aus der Praxis

01 Dez
Corona 6: 7 Tage Inzidenz-Entwicklung im November 2020

Es soll im Folgenden untersucht werden, ob die im November beschlossenen Maßnahmen bereits erste positive Ergebnisse zeigen und ob ihr regionale Unterschiede zu beobachten sind. Wie in den vorangegangenen Beiträgen werden die Werte nach dem 1-2-5 Schema dargestellt. Es handelt sich dabei um eine Visualisierung, die sich an einer logarithmischen Einteilung orientiert. Kern ist dabei die für die 7 Tage Inzidenz, also die Anzahl der positiv getesteten bezogen auf 100.000 Einwohner

Folgende Grafik zeigt für Ende November die Anzahl der Landkreise in Deutschland aufgeteilt nach den jeweiligen Klassen. So weisen etwa 184 Landkreise einen Wert von ca. 100 auf:

7 Tg Inzidenz (je 100 TE)

Bezogen auf die einzelnen Bundesländer ergibt sich ein recht heterogenes Bild; von den insgesamt 13 Landkreisen Sachsens weisen vier Werte um 500 Infektionen für die letzten sieben Tage auf; andere Hotspots finden sich in Bayern, Thüringen und Rheinland-Pfalz:

7 Tg Inzidenz bezogen auf Bundeländer

Es ist zu erwarten, dass die zu Beginn des Monats beschlossenen Maßnahmen ab ca. Mitte November sichtbare Ergebnisse zeigen. Die Inzidenzwerte sollten also flächendeckend zurückgehen. Dies ist allerdings so klar nicht festzustellen. Von den insgesamt 412 Landkreisen weisen 96 einen weiteren Anstieg der Inzidenzwerte auf, sie sind also einer höheren Klasse zuzuordnen (zum Beispiel von 100 auf 200). Im Gegenzug gibt es einen Rückgang um mindestens eine Klasse bei 85 Landkreisen zu beobachten; der Rest (231 Landkreise) bleibt stabil.

Entwicklung in den Bundesländern inder zweiten Novemberhälfte 2020

Für einen Vergleich der einzelnen Bundesländer wird noch einmal der Anteil der Landkreise mit ihrer Entwicklung (Rückgang, stabil, Anstieg) dargestellt. Auffällig ist hier Sachsen, wo mehr als 90 % der Landkreise einen Anstieg verzeichnen.Verteilung der Entwicklung innerhalb der Bundesländer

Die dargestellten Auswertungen und Analysen beziehen sich auf den vom Robert-Koch-Institut täglich zur Verfügung gestellten Datenbestand (RKI_Covid19.CSV). Eine Gewähr für die Ruichtigkeit und Vollständigkeit kann nicht gegeben werden. Bei Rückfragen nehmen Sie bitte umgehend Kontakt auf.

18 Aug
Corona 05 Kennzahlen: Aktivquote

Nach der Letalitätsquote (Anteil der abgeschlossenen Fälle mit digitalem Ausgang) soll eine weitere Kennzahl eingeführt werden. Es handelt sich um die Aktivquote, also dem Anteil der offenen Fälle:

Anzahl offener Fälle / Gesamtfälle

Sie gibt potenziell die Belastung des medizinischen Systems wieder, bei steigender Quote erhöht sich auch der Bedarf nach medizinischen Leistungen. Sie kann Werte zwischen 0 (Pandemie abgeschlossen) und 100 (ganz am Anfang, noch keine Geheilten oder Verstorbenen) auf. Generell gilt, die Werte sollten sinken, ein Anstieg ist ein Warnsignal.

Aktivquote nach Kalenderwochen

Betrachtet man die wöchentlichen Auswertungen der letzten 3 Monate sinkt der Wert zunächst stetig um dann in der KW 29 wir zusteigen. Hier wird die zunehmende Zahl von Neuinfektionen deutlich. Gegenüber dem Minimum mit 2,3 % (bezogen auf das gesamte Bundesgebiet) liegt der Wert aktuell mehr als doppelt so hoch bei 5,8 %. Dies könnte ein Hinweis auf die 2. Welle sein.

