Soziologische Perspektiven auf die Corona-Krise – coronasoziologie.blog.wzb.eu

Transkript: Roland Rau und Saskia Morwinsky: Unterschiede in der Covid-19-Sterblichkeit zwischen den Bundesländern 2020 – Welche Rolle spielt die Altersstruktur?

ACHTUNG: Das Transkript wird automatisch durch wit.ai erstellt und aus zeitlichen Gründen NICHT korrigiert. Fehler bitten wir deshalb zu entschuldigen.

Joshua Perleberg
Und damit herzlich willkommen zur neuen Ausgabe unseres Podcasts zur soziologischen Perspektiven auf die Coronakrise. Mein Name ist Joscha Perleberg,
bin wissenschaftlicher Mitarbeiter am Wissenschaftszentrum Berlin für Sozialforschung.
Am 15. Dezember 2tausend21 hielt noch Roland Rau und Saskia Mowinsky einen Vortrag mit dem Titel Unterschiede in der covid-19Sterblichkeit zwischen den Bundesländern 2020. Welche Rolle spielt die Altersstruktur?
Roland Traus, Professor am Institut für Soziologie und Demografie an der Universität Rostock. Saskia Mowinsky besucht das postgravierten Programm der European Job Tool School of the Morephy.
Sterblichkeit aufgrund von covid-19 im Jahr 2020 war nicht in allen Bundesländern gleichermaßen ausgeprägt. Es wurde argumentiert, dass die Altersstruktur eine Rolle spielen wurde.
In ihrem Vortrag zeigen Rona Trau und Saskia Mowinski mittels einer sogenannten Dekompositionsanalyse für die Fallsterblichkeit, das ist die eine Altersstruktur nicht gibt. Dieser Artensatz erlaubt ihnen Unterschiede zwischen der deutschlandweiten Zeitsterblichkeit,
derjenigen in den jeweiligen Bundesländern quantitativ zu zerlegen,
in den Einfluss erstens der Altersstruktur der Bevölkerung, zweitens der Altersstruktur der Covid-19-Infektionen sowie drittens der Altersstruktur, der an covid-19 Verstorbenen.
Nun viel Spaß mit dem Vortrag.
Roland Rau
Vielen herzlichen Dank für die Einladung. Äh heute im Gegensatz zu den beiden anderen Malen, als ich schon im Kolloquium gesprochen habe.
Nicht die Hauptrolle, sondern Saskia Mowinski. Sie ist, wie schon gesagt wurde, jetzt in der European Doctor School of Demography.
Hat aber ihre Masterarbeit bei mir in Zusammenarbeit mit Max-Planck-Institut geschrieben. Sie ist gerade in Barcelona, wird aber finanziert von der Universität von Süd-Dänemark. Daher diese vier Affiliations bei Saskia auch noch. Ich würde so dieses Big Picture versuchen am Anfang zu zeigen, was wir machen wollten.
Saskia wird dann auf die Ergebnisse eingehen.
Die zentrale Frage, die wir untersuchen ist, welchen Einfluss hat er die Altersstruktur auf die,
Unterschied in der CFA zwischen den Bundesländern im Jahr 2tausend20,
Was wir machen ist eine Mortalitätsanalyse, aber wie ich auch unten geschrieben habe, wir untersuchen nicht die allgemeine Sterblichkeit oder
Insbesondere Saskia hat es nicht untersucht, die allgemeine Sterblichkeit, das Thema Übersterblichkeit ist immer ein wichtiges,
auch im Zusammenhang mit der Coronapandemie haben wir hier auch nicht analysiert, keine riesigen Ortsracios
Nein, was wir analysiert haben, ist die,
Eigentlich ist es ja eher eine Race-Show, wie wir gleich sehen werden. Der Fall verstorbenen Anteil oder wie es gerne auch genannt wird, die Fallsterblichkeit. Diese CFR ist ähm die Anzahl an,
an Krankheit X in dem Fall Covid-19 Verstorbenen im Zeitraum T geteilt durch die Anzahl derjenigen, die mit dieser.
