Pandemie und Schulen ist ein einigermaßen aufgeheiztes Thema. Sowohl auf Seiten derer, die Schäden durch Schulschließungen befürchten als auch auf Seiten derer, die Schäden durch das Offenhalten der Schulen etwa während der anstehenden Omikron-Welle befürchten, sind die entsprechenden Sorgen groß. Das Thema ist dabei einigermaßen unübersichtlich – viele Aspekte, viele Gewichtungen.

BMBF: Schulen kein übermäßiger Einfluss

Neu ist, soweit ich sehen kann, dass sich die neue Bundesforschungsministerin und ihr Social-Media-Team mit deutlicheren Aussagen als vorher zu diesem Thema zu Wort melden. Konkret twitterte das BMBF-Social-Media-Team:

(Wo Tweet 1/2 dazu ist, weiß ich nicht – vermutlich ist es dieser hier; die Tweets sind leider nicht, wie sonst in diesem Falle üblich, als Thread ausgeführt.)

Auf Nachfrage einer Reihe von Nutzern lieferte man dann noch nach, auf welche drei Studien man sich mit jener Aussage bezog:

1. SARS-CoV-2 circulation in the school setting: A systematic review and meta-analysis (Martinoli et al.)
2. Transmission of SARS-CoV-2 by children and young people in households and schools: a meta-analysis of population-based and contact-tracing studies (Viner et al.)
3. Risk of infection and transmission of SARS-CoV-2 among children and adolescents in households, communities and educational settings: A systematic review and meta-analysis (Irfan et al.)

(der letzte der drei Tweets weist außerdem allgemein hin auf die Covid-Sammlung ilovevidence.com). Insofern: Erst einmal ein Lob an das Social-Media, Team, dass es auf die Nachfrage hin tatsächlich drei Studien nennt, und das dann auch noch direkt klickbar per Link. Das schafft Transparenz. Außerdem antwortete das Team ganz direkt auf einige der Antworten unter dem Ausgangstweet; auch das löblich – gerade von Ministerien ist man ja eher gewohnt, dass Twitter zwar genutzt wird, um Informationen zu verkünden, aber nicht unbedingt als interaktive Medium.

Auch von mir an der Stelle etwas an Transparenz: Ich bin Physiker und Astronom, aber kein Epidemiologe. Ob diese drei Studien beispielsweise repräsentativ sind oder nicht, kann ich nicht einschätzen – dafür wäre ein fachlicher Überblick nötig, den ich nicht besitze. Ich kann an der Stelle nur das tun, was jeder Laie bzw. jede Laiin mit Basiswissen in Statistik machen kann: Nachlesen, was die Studien aussagen und allenfalls ein paar der Zahlen nachzuvollziehen zu versuchen. Aber immerhin das habe ich an der Stelle dann mal getan. Die Links waren ja da.

1. Martinoli et al. 2021

Die erste Studie, von Martinoli et al. und derzeit nur als Preprint verfügbar (hat also noch keinen Peer Review durchlaufen), kommt zu dem Schluss

“This systematic review and meta-analysis of all available data shows that SARS-CoV-2 viral spread is limited and child-to-adult transmission in the school setting scarce.

Summary estimates indicate that young index cases were 74% significantly less likely than adults to favor viral spread and children are 43% less susceptible than adults.”

Das ist so formuliert natürlich etwas vage; schauen wir uns das also einmal näher an. Erst einmal: Untersucht wurde in dieser Metastudie (also als Auswertung bereits veröffentlichter Studien), wie sich Covid innerhalb von Schulen ausbreitete. Das “74% less likely” bezieht sich darauf, wie oft bei den Fällen einer Ansteckung in einer Schule die ansteckende Person ein Erwachsener war (Lehrer/instructor/staff) und wie oft ein Kind/ein Jugendlicher.

