Epidemiologisches Bulletin 5 2022 - RKI
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
AKTUELLE DATEN UND INFORMATIONEN
ZU INFEKTIONSKRANKHEITEN UND PUBLIC HEALTH
5 Epidemiologisches
2022 Bulletin
3. Februar 2022
COVID-19: soziale Ungleichheit
und sozialräumliche Betrachtung
des Infektionsgeschehens
Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 2
Inhalt
Soziale Ungleichheit und COVID-19 in Deutschland – Wo stehen wir in der vierten Pandemiewelle? 3
Für eine Vielzahl von Erkrankungen und Todesursachen ist zwischen der sozioökonomischen und gesund-
heitlichen Lage ein enger Zusammenhang nachgewiesen. Auch die Ausbreitungsmuster von SARS-CoV-2 über
verschiedene soziale Gruppen werden seit Pandemiebeginn international und in Studien des RKI bundesweit
untersucht. Im Beitrag werden die zentralen Ergebnisse zum aktuellen Stand zusammengefasst und um
Daten aus der dritten und vierten Pandemiewelle ergänzt. Aus den dargestellten Befunden ergeben sich Hin-
weise auf Möglichkeiten, die Lücken im Infektionsschutz zu schließen.
Die COVID-19-Pandemie in Steglitz-Zehlendorf –
sozialräumliche Betrachtung des Infektionsgeschehens 11
Die laborbestätigten SARS-CoV-2-Falldaten des Berliner Bezirks Steglitz-Zehlendorf im Zeitraum 01.03.2020
bis 30.09.2021 wurden mit dem Ziel ausgewertet, genauere Erkenntnisse über den zeitlichen Verlauf und die
kleinräumige Verteilung des Infektionsgeschehens zu gewinnen. Es wurde außerdem geprüft, ob Zusam-
menhänge zwischen dem Infektionsgeschehen und der Verteilung soziodemografischer Merkmale über die
verschiedenen Sozialräume erkennbar sind.
Aktuelle Statistik meldepflichtiger Infektionskrankheiten: 4. Woche 2022 23
Monatsstatistik nichtnamentlicher Meldungen ausgewählter Infektionen: November 2021 26
Einschätzung der aktuellen Situation zur RSV-Aktivität 27
Impressum
Herausgeber Allgemeine Hinweise/Nachdruck
Robert Koch-Institut Die Ausgaben ab 1996 stehen im Internet zur Verfügung:
Nordufer 20, 13353 Berlin www.rki.de/epidbull
Telefon: 030 18754 – 0
E-Mail: EpiBull@rki.de Inhalte externer Beiträge spiegeln nicht notwendigerweise
die Meinung des Robert Koch-Instituts wider.
Redaktion
Dr. med. Jamela Seedat Dieses Werk ist lizenziert unter einer Creative Commons
Dr. med. Maren Winkler, Heide Monning (Vertretung) Namensnennung 4.0 International Lizenz.
Redaktionsassistenz
Nadja Harendt
Claudia Paape, Judith Petschelt (Vertretung)
ISSN 2569-5266
Das Robert Koch-Institut ist ein Bundesinstitut im Geschäftsbereich des Bundesministeriums für Gesundheit.
Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 3
Soziale Ungleichheit und COVID-19 in Deutschland
Wo stehen wir in der vierten Pandemiewelle?
falls Hinweise darauf, dass diese nicht alle Bevölke-
Kernaussagen rungsgruppen gleich häufig und gleich schwer be-
▶▶ Das Infektions- und Sterbegeschehen verla- treffen, insbesondere in Pandemiezeiten. So haben
gerte sich ab der zweiten Pandemiewelle zu- Analysen der Influenza-Pandemien 1918 und 2009
nehmend in sozioökonomisch benachteiligte gezeigt, dass sozioökonomisch benachteiligte Bevöl-
Regionen. Auch in der vierten Pandemie kerungsgruppen besonders stark von der Influenza
welle zeigt sich ein besonders starker Anstieg beziehungsweise von tödlichen Krankheitsverläu-
von COVID-19-Fällen in sozioökonomisch fen betroffen waren.6–8 Diese sozialepidemiologi-
stark benachteiligten Regionen. schen Muster können in verschiedenen Phasen ei-
▶▶ Bundesweite Studiendaten auf Einzelfall ner Pandemie allerdings unterschiedlich zum Aus-
ebene zeigen, dass Menschen mit niedriger druck kommen.
Bildung ein doppelt so hohes Infektionsrisi-
ko haben wie Menschen mit hoher Bildung. Für das Severe Acute Respiratory Syndrome Corona
▶▶ Personen aus sozioökonomisch benachtei- virus Type 2 (SARS-CoV-2) und die dadurch ausge-
ligten Gruppen und deprivierten Regionen löste Coronavirus Disease 2019 (COVID-19) sind die
werden weniger getestet, sodass Infektionen Ausbreitungsmuster über verschiedene soziale
häufiger unerkannt bleiben. Gruppen seit Pandemiebeginn international unter-
▶▶ Potenziale zur Steigerung der Impfbeteili- sucht worden. Die ersten Befunde aus den Anfangs-
gung unter Erwachsenen liegen insbesonde- monaten der COVID-19-Pandemie zu Beginn des
re bei den unter 60-Jährigen mit niedriger Jahres 2020 stammen vor allem aus den USA und
und mittlerer Bildung. Großbritannien.9,10 Sie weisen auf höhere Risiken
▶▶ Um dem erhöhten Infektions- und Sterbe für eine SARS-CoV-2-Infektion und schwere bis
risiko sozioökonomisch benachteiligter Be- tödliche COVID-19-Verläufe in sozioökonomisch
völkerungsgruppen in der Pandemie entge- benachteiligten Bevölkerungsgruppen hin. Das
genzuwirken, bedarf es niedrigschwelliger Robert Koch-Institut (RKI) hat diese frühen sozial
und lebensweltnaher Infektionsschutz-, Test- epidemiologischen Befunde aus der Pandemie in
und Impfangebote, die aufsuchende Ansätze Übersichtsarbeiten zusammengefasst9,11 und parallel
beinhalten. dazu verschiedene Studien und Datenanalysen be-
gonnen, um soziale Unterschiede im Pandemiege-
schehen bundesweit zu untersuchen sowie über
Personen mit einem niedrigen sozioökonomischen den Verlauf der Pandemie zu monitoren.12,13 Zentra-
Status haben durchschnittlich deutlich höhere le Ergebnisse zum aktuellen Stand werden im Fol-
Krankheits- und Sterberisiken als Personen mit ei- genden zusammengefasst und um aktuelle Daten
nem mittleren und hohen sozioökonomischen Sta- aus der dritten und vierten Pandemiewelle ergänzt.
tus. Dieser enge Zusammenhang zwischen der so-
zioökonomischen und gesundheitlichen Lage ist für
eine Vielzahl von Erkrankungen und Todesursa- Soziale Unterschiede im Inzidenz- und
chen nachgewiesen, insbesondere für nichtüber- Sterbegeschehen
tragbare Krankheiten wie Herz-Kreislauf- und chro- Das anfängliche Ausbruchsgeschehen in Deutsch-
nische Atemwegserkrankungen, aber auch für be- land zu Beginn der ersten Pandemiewelle (März
stimmte Infektionskrankheiten.1–5 Zudem gibt es und April 2020) war zunächst durch höhere Infek-
bei akuten viralen Atemwegserkrankungen eben- tionszahlen in wohlhabenderen Regionen gekenn-
Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 4
zeichnet, was mit Reiseaktivitäten von Personen aus denz in den sozioökonomisch stark benachteiligten
sozioökonomisch bessergestellten Gruppen wie Ge- Regionen über alle Altersgruppen hinweg festzu-
schäfts- oder Skireisende in Zusammenhang ge- stellen.15 Auch während der dritten Welle im Früh-
bracht wird.12 Danach verlagerte sich das Infektions- jahr 2021 setzte sich das Muster höherer Inzidenzen
geschehen zunehmend in sozioökonomisch be- in sozioökonomisch benachteiligten Regionen fort
nachteiligte (deprivierte)I Regionen Deutschlands. (Abb. 1). Ergänzende Auswertungen mit diesem re-
Diese Verlagerung war während der ersten Pande- gionalisierten Analyseansatz weisen darauf hin,
miewelle bereits innerhalb Süddeutschlands zu be- dass Personen aus sozioökonomisch benachteilig-
obachten, also in dem Teil Deutschlands, der in die- ten Bevölkerungsgruppen ihre Mobilität berufsbe-
ser Phase der Pandemie insgesamt am stärksten dingt weniger einschränken konnten, da sie weni-
vom Infektionsgeschehen betroffen war.12 Während ger Möglichkeiten zur Arbeit im Home-Office hat-
der zweiten Pandemiewelle im Herbst und Winter ten, was zu dieser regionalen Dynamik beigetragen
2020/21 wurden zunächst erneut etwas höhere In- haben kann.16 Erste Analysen dieser Art für die ak-
fektionszahlen in sozioökonomisch bessergestellten tuelle vierte Welle im Herbst 2021 zeigen, dass sich
Regionen verzeichnet. Ab Dezember war dann auch trotz der Impfkampagne eine ähnliche Dynamik an-
deutschlandweit eine zunehmende Verlagerung des deutet wie ein Jahr zuvor während der zweiten Wel-
Infektionsgeschehens hin zu einer höheren Inzi- le (Abb. 1). So stieg die Inzidenz während der vierten
Welle in hoch deprivierten Regionen Deutschlands
durchschnittlich besonders stark an und lag dort ab
I Regionale soziale Benachteiligung (Deprivation) wurde in
den Analysen mit dem German Index of Socioeconomic Meldewoche 46 erneut am höchsten.