Diagnostiziert wurden im Zeitraum T. Der Zeitraum T ist seit Beginn der Corona,
gewesen im März dann glaube ich ging unsere Zeitrechnung dann neu los. Ähm,
bis zum einunddreißigsten 12.220 und was analysiert wurde dann ist der Unterschied in dieser
CFA, CFR innerhalb Deutschlands. Was für Deutschland insgesamt gesehen haben, ist eine Fallsterblichkeit von 2,achtfünf Prozent.
Aber wenn wir uns die Karte auf der rechten Seite anschauen, sehen wir, dass es ein bisschen so ein Klickerteppich.
Aussehen hat. Also das ist nicht überall gleich ist, sondern dass wir wie so häufig in der Mortalitätsanalyse große, räumliche Unterschiede wahrnehmen.
Die Extremwerte sind einerseits seit's gemessen worden in Bremen mit 1,82 Prozent
Andererseits mit Thüringen mit 4,2 Prozent. Das sind alles einstellige Bereiche, wunderbar, aber wenn Sie sich's natürlich anschauen
Schon gewaltiger Unterschied, 1,8 zwei mal zwei sind's ja bei 3,6vier. Das heißt in Thüringen war die Fallsterblichkeit.
Mehr als das doppelte höher als in Bremen und um einiges höher als im Bundesdurchschnitt auch.
Könnte es liegen, man weiß oder über lange Zeit hinweg gab's große Unterschiede in der Sterblichkeit Ost-West. Liegt's vielleicht daran auch noch? Ist es ein typisches Phänomen in den neuen Bundesländern? Ähm dass da eine höhere.
CFA, gemessen wurde, auch nicht unbedingt in unserem schönen Bundesland Mecklenburg-Vorpommern.
Ich befinde mich grad hier. Ich hoffe, man kann den Mauszeiger auch sehen. In Rostock lag sie unterm Bundesdurchschnitt. Wir hatten da zwei Komma acht fünf ja im Bundesschnitt.
Mecklenburg-Vorpommern 2,3neun, also es ist nicht unbedingt ein Ost-West-Phänomen und Berlin liegt, wie man hier sieht, denke ich auch
Musste mich Saskia vielleicht korrigieren, leicht unterm Bundesdurchschnitt werden wir gleich noch sehen. Als solche Zahlen immer berichtet wurden auch im Zusammenhang mit der Übersterblichkeit
Wurden immer gesagt, na ja, unterschiedliche Altersstrukturen. Manche Bundesländer sind jünger, manche Bundesländer sind älter von der vom Durchschnittsalter, der Bevölkerung her. Welche Rolle spielt denn tatsächlich,
Die alte Struktur für die gezeigten Unterschiede und bevor ich.
Saskia überleite auch noch was wir gemacht haben, kann ich schon kurz sagen, ist eine Dekompositionsanalyse
Ist ein Methodenbaukasten, der in der Demografie sehr stark verbreitet ist. Den gibt's auch in der Soziologie. Aber wir wollen, glaube ich, auch hier demonstrieren, dass so eine Dekomposition wirklich ein
Sehr interessante, eine sehr interessantere Möglichkeit darstellt.
Unterschiede zwischen Aggregatmaßen darzustellen, die die einzelnen Komponenten zu zerlegen, also quasi auch ein bisschen Lobgesang auf klassische Aggregatdatenanalyse und wir könnten Dinge zeigen, die mit
Alte Standardisierung, was ja auch häufig verwendet wird, nicht gezeigt werden kann, denn bei einer Altersstandardisierung versucht man immer mit einem künstlichen Altersstruktur
Altersstruktureffekte auszublenden. Wir wollen sie explizit anschauen und schauen, welche Rolle spielt die Altersstruktur für die gezeigten Unterschiede und,
Jetzt gleich zeigen wird, welche Altersstruktur meinen wir denn eigentlich und es gibt nicht nur eine Altersstruktur, sondern drei verschiedene.