Diese Zahl wiederum beruht dann nur auf ganzen 3 der im Artikel insgesamt augewerteten Studien, wie man an dieser Abbildung aus dem Artikel sehen kann:

1. Macartney, 2020 – untersucht wurden 15 Schulen und Kindertagesstätten in New South Wales, Australien, von Januar bis Mai 2020 (als Kontext: für einen Teil dieses Zeitraums waren die Schulen im “Notbetrieb”, mit nur denjenigen Kindern, für die Home Schooling keine Option war; Schulklassen, in denen ein Fall aufgetreten war, wurden komplett für 14 Tage in Quarantäne geschickt). New South Wales hatte zu jener Zeit eine Inzidenz um die 40 (neue Fälle pro Tag pro 100.000 Einwohner*innen). In vier Einrichtungen (zwei weiterführende Schulen, eine Grundschule, eine Kindertagesstätte) kam es zu Infektionen, die offenbar innerhalb der Einrichtung – Quelle der Infektion waren dabei zwei Mal Kinder, zwei Mal Erwachsene. An der Kindertagesstätte kam es zu einem Cluster mit 13 Infektionen, ansonsten einmal zu einer, zwei Mal zu je zwei Folgeinfektionen. Im Mittel waren die Infizierten nur zwei 2 Tage (!) im infizierten Zustand in der Einrichtung, bevor die Infektion entdeckt wurde und die Infizierten entsprechend zuhause blieben.
   Kommentare von MP dazu: Mehrere potenzielle Probleme, aber aus meiner Sicht das wichtigste: Martinoli et al. beziehen sich in Ihrem Artikel nur auf “schools”, haben aber die Kindertagesstätte, deren Fälle die Studie von Macartney dominieren, einfach mit aufgenommen. Das ist ein klarer Fehler.
2. Heavey, 2020 – untersucht wurden Fälle in Irland vor dem 12. März 2020 (nämlich dem Datum, an dem die irischen Schulen geschlossen wurden). Insgesamt wurden 3 Fälle von Kindern im Schulalter und 3 Fälle von Erwachsenen, die sich in Schulen aufgehalten hatten, identifiziert. In vier der Fälle war die Ansteckung auf eine Reise zurückzuführen, in einem Fall auf eine Begegnung außerhalb der Schule. In einem Falle war eine Ansteckung innerhalb der Schule aufgetreten. Nur eine einzige Ansteckung hatte demnach voraussichtlich in der Schule stattgefunden. Dazu, wie lange die Betreffenden zwischen der Infektion und der Schulschließung noch in der Schule waren, gibt es keine Angaben.
   Kommentare von MP dazu: Abgesehen von den sehr kleinen Gesamtzahlen ist insbesondere die Frage, wie Kontakte definiert wurden,  bei dieser Studie problematisch. Martinoli et al. bewerten die Qualität der Studie trotzdem als “high” und beziehen sie als wie gesagt eine von drei Studien in ihre Auswertung ein. Irland hatte zum Zeitpunkt der Schulschließungen eine Inzidenz von 5,29 (7-Tages-Mittel neue Fälle pro Tag pro 100.000 Einwohner*innen). Wir bewegen uns also auch hier in einer Niedriginzidenz-Situation ganz vom Anfang der Epidemie. 
3. Gettings, 2021 – untersucht wurden Fälle in einem Distrikt des US-Bundesstaats Georgia von Dezember 2020 bis Januar 2021. Immerhin sind wir hier also erstmals nicht in der ersten Welle, sondern für Georgia damit in der dritten Welle; die erreichte in der 2. Januarwoche mit einer Inzidenz von knapp 97 (gemittelt neue Fälle pro Tag pro 100.000 Einwohnder*innen) ihr Maximum. Hier wurden in einem Schulbezirk insgesamt 86 Indexfälle untersucht und zu denen 1119 Kontakte ausfindig gemacht und davon wiederum 688 getestet. 59 davon waren positiv. Es wurden wohlgemerkt nur Kontaktpersonen innerhalb der Schule ausfindig gemacht.

