/

Neher, Richard; Aksamentov, Ivan; Noll, Nicholas (2020): COVID-19 Scenarios. NeherLab, Basel University 2020.
URL: https://covid19-scenarios.org/

Pieper, Wolfgang (2013): Infektionskrankheiten. In: W. P.: Innere Medizin. Berlin, Heidelberg [: Springer], p.841-951.
DOI: 10.1007/978-3-642-33108-4_10.
URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7176255/ bzw.
URL: https://link.springer.com/chapter/10.1007/978-3-642-33108-4_10

Pschyrembel [, W.] (2022): Klinisches Wörterbuch, 268th edition (2020, online 2022). Editor: medical editorial office Pschyrembel. Direction: Sara Steer. Berlin [: De Gruyter], ISSN 2510-1668.
URL: https://www.pschyrembel.de/

Radtke, Rainer (2022a): Fallsterblichkeitsrate ausgewählter Virusausbrüche weltweit 1967-2022. In: Statista, status: 06/08/2022.
URL: https://de.statista.com/statistik/daten/studie/1101385/umfrage/sterblichkeitsrate-
ausgewaehlter-virusausbrueche-weltweit/

Radtke, Rainer (2022b): Epidemien und Pandemien. In: Statista, status: 08/10/2022.
URL: https://de.statista.com/themen/131/pandemien/#dossierKeyfigures

Robert Koch-Institut (2021): Epidemiologischer Steckbrief zu SARS-CoV-2 und COVID-19. Status: 11/26/2021.
URL: https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Steckbrief.html

Robert Koch-Institut (2022): Infektionskrankheiten A - Z. Status: 08/26/2022.
URL: https://www.rki.de/DE/Content/InfAZ/InfAZ_marginal_node.html

Schneider, Kristan A.; Ngwa, Gideon A.; Schwehm, Markus; Eichner, Linda; Eichner, Martin (2020): The COVID-19 pandemic preparedness simulation tool: CovidSIM. In: BMC Infectious Diseases, 2020; 20: 859 (11/19/2020).
DOI: 10.1186/s12879-020-05566-7.
URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7675392/

This program was designed by Frank U. Kugelmeier, Attendorn (Germany). It is licensed under the terms of the Creative Commons License BY-NC-SA 4.0. In detail, this means, among other things:

• The program may be passed on, the program code may be changed.
  But:
• Credits have to be given (name of the original author).
• The program may not be used for commercial purposes.
• If the program is changed, it must be passed on under the same licence conditions.

A notification of the original author in case of non-trivial modification of the program is explicitly desired.

Changes to the texts of the manual please only after consultation with the author.

If you have any questions, please contact the following address:

Frank U. Kugelmeier, St. Ursula Grammar School Attendorn

conceptual and operational model, programming and manual

Schon vor Jahren warnte die Weltgesundheitsorganisation WHO vor den medizinischen, sozialpolitischen und ökonomischen Gefahren überregional auftretender Epidemien, sogenannter Pandemien. Doch erst mit dem Ausbruch der globalen COVID-19-Pandemie im Spätherbst 2019 scheint diese Warnung in den Köpfen der Verantwortlichen angekommen zu sein.

Seither sucht die Politik - zumindest in nicht autokratisch regierten Gesellschaften - in bemerkenswerter Weise den Schulterschluss mit den einschlägigen Wissenschaften. Eingefordert werden zum einen medizinische Expertise, zum anderen soziologische Diagnostik, die den Grundstein dafür liefern, pandemische Entwicklungsszenarien innerhalb einer Bevölkerung, aber auch weltweit vorauszuberechnen.

Einen Beitrag zu dieser Diagnostik leisteten und leisten soziologische Modellrechnungen und Simulationen. Hingewiesen sei hier im Zusammenhang mit der Corona-Pandemie - nur für den deutschsprachigen Raum - auf das NeherLab der Universität Basel mit seiner jedermann zugänglichen interaktiven COVID-19-Simulation, den COVID-19-Simulator der Universität des Saarlandes (auf den u. a. die deutsche Bundesregierung regelmäßig zurückgegriffen hat), das vom deutschen Bundesministerium für Bildung und Forschung unterstützte Modell CovidSIM sowie die am Institut für Information Systems Engineering der TU Wien entwickelte und von der österreichischen Regierung genutzte COVID-19-Simulation.

Auch das vorliegende Programm PathoGen (= Patho-Generator) bietet derartige Modellrechnungen. Anders als die zuvor genannten Programme beschränken sich diese Modellierungen jedoch nicht auf COVID-19, sondern bieten einen Überblick über den pandemischen Verlauf unterschiedlichster viraler und bakterieller Pathogene. Neben diversen aktuellen Corona-Stämmen werden auch andere Erreger wie Masern und Pocken sowie "Klassiker" wie die Spanische Grippe, die Beulenpest und die Cholera berücksichtigt.

Das Programm basiert auf einer agentengestützten Simulation, einem sogenannten Multi-Agenten-System: Viele (bis zu eine Million) computergenerierte "Agenten" mit der "menschlichen" Eigenschaft, zu erkranken und den Krankheitserreger weiterverbreiten zu können, wirken in einer virtuellen Agentengesellschaft zusammen und durchleben gegebenenfalls vier (oder fünf) Phasen eines typischen Krankheitsverlaufs: (1) Anfangs sind sie gesund, doch ansteckungsgefährdet, dann infizieren sie sich möglicherweise (zufallsbedingt) und durchleben (2) eine nicht infektiöse Phase, dann nach einer gewissen Latenzzeit (3) eine (eventuell, aber nicht zwingend symptomatische) infektiöse Phase, die abschließend (4) entweder zur Genesung oder zum Tod führt. Die in der Genesung oder durch eine Impfung erworbene Immunität gegenüber einem Pathogen kann, je nach Krankheitstyp, zeitlich begrenzt sein und schlimmstenfalls (5) zu einer neuerlichen Gefährdung führen.