Damit möchte ich mein Teil beenden und Saskia bitten zu übernehmen.
Saskia Morwinsky
Genau. Also die erste Altersstruktur, die wir uns anschauen, ist die Altersstruktur der Bevölkerung,
Dann die zweite ist die Altersstruktur der Covid-19-Infektion.
Dann die dritte ist die Altersstruktur der covid-19 Sterbefälle. Und die Ausprägung dieser drei Komponenten beeinflusst dann, wie hoch die CFR in einer Bevölkerung ist.
Die Altersstruktur der Bevölkerung spiegelt zunächst einmal die demografischen Gegebenheiten einer Bevölkerung wieder, also zum Beispiel eines Bundeslandes.
Bildet erstmal die Grundlage dafür, wer sich grundsätzlich mit SARS-CoV-2 infizieren und daraufhin an einer Covid-19-Infektion sterben könnte.
Die Altersstruktur der Covid-19-Infektion wiederum zeigt, wer sich welchen Alters tatsächlich infiziert hat.
Und nun dem covid-19-Sterberisiko ausgesetzt ist.
Außerdem sind diese altersspezifischen Infektionsraten auch noch ein Hinweis darauf.
Wer sich nicht vor einer Infektion schützen konnte.
Dann die Altersstruktur der covid-19 -Sterbefälle zeigt schließlich wer sich infiziert hat und auch daraufhin tatsächlich an oder mit einer covid-19-Infektion verstorben ist.
Ja, die nächste Frage, die sich daraufhin stellt, ist dann ähm welche Beiträge dann die drei Komponenten zu den CFR unterschieden zwischen dem jeweiligen Bundesland und dem deutschen Durchschnitt leisten. Also Deutschland ist immer die Referenz.
Wir vergleichen jedes Bundesland mit diesem deutschen Durchschnitt.
Und ähm hier sehen wir dann einmal die ersten Ergebnisse. Dargestellt ist die Dekomposition der CFR Differenzen zwischen dem den einzelnen Bundesländern und Deutschland.
Deutschlands CFR noch einmal kurz zur Erinnerung, fürs Jahr zweitausendzwanzig ähm lag bei 2 Komma acht fünf Prozent.
Und auf der linken Seite sehen wir einmal die Bundesländer mit der dazugehörigen CFR in aufsteigender Reihenfolge von oben nach unten.
Wir fangen also bei Bremen mit 1,82 Prozent an und gehen dann bis zur höchsten in Thüringen von 4,2 Prozent. Und Berlin liegt mit 2,03 Prozent unter dem deutschen Durchschnitt, die Roland schon einmal gesagt hat.
Ja, die schwarzen Punkte, die wir sehen können, zeigen dann jeweils die gesamte CFR Differenz zwischen dem jeweiligen Bundesland und dem deutschen Durchschnitt.
Und die farbigen Balken zeigen dann nun die Beiträge der Komponenten zu diesen CFR-Differenzen.
Es handelt sich hier um ein additiven Ansatz. Das bedeutet praktisch, dass die.
Beiträge der Komponenten aufsummiert die gesamte CFR-Differenz. Zwischen dem Bundesland und Deutschland abbilden.
Wir können auch hier wieder ein Ost-West-Muster erkennen
hier unten haben wir die höchsten CFRs, die wir in den ostdeutschen Bundesländern finden und die Ausschläge der Balken zur rechten Seite zeigen, dass diese Beiträge,
Dieser Komponenten eine höhere CFR in diesen Bundesländern gefördert haben.
Und in den ostdeutschen Bundesländern hat besonders die ältere Bevölkerung hier
Zu den höheren CFRs beigetragen. Aber nicht nur diese demografischen Gegebenheiten, sondern auch die alterspezifische Infektionsrate hat hier deutliche Beiträge geleistet.