Allgemein kann man zu der Studie von Martinoli et al. sagen: Untersucht wurde in punkto Infektionsdynamik nur die Weitergabe innerhalb von Schulen, also die relativen Wahrscheinlichkeiten dafür, sich als Schüler*in oder Erwachsene*r innerhalb der Schule bei einem/einer infizierten Erwachsenen vs. einem infizierten Kind anzustecken. Das sagt nur leider überhaupt nichts über die Rolle von Schulen im Infektionsgeschehen insgesamt aus. Hypothetisch gesagt: Falls Schulen ein wichtiger Dreh- und Angelpunkt für die Weitergabe des Virus wären, ist dafür ja irrelevant, ob die Übertragung vor allem über die Lehrer*innen oder zwischen den Schüler*innen geschieht. Für mich ist deswegen unklar, warum diese Studie vom BMBF-Social-Media-Team verlinkt wurde. Ganz allgemein ist natürlich unklar, wie sich die bei vergleichsweise niedrigen Inzidenzen, und zum Teil in Situationen ohne langfristigen Kontakt (weil die Schulen kurz darauf geschlossen wurden) auf einen Betrieb in Hochinzidenzzeiten übertragen ließe. Außerdem beziehen sich die Studien nur auf den Wildtyp von Covid. Alpha-Variante, Delta-Variante und Omikron kamen ja erst später.

2. Viner et al.

Eine weitere Metastudie, diesmal wurde spezifisch die Übertragung im Bildungsbereich (“educational setting”) im Vergleich zur Übertragung im Haushalt verglichen. Insbesondere wurde die Secondary Attack Rate (SAR) ermittelt, also bei Vorliegen einer Infektion das Verhältnis der Anzahl derjenigen Mitglieder einer Gruppe, die daraufhin erkranken, zur Gesamtanzahl der Mitglieder jener Gruppe.

Die SAR betrug innerhalb von Schulen 0,7%, innerhalb von Haushalten 7,6%, war im Haushalt also mehr als 10 Mal höher als in Schulen.

Soweit die Studie.

Ich frage mich an der Stelle natürlich als Laie: Was folgt daraus? Auf den ersten Blick natürlich “die Kennzahl für Schulen ist 10 Mal kleiner als für Haushalte, yay!” – aber auf den zweiten Blick spielt natürlich auch die Größe der Bezugsgruppe eine Rolle. Haushalte sind ja deutlich kleiner als Schulen. Wenn ein Kind im Haushalt 3 Kontaktpersonen hat, wird es im Mittel 3 mal 7,6% also 0,22 Personen anstecken. Aber in der Schule hat das Kind je nach Klassengröße und Durchmischung mindestens, sagen wir, 34 Kontaktpersonen (29 Mitschüler*innen, 5 Lehrer*innen). Von denen steckt es bei der obigen SAR im Mittel 0,24 an. Auch bei deutlich kleinerer SAR würde also gelten: Allein die unterschiedlichen typischen Gruppengrößen verschieben die Zahl der Infektionen sehr deutlich.

Um sicherzugehen, habe ich mir angeschaut, wie Viner et al. auf ihre SAR-Werte für die verschiedenen Studien kommen. Da dann allerdings gleich die erste Überraschung. Die erste bei Viner et al. verlinkte Studie ist die von Laxminaranyan et al. 2020, veröffentlicht in Science. In ihrer Tabelle (Figure 2) geben Viner et al. dort in der Spalte für “household studies” eine Secondary Attack Rate von 0.072, also 7,2%. Nach der Zahl habe ich mich dann im Originalartikel von Laxminaranyan einigermaßen totgesucht; die steht dort nirgendwie. Ich komme allerdings auf diese Zahl, wenn ich bei Laxminaranyan die Zahl derjenigen Kontakte nehme, für die Daten vorlagen, wie sie sich angesteckt hatten (“Data on exposure settings, available for 18,485 contacts of 1343 index cases, revealed considerable differences in transmission risk associated with differing types of interaction.”). Dann ergibt 1343 geteilt durch 18485 nämlich in der Tat gerade 0,07265350284. Nun gut, da kann man sich fragen, warum nicht ordnungsgemäß aufgerundet wurde. Viel mehr sollte man sich allerdings wundern, warum dort überhaupt jene beiden Zahlen durcheinander geteilt wurden. Ein paar Zeilen weiter ist die SAR für “household” nämlich explizit angegeben. Die beträgt aber 9%, nicht 7.2%. Und da frage ich mich dann natürlich schon: Wie kommt die Zahl zustande, die Viner et al. aus der Laxminaranyan-Studie gezogen haben?