Die Ergebnisse der durchgeführten Modellrechnung werden von PathoGen auf dreifache Weise angezeigt. Das Programm bietet

• ein übersichtliches Diagramm, das die Gefährdungen, Erkrankungen, Genesungen oder Todesfälle sowie gegebenenfalls auch Impfeinsätze im zeitlichen Verlauf grafisch darstellt,
• eine entsprechende numerische Liste, die die pandemische Entwicklung für jeden einzelnen Simulationstag beschreibt ("Datenmonitor"),
• zudem ein Ergebnisfenster mit den wichtigsten Parametern am Ende des Simulationslaufs.

Das Programm gibt zwar (zurzeit 24) Pathogene vor, doch können deren Eigenschaften nahezu beliebig geändert werden. Mithilfe der implementierten "Stellschrauben" (Schieberegler, Schalter) ist es möglich, Varianten der vorgegebenen oder aber völlig neue Krankheitserreger und damit auch neuartige Krankheitsverläufe zu generieren. Auf diese Weise bietet das Programm ein vielschichtiges Experimentalfeld zur Beobachtung und Analyse pandemischer Entwicklungen.

In diesem Kontext ein wichtiger Hinweis: PathoGen reduziert das pandemische Geschehen auf einige sehr einfache soziale Interaktionen. Epidemiologische und medizinische Zusammenhänge, etwa saisonale, schicht- oder geschlechtsspezifische bzw. altersabhängige Anfälligkeiten für Infektionen, sind dabei nicht berücksichtigt. Daher liefert das Programm auch keine konkreten medizinischen Prognosen für einzelne Situationen. Doch es stärkt das Verständnis für komplexe Zusammenhänge.

Lesen Sie zur Plausibilität der Modellrechnungen bitte unbedingt die Anmerkungen im Kapitel "Die Algorithmen".

1.2 Die Simulation

Mithilfe der Taste "Starten" lässt sich, wie bereits erwähnt, ein (neuer) Simulationslauf aktivieren. Auf dem Hauptfeld wird nun eine weiße Fläche angezeigt, die sich, je nach Größe der Agentenpopulation und nach Anzahl der Simulationstage, entweder sofort oder - bei umfangreicheren Berechnungen - auch erst nach ein paar Sekunden oder gar Minuten mit einem Verlaufsdiagramm füllt. Bei längeren Berechnungen erscheint auf der Starttaste die Mitteilung "In Arbeit...", deren Verschwinden man getrost abwarten sollte.

Das Diagramm, das sich anschließend zeigt, weist auf der x-Achse die Zahl der Simulationstage, auf der y-Achse die Größe der Population aus. Darüber hinaus zeigt es verschiedenfarbige Verlaufsgraphen an, die diverse Aspekte der pandemischen Entwicklung widerspiegeln. Folgende Parameter werden tagesaktuell dargestellt:

Startet man eine zweite Simulation, wird im Normalfall ein ähnliches, aber nicht identisches Ergebnisdiagramm generiert, da die pandemische Entwicklung im implementierten Multi-Agenten-System in jedem Simulationslauf unterschiedlichen Zufällen unterliegt. Schaltet man die Option "Auto-Reset" ab, kann man mehrere Ergebnisdiagramme übereinanderlegen und so die Streuung bestimmter Grundeinstellungen überprüfen.

Allerdings lassen sich auch identische Ergebnisdiagramme erzeugen, indem man den dritten Navigationsknopf in den Wiederholungs-Modus schaltet. Bei unveränderten Grundeinstellungen des Programms ist dies natürlich sinnlos. Verändert man die Grundeinstellungen jedoch von Lauf zu Lauf, so kann man in diesem Modus überprüfen, welche pandemischen Folgen diese Veränderungen bei definiert gleichen Zufällen hervorrufen.

Mit der Taste "Vergleichen" kann zwischen dem aktuellen Diagramm und seinem Vorgänger (sowie den jeweils zugehörigen Datensätzen) hin- und hergeschaltet werden.

Die Taste "Löschen" dient dazu, ein Diagrammfeld - besonders bei deaktivierter Auto-Reset-Funktion - manuell zu leeren.

Über dem Diagrammfeld befindet sich ein Ergebnisfenster, das in 18 Parametern die wichtigsten Resultate des aktuellen Simulationslaufs ausweist. Die Parameter entsprechen in ihrer Farbgebung inhaltlich den Diagrammkurven.

Weitere Ergebnisse liefert der im Folgenden genauer beschriebene Datenmonitor.

1.3 Der Datenmonitor

Ein Druck auf die Taste "Datenmonitor: ein | aus" öffnet (bzw. schließt) den sogenannten Datenmonitor. Dieser verzeichnet die pandemische Entwicklung für jeden einzelnen Simulationstag.

Die Tabelle des Datenmonitors erscheint am unteren Rand der Benutzeroberfläche (das heißt: in Verlängerung des Programmfensters). Ihr Umfang hängt von der Anzahl der Simulationstage ab.