Deprivation (GISD) auf Ebene der 401 Landkreise und
kreisfreien Städte erfasst. Der GISD misst das Ausmaß Soziale Unterschiede im COVID-19-Geschehen
sozioökonomischer Deprivation der Kreisbevölkerungen
und ist ein mehrdimensionaler Index aus regionalen kommen besonders deutlich bei schweren Krank-
Bildungs-, Beschäftigungs- und Einkommensindikatoren.14 heitsverläufen und Todesfällen zum Ausdruck – ein
Inzidenz pro 100.000 (altersstandardisiert)
Meldewoche 2020/21
Abb. 1 | Altersstandardisierte wöchentliche Inzidenz der an das RKI übermittelten COVID-19-Fälle in Deutschland nach regionaler
sozioökonomischer Benachteiligung (Deprivation) und Meldewoche in 2020/21. Datenbasis: Meldedaten gemäß Infektions-
schutzgesetz (Stand: 06.01.2021, 0:00 Uhr)
Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 5
Kumulative Todesfälle pro 100.000 (altersstandardisiert)
Sterbewoche 2020/21
Abb. 2 | Kumulative Todesfälle im Zusammenhang mit COVID-19 (altersstandardisiert) in Deutschland nach regionaler
sozioökonomischer Benachteiligung (Deprivation) und Kalenderwoche des Sterbedatums in 2020/21. Datenbasis: Meldedaten
gemäß Infektionsschutzgesetz (Stand: 06.01.2021, 0:00 Uhr)
Muster, das international berichtet und unter ande- vierte Welle deutet sich bislang keine Änderung die-
rem im Zusammenhang mit der stärkeren Verbrei- ses Musters an.
tung von Vorerkrankungen sowie einem erschwer-
ten Zugang zu Gesundheitsversorgung in sozioöko- Die oben beschriebenen regionalisierten Analysen
nomisch benachteiligten Gruppen gesehen wird.17–20 der COVID-19-Meldedaten haben den Vorteil, dass
Auch in Deutschland sind beträchtliche soziale Un- damit soziale Unterschiede im Infektions- und Ster-
terschiede in der Häufigkeit von Todesfällen im Zu- begeschehen auf sozialräumlicher Ebene engma-
sammenhang mit COVID-19 zu beobachten. Insbe- schig über den Pandemieverlauf verfolgt werden
sondere während der zweiten Pandemiewelle stieg können, sie erlauben aber keinen direkten Rück-
die COVID-19-assoziierte Sterblichkeit in sozioöko- schluss auf Infektionsrisiken von Einzelpersonen.
nomisch benachteiligten Regionen stark an. Da- Aus diesem Grund sowie zur Abschätzung der Un-
durch übersteigt die Zahl der COVID-19-Todesfälle tererfassung im Meldesystem führt das RKI ge-
in sozioökonomisch hoch deprivierten, also sozial meinsam mit dem Sozio-oekonomischen Panel
benachteiligten Regionen seit etwa Mitte der zwei- (SOEP) am Deutschen Institut für Wirtschaftsfor-
ten Welle jene in wenig deprivierten, also wohlha- schung die deutschlandweite Antikörper-Studie
benden Regionen (Abb. 2). Eine weiterführende „CORONA-MONITORING bundesweit“ (RKI-SOEP-
Analyse zeigt, dass die COVID-19-assoziierte Sterb- Studie) durch, in der sowohl zurückliegende als
lichkeit in den hoch deprivierten Regionen während auch aktuelle Infektionen auf Einzelfallbasis in ei-
der zweiten Pandemiewelle bis zu 1,5-mal so hoch ner Stichprobe der erwachsenen Allgemeinbevölke-
lag wie in den wohlhabenden Regionen, wobei Ein- rung ermittelt werden.13 Durch die Probennahmen
flüsse weiterer Faktoren wie die regionale Alters- und Laboranalysen können in dieser Studie auch
struktur, Siedlungsstruktur und Bevölkerungsdich- bislang unerkannte Infektionen erfasst werden. Die
te bereits statistisch herausgerechnet sind.21 Wie in Ergebnisse der ersten Erhebung der RKI-SOEP-
Abbildung 2 zu erkennen ist, haben sich die regio- Studie im Oktober 2020 bis Februar 2021 zeigen,
nalen sozialen Unterschiede in der COVID-19-asso- dass Personen mit niedrigem Bildungsstatus ein
ziierten Sterblichkeit über die dritte Welle ab Melde- etwa doppelt so hohes Risiko hatten, sich während
woche 9/2021 weiter ausgeweitet. Für die aktuelle der ersten beiden Pandemiewellen mit SARS-CoV-2
Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 6
Abb. 3 | Adjustiertes Odds Ratio (OR) mit 95 %-Konfidenzintervall für eine SARS-CoV-2-Infektion
nach Bildungsstatus (adjustiert für Alter, Geschlecht, Haushaltsgröße, Migrationshintergrund,
Urbanität, Wohnregion und Datum der Studienteilnahme). Datenbasis: RKI-SOEP-Studie22
zu infizieren, im Vergleich zu jenen mit hohem Bil- nen mit geringer Deprivation. Ein Abgleich der in
dungsstatus (Abb. 3).22 der Studie festgestellten Infektionshäufigkeiten mit
den an das RKI übermittelten Meldedaten weist da-
rauf hin, dass die Untererfassung von Fällen im
Soziale Unterschiede im Testen, Meldewesen in hoch deprivierten Regionen deutlich
Erkennen von Infektionen und Impfen höher liegt als in weniger deprivierten Regionen.23
Weitere Ergebnisse der ersten Erhebung der RKI- Dementsprechend deutet sich auch ein höherer An-
SOEP-Studie zeigen, dass auch die Häufigkeit von teil unerkannter Infektionsfälle in hoch deprivierten
PCR-Testungen auf eine SARS-CoV-2-Infektion mit Regionen an (Tab. 1). Differenziert nach Bildungs-
der sozioökonomischen Lage variiert. So fand sich gruppen zeigte sich in der RKI-SOEP-Studie, dass
die höchste Testprävalenz in der oberen Bildungs- für Personen mit hohem Bildungsstatus nach statis-
gruppe und die niedrigste Testprävalenz in der un- tischer Kontrolle anderer soziodemografischer Vari-
teren Bildungsgruppe.23 Auch auf regionaler Ebene ablen das Risiko einer unerkannten SARS-CoV-2-
war diese soziale Differenzierung festzustellen. Infektion im Vergleich zu Personen mit mittlerem
Demnach lag die Testprävalenz in hoch deprivierten und niedrigem Bildungsstatus halbiert ist.22 Ange-
Regionen durchschnittlich niedriger als in Regio- sichts dieser Befunde muss angenommen werden,
Jemals getestet Untererfassung Anteil
(PCR-Labortest) im Meldewesen unerkannter Fälle
% (95 %-KI) Faktor (95 %-KI) % (95 %-KI)
Hohe Deprivation 18 (16–21) 4,3 (1,8–8,7) 77 (46–89)
Mittlere Deprivation 22 (21–24) 1,6 (0,9–2,7) 38 (–12–63)
Geringe Deprivation 29 (27–32) 1,7 (1,0–2,6) 40 (–1–62)
Tab. 1 | Testprävalenz, Untererfassung im Meldewesen und unerkannte Fälle bis November
2020 in Deutschland nach regionaler sozioökonomischer Benachteiligung (Deprivation).
Datenbasis: RKI-SOEP-Studie und Meldedaten gemäß Infektionsschutzgesetz23
KI = Konfidenzintervall
Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 7
dass die sozialen Unterschiede in der Inzidenz, die penspezifische Potenziale zur Steigerung der Impf-
in der oben dargestellten regionalisierten Analyse beteiligung.
der Meldedaten beobachtet wurden, in ihrem Aus-
maß noch unterschätzt sind.