Nachtrag 11. Januar 2022: Die Zahl kommt aus dem Supplement; Twitter-Nutzer @MathematikerRuR zeigt das in diesen Tweets. Danke! Die dort angesprochene Tabelle S3 enthält für zwei Bundesstaaten Indexfälle, tested contacts und positive contacts. Zählt man die positive contacts zusammen, erhält man in der Tat 30+133+430+3517=4110, für die tested contacts 472+1951+6869+48123=57415, wie bei Viner in der Tabelle in Figure 2. (Bei den Index cases gibt es allerdings eine Diskrepanz von 20 – warum auch immer, evt. ein Rechenfehler.) Das sind allerdings bei Laxminaranyan die Zahlen für alle Arten von Ansteckung, nicht nur für “household settings”. Laxminaranyan differenziert soweit ich sehen kann in Tabelle S3  nach Alter, aber nicht nach Settings; in Tabelle S7 nach Settings, aber nicht nach Alter. Das ist also auf alle Fälle problematisch – die Zahl, die Viner et al. für Laxminarayan als “household setting” auflisten, gehört nicht zu den “household settings” in jenem Artikel.

Zweiter Versuch, zweite Quelle in der Liste bei den Household-Studies: Park et al. 2020. Auch da wieder eine lange Suche im Artikel, keine direkte Zahl gefunden, aber in Tabelle 2 kann man die Zahlen anhand der Altersgruppen 0 bis 9 Jahre und 10 bis 19 Jahre selbst ausrechnen. Was dabei zählt ist dabei die Zahl der positiven Kontaktpersonen durch die Zahl der insgesamt getesteten Kontaktpersonen; der Vergleich mit Tabelle 1 bestätigt meine Interpretation: Für die 124 infizierten 10-bis-19-jährigen wurden zusammengezählt 231 Kontaktpersonen getestet, also im Mittel weniger als 2. Das kommt dann ja ungefähr hin mit einer Haushaltsgröße von 2-3 Personen zusätzlich zur ursprünglich infizierten Person.

Zum Vergleich habe ich mir die von Viner ebenfalls zitierte Studie von Schoeps et al. 2021 angeschaut, die sich auf Rheinland-Pfalz bezieht, mit Untersuchungen zwischen August und Dezember 2020. Dafür steht in Viners Figure 2 eine SAR von 0.9%. Diese Zahl bekomme ich auch, wenn ich in Tabelle 1 von Schoeps die Zahl der Indexfälle “Student/child” betrachte und schaue, wieviele Sekundäransteckungen es gab (99) und unter wievielen Kontakten insgesamt (10716) die vorkamen: 99/10716 = 0,0092.

Meine Betrachtung find ich jedenfalls da bestätigt: Es waren insgesamt 346 Indexfälle (also Infizierte), also rund 31 Kontakte pro Schüler*in, wie man es erwarten sollte. Aber es waren eben auch 99 Sekundärinfizierte, insgesamt also ein R-Wert schulischer Übertragung von R=0,29. Zum Vergleich: bei den obigen koreanischen Zahlen waren es für die Haushalts-Übertragungen von 10- bis 19jährigen 124 primär Infizierte (Indexfälle), die laut Tabelle 2 ganze 43 weitere Personen angesteckt haben. Also  R=0,35.