Zusätzlich ist es möglich, die Daten über die "Export"-Taste in ein separates Fenster zu übertragen. Dort können sie in der Regel besser nachbearbeitet werden als im eigentlichen Programmfenster.

Wenn Sie PathoGen im Firefox-Browser aufrufen, können Sie die Datentabelle per Copy & Paste in ein externes Programm, etwa MS Word (TM), übertragen und dort weiterverarbeiten. Klicken Sie dazu mit der rechten Maustaste auf die Tabelle und wählen Sie in der aufklappenden Box "Alles auswählen". Klicken Sie dann, wieder mit der rechten Maustaste, auf die nunmehr markierte Tabelle und wählen Sie in der aufklappenden Box "Kopieren". Anschließend können Sie die kopierte Tabelle in ein anderes Programm weiterreichen. In MS Word (TM) passt eine in 9 pt exportierte 100-Tage-Tabelle beispielsweise genau auf zwei mit 1,5 cm oberem und unterem Rand formatierte Seiten. Ein Beispiel für einen gelungenen Datentransfer per Firefox zeigt das folgende Dokument.

Leider funktioniert dieses Verfahren nur im Firefox. Verwenden Sie einen anderen Browser, müssen Sie sich beim Export mit Screenshots behelfen oder Abstriche bei der Formatierung der kopierten Daten machen.

1.4.1 Das Ergebnisfenster

Das Ergebnisfenster dokumentiert die Resultate des im Diagrammfeld angezeigten Simulationslaufs. Die im Fenster notierten Parameter sind selbsterklärend.

Die Farbwahl (Grün für gesund/gefährdet, Rot für erkrankt usw.) korrespondiert mit der des Programms Pandemielabor, das ebenfalls - allerdings erheblich differenzierter - Pandemieverläufe simuliert und als komplexere "Fortsetzung" von PathoGen genutzt werden kann. - Auch das Schwesterprogramm von PathoGen, nämlich die Simulation MiniLab, verwendet dieselben Farben.

1.4.3 Die Laufanzeige

Die Laufanzeige gibt Auskunft über folgende Werte:

• halblinks: die Nummer des aktuell durchgeführten (oder noch durchzuführenden) Laufs,
• rechts: den Zufallszahlen-Modus (vgl. unten).

Das Programm unterscheidet zwischen "echten" neuen Läufen (mit neuen Zufallszahlen) und Laufwiederholungen (mit denselben Zufallszahlen). Läufe mit neuen Zufallszahlen werden links vom Punkt, Laufwiederholungen in etwas kleinerer Schrift rechts vom Punkt dargestellt. Die Anzeige "5.3" bedeutet also zum Beispiel, dass der 5. Lauf (d. h. die 5. Zufallszahlenauswahl) insgesamt dreimal aufgerufen worden ist.

In der Einstellung "Blackbox" (siehe unten) werden keine Läufe gezählt. Notiert wird hier stattdessen "Lauf 0".

Rechts außen wird der aktuelle Zufallszahlenmodus angezeigt:

Näheres zu den verschiedenen Zufallszahlen-Optionen bietet der Abschnitt "Zufallszahlen-Navigation".

2.1 Bedienelemente

Als Stellschrauben bzw. Schalter zur Steuerung der Programmfunktionen verwendet PathoGen vier Typen von Bedienelementen.

2.2 Die Hauptsteuerung

Die hauptsächliche Steuerung des Programms erfolgt über drei große Tasten unterhalb des Diagrammfelds.

2.3 Simulationseinstellungen

Rechts neben dem Diagrammfeld befinden sich alle Regler und Schalter, die für den Verlauf einer Simulation relevant sind. Beachten Sie bitte: Sämtliche Parameter müssen vor einem Simulationslauf festgelegt werden.

2.4 Die Zufallszahlen-Navigation

Die simulierten pandemischen Verläufe basieren auf Zufallszahlen. Diese werden von PathoGen auf unterschiedliche Weise generiert:

• zum einen über einen Algorithmus, der definierte Ketten von Zufallszahlen liefert,
• zum anderen über einen Generator, der fortlaufend willkürliche, sozusagen "zufällige Zufallszahlen" bereitstellt.

Der Vorteil der erstgenannten Methode besteht darin, dass die so erzeugten Zufallszahlen jederzeit reproduzierbar sind. Jeder definierten Zufallszahlenkette ist eine bestimmte Laufnummer zugeordnet. So liefert beispielsweise jeder "Lauf 5" auf jedem beliebigen Rechner zu jeder beliebigen Zeit dieselben Ergebnisse, sofern die sonstigen Programmeinstellungen nicht verändert wurden; jeder "Lauf 6" führt zu neuen (anderen), aber ebenfalls spezifischen und reproduzierbaren Resultaten, jeder "Lauf 7" wieder zu neuen (anderen), aber spezifischen Resultaten und so fort. Auf diese Weise kann man bestimmte Simulationsverläufe jederzeit wiederholen und gezielt analysieren.

Die zweite Methode bietet sich immer dann an, wenn man - etwa in Unterrichtssituationen oder in Seminaren - auf mehreren Rechnern zufällige Ergebnisse erzielen möchte, die sich nicht gleichen (die also wirklich "verschieden zufällig" sind). Da die Simulationsläufe niemals vollkommen identisch sind, lässt sich im Vergleich der Ergebnisse auf verschiedenen Rechnern zum Beispiel schnell klären, in welcher Bandbreite sich die Folgen bestimmter Simulationseinstellungen bewegen. In der Laufanzeige des Programms ist dieses Verfahren als "Lauf 0" bzw. als "Blackbox"-Modus gekennzeichnet (in eine Blackbox kann man nicht hineinschauen). "Blackbox"-Läufe werden nicht gezählt. Eine Durchnummerierung wäre sinnlos, da jeder Lauf einmalig und damit nicht wiederholbar ist.

