Im Jahr 2024 war ich Teil eines Teams, das eine retrospektive epidemiologische Auswertung von Mpox-Überwachungsdaten aus dem Bundesstaat Imo, Nigeria, für den Zeitraum 2017 bis 2023 veröffentlichte. Wir analysierten 231 Verdachtsfälle in 27 Local Government Areas. Von diesen wurden 49 positiv bestätigt, was einer Bestätigungsrate von 21,2 % entspricht, bei einer Fallsterblichkeitsrate von 8 %.
Die Zahlen erzählen einen Teil der Geschichte. Was sie nicht erfassen, ist, was die Untersuchung über den Zustand der Krankheitsüberwachung in Nigeria offenbarte und was das für die Gestaltung besserer Systeme bedeutet.
Der auffälligste Befund war die geografische Häufung. Acht Distrikte machten 71 % der Verdachtsfälle aus, obwohl sie nur 32 % der Bevölkerung repräsentierten. Das ist in der Ausbruchsepidemiologie nicht ungewöhnlich. Häufungsmuster deuten auf zugrunde liegende Risikofaktoren hin – Nähe zu Wildtierreservoiren, spezifische berufliche Expositionen, Verhaltensweisen in der Gemeinschaft oder Lücken beim Zugang zur Gesundheitsversorgung. Doch die Untersuchung offenbarte auch etwas über unser Überwachungssystem: Unsere Fähigkeit, Fälle zu erkennen und zu melden, war im gesamten Bundesstaat uneinheitlich.
Distrikte mit besserer Gesundheitsinfrastruktur meldeten mehr Fälle. Das klingt naheliegend, hat aber eine entscheidende Implikation. Hohe Fallzahlen in gut ausgestatteten Gebieten könnten eine bessere Erkennung widerspiegeln, nicht eine höhere Übertragung. Niedrige Fallzahlen in unterversorgten Gebieten könnten Lücken in der Überwachungskapazität widerspiegeln, nicht das Fehlen der Krankheit. Jedes Überwachungssystem, das gemeldete Fälle als tatsächliche Prävalenz behandelt, ohne die Erkennungskapazität zu berücksichtigen, wird irreführende Erkenntnisse liefern.
Hier können digitale Gesundheitstools einen transformativen Unterschied machen. Ein Überwachungssystem, das die Fallmeldung digitalisiert, die Datenerfassung in allen 27 LGAs standardisiert und gleichzeitig Fallzahlen und Meldequoten verfolgt, liefert ein grundlegend anderes Bild. Man sieht nicht nur, wo Krankheit gefunden wird, sondern auch, wo sie sich möglicherweise verbirgt.
Die andere Lektion aus Imo State war der Wert historischer Daten. Unser Datensatz umfasste sechs Jahre. Diese zeitliche Tiefe ermöglichte es uns, Trends, saisonale Muster und Verschiebungen in der Altersverteilung zu erkennen, die eine Momentaufnahme eines einzelnen Jahres übersehen hätte. Die Aufrechterhaltung von Überwachungssystemen über politische Zyklen und Budgetänderungen hinweg ist eines der schwierigsten Probleme im öffentlichen Gesundheitswesen. Es ist auch eines der wichtigsten.
Für jedes Gesundheitssystem, das jetzt in Überwachungsinfrastruktur investiert, würde ich folgende Prioritäten empfehlen: digitale Fallmeldung, die auf einfachen Smartphones funktioniert, standardisierte Falldefinitionen, die bereits bei der Dateneingabe durchgesetzt werden, sowie eine Rückkopplungsschleife, die Daten auf Distriktebene an die Gesundheitsfachkräfte zurücksendet, die sie erhoben haben. Letzterer Punkt wird unterschätzt. Gesundheitsfachkräfte, die sehen, dass ihre Daten genutzt und ihnen zurückgespiegelt werden, werden zu besseren Überwachungsbeauftragten. Diejenigen, die ins Leere melden, hören irgendwann auf, sorgfältig zu berichten.
Die Mpox-Untersuchung bestärkte meine Überzeugung, dass Überwachung nicht nur eine technische Funktion ist. Sie ist ein System des Vertrauens zwischen Gemeinschaften, Gesundheitsfachkräften und Institutionen. Digitale Tools können dieses System stärken, aber nur, wenn sie mit den Menschen im Mittelpunkt gestaltet werden, nicht um sie herum.