Tabelle: Aktivquote / KW

Wie lange ist die typische Verweildauer im medizinischen System? Betrachten wir die aktuelle Situation (Stand 15. 8. 2020) sind von den Fällen der aktuellen Woche noch fast 100 % aktiv, von der Vorwoche noch 88 %. Davor wird es deutlich weniger; von den 3 und 4 Wochen alten Fällen sind noch ca. 26 % bzw. 19 % aktiv, noch ältere nur zu 0,6 %.

Aktive Fälle: Rückwärtsbetrachtung

Abschließend soll noch die Situation in den einzelnen Bundesländern dargestellt werden. Diese miteinander vergleichbar zu machen ist die Bezugsgröße die Anzahl der positiv getesteten je 100.000 Einwohner. Demgegenüber wird die Aktivitätsquote dargestellt. Deutlich wird, dass in Nordrhein-Westfalen mit einer Aktivquote von 9,3 % ein etwa dreimal so hoher Werte vorliegt wie in Bayern  (3,2%) oder Baden-Württemberg (2,9 %).

Aktivquote nach Bundesländern
Tabelle: Aktivquote Bundesländer (Stand 15.08.2020)

Die Kennzahl wird im nächsten Beitrag weiterentwickelt als Akitvquote30, sie bezieht nur die Fälle aus den letzten 30 Tagen ein.

02 Jul
Corona 04: Entwicklung im Juni 2020

Mit Beginn des Juli sollen einmal die wichtigsten Daten des abgelaufenen Monats dargestellt werden. Wie in den vorangegangenen Beiträgen geschieht dies auf Basis der vom RKI täglich bereitgestellten Daten.

Haftungsausschluss

die folgende Darstellung dient ausschließlich der Information für an der Datenanalyse und -Visualisierung interessierte Personen. Eine Haftung für die Inhalte wird vollumfänglich ausgeschlossen.

Bei den verwendeten Daten handelt es sich um normierte Größen, d. h. die betrachteten Werte werden auf 100.000 Einwohner umgerechnet. Damit ergibt sich eine Vergleichbarkeit zwischen den einzelnen Regionen.

Hier die Übersicht:

Juni 2020 (Werte je 100 Tsd. Einwohner)

Bei den Neuinfektionen stellen die Stadt-Staaten Berlin und Bremen gefolgt von Nordrhein-Westfalen die höchsten Werte auf; während Schleswig-Holstein, Mecklenburg-Vorpommern und Sachsen geringste Quote von Neuinfektionen (auf 100.000 Einwohner) aufweist.

Neu-Infektionen im Juni 2020 (je 100 Tsd. EW)

Etwas anders ist das Bild bei der Entwicklung der aktiven Fälle. Hier gibt ist nur in Berlin und Nordrhein-Westfalen einen nennenswerten Zuwachs. Den stärksten Rückgang verzeichnet auf der anderen Seite Thüringen mit -10,2 (auf 100 Tsd).

Entwicklung der aktiven Fälle (je 100 Tsd EW)

Auch die Letalitätsquote zeigt starke Unterschiede zwischen den Ländern. Hier beobachten wir Werte von knapp 10 % Saarland bis zu 0 % (also keinem Todesfall) in Mecklenburg-Vorpommern.

Letalitätsquote im Juni 2020 (Anteil der Todesfälle an den abgeschlossenen Fällen)

Vorschau: voraussichtlich wird das Thema des nächsten Beitrags der Einsatz der Clusteranalyse zum Finden von regionalen Gruppen auf Basis von Kennzahlen sein.

15 Jun
Corona 03: Regionale Unterschiede

Im Moment (15.6.2020) sind in Deutschland ca. 220 positiv getestete auf 100.000 Einwohner zu verzeichnen. Dabei gibt es allerdings erhebliche regionale Unterschiede; so weist die Gemeinde Tirschenreuth mehr als 1.500 gemeldete Infektionen auf, während andere noch im niedrigen 2-stelligen Bereich melden. Diese Unterschiede sollen im Folgenden transparent gemacht werden. Dazu wird eine Klasseneinteilung auf Basis der gemeldeten Fälle je 100.000 Einwohner vorgenommen, die sich an der bekannten Münz-Einteilung 1-2-5-10 usw. orientiert

Die Anzahl der Regionen in den einzelnen Intensitätsklassen ergibt dabei folgendes Bild:

Anzahl der Regionen (Kreise) in den verschiedenen Intensitätsklassen

Bayern ist dabei das einzige Land mit einer Region von 2000 Fällen pro 100.000 Einwohner; ganz anders die Situation in Mecklenburg-Vorpommern: alle Regionen weisen hier Fallzahlen zwischen 50 und 100 je 100.000 Einwohner auf.