Die verschiedenen Zufallszahlen-Auswahlen lassen sich über vier Navigationsknöpfe steuern, die sich rechts neben den Haupttasten befinden.

2.5 Die Datenverarbeitungs-Tasten

Die mit PathoGen erzeugten Daten können im sogenannten Datenmonitor angezeigt, die hierfür relevanten Programmeinstellungen temporär oder dauerhaft gespeichert und wieder geladen werden. Das Programm stellt in diesem Zusammenhang die folgenden Tasten zur Verfügung.

2.6.1 Die Sprachauswahl

2.6.2 Externe Seiten

2.6.3 Programmeinstellungen

Der dem Programm zugrunde gelegte Krankheitsverlauf folgt dem SEIR- bzw. dem SEIRS-Modell zur Beschreibung der Ausbreitung ansteckender Krankheiten (SEIR: susceptible, exposed, infectious, recovered/removed, d. h. gefährdet, exponiert, infektiös erkrankt, genesen/verstorben; bei SEIRS kommt eine neuerliche suszeptible Phase hinzu). Angenommen wird also, dass sich ein Gefährdeter zunächst ansteckt, ohne infektiös zu sein (d. h. er ist lediglich "exponiert"). Nach dieser Latenzzeit gilt er, sobald er ansteckend ist, als "infektiös erkrankt" (wobei mit dieser Erkrankung Symptome einhergehen können, aber nicht müssen). Danach eröffnen sich zwei Möglichkeiten: Entweder er verstirbt - oder er gesundet nach Abklingen der Infektiosität und ist (zumindest eine Zeit lang) immunisiert (= SEIR). Schwindet seine Immunität, fällt er allerdings ins Stadium des Gefährdeten zurück (= SEIRS).

Je nach Krankheitserreger variieren die Eckdaten der Erkrankung (Verbreitung, Latenzzeit, Infektiosität, Sterblichkeit, Immunität) stark. Gleiches gilt für die Erfolge intensivmedizinischer Betreuung. In der Regel ist bakteriellen Erkrankungen medizinisch (etwa durch Antibiotika) besser beizukommen als viralen Infektionen, da es gegen Letztere häufig keine adäquaten Impfstoffe gibt.

Das Programm PathoGen berücksichtigt derzeit 24 verschiedene Krankheitserreger, deren Eckdaten programmseitig vorgegeben sind. Diese Daten entsprechen den aktuellen Erkenntnissen einschlägiger wissenschaftlicher Publikationen, die im Literaturverzeichnis nachgewiesen werden. Mit Blick auf künftige Virusvarianten bzw. völlig neue Virus- oder Bakterienstämme lassen sich die Werte über die entsprechenden Schieberegler jedoch weitgehend abändern bzw. anpassen.

Die folgende Tabelle gibt einen Überblick über die implementierten Krankheiten und deren gesetzte Parameter. Berücksichtigt werden

1. Krankheitstyp,
2. Ausbreitungsrate (R0),
3. erster Tag der Infektiosität,
4. Dauer der Infektiosität (in Tagen),
5. Dauer der Immunität (in Tagen),
6. Sterblichkeit (in Prozent),
7. erhöhte Überlebenswahrscheinlichkeit durch intensivmedizinische Betreuung (Faktor),
8. Erregertyp (Virus, Bakterium),
9. Impfoption.

Die Einstellung "benutzerdefiniert" (als 25. Option) entspricht bei Programmstart den Werten von COVID-19 (Wildtyp), kann jedoch beliebig geändert und gespeichert werden.

Beachten Sie bitte die folgenden Besonderheiten des PathoGen-Programms:

(1) Das Programm liefert keine exakten medizinischen Prognosen, sondern bildet lediglich pandemische Entwicklungstendenzen ab. Es generiert in der Regel die maximal möglichen Fallzahlen, da modellhaft angenommen wird, dass infektiöse Agenten während der gesamten Zeit ihrer Ansteckungsfähigkeit tatsächlich ungehindert ihre Mitbewohner anstecken können. In der Praxis ist dies jedoch nicht der Fall. Symptomatisch Erkrankte ziehen sich entkräftet aus der Öffentlichkeit zurück oder werden unter Quarantäne gestellt, so dass sich die Zahl ihrer Außenkontakte und damit die Weitergabe des Pathogens drastisch reduzieren. Der Pandemierechner bildet im Grunde genommen also vor allem diejenigen - tendenziell prekären - Gesellschaftsformen nach, in denen ein solcher ("freiwilliger" oder erzwungener) Rückzug nicht möglich ist.

(2) Außerdem berücksichtigt das Programm als Faktor zur Dämpfung der Infektionen lediglich die ambulante oder intensivmedizinische Betreuung. Andere Faktoren zur Pandemiebekämpfung, wie etwa besondere Hygieneregeln, Reise- bzw. Kontaktverbote, die Schließung öffentlicher Einrichtungen oder gar ein kompletter Lockdown, bleiben hier ausgeblendet. Interessieren Sie sich besonders für diese letztgenannten Maßnahmen, dann konsultieren Sie hierzu bitte das themenverwandte Programm Pandemielabor.

