„Auch wenn die ersten beiden Corona-Wellen schon lange vergangen sind, kann man viel daraus lernen. Nämlich: welche Einflussfaktoren mit niedrigen bzw. hohen Infektionsraten zusammenhängen und was uns eventuell im kommenden Herbst wieder erwarten wird“, sagt Professorin Gabriele Doblhammer, die den Lehrstuhl für Soziologie und Demographie an der Universität Rostock leitet.

In zwei Studien untersuchte die international vernetzte Forscherin gemeinsam mit dem Doktoranden Constantin Reinke und dem Postdoc Dr. Daniel Kreft, warum die ersten beiden Corona-Wellen sich regional so unterschiedlich in Deutschland ausgebreitet haben. Denn: Über die sozioökonomische Verbreitung, insbesondere der ersten Welle von COVID-19-Infektionen in Deutschland, ist wenig bekannt.

„Wir haben die Landkreise unter die Lupe genommen und wollten wissen, ob sich das Risiko für COVID-19-Infektionen zwischen den Regionen in Abhängigkeit von z.B. ihren sozioökonomischen Merkmalen, also beispielsweise Bildung, Einkommen, Gesundheit, Mobilität, Alter und Geschlecht unterscheidet“, sagt Constantin Reinke, der an der Universität Hamburg Sozialökonomie und an der Universität Rostock Volkswirtschaftslehre studierte und jetzt, ebenfalls in Rostock, promoviert. Die Rostocker Forscher haben einen „etablierten Algorithmus aus dem Bereich des so genannten maschinellen Lernens auf sozialwissenschaftliche Fragestellungen übertragen, deren Ergebnisse und Anwendungsmöglichkeit künftig auch zur Vorhersage der COVID-Ausbreitung dienen kann“, sagt Dr. Daniel Kreft. Und der funktioniert so, „dass Zusammenhänge zwischen bestimmten Merkmalen eines Kreises wie der Bevölkerungsdichte oder der Arbeitslosenquote und der COVID-Inzidenz ermittelt werden können, ohne dass vorab eine bewusste Auswahl von Merkmalen getroffen werden muss“, erläutert Dr. Daniel Kreft. „Frühere Studien haben immer nur wenige ausgewählte Merkmale untersucht, wir berücksichtigen eine große Menge und identifizieren über unseren Algorithmus die wichtigsten, die das Infektionsgeschehen abbilden. Voraussetzung dafür ist, dass die Merkmale über die Kreise hin vergleichbar sind und nach etablierten wissenschaftlichen Methoden erhoben wurden.“

Mit Daten des Robert-Koch-Instituts zu COVID-19-Diagnosen unterschieden die Rostocker Forscher fünf Zeiträume zwischen dem 1. April und 23. Juli 2020 (für die 2. Welle entsprechend 1. Oktober und 15. Dezember 2020) und charakterisierten die Regionen anhand von über 160 Eigenschaften, unter anderem der geografischen Lage des Kreises, der Einwohnerdichte, des Durchschnittseinkommens der Bevölkerung, der Arbeitslosenquote, der Quote von Pflegebedürftigen oder des Anteils der Bevölkerung mit einem bestimmten Bildungsabschluss.

„Unsere Ergebnisse zeigen, dass die erste COVID-19-Welle als Krankheit in wohlhabenderen ländlichen Kreisen in Süddeutschland begann und erst im Verlauf der ersten Welle in ärmere städtische und ländliche Kreise vordrang“, unterstreicht Constantin Reinke. Der negative soziale Gradient, dass z.B. in Kreisen mit höherer Arbeitslosigkeit mehr Menschen von COVID-19 betroffen waren, entstand ab dem ersten Lockdown, wo wohlhabendere Landkreise besser geschützt zu sein schienen. Welche Ursachen spielten dabei die entscheidende Rolle? Wirtschaftliche und bildungsbezogene Merkmale der jungen Bevölkerung waren es beispielsweise und das gerade zu Beginn der Pandemie.

Während der zweiten Welle hätte sich das Bild verschoben. „Was man sehen konnte, war, dass so etwas wie der „Ischgl-Effekt“, also die regionale Nähe zu Hotspot Gebieten, die zu Beginn der ersten Welle mit hohen Inzidenzen verknüpft war, nicht mehr zu sehen war“, sagt Constantin Reinke. „Aber auch in der zweiten Welle kam es zu einer vergleichbaren Änderung des sozialen Gradienten, sodass im Laufe der zweiten Welle immer stärker sozial schwache Kreise ein hohes Infektionsgeschehen aufwiesen.“
Die Daten, die die Rostocker Forscher zur Grundlage nahmen, stammen aus großen Datensammlungen der Statistischen Ämter des Bundes und der Länder, des Bundesinstituts für Bau-, Stadt- und Raumforschung, der Pflegestatistik, der Zensusdatenbank, der Datenbank des Bundesumweltamts und der Pendlerstatistik des Instituts für Arbeitsmarkt- und Berufsforschung, sagt Dr. Daniel Kreft.

Was man aus dieser Studie lernen kann, formuliert Professorin Doblhammer so: „Die räumliche Ausbreitung der Covid-19-Pandemie ist nicht zufällig, sondern wird durch die sozialen Merkmale der Bevölkerung bestimmt. Soziale Schichten mit hoher Mobilität z.B. im Urlaub bestimmen am Anfang von Pandemiewellen das Geschehen. Diese Schichten können sich in den Lockdowns z.B. durch Homeoffice besser schützen. Damit verlagert sich die Pandemie zunehmend in die sogenannten systemrelevanten Bevölkerungsgruppen und die Gruppe der besonders vulnerablen älteren Menschen in Pflegeheimen. Bei den aktuellen Lockerungen der Covid-Maßnahmen sowie möglichen steigenden Fallzahlen im Herbst erwarten wir ein ähnliches Pandemiegeschehen.“

Text: Wolfgang Thiel

Vorheriger ArtikelDrohende Abschwächung der EU-Batterieverordnung: Umwelthilfe fordert Umweltministerin Lemke auf, sich für längere Nutzung und besseres Recycling einzusetzen
Nächster ArtikelZahl der Unternehmensinsolvenzen auf historischem Tiefstand

Kommentieren Sie den Artikel

Bitte kommentieren sie.
Bitte geben sie ihren Namen ein.