Maßnahmen
Soziale Unterschiede in der Bereitschaft, sich gegen Aus den dargestellten Befunden ergeben sich Hin-
COVID-19 impfen zu lassen, wurden in Deutsch- weise auf Möglichkeiten, die Lücken im Infektions-
land in verschiedenen Befragungsstudien unter- schutz zu schließen, was gerade auch angesichts der
sucht. In unterschiedlichen Phasen der Pandemie fünften Welle unabdingbar für eine effektive Pande-
wurde jeweils eine geringere Impfbereitschaft bei miekontrolle ist.
Personen mit niedrigerem sozioökonomischem
Status gefunden.24 – 26 Das RKI führt seit Anfang 1) Um dem erhöhten Infektionsrisiko in sozioöko-
2021 regelmäßig das „COVID-19 Impfquoten-Moni- nomisch benachteiligten Bevölkerungsgruppen
toring in Deutschland“ (COVIMO) als bundesweite entgegenzuwirken, bedarf es zielgerichteter
telefonische Befragungsstudie unter Erwachsenen Präventions- und Infektionsschutzmaßnah-
ab 18 Jahren durch. Bisher findet die Befragung mit men, die auf die Lebens- und Arbeitsbedingun-
Ausnahme der neunten Erhebung ausschließlich in gen der Menschen abgestimmt sind. Das bein-
deutscher Sprache statt. In der aktuellsten abge- haltet die dauerhafte, niedrigschwellige und
schlossenen Erhebungswelle vom 15. September bis kostenlose Verfügbarkeit von Mund-Nasen-
18. Oktober 2021 zeigten sich vor allem bei den unter Schutz und Hygieneartikeln an leicht zugäng
60-Jährigen deutliche soziale Unterschiede in der lichen Orten, wie Apotheken, öffentlicher Nah-
Impfbeteiligung. In dieser Altersgruppe lag der An- verkehr, Supermarkteingang, Arbeitsstelle oder
teil derer, die mindestens einmal gegen COVID-19 Hausarzt. Zudem bedarf es, sollte kein Home-
geimpft waren, sowohl in der niedrigen als auch in Office möglich sein, eines effektiven Hygiene-
der mittleren Bildungsgruppe deutlich niedriger als und Testkonzepts, besonders in prekären Ar-
in der hohen Bildungsgruppe (Abb. 4). Auch wenn beitsbereichen.
die Impfquoten in dieser Befragung aus verschiede- 2) Auch ist ein verbesserter und zielgruppenorien-
nen methodischen Gründen insgesamt überschätzt tierter Informationszugang für alle Bevölke-
werden, liefern die gefundenen Bildungsunter- rungsgruppen essenziell. Ergänzend zu beste-
schiede wichtige Hinweise auf bevölkerungsgrup- henden Angeboten bedeutet dies die Erweite-
% (95 %-KI)
Abb. 4 | Impfbeteiligung (mindestens einmal gegen COVID-19 Geimpfte) nach Bildungsstatus
und Altersgruppe. Datenbasis: COVIMO 8. Befragung (15.09.–18.10.2021)
KI = Konfidenzintervall
Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 8
rung von aufsuchender Arbeit in sozioökono- mehrsprachige Mediatorinnen und Mediato-
misch benachteiligten Regionen und Quartieren ren, die die Regionen kennen und lokal vernetzt
durch erfahrene Mediatorinnen und Mediato- sind, durchgeführt werden. Sie können über
ren, Schlüsselpersonen und Peers in der Le- das Angebot informieren und bei Bedenken
benswelt der Menschen. Der Einsatz von mehr- ggf. direkt mit Informationen zur Verfügung
sprachigem Personal ist hier empfehlenswert, stehen. Die Einbeziehung von Vertrauens- und
um auch Menschen zu erreichen, die nicht oder Schlüsselpersonen aus den jeweiligen Commu-
wenig Deutsch sprechen. nities ist hier wichtig, um die Akzeptanz von
3) Um der erhöhten Untererfassung von Infektio- Impfungen zu erhöhen.
nen in sozioökonomisch benachteiligten Grup- 5) Um Maßnahmen und Interventionen zielge-
pen und Regionen zu begegnen, bedarf es eines richteter planen zu können, ist ein besseres
zielgerichteten niedrigschwelligen Testange- Verständnis der Lebenswelten, Motivationen,
bots in deprivierten Wohngegenden und Ar- Vorbehalte und Risikowahrnehmung sozioöko-
beitsbereichen mit erhöhtem Infektionsrisiko. nomisch benachteiligter Bevölkerungsgruppen
Ebenso sollte die möglichst kostenlose Verfüg- notwendig. Hierfür bedarf es explorativer qua-
barkeit von Schnelltests sichergestellt sein, so- litativer Studien, die unter Beteiligung der ent-
dass diese arbeitsort- und wohnortnah leicht sprechenden Bevölkerungsgruppen durchge-
zugänglich sind (z. B. über Schulen, Arbeitsstät- führt werden.
te, Supermarkt, Apotheke, Drogerie). 6) Um gesundheitliche Ungleichheiten langfristig
4) Um die Impfbeteiligung unter sozial Benach- und über diese Pandemie hinaus zu reduzie-
teiligten zu erhöhen, sind niedrigschwellige, ren, bedarf es neben medizinischer Prävention
flexible und wohnortnahe Impfangebote in den und Früherkennung vor allem verhältnisprä-
jeweiligen Regionen und Wohngegenden be- ventiver Maßnahmen und politikbereichsüber-
sonders vielversprechend, wie z. B. der Einsatz greifender Anstrengungen zur Verbesserung
von Impfbussen. Diese Angebote sollten proak- der Lebens- und Arbeitsbedingungen in sozio
tiv mit aufsuchenden Angeboten begleitet wer- ökonomisch benachteiligten Gruppen.
den. Analog zu Punkt 2 sollten diese durch
Literatur des Bundes, gemeinsam getragen von RKI und
1 Mackenbach JP (2019) Health Inequalities: Persis- Destatis. Robert Koch-Institut, Berlin
tence and change in European Welfare States.
4 Lampert T, Hoebel J, Kroll LE (2019) Social diffe
Oxford University Press, Oxford
rences in mortality and life expectancy in Germany:
2 Marmot M, Allen J, Goldblatt P, Boyce T, McNeish current situation and trends. Journal of Health
D, Grady M, Geddes I (2010) Fair society, healthy Monitoring 4(1):3-14
lives. The Marmot Review. Strategic review of
5 Álvarez JL, Kunst AE, Leinsalu M, Bopp M, Strand
health inequalities in England post-2010. University
BH, Menvielle G, Lundberg O, Martikainen P,
College London, London
Deboosere P, Kalediene R, Artnik B, Mackenbach
3 Lampert T, Hoebel J, Kuntz B, Müters S, Kroll LE JP, Richardus JH (2011) Educational inequalities in
(2017) Gesundheitliche Ungleichheit in verschiede- tuberculosis mortality in sixteen European popula-
nen Lebensphasen. Gesundheitsberichterstattung tions. Int J Tuberc Lung Dis 15(11):1461-iEpidemiologisches Bulletin 5 | 2022 3. Februar 2022 9
6 Rutter PD, Mytton OT, Mak M, Donaldson LJ (2012) 14 Kroll LE, Schumann M, Hoebel J, Lampert T (2017)
Socio-economic disparities in mortality due to Regionale Unterschiede in der Gesundheit:
pandemic influenza in England. Int J Public Health Entwicklung eines sozioökonomischen Depriva
57(4):745-750 tionsindex für Deutschland. Journal of Health
Monitoring 2(2):103-120
7 Quinn SC, Kumar S (2014) Health inequalities and
infectious disease epidemics: a challenge for global 15 Hoebel J, Michalski N, Wachtler B, Diercke M,
health security. Biosecur Bioterror 12(5):263-273 Neuhauser H, Wieler LH, Hövener C (2021) Socio
8 Mamelund S-E, Shelley-Egan C, Rogeberg O (2021)
economic differences in the risk of infection during
The association between socioeconomic status and the second SARS-CoV-2 wave in Germany. Dtsch
pandemic influenza: Systematic review and meta- Arztebl Int 118:269–270
analysis. PloS One 16(9):e0244346-e0244346 16 Dragano N, Hoebel J, Wachtler B, Diercke M,
9 Wachtler B, Hoebel J (2020) Soziale Ungleichheit Lunau T, Wahrendorf M (2021) Soziale Ungleichheit
und COVID-19: Sozialepidemiologische Perspek in der regionalen Ausbreitung von SARS-CoV-2.
tiven auf die Pandemie. Gesundheitswesen Bundesgesundheitsblatt – Gesundheitsforschung –
82(08/09):670-675 Gesundheitsschutz 64(9):1116-1124
10 Wahrendorf M, A K, von dem Knesebeck O, 17 Drefahl S, Wallace M, Mussino E, Aradhya S, Kolk
Vonneilich N, Bolte G, Lehmann F, Schmidt MJ, M, Brandén M, Malmberg B, Andersson G (2020)
Butler J, Schmidt F, Böhm C, Lunau T, Dragano N A population-based cohort study of socio-demogra-
(2020) Verschärfen COVID-19 Pandemie und phic risk factors for COVID-19 deaths in Sweden.