Das ist dann zwar immer noch ein kleiner Unterschied, aber eben längst kein Faktor 2 mehr. Und sobald es Kontakte mit mehr als einer Klasse gibt (oder eben die Lehrer) ist die Frage, ob der Unterschied überhaupt noch zugunsten der Schule ausfällt. Bei den gemittelten SAR-Zahlen von Viner et al. ist der Unterschied jedenfalls schon nicht mehr vorhande: 0,7% für schulische SAR ergibt bei im Mittel 30 schulischen Kontaktpersonen ein schulisches R=0,21. Die Haushalts-SAR von 7,2% ergibt für im Mittel 2,6 Haushaltskontakte (bei durchschnittlicher Kinderzahl von 1,6) nur R=0,19. Zumindest was die Ansteckung durch Kinder angeht trägt das schulische Setting damit sogar  mehr zum Infektionsgeschehen bei als es die Haushalte tun.

(Die Autoren scheint das übrigens nicht zu scheren. Die schließen direkt aus der SAR, ohne die Kontaktgruppengrößen zu berücksichtigen, “SAR were markedly lower in school compared with household settings, suggesting that household transmission is more important than school transmission in this pandemic.” Das halte ich aus den genannten Gründen für einen Fehlschluss.)

Auch diese zweite Studie sagt also nicht das, was sie laut BMBF-Social-Media-Team sagen soll. Hm.

3. Irfan et al.

Kommen wir zur dritten angegebenen Studie, Irfan et al. – wieder eine Metaanalyse, diesmal zum Risiko von Kindern und Jugendlichen, sich anzustecken, und zwar relativ zu Erwachsenen im gleichen Setting. Relativ zu Erwachsenen, wohlgemerkt.

Auch da habe ich stichprobeweise mal eine Ebene tiefer geschaut, zunächst einmal um herauszubekommen, worauf sich in der aus meiner Sicht eher irreführend beschrifteten Tabelle überhaupt “Events” und “Total” bezieht. Mit “Events” sind offenbar outcomes wie “positiv getestet” gemeint, stellte sich heraus. Aber da fing es dann schon wieder an, denn in der Studie von Fontanet et al. 2020, die ich mir da herausgesucht hatte, fand ich zwar dieselben Zahlen wie in Figure 5 bei Irfan et al. Aber sie bedeuteten nicht das, als was Irfan et al. sie da präsentierten. In Figure 5 stehen bei Irfan et al. die Daten zum Vergleich der “educational settings”. Daraus wird im Abstract dann eine Aussage wie “in educational-settings, children attending daycare/preschools […] were observed to be at lower-risk when compared to adults”. Aber die Erwachsenen, die “adults” in Fontanet et al. gehören gar nicht in das betreffende Setting. Bei Irfan et al. sind jene Erwachsenen im Setting “high school” aufgeführt. Aber von den 421 dort genannten sind nur 80 Lehrer*innen oder arbeiten in sonstiger Funktion in der Schule. Die anderen sind die Eltern und Geschwister der Schüler*innen (und 3 “sonstige”). Für einen Vergleich “Erwachsene vs. Kinder in einer Schulumgebung”) taugen jene Zahlen also gar nicht. Zumal die Geschwister jener Schüler*innen, die da pauschal den Erwachsenen zugeschlagen werden, eigentlich auf die andere Seite gehören, denn sie dürften ja selbst in vielen Fällen Schüler*innen sein. Auweia.

Eine weitere Aussage, im Abstract ohne Zahlenwerte wiedergegeben, bezieht sich wieder auf die relativen Odds Ratios von schulischem Umfeld zu allgemeinem “community setting” (wieder einschließlich Haushalte). Da greift dann derselbe Vorbehalt wie bei Viner et al., mit den Gruppengrößen. Die Frage nach der relativen Kontaktgruppengröße bleibt in Irfan et al. unbeantwortet.

Aber selbst wenn wir die Aussagen der Studie glauben: Was sagen uns die? Erstens sind die Zahlen für Jugendliche/Kinder im Vergleich mit Erwachsenen doch sehr ähnlich. Für Grundschüler*innen liegt das “Risikoverhältnis” im Vergleich zu Erwachsenen zwischen 55% und 131% (95-Prozent-Konfidenzintervall), oder eben: kein signifikanter Unterschied. Ähnlich ist es bei Schüler*innen in weiterführenden Schulen (zwischen 71% und 238%).