Wenn wir uns die gesamte Grafik ansehen, können wir natürlich Unterschiede erkennen, aber insgesamt sieht es relativ ausgeglichen aus. Also insofern, dass wir
Farben erkennen können, alle sind da
Aber unterm Strich ist es so, dass ähm die Altersstruktur der Bevölkerung und die alterspezifische Infektionsrate die höchsten Beiträge leisten und die alterspezifische covid-19 Fallsterblichkeit leistet
Spielt auch eine Rolle, aber eine etwas geringere. Was uns diese Abbildung nicht zeigt, ist welche,
Beiträge leisten dann die einzelnen Altersgruppen innerhalb dieser Komponenten zu diesen CFR Differenzen und wenn wir uns einmal Mecklenburg-Vorpommern zum Beispiel anschauen, sieht es so aus
als würde die altersspezifische Infektionsrate gar keinen Beitrag leisten,
Wenn wir uns das Ganze nun aber aufgeschlüsselt nach den einzelnen Altersgruppen anschauen.
Und dann können wir hier anhand der grünen Säulen erkennen, dass fast alle Altersgruppen wirklich erhebliche Beiträge zur CFR Differenz beitragen.
Das Ganze lässt sich hier so interpretieren, dass die Bevölkerung unter 60 Jahren grundsätzlich eine eine höhere CFR,
In Mecklenburg-Vorpommern gefördert haben,
Und das Ganze wird aber noch stärker ausgeglichen durch die Bevölkerung ab 60 Jahren, denn die hat eine niedrigere CFR gefördert.
Einmal natürlich durch die alterspezifischen Infektionsraten, wie wir sehen können, aber auch durch eine niedrigere, alterspezifische Fallsterblichkeit oder covid-19 Fallsterblichkeit,
In diesen Altersstufen. Was wir auch erkennen können für Mecklenburg-Vorpommern als ostdeutsches Bundesland, dass die ältere.
Bevölkerung eine so einer höheren CFR beigetragen hat. Einmal für die Altersstufen, die gerade gezeigt wird ähm der ab Achtzigjährigen.
Teilweise also zu einem geringen Beitrag auch ähm die 60 bis 79-jährigen und dann wieder etwas mehr die Fünfzehn-bis Vierunddreißigjährigen.
Ja, ist das denn ein typisches Ergebnis für Deutschland? Wie wir hier erkennen können, ist das nicht der Fall
wir können nur schwer ein eindeutiges Muster für Deutschland erkennen
Was wir aber erkennen können ist, dass gerade nach der Aufschlussschlüsselung ähm nach den Altersgruppen die alterspezifische Infektionsrate wirklich deutliche Beiträge,
zu den CFR Differenzen zwischen den Bundesländern und Deutschland leistet. Außerdem können wir recht klar erkennen, dass die äh ab 80-jährigen wirklich die.
Höchsten Beiträge auch leistet. Da können wir relativ klar die höchsten Balken einfach erkennen.
Und äh ja die ab 80-jährigen werden dann von den Altersgruppen der 15 bis 34 und 35 bis 59-jährigen gefolgt und die
60 bis 79-jährigen spielen überraschenderweise eine etwas geringere Rolle hierbei.
Welche Take-Home-Messages wollen wir Ihnen denn mit auf den Weg geben? Einmal wie eben angesprochen, dass die ab 80-jährigen tatsächlich am stärksten an der CFR-Variation innerhalb Deutschlands beteiligt ist.
Und dann.
Dass die Altersstruktur der Covid-19-Infektion, also diese grüne Säulenfarbe, die wir die wir sehen konnten, ist die am bedeutsamsten ist.
Und zwar nicht nur in Bezug auf die Höhe der Beiträge, sondern vor allem aus gesellschaftlicher Sicht.