Infektionsschutz-maßnahmen die gesundheitlichen Nat Commun 11(1):5097
Ungleichheiten? Hintergrundpapier des 18 Bambra C, Riordan R, Ford J, Matthews F (2020)
Kompetenznetzes Public Health zu COVID-19. The COVID-19 pandemic and health inequalities.
https://www.public-health-covid19.de/images/ J Epidemiol Community Health 74(11):964-968
2020/Ergebnisse/Hintergrundpapier_SozUngl_
COVID19_final.pdf (Stand: 09.12.2021) 19 Wahrendorf M, Rupprecht CJ, Dortmann O,
Scheider M, Dragano N (2021) Erhöhtes Risiko
11 Wachtler B, Michalski N, Nowossadeck E, Diercke eines COVID-19-bedingten Krankenhausaufent
M, Wahrendorf M, Santos-Hövener C, Lampert T, haltes für Arbeitslose: Eine Analyse von Kranken-
Hoebel J (2020) Socioeconomic inequalities and kassendaten von 1,28 Mio. Versicherten in Deutsch-
COVID-19: a review of the current international land. Bundesgesundheitsblatt, Gesundheitsfor-
literature. Journal of Health Monitoring 5(S7):3-17 schung, Gesundheitsschutz 64(3):314–321
12 Wachtler B, Michalski N, Nowossadeck E, Diercke
20 Marmot M, Allen J, Goldblatt P, Herd E, Morrison J
M, Wahrendorf M, Santos-Hövener C, Lampert T,
(2020) Build Back Fairer: The COVID-19 Marmot
Hoebel J (2020) Socioeconomic inequalities in the
Review – The Pandemic, Socioeconomic and He-
risk of SARS-CoV-2 infection – First results from an
alth Inequalities in England. Institute of Health
analysis of surveillance data from Germany. Journal
Equity, London
of Health Monitoring 5(S7):18-29
21 Hoebel J, Michalski N, Diercke M, Hamouda O,
13 Hoebel J, Busch M, Grabka MM, Zinn S, Allen J,
Wahrendorf M, Dragano N, Nowossadeck E (2021)
Gößwald A, Wernitz J, Goebel J, Steinhauer H,
Emerging socio-economic disparities in COVID-19-
Siegers R, Schröder C, Kuttig T, Butschalowsky H,
related deaths during the second pandemic wave
Schlaud M, Schaffrath Rosario A, Brix J, Rysina A,
in Germany. International Journal of Infectious
Glemser A, Neuhauser H, Stahlberg S, Kneuer A,
Diseases 113:344-346
Hey I, Schaarschmidt J, Fiebig J, Buttmann-
Schweiger N, Wilking H, Michel J, Nitsche A, 22 Hoebel J, Grabka MM, Schröder C, Haller S,
Wieler L, Schaade L, Ziese T, Liebig S, Lampert T Neuhauser H, Wachtler B, Schaade L, Liebig S,
(2021) Seroepidemiologische Studie zur bundes- Hövener C, Zinn S (2021) Socioeconomic position
weiten Verbreitung von SARS-CoV-2 in Deutsch- and SARS-CoV-2 infections: seroepidemiological
land: Studienprotokoll von CORONA-MONITO- findings from a German nationwide dynamic
RING bundesweit (RKI-SOEP-Studie). Journal of cohort. J Epidemiol Community Health.
Health Monitoring 6(S1):2-17 DOI: 10.1136/jech-2021-21765Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 10
23 Neuhauser H, Rosario AS, Butschalowsky H, Haller Vorgeschlagene Zitierweise
S, Hoebel J, Michel J, Nitsche A, Poethko-Müller C, Hoebel J, Haller S, Bartig S, Michalski N, Marquis A,
Prütz F, Schlaud M, Steinhauer HW, Wilking H, Diercke M, Schmid-Küpke N, Wichmann O, Sarma N,
Wieler LH, Schaade L, Liebig S, Gößwald A, Grabka Schaade L, Hövener C: Soziale Ungleichheit und
MM, Zinn S, Ziese T (2021) Germany’s low SARS- COVID-19 in Deutschland – Wo stehen wir in der
CoV-2 seroprevalence confirms effective contain- vierten Pandemiewelle?
ment in 2020: Results of the nationwide RKI-SOEP Epid Bull 2022;5:3-10 | DOI 10.25646/9555
study. medRxiv. DOI: https://doi.
org/10.1101/2021.11.22.21266711
Interessenkonflikt
24 Hettich N, Krakau L, Rückert K, Brähler E, Zahn D, Die Autorinnen und Autoren erklären, dass keine
Yilmaz S, Münzel T, Gianicolo E, Schmidtmann I, Interessenkonflikte vorliegen.
Schulz A, Wild PS, Lackner KJ, Schuster AK, Beutel
ME (2021) Willingness to be vaccinated against
SARS-CoV-2 in the German population during the Förderhinweis
second wave of the pandemic. Dtsch Arztebl Int Die dargestellten Datenanalysen wurden teils mit
118:720 – 721 Mitteln des Bundesministeriums für Gesundheit
(Referenznummer: ZMVI1-2520COR402) und der
25 Haug S, Schnell R, Weber K (2021) Impfbereitschaft Deutschen Forschungsgemeinschaft
mit einem COVID-19-Vakzin und Einflussfaktoren. (Projektnummer: 458531028) gefördert.
Ergebnisse einer telefonischen Bevölkerungsbefra-
gung. Gesundheitswesen 83(10):789-796
26 Huebener M, Wagner GG (2021) Unterschiede in
Covid-19-Impfquoten und in den Gründen einer
Nichtimpfung nach Geschlecht, Alter, Bildung und
Einkommen. DIW Discussion Papers 1968
Autorinnen und Autoren
a)
Dr. Jens Hoebel | d) Dr. Sebastian Haller | a) Susanne
Bartig | a) Dr. Niels Michalski | b) Dr. Adine Marquis |
b)
Michaela Diercke | c) Nora Schmid-Küpke |
c)
PD Dr. Ole Wichmann | e) Navina Sarma |
f)
Prof. Dr. Lars Schaade | a) Dr. Claudia Hövener
a)
Robert Koch-Institut, Abt. 2 Epidemiologie und Ge-
sundheitsmonitoring, FG 28 Soziale Determinanten
der Gesundheit
b)
Robert Koch-Institut, Abt. 3 Infektionsepidemiologie,
FG 32 Surveillance
c)
Robert Koch-Institut, Abt. 3 Infektionsepidemiologie,
FG 33 Impfprävention
d)
Robert Koch-Institut, Abt. 3 Infektionsepidemiologie,
FG 37 Nosokomiale Infektionen, Surveillance von
Antibiotikaresistenz und -verbrauch, Ausbrüche
e)
Robert Koch-Institut, Abt. 3 Infektionsepidemiologie,
FG 38 Infektionsepidemiologisches Krisenmanage-
ment, Ausbruchsuntersuchungen und Trainings
programme
f )
Robert Koch-Institut, Institutsleitung, ZBS Zentrum
für Biologische Gefahren und Spezielle Pathogene
Korrespondenz: j.hoebel@rki.deEpidemiologisches Bulletin 5 | 2022 3. Februar 2022 11
Die COVID-19-Pandemie in Steglitz-Zehlendorf –
sozialräumliche Betrachtung des Infektionsgeschehens
Zusammenfassung 1. Einleitung
Die Severe Acute Respiratory Syndrome Corona Seit bald zwei Jahren beherrscht die COVID-19-
virus 2-(SARS-CoV-2-)Falldaten des Berliner Bezirks Pandemie das öffentliche Leben und prägt den Ar-
Steglitz-Zehlendorf von Beginn der Coronavirus beitsalltag im Gesundheitswesen. Aus dem bisheri-
Disease 2019-(COVID-19-)Pandemie im März 2020 gen Verlauf der Pandemie ließen sich einige Lehren
bis einschließlich September 2021 (n = 13.815) wur- ziehen, insbesondere, was den Schutz vulnerabler
den ausgewertet mit dem Ziel, genauere Erkennt- Gruppen in Gemeinschaftseinrichtungen anbe-
nisse über den zeitlichen Verlauf und die kleinräu- langt.1 – 5 Das Wissen über die Verbreitung von SARS-
mige Verteilung des Infektionsgeschehens zu ge- CoV-2 in der Bevölkerung und die Infektionswege
winnen. Kleinräumige Daten zu soziodemogra und Einflussgrößen, die dieser Verbreitung zugrun-
fischen Merkmalen wurden im Hinblick auf Zu- de liegen, ist jedoch immer noch nicht ausreichend.
