Regionale und zeitliche Trends der SARS-CoV-2 assoziierten Sterblichkeit in Bayern: Eine altersstratifizierte Analyse über 5 Quartale für Personen ab 50 Jahren

Zusammenfassung

Ziel der Studie Dieser Beitrag visualisiert regionale und zeitliche Heterogenität der SARS-CoV-2 assoziierten Mortalität in Bayern und untersucht den Einfluss regionaler Faktoren wie Inzidenzrate, Hospitalisierungen, sozio-ökonomischer Status und Pflegeheime auf die SARS-CoV-2 assoziierte Mortalität.

Methodik Die offiziellen bayerischen Meldedaten zu SARS-CoV-2 wurden für drei Altersgruppen (50–64, 65–74,>74 Jahre) zwischen März 2020 und April 2021 betrachtet. Karten mit regionalen standardisierten Mortalitätsraten wurden mit einem Bayesianischen hierarchischen Modell räumlich geglättet.

Ergebnisse Das Bild der regionalen Mortalität ist heterogen mit einem steigenden Gradienten nach Nord-Osten. Die Adjustierung nach standardisierten Inzidenzraten, Hospitalisierungen der infizierten Personen und Verfügbarkeit von Heimplätzen für ältere Menschen nivelliert die Heterogenität.

Schlussfolgerung Der Nord-Ost Gradient in den bayerischen SARS-CoV-2 spezifischen Sterberaten wird deutlich durch den vergleichbaren Gradienten der regionalen Inzidenzraten erklärt. Andere regionale Faktoren zeigen einen weniger deutlichen Einfluss.

Abstract

Objective The aim of this study was to investigate the influence of regional factors such as incidence rate, hospitalizations, socio-economic status and nursing homes on the regional and temporal heterogeneity of SARS-CoV-2-associated mortality in Bavaria.

Methodology Official Bavarian SARS-CoV-2 reporting data were considered for three age groups (50–64, 65–74,>74 years) between March 2020 and April 2021. Maps of regional standardized mortality rates were spatially smoothed using a Bayesian hierarchical model.

Results The picture of regional mortality was heterogeneous with an increasing gradient toward the northeast. Adjustment for standardized incidence rates, hospitalizations of infected persons, and availability of care homes for the elderly levelled the heterogeneity.

Conclusion The north-east gradient in Bavarian SARS-CoV-2-specific mortality rates is clearly explained by the comparable gradient in regional incidence rates. Other regional factors show a less clear influence.

Schlüsselwörter

SARS-CoV-2 - COVID-19 - standardisierte Raten - Gesundheitskarten - Deprivationsindex - Pflegeheime

Key words

SARS-CoV-2 - COVID-19 - standardized rates - disease mapping - deprivation index - nursing homes