(3) Auch hinsichtlich der implementierten Impfoption steht bei PathoGen der Modellgedanke im Vordergrund. Angenommen werden nämlich zwei idealtypische Zustände: Alle gewünschten Impfungen (a) können an einem einzigen Simulationstag vorgenommen werden und erzielen (b) grundsätzlich einen hundertprozentigen Impfschutz. Auch hier sieht die Praxis leider anders aus. Immerhin kann die Effektivität der Impfungen mittelbar über den "Impfquoten"-Regler relativiert werden.

(4) Das dem Programm zugrundegelegte SEIR-Modell nimmt nach einer Erkrankung eine vollständige Genesung (oder den Tod) an. Bleibende Schäden oder Folgekrankheiten, also etwa Phänomene wie Long Covid, werden hierdurch nicht abgebildet.

(5) Nicht alle Infektionskrankheiten werden durch direkten Kontakt (Tröpfchen- bzw. Schmierinfektion) von Mensch zu Mensch übertragen. Viele Krankheiten, etwa Malaria, Dengue-Fieber oder Borreliose, lassen sich auf Übertragungen durch Tiere, etwa Mücken und Zecken, zurückführen. Die letztgenannten Krankheiten sind nicht in das vorliegende Programm aufgenommen, da hierzu völlig andere Algorithmen (die z. B. die für den Lebensraum der Tiere unabdingbaren klimatischen und saisonalen Verhältnisse berücksichtigen) benutzt werden müssten.

(6) Eine Ausnahme bildet hier lediglich die (im Programm enthaltene) Beulenpest, da deren Überträger (Rattenflöhe) unabhängig von Klima und Region in enger Symbiose mit dem Menschen leben und dadurch eine unmittelbare Ansteckung beispielsweise über menschliche Kleidung (also Quasi-Körperkontakt) möglich ist.

(7) Als problematisch erweist sich die Simulation der (hier ebenfalls aufgenommenen) Cholera. Eine Modellierung dieser Krankheit mithilfe des SEIR(S)-Modells ist nur bedingt möglich, da die Übertragung eher selten direkt von Mensch zu Mensch, in der Regel hingegen indirekt über verunreinigtes Wasser, Exkremente oder kontaminierte Lebensmittel erfolgt. Eine SEIR(S)-kompatible Modellierung, so wie sie hier vom Programm vorgenommen wird, gilt eigentlich nur für Populationen in dezidiert prekären Lebensverhältnissen (Zusammenleben auf sehr engem Raum unter schlechten hygienischen Bedingungen).

(8) Nicht aufgenommen sind die wichtigen Krankheiten Tuberkulose und HIV/AIDS, da deren Infektionsverlauf sich einer einfachen Modellierung im SEIR(S)-Modell entzieht. Im Fall der Tuberkulose kann die Latenzzeit einige Wochen oder Monate betragen, sich aber auch über mehrere Jahre erstrecken, bei den meisten Exponierten (etwa 9 von 10) bricht die Krankheit sogar nie aus. Ähnliches gilt für HIV; hier kommt noch hinzu, dass die Patienten in der Regel nicht an HIV selbst, sondern an einer von zahlreichen (diffusen, hier nicht modellierten) Folgeerkrankungen sterben (z. B. an mykobakteriellen Infektionen [B20.0] wie Tuberkulose oder an Pneumocystis-Pneumonie [B20.6]).

(9) Nicht für alle der in der obigen Tabelle aufgeführten Krankheiten stehen verlässliche, eindeutige Daten zur Verfügung. Diese variieren zum Teil je nach Untersuchungszeitraum und Region beträchtlich. Für historische Pandemien (Beulenpest, Diphterie der 1880er Jahre, Spanische Grippe usw.) liegen ohnehin nur Schätzwerte vor. So schwanken beispielsweise die Schätzungen zur Zahl der durch die Spanische Grippe (1918-1920) bedingten Todesfälle, je nach wissenschaftlicher Publikation, zwischen 20 und 50 Millionen weltweit. Die im Programm benutzten Zahlen stellen daher teils nur Näherungswerte dar.

(10) Zum Teil variieren die für eine Krankheit ermittelten Eckdaten auch deshalb stark, weil selbstverständlich nicht alle Patienten in gleicher Weise auf einen Erreger reagieren. Daher sind in der Tabelle bzw. im Programm häufig (gewichtete) Mittelwerte gesetzt. So liegt die Latenzzeit zum Beispiel bei COVID-19 (Wildtyp) in einem Spektrum von zwei bis vierzehn Tagen, typischerweise setzt die infektiöse Erkrankung allerdings nach knapp einer Woche ein. Der Beginn der Infektiosität ist deshalb in der Tabelle mit dem "starren" Wert 6 (= 6. Tag) angegeben und wird im Programm auch ebenso verrechnet.

(11) Der Einfachheit halber setzt das in PathoGen verwendete Modell die Immunität Genesener und Geimpfter gleich. In der Praxis kann es hier jedoch deutliche Abweichungen geben. So sind Patienten nach einer tatsächlichen Infektion mit Masern oder Mumps in der Regel ein Leben lang immun; einen (annähernd) vergleichbaren Schutz erzielt man jedoch erst mit einer Zweifachimpfung.

(12) Für manche, vor allem neuartige Erkrankungen wie COVID-19 lässt sich die Dauer der anschließenden Immunität (noch) nicht genau festlegen. Gelegentlich wird eine bestehende Immunität durch mutierte Varianten des Erregers ausgehebelt. Unter Berücksichtigung dieser Varianten nimmt das Programm zum Beispiel für SARS-CoV-2 derzeit eine Immunität von etwa einem halben Jahr (180 Tage) an. Auch der diffuse grippale Infekt (mit über 200 Virusvarianten) erfordert eine jährlich neu ausgerichtete Impfung.