sammenhänge der Intensität des SARS-CoV-2- Häufig lässt sich eine genaue Infektionsquelle nicht
Infektionsgeschehens mit der Bevölkerungszusam- feststellen, da ein relevanter Anteil der Infektionen
mensetzung analysiert. Waren vor allem während symptomlos/-arm verläuft und auch bei symptoma-
der zweiten Infektionswelle von September 2020 tischer Infektion bereits einige Tage vor dem Symp-
bis Februar 2021 ältere Menschen überproportional tombeginn Ansteckungsfähigkeit besteht. In den
am Infektionsgeschehen beteiligt, sind während der meisten Fällen sind daher Infektionsketten nicht
dritten (März bis Juni 2021) und zu Beginn der vier- nachvollziehbar.
ten Infektionswelle (Juli bis September 2021) zuneh-
mend hauptsächlich jüngere Altersgruppen betrof- Auch das Wissen über Infektionsrisiken verschiede-
fen. Kleinräumige Inzidenzen sind durch teils grö- ner Bevölkerungsgruppen ist immer noch lücken-
ßere Ausbrüche in Einrichtungen für pflegebedürf- haft. Einige wichtige Informationen sind in den
tige Menschen sowie in anderen Gemeinschafts- Meldedaten zum SARS-CoV-2-Infektionsgeschehen
unterkünften verzerrt, da das Infektionsrisiko in enthalten. So lassen sich beispielsweise vulnerable
diesen Einrichtungen besonders hoch ist und diese Gruppen anhand von Angaben zu Alter, Geschlecht
nicht gleichmäßig über die Sozialräume verteilt und Hospitalisierung der Personen mit laborbestä-
sind. SARS-CoV-2 verbreitete sich während der bis- tigter Infektion identifizieren. Andere Angaben hin-
herigen vier Infektionswellen unterschiedlich über gegen liegen nur für den Teil der laborbestätigten
die Sozialräume des Bezirks. Ab der zweiten Infek- Infektionsfälle vor, bei denen das Gesundheitsamt
tionswelle zeichnet sich ein stärkeres Betroffensein erfolgreich eigene Ermittlungen durchführen und
von Sozialräumen ab, in denen mehr sozial benach- diese dokumentieren konnte. Dazu gehören Infor-
teiligte Menschen oder Menschen mit Migrations- mationen zum Impfstatus, zur möglichen Infek
hintergrund leben. Die kleinräumige Auswertung tionsquelle, zu Krankheitssymptomen und zur Be-
der Infektionszahlen kann Hinweise geben, in wel- treuung in einer Einrichtung gemäß den §§ 23, 33
chen Sozialräumen des Bezirks verstärkte Anstren- oder 36 des Infektionsschutzgesetzes (IfSG). Wie-
gungen für eine Eindämmung der Pandemie erfor- der andere relevante Merkmale, die mit dem indivi-
derlich sind. Die Zusammenhänge zwischen Inzi- duellen Infektionsrisiko im Zusammenhang stehen
denzen und soziodemografischen Bevölkerungs- könnten, wie z. B. soziale Lage, Wohnverhältnisse
merkmalen auf räumlicher Ebene weisen darauf und Migrationsstatus, werden gar nicht oder zu-
hin, dass hierbei Bevölkerungsgruppen mit redu- mindest nicht in auswertbarer Form erfasst.
zierten Teilhabechancen besondere Beachtung gel-
ten sollte.Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 12
Das Fehlen solcher aussagefähigen Daten in Gleichstellung Berlin zum gleichen Thema orien-
Deutschland erschwert die Ableitung von Schluss- tiert.11 Für diese Analysen werden Merkmale ausge-
folgerungen und evidenzbasierte Entscheidungen wählt, die in anderen Veröffentlichungen in Zusam-
über Maßnahmen zur Eindämmung des Infektions- menhang mit der sozialräumlichen Verteilung des
geschehens.6 Exemplarisch werden für den Berliner Infektionsgeschehens gebracht werden3,11 – 13 und für
Bezirk Steglitz-Zehlendorf die Zusammenhänge die aktuelle Daten auf der Ebene der Planungsräume
zwischen der lokalen Intensität des SARS-CoV-2- von Steglitz-Zehlendorf verfügbar sind.
Infektionsgeschehens und soziodemografischen
Merkmalen der Sozialräume exploriert. Es wird un-
tersucht, ob diese Erkenntnisse einen Beitrag dazu 2. Methodik
leisten können, Public-Health-Maßnahmen wie
zielgruppenbezogene Information, situationsange- Datenquellen und Datenaufbereitung
passte Teststrategien oder niedrigschwellige Impf Die laborbestätigten SARS-CoV-2-Fälle vom
angebote passgenauer umzusetzen. 01.03.2020 – 30.09.2021 im Bezirk Steglitz-Zehlen-
dorf wurden als benutzerdefinierter Fall-Export aus
Steglitz-Zehlendorf ist ein grüner Bezirk im Süd- der Datenbank SORMAS für die Auswertung ver-
westen Berlins mit rund 300.000 Einwohnerinnen fügbar gemacht (Datenstand: 06.10.2021) und auf
und Einwohnern. Er weist die günstigste Sozial- die Fälle eingeschränkt, die über die Meldesoftware
struktur aller Berliner Bezirke auf,7,8 ist aber zu- SurvNet an das Landesamt für Gesundheit und
gleich mit einem Durchschnittsalter von 46,3 Jah- Soziales gemeldet wurden, weil sie die Falldefinition
ren und einem Anteil von mehr als einem Viertel des Robert Koch-Instituts (RKI) erfüllen (n = 13.815).
älterer Menschen ab 65 Jahren der Bezirk mit der Die Geschlechterangabe wurde den Meldedaten ent-
ältesten Bevölkerung in Berlin. Vor allem der Wes- nommen, ersatzweise der Labormeldung. Das Alter
ten des Bezirks ist geprägt von Villenvierteln mit so- wurde als Differenz aus Meldedatum und Geburts-
zial besser gestellter Bevölkerung, während im datum (Meldedaten, ersatzweise Labormeldung
Nordosten und Osten des Bezirks dichter bebaute oder Selbstauskunft) in ganzen Jahren berechnet.
Stadtviertel mit sozialer Durchmischung überwie- Angaben zu Sterbefällen „an oder mit“ COVID-19
gen. Soziale Belastungen kumulieren in der im Sü- wurden den Meldedaten entnommen, die anhand
den des Bezirks gelegenen Thermometersiedlung, der Leichenschauscheine des entsprechenden Zeit-
wo der Anteil von Menschen mit Bezug staatlicher raums vervollständigt wurden. Die Fälle wurden für
Transferleistungen mit 17,3 % mit Abstand am sozialräumliche Auswertungen anhand ihrer Melde-
höchsten ist. Hier wohnen auch deutlich über- bzw. Aufenthaltsadresse einem der 41 Planungsräu-
durchschnittlich viele Menschen mit Migrations- me des Bezirks Steglitz-Zehlendorf (Stand 2020) zu-
hintergrund, deren Informations- und Teilhabe- geordnet.14
chancen durch Sprachbarrieren eingeschränkt sein
können.9,10 Als SARS-CoV-2-Fälle innerhalb von Einrichtungen
gemäß § 36 IfSG (Pflegeheime, Gemeinschaftsun-
Die vorliegende Auswertung verfolgt zwei Ziele: terkünfte und ähnliche Wohnstätten) wurden alle
Erstens wird durch sozialräumliche Zuordnung der Fälle identifiziert, deren Meldeadresse bzw. ständi-
im Gesundheitsamt des Berliner Bezirks Steglitz- ger Aufenthalt mit der Adresse einer entsprechen-
Zehlendorf vorliegenden Daten der laborbestätig- den Einrichtung im Bezirk gemäß der durch das
ten SARS-CoV-2-Infektionsfälle eine kleinräumige Gesundheitsamt geführten Einrichtungsliste über-
Deskription des Infektionsgeschehens ermöglicht. einstimmt. Die zeitliche Abgrenzung der vier Infek-
Zweitens wird geprüft, ob auf sozialräumlicher Ebe- tionswellen erfolgte entsprechend dem täglichen
ne Zusammenhänge erkennbar sind zwischen dem Corona-Lagebericht für Berlin.15 Demnach wurden
Infektionsgeschehen und der Verteilung soziodemo- alle SARS-CoV-2-Infektionen mit Meldedatum von
grafischer Merkmale über die Sozialräume, wobei März bis August 2020 der ersten Infektionswelle
sich das methodische Vorgehen an einer Publikation zugeordnet, von September 2020 bis Februar 2021
der Senatsverwaltung für Gesundheit, Pflege und der zweiten Infektionswelle, die Fälle von März bisEpidemiologisches Bulletin 5 | 2022 3. Februar 2022 13
Juni 2021 der dritten Infektionswelle, und Fälle seit wurden mit der Statistiksoftware GNU PSPP 1.2.0
Juli 2021 wurden zur vierten Infektionswelle ge- berechnet.
zählt.
