Das Wissensportal für Markt & Raum

Suche
Close this search box.

Die Regionaliät von COVID-19

Ständig neue Daten und Fakten zur räumlichen und zeitlichen Ausbreitung des Corona-Virus

Wenn in diesen Zeiten über das Corona-Virus informiert wird, dann dürfen wir dabei nicht vergessen, dass eine Epedemie räumlich wie zeitlich sehr unterschiedlich verläuft. Sprach man so zum Beispiel zu Beginn der Ausbreitung vom Krisengebiet NRW (vgl. täglicher Lagebericht des RKI vom 12.03.), weil das Bundesland absolut wie relativ zur Bevölkerung bundesweit an der Spitze lag, überholte Hamburg bereits nur 2 Tage später (vgl. RKI-Bericht vom 14.03.). Seitdem rutschte das Land NRW in Bezug auf seine Infizierte pro 100.000 Einwohner auf Platz 4 mit 59, hinter Hamburg (96), Baden-Würtenberg (88) und Bayern (85) (vgl. RKI-Lagebericht vom 28.3.).

Regionale Verteilung der Infizierten und ihr Verhältnis zur Bevölkerung

Zunächst ist es wichtig zu verstehen, dass sich die absolute Anzahl der Infizierten nicht nur regional sehr voneinander unterscheidet, sondern auch die Infektionsrate. Sie wird bestimmt, indem man pro Region die Anzahl der Infizierten pro 100.000 Einwohner angibt. Das macht man, weil auch die Bevölkerunganzahl differiert. So erhält man eine einheitliche Bezugsgröße (Relation) für die absolute Anzahl der Infizierten. Das Land NRW weist so beispielsweise eine Bevölkerung von fast 18 Mio. Einwohnern auf, Bayern dagegen nur etwa 13 Mio. (siehe nachfolgende Tabelle des RKI vom 28.3.2020)

COVID-19 Fälle pro Bundesland
Quelle: RKI, Lagebericht vom 28.3.2020

Die Bezugsgröße je 100.000 Einwohner ist standard. Sie berücksichtigt nicht die Einwohnerdichte, die in Relation zur Fläche oder sogar Bebauungsdichte einer Region gesetzt wird.

Je kleiner die Region, desto präsziser die Aussage. Je größer die Region, desto größer die Abweichung.

Wie wichtig die Betrachtung feinräumiger Daten ist, wurde bereits in dem Blogbeitrag Mikrogeographische Daten für die Epidemienforschung behandelt. Ein einfaches, aktuelles Beispiel soll dies veranschaulichen:

Die Bundesregierung ließ am 27.3.2020 verlauten, dass die Bürger noch Geduld haben sollen. Erst wenn die Verdopplungsrate etwa 10 Tagen betrage, könne über eine Entschärfung der Maßnahmen (Ausgangseinschränkungen etc.) nachgedacht werden. Diese läge aber zu diesem Zeitpunkt immer noch bei nur bei 4-5 Tagen, so die Kanzlerin (siehe NEWS der Tagesschau).

Die Verdopplungsrate ist ein einfaches Mittel zur Berechnung der Ausbreitungsgeschwindigkeit, die angibt in welcher Zeit sich die Anzahl der Infizierten verdoppelt. Der an die Öffentlichkeit kommunizierte Wert stellt einen bundesweiten Durchschnitt da. Pro Bundesland unterscheidet sich dieser, siehe nachfolgende Tabelle von NRW, der hier zur selben Zeit bei 7 Tagen lag.

Verdopplungsrate COVID-19, 7-Tage, NRW, Datenquelle: MAGS, 27.03.2020. Eigene Darstellung.

Der Ausbruch der Pandemie COVID-19 in Deutschland begann chronologisch am 27.1.2020 mit dem ersten Fall in München, es folgten in der Region weitere Infektionsmeldungen, die alle auf die Firma Westabo zurückzuführen war (vgl. Spiegel vom 13.02.2020). Der Virus schien unter Kontrolle, weil Anzahl und Regionalität sehr begrenzt waren. Bis der Karneval im Rheinland stattfand. Am 15.2.2020 auf einer Kappensitzung in Gangelt, im Kreis Heinsberg. Dort infizierte der „Patient Null NRW“, der immer noch nicht ausfindig gemacht werden konnte (vgl. WDR), u.a. ein Ehepaar, das am 24.2.2020 aus Köln in die Düsseldorfer Universitätsklinik eingeliefert wurde und die ersten offiziellen Infizierten in Nordrhein-Westfalen darstellt. Die Karnevalsfeier stellte für die Region den sog. Super-Spreader dar. Noch heute (30.03.2020) ist der Kreis Heinsberg (je 100.000 Einwohner) HotSpot der Pandemie in Deutschland. Absolut gesehen wurde er nun von der Stadt Köln überholt (siehe nachfolgende Graphik).