(13) Die Effektivität einer intensivmedizinischen Betreuung ist in einigen Fällen schwer zu ermitteln, da für medizinisch gut versorgte Regionen nur gemilderte, nicht aber "natürliche" Sterbeziffern vorliegen. Um die Effektivität von Intensivbehandlungen zu messen, müsste man einer Gruppe von Versorgten eigentlich eine Kontrollgruppe nicht betreuter Patienten gegenüberstellen. Dies ist natürlich aus ethischen Gründen nicht zu verantworten.

(14) Mitunter konfligieren auch medizinische und juristische Angaben. So wurde im frühen 20. Jahrhundert beispielsweise gegen die Beulenpest geimpft; auch heute noch werden (in ihrer Wirkung umstrittene) Pest-Schutzimpfungen angeboten. Das Robert Koch-Institut meldet aktuell hingegen, dass es derzeit keinen zugelassenen Pest-Impfstoff gebe.

(15) Die Software PathoGen erhebt keinen Absolutheitsanspruch. Falls Ihnen andere medizinische Eckdaten als die im Programm vorgegebenen vorliegen, sollten Sie nach Belieben von der Möglichkeit Gebrauch machen, die Werte über die Stellschrauben (Regler, Schalter) anzupassen.

Im folgenden Abschnitt finden Sie einige technische Hinweise, die für die optimale Nutzung des Programms hilfreich sein können.

4.1 Systemvoraussetzungen

PathoGen ist in JavaScript programmiert und daher auf vielen Plattformen lauffähig. Erfolgreich getestet wurde das Programm unter MS Windows (TM), macOS (TM) und Android (TM) auf folgenden Browsern:

• Firefox (97.0),
• Google Chrome (98.0),
• Microsoft Edge (98.0),
• Opera (84.0),
• Safari (13.1),
• Samsung Internet (16.2.5.4).

Bekannte Einschränkungen:

• Im MS Internet Explorer 11 ist das Programm nicht lauffähig.
• Die im Programm wählbaren Farbdesigns sind browserabhängig. So lässt zum Beispiel der Opera-Browser (bis jetzt) keine Farbwechsel in Schaltern und Schiebereglern zu. Änderungen im Farbdesign erfolgen dort also unvollständig.
• Auch der Datenexport () ist browserabhängig. Einige Browser bieten nur ein eingeschränktes Zweitfenster-Handling. Die verlässlichsten Ergebnisse erzielen Sie mit dem Firefox-Browser.

4.2 Bekannte Probleme

(1) Auf älteren Rechnern sollten Sie die Population nicht gleich auf die höchste Stufe (1 Million) setzen, da die Hardware die komplexen Berechnungen des Programms sonst unter Umständen nur mit beträchtlichem Zeitaufwand oder aber gar nicht mehr bewältigt. Starten Sie also mit einer moderaten Personenzahl (Programmvorgabe: 1000) und testen Sie die Möglichkeiten Ihres Computers schrittweise aus.

(2) Eine problemlose, über die reine Anzeige hinausgehende "echte" Übertragung der Daten per Datenexport ist derzeit nur mit dem Firefox möglich. In den übrigen Browsern wird die formatierte Export-Tabelle zwar ordnungsgemäß in einem externen Fenster geöffnet, jedoch lässt sie sich hieraus nicht oder nur auf Umwegen in ihrer ursprünglichen Formatierung per Copy & Paste in externe Programme wie MS Word (TM) übernehmen.

(3) Sollte die Simulation auf einem älteren Rechner oder in bestimmten Netzwerkumgebungen nicht zufriedenstellend laufen, können Sie, falls Sie sie nicht benötigen, die Datenermittlungs-Option abschalten. Dadurch wird programmintern die Routine zur Bereitstellung der Monitordaten deaktiviert, was wiederum Rechenkapazität einspart und so den Lauf vielleicht verbessert.

(4) Die Möglichkeit, Simulationsdaten dauerhaft auf dem eigenen Rechner zu speichern, hängt vom verwendeten Browsertyp und dessen Einstellungen ab. Gespeichert wird nicht über Cookies, sondern über die Javascript-Funktion localStorage. Im Lauf der Zeit haben einige Browser das Handling dieser datenschutzsensiblen Funktion bereits geändert; weitere Änderungen sind nicht auszuschließen.

4.3 Häufig gestellte Fragen

Auch wenn ich die Einstellungen des Programms beibehalte, zeigen die einzelnen Simulationsläufe unterschiedliche Ergebnisse. Wie ist das zu erklären?

Die Ergebnisse belegen, dass die Wirklichkeit nicht komplett berechenbar ist. Das Programm liefert lediglich Wahrscheinlichkeiten, dass sich die Resultate innerhalb eines bestimmten Spektrums bewegen.

Mich irritiert, dass die Simulationsergebnisse wiederholbar sind. Handelt es sich also gar nicht um "zufällige", sondern um "programmierte", womöglich manipulierte Resultate?