Fälle mit fehlenden oder unvollständigen Angaben
Als Bevölkerungsdaten wurden Daten des Einwoh- in einzelnen Merkmalen gingen in die Berechnung
nerregisters Berlin für den Bezirk Steglitz-Zehlen- der Gesamtinzidenzen ein und wurden fallweise
dorf mit Datenstand 31.12.2020 zugrunde gelegt, die nur von den Analysen ausgeschlossen, für die diese
nach Geschlecht und Migrationshintergrund diffe- Merkmale erforderlich waren (Geschlecht: n = 12,
renziert sind.16,I Sozialräumliche Daten und Infor- Alter: n = 5, Adresse: n = 362 entsprechend 2,6 %
mationen wurden aus dem Geoportal Berlin bezo- aller Fälle). Zur Wahrung der statistischen Geheim-
gen.17 Die Einwohnerdichte wurde als Anzahl der haltung werden keine Daten dargestellt, die auf Fall-
Einwohnerinnen und Einwohner je Quadratkilome- zahlen n < 3 beruhen. Wo dies in den Originaldaten
ter im Planungsraum berechnet. Datenquelle für der Fall war, erfolgte durch Zusammenlegung der
den Anteil der Bevölkerung mit TransferbezugII ist Zellen eine Vergröberung der Kategorien.
das Monitoring Soziale Stadtentwicklung 2019, der
Datenstand ist der 31.12.2018.9 In linearen Regressionsmodellen auf der Ebene der
41 Planungsräume von Steglitz-Zehlendorf wurden
Statistische Methoden die SARS-CoV-2-Inzidenzen außerhalb von Einrich-
Die Zusammenführung der Datenbestände aus den tungen gemäß § 36 IfSG als abhängige Variable ver-
verschiedenen Datenquellen, die Berechnung der wendet und als unabhängige Variablen die Sozial-
SARS-CoV-2-Inzidenzen und die deskriptiven Aus- raummerkmale Einwohnerdichte, Anteil der Ein-
wertungen erfolgten mit Microsoft Excel 2016. Kar- wohnerinnen und Einwohner mit Transferbezug
ten wurden mit QGIS 3.4 erstellt. Regressionen und Anteil der Einwohnerinnen und Einwohner
mit Migrationshintergrund. Aufgrund von Korrela-
tionen der Sozialraummerkmale untereinanderIII
I Definition Migrationshintergrund in dieser Datenquelle:
im Ausland geboren oder mit nichtdeutscher Staatsan- wurden zunächst bivariate Regressionen berechnet.
gehörigkeit oder mit Einbürgerungskennzeichen,
Minderjährige im gleichen Haushalt auch bei Einbürge-
rungskennzeichen eines Elternteils. III Einwohnerdichte und Anteil mit Transferbezug: r = 0,40
II Nicht arbeitslose Empfängerinnen und Empfänger (p < 0,01), Einwohnerdichte und Anteil mit Migrations-
staatlicher, existenzsichernder Leistungen nach SGB II – hintergrund: r = 0,27 (nicht signifikant), Anteil mit
„Hartz-IV“ – und SGB XII – z. B. laufende Hilfe zum Transferbezug und Anteil mit Migrationshintergrund:
Lebensunterhalt oder Grundsicherung im Alter. r = 0,55 (p < 0,01).
Fallzahl Fallzahl pro 100.000 Einwohner Anzahl verstorben Todesfälle pro 100.000 Einwohner
gesamt ohne Einr. gesamt ohne Einr. gesamt ohne Einr. gesamt ohne Einr.
gem. § 36 IfSG gem. § 36 IfSG gem. § 36 IfSG gem. § 36 IfSG
Geschlecht
männlich 6.403 5.787 4.370,9 3.950,4 208 132 142,0 90,1
weiblich 7.400 6.416 4.558,0 3.951,9 227 81 139,8 49,9
keine Angabe 12 10 0 0
Altersgruppe
0 – 17 Jahre 1.894 1.792 3.931,4 3.719,7 0 0 0,0 0,0
18 – 59 Jahre 8.338 7.963 5.170,9 4.938,4 5 5 3,1 3,1
60+ Jahre 3.578 2.454 3.598,8 2.468,3 430 208 432,5 209,2
keine Angabe 5 4 0 0
gesamt 13.815 12.213 4.473,1 3.954,4 435 213 140,8 69,0
Tab. 1 | SARS-CoV-2-Fälle in Steglitz-Zehlendorf März 2020 bis September 2021, Stand: 06.10.2021, Untersuchung Bezirksamt
Steglitz-Zehlendorf von Berlin, GesundheitsamtEpidemiologisches Bulletin 5 | 2022 3. Februar 2022 14
In einem zweiten Schritt wurde eine multivariate sowie die Todesfälle insgesamt und außerhalb von
lineare Regression durchgeführt, in die der Anteil Einrichtungen gemäß § 36 IfSG nach Geschlecht
der Bevölkerung mit Transferbezug und der Anteil und Altersgruppen gibt Tabelle 1.
der Bevölkerung mit Migrationshintergrund ge-
meinsam eingehen, um diese Einflussgrößen wech- Steglitz-Zehlendorf liegt damit unter der bundes-
selseitig zu kontrollieren. Um Verzerrungen durch weiten kumulativen Inzidenz im gleichen Zeitraum
die unterschiedliche Alters- und Geschlechtervertei- und im Vergleich der Berliner Bezirke ebenfalls un-
lung in den Planungsräumen auszuschließen, wur- ter dem Durchschnitt.15,18 Lässt man die wenigen do-
den die Regressionsanalysen wiederholt, wobei für kumentierten Reinfektionen (n = 22) außer Betracht,
Alter (Anteil der Bevölkerung im Alter von 18 – 59 ergibt sich damit für den Bezirk Steglitz-Zehlendorf
Jahren als die Altersgruppe mit insgesamt substan- ein Bevölkerungsanteil von rund 4,5 % mit labor
ziell erhöhter SARS-CoV-2-Inzidenz) und Geschlecht bestätigter SARS-CoV-2-Infektion seit Beginn der
(Anteil weiblicher Bevölkerung im Planungsraum) Pandemie.
adjustiert wurde.
Zeitlicher Verlauf des Infektionsgeschehens
Das SARS-CoV-2-Infektionsgeschehen verläuft in
3. Ergebnisse Steglitz-Zehlendorf – wie auch in Deutschland ins-
Die erste laborbestätigte SARS-CoV-2-Infektion in gesamt – in bislang vier Infektionswellen. Nach ei-
Steglitz-Zehlendorf wurde am 08.03.2020 gemel- nem steilen Anstieg der Fallzahlen in der Anfangs-
det. Seither waren es bis einschließlich September periode der Pandemie im März 2020 fielen die Inzi-
2021 insgesamt 13.815 Fälle, das entspricht einer ku- denzen auf ein niedriges Plateau, das über die Som-
mulativen Inzidenz von 4.473 Fällen je 100.000 Ein- mermonate 2020 weitgehend unverändert blieb
wohner. Von allen Fällen betrafen 1.602 (11,6 %) Per- (erste Infektionswelle März bis August 2020). Ab
sonen, die in Einrichtungen gemäß § 36 IfSG unter- September 2020 stiegen die Infektionszahlen stark
gebracht waren (vor allem Pflegeheime und Ge- an und erreichten im November und Dezember
meinschaftsunterkünfte), in denen es teils größere 2020 das bis dahin höchste Niveau. Erst im Laufe
Ausbrüche gab. Einen Überblick über die Fallzahlen des Januar 2021 sanken die Inzidenzen wieder bis
Altersverteilung der
Altersverteilung der SARS‐CoV‐2‐Fälle
SARS‐CoV‐2‐Fälle in den
in den
Infektionswellen im
Infektionswellen imVergleich
Vergleich zum zum Bevölkerungsanteil
Bevölkerungsanteil
Altersverteilung der SARS-CoV-2-Fälle in den Infektionswellen im Vergleich zum Bevölkerungsanteil
0%
0% 10%
10% 20%
20% 30%
30% 40% 40% 50% 60% 60%
50% 70% 80%
70% 90%
80% 100%90% 100%
0% 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % 100 %
Bevölkerungs‐