Nach diesem Verfahren lässt sich auch die Letalität differenziert darstellen:

Letalität nach Intensitätsklassen

Mit 2,5 % liegt dabei die Letalität nur bei der Hälfte des Mittelwertes über alle Länder. Interessant: Tendenziell ergibt sich eine Zunahme der Letalität mit der Intensität des Befalls einer Region. Anders ausgedrückt ist die Letalität in stärker betroffenen Regionen höher als in niedrig betroffenen. Besonders deutlich wird dies in der Betrachtung der Altersgruppen:

Die Altersgruppen ab 60 (und insbesondere die A80+) zeigen hier einen deutlichen Trend, der in der folgenden Grafik zusammen mit dem Mittelwert über alle Altersgruppen dargestellt wird:

Letalitätsquote nach Intensitätsklassen (Fälle je 100 Tsd Einwohner)

Welche Ursache hierfür verantwortlich ist bleibt offen. Eine mögliche Erklärung liegt in der stärkeren Belastung des medizinischen Systems durch die höheren Fallzahlen.

02 Jun
Corona 02- Darstellung der täglichen Entwicklungen

Nach dem Überblick im Blog vom 28. Mai soll nun die aktuelle Situation dargestellt werden. Basis sind wieder die Daten des RKI, die in eine analytische Datenbank (OLAP) überführt wurden.

Zuerst betrachten wir die die Entwicklung der Anzahl der aktiven Fälle in den letzten 2 Wochen in Deutschland: die Werte sinken deutlich.

Auf Ebene der Bundesländer betrachten wir die absolute Veränderung zum Vortag (31. Mai vs. 1. Juni):

Abweichung zum Vortag (31.5. => 1.6.)

Wieder ist die Anzahl der Neuinfektionen in fast allen Bundesländern (Ausnahme Thüringen) gesunken, wobei zu berücksichtigen ist, dass die Datenlage aufgrund des Pfingstwochenendes möglicherweise unvollständig ist. Anmerkung: Negative Werte bei den Positiv getesten erklären sich aus Umschlüsselungen im Datenbestand.

Die Normierung (Darstellung je 100.000 Einwohner macht die Daten vergleichbar:

Werte je 100 Tsd. Einwohner: Abweichung zum Vortag (31.5. => 1.6.)

Differenzierter stellt sich die Lage auf Ebene der einzelnen Regionen (Kreise) dar. Im ersten Schritt wird die Entwicklung der aktiven Fälle im Vergleich zum Vortag dargestellt. Die Werte stehen für die Anzahl der betroffenen Regionen:

Entwicklung der aktiven Fälle bezogen auf die Anzahl der betroffenen Regionen

Insgesamt weisen 165 Regionen einen Rückgang der aktiven Fälle auf, in 194 ist es unverändert während eine Zunahme bei 53 Kreisen zu beobachten ist.

Hier gibt es Ausreißer, die sich gegen den Trend entwickeln. Dabei wurden die 10 Regionen mit der stärksten Zunahme der Fallzahlen berücksichtigt. Dargestellt werden wieder normierte Werte, also je 100 Tsd Einwohner.

Top 10 Regionen (bezogen auf neue Infektionen) je 100 Tsd. Einwohner

In den Medien wurde bereits auf die Lage in Göttingen eingegangen, sodass sie etwas genauer betrachtet werden soll. Bei einer Einwohnerzahl von ca. 320 Tsd entspricht der Wert von 7,6 einer Anzahl von Neuinfektionen von 25. Hier eine Aufgliederung nach Altersgruppen und Geschlecht.

Corona: Aufgliederung nach Alter und Geschlecht.
Positiv getestete Personen: Aufgliederung nach Altersgruppe und Geschlecht

Betroffen sind Schwerpunkt jüngere männliche Personen.

Im nächsten Blog wird auf die Verteilung der Fallzahlen eingegangen.