Zweitens werden natürlich wieder die Gruppengrößen wichtig. Wenn ich eine Schule mit einer gegebenen Infektionslage habe, und wenn ich in jener Schule 30 Mal mehr Schüler*innen habe als Lehrer*innen, dann nützt der Odds Ratio von 0,85 in Bezug auf die Gesamtzahlen nicht soviel. Dann kommen auf jede*n infizierte*n Lehrer*in 26 infizierte Schüler*innen. Das sagt also selbst über die Verhältnisse innerhalb der Schulen nicht wirklich etwas wirklich Informatives aus.

…und was heißt das jetzt für die Rolle von Schulen für das Infektionsgeschehen?

Wie gesagt: Jene verlinkten Studien sind bereits bei den Dingen, die sie aussagen, nicht sonderlich beruhigend. Beispiel Secondary Attack Rates: da führt die unterschiedliche Kontaktgruppengröße (Haushalte klein, Schulen groß) letztlich dazu, dass Schulen eine größere Rolle bei den R-Werten spielen als Haushalte.

Zur Rolle von Schulen für das Infektionsgeschehen finde ich da nichts Aussagekräftiges. Dazu müsste man ganz andere Zusammenhänge betrachten als in jenen Studien untersucht. Und man müsste insbesondere untersuchen, wie sich das Virus zwischen den einzelnen Untergruppen verbreitet. Dass eine Familie sich gegenseitig ansteckt, sobald ein Mitglied infiziert ist, dürfte sehr wahrscheinlich sein. Dass in diesem Sinne Schulen sicher sind als gegenseitiger Umgang mit der Familie ohne Maske und in kurzem Abstand: klar, geschenkt. Aber zur möglichen Rolle der Schulen könnte auch unter solchen Umständen eine Art Verteilerfunktion gehören (wie sie bei Grippewellen ja offenbar gegeben ist). Wenn sich von 1000 Schüler*innen nur 50 in der Schule anstecken, jede*r dann aber wieder 2 Familienmitglieder bei sich zuhause ansteckt,  könnten wir ja auch nicht einfach sagen: Ha, Haushalt ist gefährlich, dort 100 Ansteckungen, in der Schule dagegen nur 50! Sondern dann hätte die Schule eine Schlüsselrolle bei der Verbreitung und damit bei der Infektionsdynamik gespielt, ohne dass das direkt an den reinen Fallzahlen des Zahlenbeispiels abzulesen gewesen wäre.

Nebenbei: schon die Formulierung, dass Schulen keinen “übermäßigen” Einfluss auf das Infektionsgeschehen hätten, hängt die Latte ja bereits unnatürlich hoch. Was heißt “übermäßig” in dem Zusammenhang? Wenn es vier Ansteckungsszenarien gäbe, die zu gleichen Teilen zum R-Wert beitragen, wäre ja auch nur jedes für 25% der Ansteckungen verantwortlich. Damit könnten wir mit einiger Berechtigung sagen, jenes eine Szenario spiele für sich genommen offenbar keine “übermäßige” Rolle. Es macht ja nur 25% des Gesamtproblems aus. Richtig wäre aber auch: Jenes Szenario spielte eine nicht unerhebliche Rolle für das Infektionsgeschehen. An “nicht übermäßig” lässt sich noch nicht ablesen, ob ein Szenario für die Pandemiebekämpfung wichtig ist oder nicht.

Fazit: Pandemie, Schule, Gesellschaft

Insgesamt finde ich damit die Äußerungen, die via Social-Media-Team aus dem BMBF kamen, durchaus irritierend. Erst eine klare, politisch relevante Ansage, die als wissenschaftlich untermauert präsentiert wird: “Studien zeigen, dass Schulen für sich keinen übermäßigen Einfluss auf das Infektionsgeschehen haben.” Dann, auch das ist noch löblich, transparent und Reaktion auf Nachfragen, nämlich die drei Tweets mit den drei Studien, auf die man sich bezog, und für jede Studie – auch das gute Praxis – direkt ein Link zum Anklicken. So geht Transparenz. Aber was die Transparenz dann zeigt, wenn man doch einmal nachschaut, sieht eben weniger gut aus. Hinter den Links stecken Studien, die jeweils Teilaspekte im Zusammenhang von Kindern/Jugendlichen beleuchten, aber keine Ergebnisse präsentieren, die die BMBF-Behauptung stützen würden.