Alle Simulationsergebnisse folgen dem Zufall. Den Modus, in dem definierte Zufallszahlenketten verwendet werden, sollte man sich nicht so vorstellen, dass dort fertig konzipierte Zahlen vorliegen; vielmehr werden diese sehr komplex erzeugt und divergieren bereits bei minimal veränderten Simulationseinstellungen. Der Terminus "Zufallszahlenketten" beschreibt also eher ein vieldimensionales Geflecht von Zufallszahlen. Manipuliert wird hier nichts. Die Berechnung der Zufallszahlen folgt einem Algorithmus von Makoto Matsumoto, Takuji Nishimura und Sean McCullough. Der Quellcode zum Programm PathoGen liegt offen; die Programmierung ist also im Detail überprüfbar. - Die Ergebnisse, die im Modus "zufällige Zufallszahlen" erzeugt werden, weichen im Übrigen nicht von denen im Modus der definierten Zufallszahlen ab.

Ist das dem Programm zugrunde liegende Modell nicht allzu simpel? In der Realität hängt die Verbreitung von Infektionen doch von vielen verschiedenen Faktoren ab, etwa dem Alter der beteiligten Personen, ihren Bezugsgruppen, der Bevölkerungsdichte allgemein, vor allem aber auch der medizinischen Infrastruktur.

Das ist korrekt. PathoGen basiert auf einem sehr einfachen Modell mit sehr reduzierten Infektionswegen. Eine komplexere Simulation, die Ihre Einwände berücksichtigt, finden Sie zum Beispiel in dem Pandemie-Programm Pandemielabor.

Der benutzerdefinierte Krankheitstyp ist standardmäßig auf das Merkmal "Virus" eingestellt. Wie kann ich dies in "Bakterium" ändern?

Ganz einfach. Wählen Sie ein bakterielles Pathogen, also zum Beispiel Diphtherie, Beulenpest oder Cholera, passen Sie dort die Einstellungen Ihren Vorstellungen an und speichern Sie dann das Ganze (via "Speichern"-Taste). Anschließend können Sie Ihr neu erstelltes Pathogen als Bakterium über die Option "benutzerdefiniert" aufrufen.

Wie lässt sich der Intensivmedizin-Faktor an meine Vorstellungen anpassen?

Nur begrenzt. Wählen Sie ein voreingestelltes Pathogen, dessen Faktor Ihren Vorstellungen am ehesten entspricht, und passen Sie dann die Einstellungen dieses Krankheitstyps an Ihre Erfordernisse an. Den Faktor selbst können Sie leider nicht verändern. Ein Faktor f = 60 lässt sich also über das Pathogen Cholera sehr wohl erzeugen, ein Faktor f = 23 oder f = 9 allerdings nicht.

Wenn ich die intensivmedizinische Therapie zuschalte, kann es passieren, das während des gesamten Simulationslaufs gar niemand erkrankt. Wie ist das möglich?

Liegt die Zahl der Exponierten bei Programmstart niedriger als die Zahl der zur Verfügung gestellten Intensivbetten, werden alle Infizierten natürlich sofort bei Ausbruch der Infektiosität ins Krankenhaus aufgenommen. Dort können sie dann niemanden mehr anstecken. Die Pandemie ist damit beendet, bevor sie überhaupt begonnen hat.

Jedesmal, wenn ich einer benutzerdefinierten Krankheit, die auf einem vorprogrammierten Pathogen basiert, einen Namen geben will, springt das Programm auf den Krankheitstyp "benutzerdefiniert" und meine Reglereinstellungen gehen verloren. Was ist zu tun?

Speichern Sie zunächst Ihre individuellen Reglereinstellungen, geben Sie dann erst den Namen der Krankheit ein und speichern Sie schließlich das Ganze erneut. Nun dürfte alles gesichert sein.

Meine Benutzerdaten lassen sich nicht dauerhaft speichern, obwohl ich den "Datenspeicher"-Schalter gesetzt habe. Woran kann das liegen?

Das kann mehrere Gründe haben. Gespeichert werden die Daten zwar nicht über Cookies, sondern über die Javascript-Funktion localStorage. Vielleicht ist Ihr Browser jedoch so eingestellt, dass er sowohl die Nutzung von Cookies als auch die von localStorage verbietet. In diesem Fall müssen Sie die Einstellungen Ihres Browsers ändern (z. B. Cookies erlauben). Unter Umständen blockiert Ihr Browser auch das Handling von localStorage in bestimmten Arbeitsumgebungen, zum Beispiel, wenn Sie das Programm PathoGen lokal auf Ihren Rechner heruntergeladen haben und offline benutzen. Probieren Sie bei Schwierigkeiten bitte verschiedene Browsertypen aus.

Welche zusätzlichen Funktionen sind in Zukunft für das Programm geplant?

PathoGen ist bewusst einfach gehalten und modelliert pandemische Geschehnisse nur sehr allgemein. Dabei soll es auch bleiben. Falls Sie sich für komplexere Pandemie-Simulationen interessieren, nutzen Sie bitte das Pandemielabor. Dieses bietet sehr ausgefeilte Einstellmöglichkeiten und noch erheblich umfangreichere Optionen zur Datenanalyse.

Aigner, Florian; Popper, Niki; Bicher, Martin (2020): Simulation der SARS-CoV2-Epidemie in Wien. dwh simulation services, Wien (März 2020).
URL: https://www.dwh.at/projects/covid-19/COVID-19-Beschreibung_COVID-
19_Modellerweiterung-v04.pdf.