Publikationsverlauf

Artikel online veröffentlicht:
15. Februar 2022

• Literatur

• 1 Deutscher Bundestag. Ausschuss für Gesundheit. Stellungnahme Prof. Gerard Krause. Im Internet: https://www.bundestag.de/resource/blob/824558/4b8cafedcdb0f4e7b2d6a16cdf272ce0/19_14_0288-21-_ESV-Prof-Dr-G%C3%A9rard-Krause_EpiLage-data.pdf Stand: 15.06.2021
• 2 Deutscher Bundestag. Ausschuss für Gesundheit. Stellungnahme Prof. Helmut Küchenhoff. Im Internet: https://www.bundestag.de/resource/blob/844296/6a8c11ce91db5d89b6d8bfa8d716474b/19_14-2_6-2-_Prof-Dr-Kuechenhoff_1-Anh-Eindaemmungsmassnahmen-data.pdf Stand: 15.06.2021
• 3 Robert Koch-Institut. COVID-19-Dashboard. Im Internet: https://experience.arcgis.com/experience/478220a4c454480e823b17327b2bf1d4 Stand: 15.06.2021
• 4 Plümper T, Neumayer E. The pandemic predominantly hits poor neighbourhoods? SARS-CoV-2 infections and COVID-19 fatalities in German districts. Eur J Public Health 2020; 30: 1176-1180
• 5 Mollie A. Bayesian mapping of disease. In: Gilks WR, Richardson S and Spiegelhalter DS, Hrsg. Markov Chain Monte Carlo in Practice. New York: Chapman & Hall Verlag; 1996: 359-379
• 6 Besag J, York J, Mollie A. Bayesian image restoration, with two applications in spatial statistics. Annals of the Institute of Statistical Mathematics 1991; 43: 1-59
• 7 Bayerisches Landesamt für Statistik. Statistische Berichte. „Bevölkerung in den Gemeinden Bayerns nach Altersgruppen und Geschlecht“. Im Internet: https://www.statistik.bayern.de/mam/produkte/veroffentlichungen/statistische_berichte/a1310c_201900.pdf Stand: 4.12. 2020
• 8 Maier W, Fairburn J, Mielck A. Regionale Deprivation und Mortalität in Bayern. Entwicklung eines ,Index Multipler Deprivation‘ auf Gemeindeebene. Gesundheitswesen 2012; 74: 416-425
• 9 Bayerisches Landesamt für Statistik. Pflegestatistik 2019. Im Internet: https://www.statistikdaten.bayern.de/genesis//online/data?operation = table&code=22400-002r&levelindex=0&levelid=1619074289346 Stand: 22.04.2021
• 10 University of Cambridge MRC Biostatistics Unit. The BUGS project 2021. Im Internet: https://www.mrc-bsu.cam.ac.uk/software/bugs/the-bugs-project-dic/#q3 Stand: 15.05.2021
• 11 Thomas A, Best N, Lunn D. et al. GeoBUGS User Manual Version 1.2, September 2004. Im Internet: https://www.mrc-bsu.cam.ac.uk/wp-content/uploads/geobugs12manual.pdf Stand: 10.12. 2020
• 12 R Core Team. 2020. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria https://www.R-project.org/
• 13 QGIS.org. 2021. QGIS Geographic Information System. QGIS Association http://www.qgis.org
• 14 Augustin J, Kistemann T, Koller D, Lentz S, Maier W, Moser J, Schweikart J. (Hrsg.). Gute Kartographische Praxis im Gesundheitswesen (GKPiG) (Forum IfL, 32). Leibniz-Institut für Länderkunde e.V. (IfL). 2017. https://nbn-resolving.org/urn:nbn:de:0168-ssoar-52071-9
• 15 Manz K, Mansmann U. Regionales Monitoring von Infektionen mittels standardisierter Fallfatalitätsraten am Beispiel von SARS-CoV-2 in Bayern. Bundesgesundheitsbl 2021; 64: 1146-1156
• 16 Pritzkuleit R, Eisemann N, Katalinic A. Die kartografische Darstellung regionaler Unterschiede in der Morbidität. Bundesgesundheitsbl 2017; 60: 1319-1327
• 17 Trivelli L, Borrelli P, Cadum E, Pisoni E, Villani S. Spatial-Temporal Modelling of Disease Risk Accounting for PM2.5 Exposure in the Province of Pavia: An Area of the Po Valley. Int. J. Environ. Res. Public Health 2021; 18: 658
• 18 Asaria P, Fortunato L. et al. Trends and inequalities in cardiovascular disease mortality across 7932 English electoral wards, 1982–2006: Bayesian spatial analysis. Int J Epidemiol 2012 41: 1737-1749
• 19 Pollan M, Ramis R, Aragones N. et al. Municipal distribution of breast cancer mortality among women in Spain. BMC Cancer 2007; 7: 78
• 20 Aragones N, Ramis R, Pollan M. et al. Oesophageal cancer mortality in Spain: a spatial analysis. BMC Cancer 2007; 7: 3