Abbildung: Die Entwicklung der Infizierten (absolut) für ausgewählte Städte und Landkreise in NRW vom 24.3. bis 30.3.2020. Datenquelle, MAGS. Eigene Darstellung.

Vergleicht man nun Köln und Bonn miteinder erkennt man die jeweils unterschiedliche, zeitbedingte Entwicklung der Infizierten je Region. So differiert auch die Verdopplungsrate von Region zu Region.

Die Bedeutung der Altersstruktur

Widmen wir uns zunächst allgemein der Altersverteilung und ihrer Bedeutung in der Pandemie. infas 360 hat die aktuellen COVID19-Fälle des RKI, die nach Geschlecht und Alter vorliegen (22.256 Fälle) mit der Verteilung in der Gesamtbevölkerung Deutschlands abgeglichen (vgl. Blogbeitrag). Im Ergebnis zeigt sich ein deutlich überproportionaler Anteil der Infizierten in der Altersgruppe der 35- bis 59-jährigen Männer, die um 70% häufiger von einer Infektion betroffen sind gegenüber allen anderen Altersgruppen. Die älteren ab 60 Jahren sind deutlich unterdurchschnittlich betroffen (siehe Tabellen INFAS360_COVID19_nachAlter).

Ein Blick ins Ausland zeigt ein anderes Bild: Hier wiederum verteilte sich die Infektion unter den Altersgruppen mit Stand Ende März (Quelle: Statista) ganz anders:

  • 0-18 Jahre 1,4%
  • 19-50 Jahre 25,8%
  • 51-70 Jahre 36,9%
  • >70 Jahre 35,9%

Die Infektionswelle bzw. die Durseuchung erfolgt zeitlich. Wären die Folgen einer Infektion, d.h. die Notwendigkeit einer medizinischen Versorgung (bis hin zum Todesfall) unter den Altersgruppen gleichverteilt, dann wäre die Altersverteilung der Intensiv- oder Todesfälle ähnlich verteilt. Dem ist aber bei COVID-19 wie z.B. auch bei der Influenza nicht so (siehe nachstehende Tabelle).

Der RKI-Lagebericht vom 7. April sagt, dass in Deutschland zu diesem Zeitpunkt bezogen auf die rund 100.000 Infektionen, 1,6%  Menschen mit oder an COVID-19 verstorben sind. Das sind 16 Menschen auf 1.000 Infizierte. Von diesen 16 Menschen sterben 14 >= 70 Jahre alt sind bzw. nur 2 < 70 Jahren. Gleichzeitig weist das RKI aus, es haben sich 85% < 70 Jahren und nur 15% >70 Jahren infiziert. Obowhl sich also deutlich jüngere Altersgruppen infizieren sterben sehr viel mehr ältere. Die Mortalität bezogen auf die Gruppe der >= 70-Järigen liegt so zu diesem Zeitpunnkt bei 9,3%, die der < 70-Jährigen bei nur 0,25%.

Kein Wunder also, dass immer wieder zu lesen ist, die Schwere des Krankheitsverlauf (bis hin zum Tod) sei stark abhängig vom Alter und damit verbunden auch von den (jeweiligen) Vorerkrankungen.

Die regionale Verteilung der Altersgruppen

Nicht nur, dass die Pandemie zeitlich wie räumlich unterschiedlich durch das Land zieht, auch die Altergruppen verteilen sich unterschiedlich und damit die Anzahl der Infektionen und vor allem auch die Anzahl der aktuten Krankheitsverläufe (bis hin zur Anzahl der Todesfälle).

Das bedeutet, dass die notwendige medizinische Versorgung nicht nur abhängig von der regionalen Bevölkerungsverteilung, sondern vor allem abhängig ist von der regionalen Altersverteilung.