An der Heiden, Matthias; Buchholz, Udo (2020): Modellierung von Beispielszenarien der SARS-CoV-2-Epidemie 2020 in Deutschland. Robert Koch-Institut, 20.03.2020.
URL: http://dx.doi.org/10.25646/6571.2

Bicher, Martin; Rippinger, Claire; Brunmeir, Dominik; Urach, Christoph; Popper, Niki (2021): Agent-Based Covid-19 Simulation. Model Specification. dwh simulation services, Wien (02.06.2021).
URL: https://www.dwh.at/projects/covid-19/Covid19_Model_20210602.pdf

Bjørnstad, Ottar N.; Shea, Katriona; Krzywinski, Martin; Altman, Naomi (2020): The SEIRS model for infectious disease dynamics. In: Nature Methods 17, S.557-558 (2020).
URL: https://doi.org/10.1038/s41592-020-0856-2

Eichner, Martin; Schwehm, Markus (2020): CovidSIM - Pandemie-Vorsorgeplanung für Covid-19, Version 2.1 (Version 1.0: Febr. 2020).
URL: http://covidsim.eu/

Institute for Disease Modeling [IDM] (2022): SEIR and SEIRS models.
URL: https://docs.idmod.org/projects/emod-hiv/en/latest/model-seir.html#seir-and-seirs-models

Kugelmeier, Frank U. (2022a): Pandemielabor - Simulation von Strategien zur Eindämmung von COVID-19. Version 3.61 (12.09.2022). St.-Ursula-Gymnasium Attendorn 2020-2022.
URL: http://sowi.st-ursula-attendorn.de/start.htm

Kugelmeier, Frank U. (2022b): MiniLab - Pandemie-Simulation für Einsteiger. Version 3.38 (12.09.2022). St.-Ursula-Gymnasium Attendorn 2022.
URL: http://sowi.st-ursula-attendorn.de/start.htm

Lauer, Stephen A.; Grantz, K. H.; Bi, Q.; Jones, F. K.; Zheng, Q.; Meredith, H. R.; Azman, A. S.; Reich, N. G.; Lessler, J. (2020): The incubation period of coronavirus disease 2019 (COVID-19) from publicly reported confirmed cases: Estimation and application. In: Annals of Internal Medicine, 172 (9), S.577-582, 05.06.2020.
DOI: 10.7326/m20-0504.
URL: https://www.acpjournals.org/doi/10.7326/M20-0504

Lehr, Thorsten u. a. (2020): COVID-19 Simulator. Modellierung für die deutschen Bundesländer. Klinische Pharmazie, Universität des Saarlandes, Saarbrücken 2020-2022.
URL: https://covid-simulator.com/

Neher, Richard; Aksamentov, Ivan; Noll, Nicholas (2020): COVID-19 Scenarios. NeherLab, Universität Basel 2020.
URL: https://covid19-scenarios.org/

Pieper, Wolfgang (2013): Infektionskrankheiten. In: W. P.: Innere Medizin. Berlin, Heidelberg [: Springer], S.841-951.
DOI: 10.1007/978-3-642-33108-4_10.
URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7176255/ bzw.
URL: https://link.springer.com/chapter/10.1007/978-3-642-33108-4_10

Pschyrembel [, W.] (2022): Klinisches Wörterbuch. 268. Auflage 2020, online 2022. Herausgeber: medizinische Fachredaktion Pschyrembel. Leitung: Sara Steer. Berlin [: De Gruyter], ISSN 2510-1668.
URL: https://www.pschyrembel.de/

Radtke, Rainer (2022a): Fallsterblichkeitsrate ausgewählter Virusausbrüche weltweit 1967-2022. In: Statista, Stand: 08.06.2022.
URL: https://de.statista.com/statistik/daten/studie/1101385/umfrage/sterblichkeitsrate-
ausgewaehlter-virusausbrueche-weltweit/

Radtke, Rainer (2022b): Epidemien und Pandemien. In: Statista, Stand: 10.08.2022.
URL: https://de.statista.com/themen/131/pandemien/#dossierKeyfigures

Robert Koch-Institut (2021): Epidemiologischer Steckbrief zu SARS-CoV-2 und COVID-19. Stand: 26.11.2021.
URL: https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Steckbrief.html

Robert Koch-Institut (2022): Infektionskrankheiten A - Z. Stand: 26.08.2022.
URL: https://www.rki.de/DE/Content/InfAZ/InfAZ_marginal_node.html

Schneider, Kristan A.; Ngwa, Gideon A.; Schwehm, Markus; Eichner, Linda; Eichner, Martin (2020): The COVID-19 pandemic preparedness simulation tool: CovidSIM. In: BMC Infectious Diseases, 2020; 20: 859 (19.11.2020).
DOI: 10.1186/s12879-020-05566-7.
URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7675392/

Das vorliegende Programm wurde von Frank U. Kugelmeier, Attendorn (Deutschland) konzipiert. Es ist unter den Bedingungen der Creative Commons License BY-NC-SA 4.0 lizenziert. Im Einzelnen bedeutet dies unter anderem:

• Das Programm darf weitergegeben, der Programmcode verändert werden.
  Aber:
• Der Name des ursprünglichen Programmautors muss genannt werden.
• Das Programm darf nicht zu kommerziellen Zwecken genutzt werden.
• Das Programm muss, wenn es verändert wird, unter den gleichen Lizenzbedingungen weitergegeben werden.

Eine Benachrichtigung des ursprünglichen Autors bei nicht-trivialer Modifizierung des Programms ist ausdrücklich erwünscht.

Änderungen am Text des Handbuchs bitte nur nach Rücksprache mit dem Autor.

Bei Rückfragen wenden Sie sich bitte an folgende Adresse:

Frank U. Kugelmeier, St.-Ursula-Gymnasium Attendorn

Konzeption, Programmierung und Handbuch