Wir können nicht die Altersstruktur der Bevölkerung ändern und auch im Bezug auf die Sterblichkeit würde sich das schwierig erweisen. Doch im Rahmen nicht medizinischer Maßnahmen,
steht das größte Potential CFR Differenzen in Deutschland zu verringern, vor allem darin auf die Covid-19-Infektion Einfluss zu nehmen.
Natürlich unterliegen unsere Ergebnisse auch Limitation. Zum einen.
Die CFR als Maß selbst, denn dieses Maß ergibt sich aus den registrierten Infektions- und Todesfallzahlen. Das bedeutet, dass jeder nicht registrierte Fall auch dafür sorgt, dass wir mit der CFR die Realität etwas weniger gut abbilden können.
Ansonsten ist mir noch wichtig zu betonen, dass wir keine kausalen Aussagen machen können. Es handelt sich hier um Beschreibung und wir können auch Zusammenhänge abbilden.
Dennoch insgesamt liefern die Ergebnisse genügend Hinweise darauf, dass die CFR-Variationen in Deutschland,
Und auch strukturell bedingt ist.
Und damit bedanken wir uns vielmals äh für ihre Aufmerksamkeit und sind gespannt auf die Anmerkungen und Fragen.
Joshua Perleberg
Vielen Dank wirklich für diesen sehr interessanten Vortrag, auch,
persönlich von mir finde ich das auch methodisch äh höchst interessant ähm und möchte beginnen mit einem Fragenblock zum Thema Daten.
Ähm ein Thema, was ja seit Beginn der Pandemie immer äh eine Rolle spielt, ist die Frage, wie misst man eigentlich Covid-Todesfälle?
Ist ja die bekannte Frage, die ich auch schon äh mit Roland in einem vorigen Thema äh in einem vorigen Podcast diskutiert habe,
Sterblichkeit mit covid oder an Covid. Da wäre die Frage, ähm wurden hier Daten.
Erhoben die mit covid-Todesfälle messen oder ähm ancovid.
Und gibt es gegebenenfalls auch Unterschiede zwischen den Bundesländern dort, in der Erhebung oder vielleicht auch im internationalen Vergleich, was dann wiederum die äh Vergleichbarkeit dieser Maßzahl im internationalen Kontext erschwert.
Roland Rau
Ja, wie vielen herzlichen Dank für für die Nachfrage. Das ist immer denke ich eine eine ganz zentrale Frage nach der Datenqualität auch. Da kann ich nur beistimmen, wenn
da keine konsistenten Daten über die Zeit hinweg auch ähm.
Wenn Bayers existiert, soll ja über die Zeit hinweg natürlich auch konstant sein, um Trends, um Entwicklungen abzulesen, aber ich glaube, Saskia, du hast mehr Erfahrung tatsächlich mit dieser
Base, du warst da, glaube ich, ein bisschen mehr involviert. Vielleicht kannst du ein bisschen was so in Details genau in dem spezifischen Fall sagen.
Saskia Morwinsky
Wie ich ja auch im Prinzip am Schluss schon erwähnt habe, ähm wir sind da ganz stark von den Registrier äh von den Registrierungen abhängig ähm und das variiert natürlich.
Regional auf jeden Fall und auch zeitlich. Ähm.
Gerade mit der CFR ist es so, dass sie am Anfang einer einer Pandemie normalerweise immer höher ist, dadurch, dass wir vor allem die Todesfälle registrieren, aber gar nicht so sehr die die gesamten Infektionszahlen und da ist dann auch immer so ein mit drin,
Ansonsten ist das auf jeden Fall etwas, was man immer im Hinterkopf behalten sollte, dass man auf die Daten genauer schaut, aber ansonsten muss man mit mit den Daten arbeiten, die da sind.