Die nachfolgende Abbildung aus der interaktiven Karte CORONA REGIONAL zeigt am Beispiel der Altersgruppe 60+, dass sich diese regional sehr unterschiedlich verteilen (pro Stadt/Landkreis).

Verteilung der >60-Jährigen in % pro Kreis, Quelle: https://www.easymap-xplorer.de/view/4b459d8b-56a5-4df7-a398-9318189bd45b

Die Verteilung der älteren Menschen zeigt auch auf lokaler Ebene, d.h. unterhalb der Gemeindeebene ein räumlich differenziertes Bild. Das ergibt sich schon alleine aus dem Umstand, dass etwa 5% der 65+ in Alten- und Pflegeheimen wohnen und sich damit räumlich clustern.

Weitere Risikogruppen

So wie sich die Altersgruppen regional unterschiedlich verteilen, verteilen sich auch die medizinisch erfassten stationären Fälle je Krankheit. In der Regionastatistik unterscheidet man hier zwischen unterschiedlichen Kategorien, z.B. Krebs, Herz-Kreislauf und u.a. auch das Atmungssystem (vgl. nachfolgende Tabelle).

Statistisch erfasste Krankheiten je Kreis, Beispiel Heisnberg 2017, Quelle: infas 360 GmbH

In den täglichen Berichten der Gesundheitsämter über die aktuelle Situation wird deutlich, dass Vorerkrankungen, besonders in Kombination zu einem deutlichen höherer Sterberisiko führen. In Heinsberg liegt die stationäre Zahl für Atmungssysteme bei 4.301 bzw. 17 pro 1.000 Einwohner und damit deutlich höher als z.B. in Bonn mit nur 14 stationär behandelten pro 1.000 Einwohner.

Atmungssysteme, stationär im Kreis Heinsberg, 2017
Anzahl Atmungssysteme, stationär im Kreis Heinsberg, 2017, im Vergleich zu anderen Kreisen.

Die unterschiedliche regionale Ausprägung kann man sich in der interaktiven Karte CORONA REGIONAL veranschaulichen.

Todesfälle gibt es überall, aber nicht gleichverteilt

Zunächst einmal gilt eine Faustformel: Je mehr Menschen in einem Gebiet leben, desto mehr sterben dort auch. Starben beispielsweise 2018 bundesweit knapp 955.000 Menschen, weist NRW davon mit 22,11% den höchsten Anteil auf, analog zur Bevölkerung der BRD.

Nun gilt aber auch: Je älter ein Mensch, desto eher stirbt dieser statistisch. Das heisst, dass die Altersverteilung in einem Gebiet neben der Bevölkerungszahl ein wesentliches Maß darstellt, um eine Sterberate vorauszusagen.

Die klinische Versorgung je Region

Letzte Aktualisierung, 15.06.2020

Daten, Fakten & Analysen

Sie haben Fragen? Dann kontaktieren Sie unser Experten-Team unter experten@geomarketing.de.

Germany

Italy

Spain

Weiterhin breites Spektrum

Natürlich behandeln wir auch nach wie vor alle anderen Themen rund um Geomarketing – das ist ja unser Leben! Und genau das möchten wir wir in diesen herausfordernden Zeiten besonders mit Ihnen teilen.

Herausgeber

Michael Herter

Kategorien
Eintrag teilen

Sie wollen mehr Wissen?

Wir stellen den Kontakt zum Experten her

Alle Themen auf geomarketing.de sind konkreten Spezialisten zugewiesen, die zu Ihren Fragen die kompetenten Antworten wissen. Bitte nutzen Sie für den Erstkontakt das Online-Formular.

Data Science Summit: Datenbasierte Lösungen für Städte & Kommunen

Business Mapping On Tour:

infas LT und PTV Logistics schließen strategische Allianz

Seien Sie dabei: Gewinnen Sie Freikarten für den Data Science Summit 2023 in Bonn!

Data Science Summit am 27.04.2023

Zahlreiche amtliche Geobasisdaten in Bayern als OpenData

10. Deutsches Geoforum des DDGI 2022 in Berlin mit der Verleihung des GeoInMINT Awards

Herbsttagung der German Data Science Society

GeoIN MINT-Award 2022