Bevölkerungs‐
Bevölkerungsanteile
AnteileAnteile
1.1. Welle
1. Welle Welle
03/2020‐08/2020
03/2020‐08/2020
03/2020 – 08/2020
2.2. Welle
2. Welle Welle
09/2020‐02/2021
09/2020‐02/2021
09/2020 – 02/2021
3.3. Welle
3. Welle Welle
03/2021‐06/2021
03/2021‐06/2021
03/2021 – 06/2021
4. Welle
4. 4.Welle
Welle
seit seit
07/2021
seit 07/2021
07/2021
–0‐5
00‐5
5 6‐11
66‐11
– 11 12‐17
12‐17
12 – 17 18‐2418
18‐24
– 24 25‐29 25 – 29 30‐34
25‐29 30‐34
30 – 34
35 35‐39
35‐39
– 39 40‐44
40‐44
40 – 44 45‐49
45‐49
45 – 49 50‐5450
50‐54
– 54 55‐59 55 – 59 60‐64
55‐59 60‐64
60 – 64
65 65‐69
65‐69
– 69 70‐74
70‐74
70 – 74 75‐79
75‐79
75 – 79 80‐8480
80‐84
– 84 85‐89 85 – 89 90+
85‐89 90+
90+
Abb. 1 | Anteile der SARS-CoV-2-Fälle in den Altersgruppen nach Infektionswelle im Vergleich zum Bevölkerungsanteil in
Steglitz-Zehlendorf, Stand: 06.10.2021, Untersuchung Bezirksamt Steglitz-Zehlendorf von Berlin, GesundheitsamtEpidemiologisches Bulletin 5 | 2022 3. Februar 2022 15
Legenden Abb. 2 Legen Legenden Abb. 2 Legen
1. Infektionswelle (03/2020 – 08/2020) 2. Infektionswelle (09/2020 – 02/2021)
Inzidenz Welle 1 Inzidenz Welle 2 Inzidenz Welle 3 Inzidenz Welle 4 Einw Inzidenz Welle 1 Inzidenz Welle 2 Inzidenz Welle 3 Inzidenz Welle 4 Einw
8181 – 121
‐ 121 1.330 ‐ 2.102 523 ‐ 701 179 ‐ 326 1.330
81 ‐ 121 – 2.102 1.330 ‐ 2.102 523 ‐ 701 179 ‐ 326
122 – 187
122 ‐ 187 2.103 ‐ 2.555 702 ‐ 890 327 ‐ 442 2.103
122 ‐ 187 – 2.555 2.103 ‐ 2.555 702 ‐ 890 327 ‐ 442
188
188 – 214
‐ 214 2.556 ‐ 2.689 891 ‐ 1.096 443 ‐ 504 2.556
188 ‐ 214 – 2.689 2.556 ‐ 2.689 891 ‐ 1.096 443 ‐ 504
215
215 – 318
‐ 318 2.690 ‐ 3.075 1.097 ‐ 1.304 505 ‐ 534 2.690
215 ‐ 318 – 3.075 2.690 ‐ 3.075 1.097 ‐ 1.304 505 ‐ 534
319 – 523
319 ‐ 523 3.076 ‐ 4.120 1.305 ‐ 2.184 535 ‐ 725 3.076
319 ‐ 523 – 4.120 3.076 ‐ 4.120 1.305 ‐ 2.184 535 ‐ 725
3. Infektionswelle (03/2021 – 06/2021)
Legenden Abb. 2 Legen
4. Infektionswelle (seit 07/2021)
Legenden Abb. 2 Legen
Inzidenz Welle 1 Inzidenz Welle 2 Inzidenz Welle 3 Inzidenz Welle 4 Einw Inzidenz Welle 1 Inzidenz Welle 2 Inzidenz Welle 3 Inzidenz Welle 4 Einw
523 – 701
81 ‐ 121 1.330 ‐ 2.102 523 ‐ 701 179 ‐ 326 179 – 326
81 ‐ 121 1.330 ‐ 2.102 523 ‐ 701 179 ‐ 326
702 – 890
122 ‐ 187 2.103 ‐ 2.555 702 ‐ 890 327 ‐ 442 327 – 442
122 ‐ 187 2.103 ‐ 2.555 702 ‐ 890 327 ‐ 442
188891
‐ 214 – 1.096 2.556 ‐ 2.689 891 ‐ 1.096 443 ‐ 504 443
188 – 504
‐ 214 2.556 ‐ 2.689 891 ‐ 1.096 443 ‐ 504
1.097
215 ‐ 318 – 1.304 2.690 ‐ 3.075 1.097 ‐ 1.304 505 ‐ 534 505
215 – 534
‐ 318 2.690 ‐ 3.075 1.097 ‐ 1.304 505 ‐ 534
1.305
319 ‐ 523 – 2.184 3.076 ‐ 4.120 1.305 ‐ 2.184 535 ‐ 725 535
319 – 725
‐ 523 3.076 ‐ 4.120 1.305 ‐ 2.184 535 ‐ 725
Abb. 2 | SARS-CoV-2-Inzidenzen in den Planungsräumen von Steglitz-Zehlendorf während der vier Infektionswellen,
Stand: 06.10.2021, Untersuchung Bezirksamt Steglitz-Zehlendorf von Berlin, Gesundheitsamt
Mitte/Ende Februar (zweite Infektionswelle). Die Hochaltrige ab 80 Jahren sind häufiger infiziert als
dritte Infektionswelle von März bis Juni 2021, in der es ihrem Bevölkerungsanteil entspricht. Kinder und
Infektionen mit der ansteckenderen Virusvariante Jugendliche sind dagegen während der ersten bei-
Alpha (B.1.1.7) überwiegen, fiel kleiner aus als die den Infektionswellen deutlich unterproportional ver-
zweite Infektionswelle. Seit Juli 2021 ist das Infek treten.
tionsgeschehen fast ausschließlich von der wieder-
um ansteckenderen Virusvariante B.1.617 (mit der Während der dritten und noch deutlicher während
Untervariante Delta) geprägt (vierte Infektionswel- der vierten Infektionswelle verschiebt sich das In-
le). Bei zeitlich weitestgehend parallelem Verlauf fektionsgeschehen hin zu den jüngeren Altersgrup-
bleibt die Inzidenzkurve von Steglitz-Zehlendorf im pen und die älteren Altersgruppen sind deutlich un-
Zeitverlauf zunehmend unter dem Niveau für Berlin. terproportional beteiligt (s. Abb. 1). Die höchste Inzi-
denz während der dritten Infektionswelle errechnet
Während der ersten Infektionswelle sind die mittle- sich für die Altersgruppe 18 – 24 Jahre, am Anfang
ren Altersgruppen von 18 – 59 Jahren deutlich stär- der vierten Infektionswelle für die Altersgruppe
ker betroffen als es ihrem Bevölkerungsanteil ent- 12 – 17 Jahre.
spricht (s. Abb. 1). Die zweite Infektionswelle ist da-
gegen gekennzeichnet von zunehmendem Betrof- Sozialräumliche Verteilung des SARS-CoV-2-
fensein der älteren Altersgruppen und Ausbrüchen Infektionsgeschehens
in Einrichtungen, in denen Menschen wohnen (z. B. Nicht nur im Zeitverlauf, sondern auch auf der so-
Pflegeheime, Gemeinschaftsunterkünfte) oder be- zialräumlichen Ebene ist das SARS-CoV-2-Infek
treut werden (z. B. Kitas, Schulen). Insbesondere tionsgeschehen heterogen. Zwar bilden sich auf al-Epidemiologisches Bulletin 5 | 2022 3. Februar 2022 16
len räumlichen Ebenen die vier Infektionswellen
Legenden Abb. 2 Legen
Einwohnerdichte (Einw. je km²)
Inzidenz Welle 1 Inzidenz Welle 2 Inzidenz Welle 3 Inzidenz Welle 4 Einw
deutlich ab, jedoch liegt die höchste Gesamtinzi-
81 ‐ 121 1.330 ‐ 2.102 523 ‐ 701 179 ‐ 326 429 – 2.891
122 ‐ 187 2.103 ‐ 2.555 702 ‐ 890 327 ‐ 442 2.892 – 4.944
denz mit 6.223 Fällen je 100.000 Einwohner im Pla-
188 ‐ 214 2.556 ‐ 2.689 891 ‐ 1.096 443 ‐ 504 4.945 – 5.424
nungsraum Bismarckstraße um den Faktor 2,6
215 ‐ 318 2.690 ‐ 3.075 1.097 ‐ 1.304 505 ‐ 534 5.425 – 10.877
319 ‐ 523 3.076 ‐ 4.120 1.305 ‐ 2.184 535 ‐ 725 10.878 – 20.746
über der niedrigsten (2.368 Fälle je 100.000 Ein-
wohner) im Planungsraum Fischtal. Unterscheiden
sich die Inzidenzen auf Planungsraumebene wäh-
rend der ersten Infektionswelle noch um den Faktor
6,4, so ist es während der zweiten Welle mit der ins-
gesamt höchsten Infektionszahl (61,4 % aller bis
einschließlich September 2021 gemeldeten Fälle)
der Faktor 3, während der dritten und vierten Infek-
tionswelle der Faktor 4. Vor allem zwischen der ers-
Legenden Abb. 2 Bevölkerungsanteil mit Transferbezug
Legen
Inzidenz Welle 1 Inzidenz Welle 2 Inzidenz Welle 3 Inzidenz Welle 4 Einw
ten und den nachfolgenden Infektionswellen beste-
81 ‐ 121 1.330 ‐ 2.102 523 ‐ 701 179 ‐ 326 1,3 % – 2,8 %
122 ‐ 187 2.103 ‐ 2.555 702 ‐ 890 327 ‐ 442 2,9 % – 4,6 %
hen große Unterschiede im sozialräumlichen Be-
188 ‐ 214 2.556 ‐ 2.689 891 ‐ 1.096 443 ‐ 504 4,7 % – 7,0 %
troffensein (s. Abb. 2).