Roland Rau
Also wir haben die diese Daten quasi für bare Münze genommen, wenn's denn regionale Unterschiede sowohl bei der Sterblichkeitsmessung gibt, wie auch bei der Registrierung von
Coronainfizierten auch noch. Das können wir mit diesen Daten nicht irgendwie
Rausrechnen, also das war auch gar nicht unser Ansatz, aber ist natürlich ein wichtiger Ansatzpunkt, wo vielleicht andere Personen auch auf unseren Ergebnissen, auf unseren Daten, die ja öffentlich verfügbar sind, auch aufbauen können. Ob's denn da auf einmal
Schwankungen gibt oder worauf vielleicht aus irgendwelchen Datensammlungsgründen Unterschiede entstehen können, aber das war nicht unser Ansatz, aber ein ganz ganz wichtiger
Punkt und Limitation ebenso vielleicht kann ich das noch kurz anfügen, auch eine Limitation, das hat man vergessen aufzuschreiben. Ähm das wäre natürlich relativ geringe Fallzahlen haben, insbesondere wenn wir in kleineren Bundesländern sind auch noch da können natürlich schon drei, vier
in einer jüngeren Altersgruppe das ganze Ergebnis natürlich schon stark beeinflussen auch also Konfidenzintervalle oder so was, das wäre natürlich eine,
Tolle Sache dafür auch noch, aber die hatten wir jetzt da nicht.
Joshua Perleberg
Hier ist vorhin auch noch mal das Stichwort äh Zeitgesign und da hat's da schließt sich nämlich genau auch eine Frage an einen ähm zur Methodik. Nämlich da wird gefragt, ob es nicht äh problematisch sei. Ähm die Infektionen und die Todesfälle ähm.
In dem gleichen Zeitraum zu messen zu dem gleichen Zeitpunkt ähm weil ja das die Menschen ja erst nach der Infektion versterben. Könntet ihr dazu noch mal kurz Stellung beziehen?
Saskia Morwinsky
Also das spielt tatsächlich in dem Fall keine Rolle. Dadurch, dass die äh Todesfallzahlen in der Datenbank äh angepasst werden, also die werden sozusagen rückgekoppelt. Ähm.
Zu sagen kann also wenn dann heute ein Infektionsfall eingeht dann wird innerhalb der nächsten vier Wochen geschaut.
Ist diese Person genesen oder ist sie verstorben und das wird dann entsprechend in der Datenbank angepasst. Deshalb ähm ich wollte eigentlich ganz gerne gucken, wie sieht das denn
aktuell aus, aber man müsste jetzt man könnte jetzt nur mit den etwa vier Wochen alten Daten tatsächlich arbeiten, um die Todesfälle ähm entsprechend mit drin zu haben.
Roland Rau
Aber ist natürlich prinzipiell, muss ich auch wieder sagen, Gerechtigter Berechtigter Kritikpunkt, weil so Infektionskrankheiten ist natürlich was anderes als ähm.
Bei anderen Krankheiten, die längere Latenzzeit haben, also wenn Leute heute.
Eine Zigarette rauchen, sterben sie ja nicht heute, morgen, übermorgen, sondern da gibt's natürlich viel längere Zeiten, ähm die man vielleicht berücksichtigen muss zwischen,
Auslöse und letztendlichen Effekt vielleicht ähm bei bei Corona glaube ich sind die Zeiträume enger und ich denke mit diesen vier Wochen sollte man schon
Die meisten Fälle tatsächlich auch ähm
Ist glaube ich auch ein üblicher Ansatzpunkt in der Epidemiologie, dass man eben vier Wochen nach Ereignis schaut, wie viel Leute sind da verstorben daran auch.
28 Tage her.
Joshua Perleberg
Ja und auch zur zweiten Maßzahl ähm für die hier verwendete CFR gibt es auch Fragen, nämlich zu einer Fragen der Tests. Ähm inwieweit auch die Test unterschiedliche Teststrategien in den Bundesländern gegebenenfalls die ähm,
Ergebnisse beeinflusst haben und auch gegebenenfalls eine altersspezifische Untererfassung ähm
vorliegen könnte, gerade wenn man bedenkt, dass er bei den Jüngeren ähm eher weniger auch Symptome auftreten. Dementsprechend dort auch gegebenenfalls grade auch in dem Zeitraum noch viel weniger ähm getestet wurde.
