Regionales Monitoring von Infektionen mittels standardisierter Fallfatalitätsraten am Beispiel von SARS-CoV-2 in Bayern

Manz, Kirsi und Mansmann, Ulrich (12. August 2021): Regionales Monitoring von Infektionen mittels standardisierter Fallfatalitätsraten am Beispiel von SARS-CoV-2 in Bayern. In: Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz

Abstract

Hintergrund: Karten zur zeitlichen Entwicklung der regionalen Verteilung einer gesundheitsbezogenen Maßzahl ermöglichen public-health-relevante Bewertungen des Gesundheitsgeschehens.

Ziel der Arbeit: Die Arbeit führt das Konzept der standardisierten Fallfatalitätsrate (sFFR) ein. Sie beschreibt das Verhältnis der regionalen Abweichung in der Mortalität zur regionalen Abweichung im dokumentierten Infektionsprozess. Die regionalen sFFR-Werte werden in Karten dargestellt und die darin beobachtete zeitlich variierende regionale Heterogenität interpretiert.

Materialien und Methoden: Die regionale sFFR ist der Quotient der regionalen standardisierten Mortalitäts- und Fallrate. Sie wird mittels eines bivariaten Modells geschätzt. Die in Karten dargestellten sFFR-Werte basieren auf den SARS-CoV-2-Meldedaten aus Bayern seit Anfang April 2020 bis Ende März 2021. Es werden 4 Quartale (Q2/20, Q3/20, Q4/20, Q1/21) betrachtet.

Ergebnisse: In den betrachteten Quartalen liegen die bayerischen naiven FFR-Werte bei 5,0 %, 0,5 %, 2,5 % und 2,8 %. In Q2/20 sind die regionalen sFFR-Werte unregelmäßig über das Bundesland verteilt. Diese Heterogenität schwächt sich in der zweiten Welle der Epidemie ab. In Q1/21 zeigen sich in Südbayern nur vereinzelt Regionen mit erhöhter sFFR (> 1,25). Im Norden Bayerns bilden sich Cluster von Regionen mit einer sFFR > 1,25. Das Oberallgäu ist die Region mit dem niedrigsten sFFR-Wert (0,39, 95 % Kredibilitätsintervall: 0,25–0,55).

Diskussion: In Bayern zeigen sich heterogene regionale SARS-CoV-2-spezifische sFFR-Werte, die sich über die Zeit verändern. Sie schätzen das relative Risiko, als dokumentierter Infektionsfall an/mit COVID-19 zu versterben. Eine starke kleinräumige Variabilität der sFFR legt nahe, regionale gegenüber übergeordneten Maßnahmen zur Steuerung des Infektionsgeschehens vorzuziehen.

• Dokumententyp: Zeitschriftenartikel
• Publikationsform: Publisher's Version
• Keywords: Bayesian hierarchical models; Geographical epidemiology; Indirect standardization; Standardized incidence rate; Standardized mortality rate.
• Fakultät: Medizin > Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie
• Themengebiete: 600 Technik, Medizin, angewandte Wissenschaften > 610 Medizin und Gesundheit
• Sprache: Deutsch

Literaturliste

Lawson AB (2018) Bayesian disease mapping. Hierarchical modeling in spatial epidemiology. Chapman and Hall/CRC, New York - DOI

Best N, Richardson S, Thomson A (2005) A comparison of Bayesian spatial models for disease mapping. Stat Methods Med Res 14:35–59. https://doi.org/10.1191/0962280205sm388oa - DOI - PubMed

Tobler W (1970) A computer movie simulating urban growth in the Detroit region. Econ Geogr 46(2):234–240. https://doi.org/10.2307/143141 - DOI

Besag J, York J, Mollie A (1991) Bayesian image restoration, with two applications in spatial statistics. Ann Inst Stat Math 43:1–59. https://doi.org/10.1007/BF00116466 - DOI

Neyens T, Lawson AB, Kirby RS, Faes C (2016) The bivariate combined model for spatial data analysis. Stat Med 35(18):3189–3202. https://doi.org/10.1002/sim.6914 - DOI - PubMed - PMC