Martinoli et al. beschäftigen sich nur mit Übertragung innerhalb von Schulen; das erlaubt keine Einordnung im breiteren Infektionsgeschehen. Viner et al. präsentieren SAR, Secondary Attack Rates; wenn man die jeweilige Gruppengröße mit einbezieht um von der SAR auf R-Werte zu bekommen, dann ist das Ergebnis aber im Gegenteil: Schulen tragen in jener Hinsicht mehr zum Infektionsgeschehen bei als Haushalte. Bei Irfan et al. dagegen steht das relative Risiko von Jugendlichen und Erwachsenen im Vordergrund. Und das ist zumindest deren Rechnung nach in Grund- und weiterführenden Schulen für Jugendliche/Kinder gleich hoch wie für Erwachsene, eventuell sogar höher. Aber auch das natürlich nur ein innerschulischer Wert, ohne direkten Rückschluss auf die Rolle von Schulen im allgemeinen Infektionsgeschehen.

Das alles wiederum unter dem Caveat: Ich lese die Studien als epidemiologischer Laie. Ich habe versucht hier transparent zu formulieren, was ich mit welcher Begründung daraus herauslese. Und umgekehrt frage ich mich natürlich: Wer twittert im Social Media-Team des BMBF? Sitzen da Epidemiolog*innen? Steckt dahinter ein Expertenrat? Falls da auch “nur” epidemiologische Lai*innen säßen, wäre ja schon sonderbar, wenn die mit der geballten Autorität eines Forschungsministeriums selbst auch nur ihre eigenen Laien-Einschätzungen twitterten. Nein, da gibt es sicher eine Struktur. Dazu sende ich, wenn dieser Beitrag online ist, mal eine Anfrage an das BMBF. Denn zuverlässige Information, gerade von offizieller Seite, ist und bleibt in dieser Pandemie extrem wichtig. Da wäre ja schon interessant herauszufinden, was dahintersteckt – der hier wiedergegebene und untersuchte Tweet-Austausch ist ja leider kein gutes Beispiel dafür, wie es in solchen Fällen laufen sollte. Insofern: stay tuned!

Und nebenbei bemerkt: Die Schwächen der verlinkten Metastudien, die sich alleine schon ergeben, wenn man stichprobenartig einige der zugrundeliegenden Fachartikel anschaut und vergleicht, wie deren Zahlen verwendet werden – Jugendliche die als Erwachsene gebucht werden, ein SAR das sich offenbar gar nicht auf Haushalte bezieht – fand ich, wiederum als epidemiologischer Laie, einigermaßen erschreckend.

Anmerkung zu Blogkommentaren

Weil Diskussionen beim Thema Covid, und ganz besonders beim heiklen Thema Covid und Schulen, gerne gewaltig aus dem Ruder laufen, moderiere ich die Kommentare unter diesem Beitrag wieder. Bitte (a) fassen Sie sich kurz (1200 Zeichen als Maximallänge sollten reichen) und (b) bleiben Sie beim Thema – und das ist hier explizit nicht die gesamtwe Thematik Schule und Covid, sondern es ist ganz spezifisch die hier angeschnittene Wissenschaftskommunikationsfrage, aber natürlich unter Einschluss der Inhalte der hier untersuchten Studien. Kommentare, die von einer der beiden Regeln abweichen, oder die allgemein beleidigend formuliert sind, werde ich hier nicht freischalten. Und wundern Sie sich bitte nicht, falls es mit dem Freischalten etwas länger dauert – ich versuche immer einmal wieder nach der Kommentarspalte zu schauen, aber habe natürlich noch einiges andere um die Ohren.