215 ‐ 318 2.690 ‐ 3.075 1.097 ‐ 1.304 505 ‐ 534 7,1 % – 8,26 %
319 ‐ 523 3.076 ‐ 4.120 1.305 ‐ 2.184 535 ‐ 725 8,27 % – 17,3 %
Insbesondere während der zweiten Infektionswelle
gibt es im Bezirk teils auch größere Ausbrüche in
Einrichtungen. Zwar sind Menschen, die in einer
Einrichtung gemäß § 36 IfSG untergebracht sind, in
der Regel dort auch wohnhaft gemeldet und gehen
somit bei der Berechnung der SARS-CoV-2-Inziden-
zen in die Wohnbevölkerung ein, jedoch ist das In-
Legenden Abb. 2
Bevölkerungsanteil mit Migrationshintergrund
Legen
fektionsrisiko in einer Einrichtung mit einem Aus-
Inzidenz Welle 1 Inzidenz Welle 2 Inzidenz Welle 3 Inzidenz Welle 4 Einw
bruch ungleich größer als in der Bevölkerung au-
81 ‐ 121 1.330 ‐ 2.102 523 ‐ 701 179 ‐ 326 16,9 % – 24,1 %
122 ‐ 187 2.103 ‐ 2.555 702 ‐ 890 327 ‐ 442 24,2 % – 27,9 %
ßerhalb von Einrichtungen. Da nicht alle Sozial-
188 ‐ 214 2.556 ‐ 2.689 891 ‐ 1.096 443 ‐ 504 28,0 % – 30,9 %
31,0 % – 34,9 %
räume im Bezirk über eine vergleichbare Anzahl
215 ‐ 318 2.690 ‐ 3.075 1.097 ‐ 1.304 505 ‐ 534
319 ‐ 523 3.076 ‐ 4.120 1.305 ‐ 2.184 535 ‐ 725 35,0 % – 50,4 %
von Einrichtungen und Plätzen in diesen Einrich-
tungen verfügen, werden die Inzidenzen hierdurch
verzerrt.
Die Effekte von Ausbrüchen in Einrichtungen ins-
besondere während der zweiten Welle lassen sich
deutlich auf der Ebene der 41 Planungsräume von
Abb. 3 | Verteilung soziodemografischer Merkmale in den
Steglitz-Zehlendorf ablesen. Für einzelne Planungs- Planungsräumen von Steglitz-Zehlendorf, Stand:
räume ändern sich die Inzidenzen deutlich, wenn 06.10.2021, Untersuchung Bezirksamt Steglitz-Zehlendorf
man Fälle in Einrichtungen gemäß § 36 IfSG her- von Berlin, Gesundheitsamt
ausrechnet. Besonders deutlich zeigt sich dies im
Planungsraum Zehlendorf Eiche (Rangplatz 19 ins-
gesamt vs. 41 bezüglich der Inzidenz außerhalb von hen könnten, verteilen sich ebenfalls ungleich über
Einrichtungen). Die höchste Inzidenz bezogen auf die Planungsräume des Bezirks (s. Abb. 3).
die Fälle außerhalb von Einrichtungen weist der Pla-
nungsraum Thermometersiedlung auf. Die SARS-CoV-2-Inzidenzen in den Planungsräu-
men stehen in einem signifikant positiven Zusam-
Zusammenhang des SARS-CoV-2-Infektions menhang mit allen drei betrachteten Einfluss
geschehens mit sozialräumlichen Merkmalen größen Einwohnerdichte, Bevölkerungsanteil mit
Soziodemografische Merkmale, die mit dem SARS- Transferbezug und Bevölkerungsanteil mit Migra
CoV-2-Infektionsgeschehen in Zusammenhang ste- tionshintergrund (s. Tab. 2, Analysen 1 – 3). DurchEpidemiologisches Bulletin 5 | 2022 3. Februar 2022 17
die Sozialraummerkmale wird jeweils zwischen ei- Abbildung 4 stellt exemplarisch das Ergebnis der
nem Drittel und der knappen Hälfte der Varianz in Regressionsanalysen des Anteils von Personen mit
den SARS-CoV-2-Inzidenzen erklärt (R² zwischen Bezug staatlicher existenzsichernder Transferleis-
0,34 und 0,47). Kontrolliert man in den Analysen tungen auf die SARS-CoV-2-Inzidenz im Sozial-
für Alter und Geschlecht, so bleiben die Zusam- raum insgesamt und während der vier Infektions-
menhänge der SARS-CoV-2-Inzidenzen mit Trans- wellen grafisch dar. Jeder Punkt steht für einen der
ferbezug und Anteil der Bevölkerung mit Migra 41 Planungsräume.
tionshintergrund im Sozialraum bestehen. Der Zu-
sammenhang mit der Einwohnerdichte wird jedoch Während der ersten Infektionswelle mit der insge-
aufgehoben. In der multivariaten Regression mit samt geringsten Fallzahl bestehen keine signifikan-
Transferbezug und Migrationshintergrund als un- ten Zusammenhänge zwischen sozialräumlicher
abhängigen Variablen ist der Zusammenhang der SARS-CoV-2-Inzidenz und den betrachteten Ein-
SARS-CoV-2-Inzidenz mit dem Anteil der Men- flussgrößen auf Sozialraumebene (Daten nicht dar-
schen mit Transferbezug im Planungsraum stärker gestellt). Nur bei Kontrolle von Alters- und Ge-
als mit dem Anteil mit Migrationshintergrund, der schlechterverteilung ergibt sich ein statistisch signi-
sich nach Kontrolle von Alter und Geschlecht als fikanter Zusammenhang, wonach ein höherer An-
nicht mehr statistisch signifikant erweist (s. Tab. 2, teil von Personen mit Transferbezug mit einer
Analyse 4). geringeren SARS-CoV-2-Inzidenz im Sozialraum
abhängige Variable: abhängige Variable: SARS-CoV-2-Inzidenz,
Analyse Einflussgröße SARS-CoV-2-Inzidenz adjustiert für Alter und Geschlecht
R² Beta (98 %-KI) Signifikanz R² Beta (98 %-KI) Signifikanz
1 Einwohnerdichte 0,35 0,10 (0,05 – 0,14) < 0,001 0,43 0,07 (0,00 – 0,13) n. s.
2 Transferbezug 0,47 158 (104 – 212) < 0,001 0,58 119 (64 – 175) < 0,001
3 Migrationshintergrund 0,34 68 (37 – 98) < 0,001 0,45 48 (8 – 89) 0,021
Transferbezug 120 (59 – 182) < 0,001 106 (45 – 167) 0,001
4 0,53 0,59
Migrationshintergrund 35 (3 – 66) 0,030 21 (–18 – 60) n. s.
Tab. 2 | Zusammenhänge zwischen sozialräumlichen Merkmalen und der SARS-CoV-2-Inzidenz außerhalb von Einrichtungen in
den Planungsräumen von Steglitz-Zehlendorf (Ergebnisse linearer Regressionen), Stand: 06.10.2021, Untersuchung Bezirksamt
Steglitz-Zehlendorf von Berlin, Gesundheitsamt
KI = Konfidenzintervall
SARS-CoV-2-Inzidenz außerhalb von Einrichtungen SARS-CoV-2-Inzidenz außerhalb von Einrichtungen
nach Anteil Transferbeziehender nach Infektionswelle und Anteil Transferbeziehender
6.000
6.000 4.000
4.000
Inzidenz außerhalb von Einrichtungen
Welle 1
1. Welle Welle 2
2. Welle Welle 3
3. Welle Welle 4
4. Welle
3.500
3.500
5.000
5.000 R² = 0,47
3.000
3.000 R² = 0,45
4.000
4.000
2.500
2.500
3.000
3.000 2.000
2.000
1.500
1.500
2.000
2.000 R² = 0,47
1.000
1.000
1.000
1.000 R² = 0,12
500
500
R² = 0,07
0 00
00 55 10
10 15
15 20
20 0 55 10
10 15 20
Anteil Bevölkerung mit Transferbezug [%] Anteil Bevölkerung mit Transferbezug [%]
Anteil Bevölkerung mit Transferbezug [%] Anteil Bevölkerung mit Transferbezug [%]
Abb. 4 | Zusammenhang des Anteils Transferbeziehender im Sozialraum mit der SARS-CoV-2-Inzidenz außerhalb von
Einrichtungen in Steglitz-Zehlendorf (Ergebnisse linearer Regressionen), Stand: 06.10.2021, Untersuchung Bezirksamt
Steglitz-Zehlendorf von Berlin, GesundheitsamtSie können auch lesen