Thomas A, Best N, Lunn D, Arnold R, Spiegelhalter D (2004) GeoBUGS user manual version 1.2. https://www.mrc-bsu.cam.ac.uk/wp-content/uploads/geobugs12manual.pdf . Zugegriffen: 10. Dez. 2020

Bayerisches Landesamt für Statistik (2020) Bevölkerung in den Gemeinden Bayerns nach Altersgruppen und Geschlecht. https://www.statistik.bayern.de/mam/produkte/veroffentlichungen/statisti... . Zugegriffen: 4. Dez. 2020

Robert Koch-Institut (2020) Falldefinition des Robert Koch-Instituts. https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Falldefinit... . Zugegriffen: 6. Dez. 2020

Linden M, Dehning J, Mohr SB et al (2020) Case numbers beyond contact tracing capacity are endangering the containment of COVID-19. Dtsch Arztebl Int 117:790–791. https://doi.org/10.3238/arztebl.2020.0790 - DOI - PubMed - PMC

Baud D, Qi X, Nielsen-Saines K, Musso D, Pomar L, Guillaume F (2020) Real estimates of mortality following COVID-19 infection. Lancet Infect Dis 20(7):773. https://doi.org/10.1016/S1473-3099(20)30195-X - DOI - PubMed - PMC

R Core Team (2020) R: a language and environment for statistical computing. https://www.R-project.org/ . Zugegriffen: 14. Apr. 2021

QGIS.org (2021) QGIS geographic information system. http://www.qgis.org . Zugegriffen: 14. Apr. 2021

Pritzkuleit R, Eisemann N, Katalinic A (2017) Die kartografische Darstellung regionaler Unterschiede in der Morbidität. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 60:1319–1327. https://doi.org/10.1007/s00103-017-2651-5 - DOI - PubMed

WHO (2021) WHO Coronavirus (COVID-19) dashboard. https://covid19.who.int/ . Zugegriffen: 15. Apr. 2021

Johns Hopkins University (2021) COVID-19 dashboard by the Center for Systems Science and Engineering at Johns Hopkins University. https://www.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd4029942... . Zugegriffen: 15. Apr. 2021

Robert Koch-Institut (2021) COVID-19-Dashboard. https://experience.arcgis.com/experience/478220a4c454480e823b17327b2bf1d4 . Zugegriffen: 15. Apr. 2021

LGL (2021) Übersicht der Fallzahlen von Coronavirusinfektionen in Bayern. https://www.lgl.bayern.de/gesundheit/infektionsschutz/infektionskrankhei... . Zugegriffen: 15. Apr. 2021

COVID-19 Data Analysis Group @ LMU (2021) CoronaMaps. https://corona.stat.uni-muenchen.de/maps/ . Zugegriffen: 15. Apr. 2021

Mollie A (1996) Bayesian mapping of disease. In: Gilks WR, Richardson S, Spiegelhalter DS (Hrsg) Markov chain Monte Carlo in practice. Chapman & Hall, New York, S 359–379

Trivelli L, Borrelli P, Cadum E, Pisoni E, Villani S (2021) 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 18:658. https://doi.org/10.3390/ijerph18020658 - DOI - PMC

Asaria P, Fortunato L et al (2012) Trends and inequalities in cardiovascular disease mortality across 7932 English electoral wards, 1982–2006: Bayesian spatial analysis. Int J Epidemiol 41:1737–1749. https://doi.org/10.1093/ije/dys151 - DOI - PubMed

Pollan M, Ramis R, Aragones N et al (2007) Municipal distribution of breast cancer mortality among women in Spain. BMC Cancer 7:78. https://doi.org/10.1186/1471-2407-7-78 - DOI - PubMed - PMC

Aragones N, Ramis R, Pollan M et al (2007) Oesophageal cancer mortality in Spain: a spatial analysis. BMC Cancer 7:3. https://doi.org/10.1186/1471-2407-7-3 - DOI - PubMed - PMC

INWT Statistics Blog (2021) COVID-19: Karte der lokalen 7‑Tage-Inzidenz im Zeitverlauf. https://www.inwt-statistics.de/blog-artikel-lesen/COVID-19_Karte_der_lok... . Zugegriffen: 13. Apr. 2021