Ähm wie wären da denn so die ähm Einflüsse.
Saskia Morwinsky
Ähm tatsächlich habe ich ähm
mit Enriga Acosta und Natja Blitzsche an einem anderen Paper gearbeitet, wo wir uns das Ganze auch so ein bisschen ähm über die Zeit hinweg angeschaut haben und wir haben versucht, das mit den Teststrategien ähm ja wir haben haben es nicht
Wirklich mit einbringen können, aber wir haben zumindest versucht, ähm so ein bisschen danach zu kontrollieren. Ähm leider fehlen uns da
ausreichende Daten, also nach äh Region und nach Alter haben wir leider keine Testdaten, ähm das RKI stellt ähm ähm Testdaten,
Ich glaube, es war entweder nach,
Region oder nach äh Alter zur Verfügung, aber auch da mit dem Hinweis, dass die Daten nicht vollständig sind. Wir haben dann versucht mit den Daten, die wir haben, so ein bisschen zu schauen, ob man da was machen kann und ich meine, dass die, dass.
Besonders ab der zweiten Pandemiewelle.
Keine signifikanten Ergebnisse wirklich oder Unterschiede ähm festgestellt werden konnten oder keine Zusammenhänge. So ähm ansonsten wär's.
Sehr spannend und sehr toll, wenn wir die wenn wir die Daten hätten, um das wirklich mit einarbeiten zu können, aber
Es ist auf jeden Fall schwierig. Man hat auch gesehen, dass letztes Jahr ähm ab November, Dezember deutlich mehr,
ältere Leute getestet wurden und weniger junge Leute getestet wurden als in der Zeit davor und das,
Muss ja die Zahlen beeinflussen, aber wir können es nur schwer rausrechnen.
Roland Rau
Die Tendenz kann man zumindest sagen, wenn eben jüngere Leute.
Tendenziell weniger getestet werden. Ich würde mal sagen, die Anzahl der Sterbefälle ist eher korrekt erfasst als die der positiv ähm Getesteten auch noch. Das heißt, dass wir,
Zähle.
Künstlich kleinere Nenner hätten wir vermutlich eine höhere Fallsterblichkeit in jüngeren Altersstufen und wenn das Bundesland spezifisch ist, kann es natürlich seine Auswirkungen haben. Aber ich denke, die Tendenz würde genau
dass wir dann bei den Jüngern eine eventuell leicht zu hohe haben könnten auch.
Joshua Perleberg
Dann würde ich gern den Themenblock wechseln und ähm auf die grüne Säule, also die Infektion äh schauen. Dazu kam jetzt auch schon äh ein paar Fragen. Ähm und die ähm
würde ich beginnen nochmal ähm mit einer Verständnisfrage. Also
Grüne Säule misst sozusagen die alterspezifische Infektionsrate ähm.
Sind dann lässt sich an dieser dann auch sozusagen die Einhaltung der Corona-Maßnahmen ähm ablesen.
Saskia Morwinsky
Ich denke, es kann als Indikator dienen, also ähm dass man's mit heranziehen kann, aber es ist natürlich nicht eindeutig.
Es ist halt auch schwer dann zu trennen. Wer hat sich nicht an die ähm Maßnahmen meinetwegen gehalten und wer wer
sich nicht an die Maßnahmen halten, also ähm deshalb meinen wir auch, dass dass es ähm
auch Struktur nicht nur demografisch, sondern auch strukturell bedingt ist. Insofern als das ähm vielleicht in manchen Gebieten.
Ähm mehr Menschen ähm,
Zum Beispiel im Pflegebereich arbeiten oder einfach im Bereich, wo sie, wo sie den Kontakt mit Menschen nicht vermeiden können und eher dem Risiko einer Infektion ausgesetzt sind als Leute, die dann ähm.
Im Homeoffice arbeiten konnten. Also das sind ja dann einfach die Unterschiede und da diese Abgrenzung zu schaffen ist natürlich recht schwierig da muss man auf andere Quellen.
Denke ich noch mit ähm ähm zurückgehen, dass man da irgendwelche Verbindungen schaffen kann.
Roland Rau
Wir fanden das eben insbesondere interessant, wenn man diese drei Altersstrukturen anschaut. Das hat Saskia schönerweise auch am Ende nochmal betont, die blaue Säule, das ist die Altersstruktur der Bevölkerung, da ist uns allen die Hände gebunden. Wenn's darum geht,
Wer von den Infizierten verstirbt? Wir haben ja hier einen sozialwissenschaftliches Kolloquium auch. Das ist der Bereich der Medizin. Da können wir auch wenig machen. Wenn wir denn,
wo was machen können aus soziale, gesellschaftliche Sicht ist es, die einzige Säule ist die grüne Säule
nicht allein gesellschaftlich, sondern auch medizinisch natürlich auch, aber das ist der einzige Ansatzpunkt, denke ich mal und da fand ich schon ganz interessant, dass wirklich die die grünen Säulen tatsächlich dominieren, dass es da schon Potenzial zumindest gibt irgendwie.
Dies diese mit zu beeinflussen.
Joshua Perleberg
Hier sind mir noch zwei Fragen äh zugesendet worden, die sich vor allen Dingen auf ostdeutsche Bundesländer beziehen. Namentlich Brandenburg, Thüringen in Sachsen und da wurde gefragt, ähm ob
eine Art Klärungsgrund oder eine These zumindestens äh formuliert werden kann, warum dort die Infektionsrate so viel höher ist als in den anderen Bundesländern.
Saskia Morwinsky
Bei der Interpretation der Grünen-Balken ist das auch ein ein wenig schwierig ähm also auf den ersten Blick ist es nicht ganz intuitiv, aber wenn wir zum Beispiel bei Sachsen ähm uns das Ganze anschauen
da der hohe Balken im positiven Bereich der ab 80-jährigen das deutet einfach darauf hin, dass die Infektionsrate in dieser Altersstufe deutlich
über dem deutschen Durchschnitt lag.
Sich das das deshalb auch dann erhöht auf die CFR ausgewirkt hat. Wenn wir uns jetzt aber die Altersstufen unter 60 Jahren anschauen, dann ist es so, dass ähm zwar wirkt sich das
mindernd auf die CFR, aber eigentlich ist auch hier die Infektionsrate höher.
Und das ist dann diese rechnerische Sache, die Roland gerade schon angesprochen hat, äh wenn wir in den in der jüngeren Bevölkerung, also unter 60 Jahren ähm.
Mehr Fälle haben.
Dann wirkt sich das nicht wirklich auf die Todesfälle aus aus, sondern nur auf den auf den Nenner in der ähm in der Rechnung, so dass die CFR.
Ähm gemindert wird, obwohl wir mehr Infektionen hier haben und das kommt dadurch zustande, dass wir unter 60 Jahren einfach eine so sehr geringe.
Fallsterblichkeit.
Joshua Perleberg
Den Hula Traut und Saskia Mobinsky, unserem digitalen Kolloquium am 15. Dezember 2021 gehalten haben. Wir hoffen, sie konnten ein paar Anregungen mitnehmen. Wenn sie mögen, dann abonnieren und teilen sie doch gerne.
Außerdem freuen wir uns über positive Bewertungen auf Apple Podcasts oder den Portalliefer bei. Auf Twitter.
At Coronasus. Wir danken fürs Zuhören und bis zum nächsten.