Bundesinstitut für Bau-, Stadt- und Raumforschung

Dashboard zur regionalen Ausbreitung von COVID-19

Die interaktive Anwendung des BBSR zur regionalen Ausbreitung von COVID-19-Erkrankungen und zur Verfügbarkeit von Intensivbetten zeigt, wie sich das Virus regional unterschiedlich verbreitet hat. Die Anwendung "Corona regional" basiert auf den gemeldeten COVID-19-Erkrankten und Todesfällen im Zeitverlauf. Neben Kartenansichten und Diagrammen enthält sie auch eine tabellarische Übersicht zu Fallzahlen je Kreis. Zusätzlich werden auch die regionale Verfügbarkeit und Auslastungen von Intensivbetten im Zeitverlauf analysiert. Auswertungen über administrative Einheiten hinaus sind auch für städtische und ländliche Räume möglich.

Das Informationsangebot des Robert-Koch-Instituts (RKI) wird um folgende Darstellungen ergänzt:

  • Entwicklungen der Fallzahlen seit Beginn des ersten Ausbruchs absolut und einwohnergewichtet
  • Auswahlmöglichkeiten für Stadt- und Landkreise, Länder, Bund sowie raumstrukturelle Typisierungen (siedlungsstrukturelle Kreistypen und Stadt-Land-Aggregate)
  • Statusdarstellungen zu frei wählbaren Zeitpunkten im Zeitverlauf
  • Altersgruppen- und geschlechterspezifische Auswertungen im Zeitverlauf
  • Vergleich der Entwicklung zwischen verschiedenen Stadt- und Landkreisen, Bundesländern sowie zwischen städtischen und ländlichen Räumen
  • Vielfältige grafische Visualisierungen: Karten, "Fieberkurven", Kreisdiagramme, "Heat Maps", Streudiagramme etc.
  • Tabellen durchschnittlicher Infektionszahlen für den raumstrukturellen Vergleich
  • Export von Basisdaten für selbst auswählbare Raumeinheiten
  • Räumliche Analysen und Visualisierungen der Daten des DIVI-Intensivregisters (Intensivbetten, Belegung, Auslastung, COVID-19-Patienten mit Beatmung)

Mit der Anwendung möchten wir ein Informationsangebot schaffen, dass eigene raumstrukturelle Auswertungen ermöglicht. Die Daten können außerhalb der Anwendung mit weiteren raumstrukturellen Daten aus der laufenden Raumbeobachtung des BBSR (http://www.inkar.de) verknüpft werden.

Auch hinsichtlich des Intensivbettenregisters enthält die Anwendung erweiterte Ansichten und Auswertungsmöglichkeiten:

  • Entwicklung der Bestands- und Auslastungsgrade an Intensivbetten für Kreise und Bundesländer über die Zeit
  • Anteil beatmeter Patienten für Kreise und Bundesländer über die Zeit
  • Vergleich nach städtischen und ländlichen Räumen

Start der Anwendung

COVID-19-Dashboard

BBSR-Beobachtungen

Die COVID-19-Pandemie wirkt sich kurz-, mittel- und langfristig unterschiedlich aus. Folgende Thesen zeigen, welche räumlichen Gegebenheiten die Ausbreitung von SARS-CoV-2 begünstigen. Dabei beziehen sie sich, wenn markiert, auf Karten des Dashboards. 

  1. Nähe begünstigt: Für die Infektion sind bekanntlich Nähe und Dichte maßgeblich ("Superspreader Hotspots", meist in Innenräumen). Großveranstaltungen finden überall statt und haben keine explizite räumliche Inzidenz.

  2. Einzelereignisse führen zu Hotspots: Hotspots tragen die regionale Ausbreitung der COVID-19-Erkrankungen (Karte, Fieberkurven). Dies gilt für die erste Welle.

    Zu Beginn der Pandemie sorgte auch die Nähe zu den stark betroffenen Ländern Österreich und Italien ((touristischen Aktivität und/oder Pendelverhalten) für hohe Zahlen in den Bundesländern Bayern und Baden-Württemberg. Andererseits hat sich trotz der frühen und intensiven Ausbreitung im Landkreis Heinsberg keine ähnliche Verbreitung in Nordrhein-Westfalen abgezeichnet.

  3. Großstädte keine Hotspots: Großstädte sind wegen hoher Dichte und globaler Vernetzung zwar stärker gefährdet (Matrix krstyp4). Sie weisen aber unter den Bedingungen des Lockdowns nicht notwendigerweise entsprechend hohe Fallzahlen auf (hohes Gefährdungspotenzial, aber faktisch keine hohen Erkrankungszahlen).

  4. Absolute Fallzahlen steigen bevölkerungsproportional: In weniger dicht besiedelten Regionen (in Nord- und Ostdeutschland) sind die Zahlen der Erkrankten niedriger (Karte). Umgekehrt steigen die Fallzahlen mit zunehmender Dichte.

  5. Keine Stadt-Land-Unterschiede (Streudiagramm, Heatmap): Einwohnergewichtete Stadt-Land-Unterschiede sind in der Ausbreitung nicht signifikant erkennbar – jede Region kann betroffen sein. Jedoch ist auffällig, dass während der Hochphase der COVID-19-Epidemie etliche nicht-städtisch geprägte Kreise die höchsten einwohnergewichteten Fallzahlen aufwiesen (Heinsberg, Tirschenreuth, Neustadt a. d. Waldnaab, Straubing, Rosenheim, Hohenlohekreis, Zollernalbkreis, Greiz, Sonneberg etc.). Die regionale Verteilung ist somit eine Folge der Erstinfektionen. Der Lockdown hat diese räumliche Verteilung glücklicherweise eingefroren; was danach kommt, sind spezielle lokale Konstellationen.

  6. Konzept der regionalen Eindämmung wirkt: Die regionale Ausbreitung in neuen Hotspots (insb. Schlachthöfe, Alten- und Pflegeheime, Einrichtungen zur Unterbringung von Geflüchteten, Lieferdienste) haben aufgrund regionaler Vorsorgemaßnahmen zu keiner kritischen Ausbreitung geführt (Liniendiagramme einzelner Kreise).

  7. Kein Muster bezüglich der Siedlungsstruktur: Es lassen sich keine flächendeckenden Effekte von Siedlungsstrukturen auf die Entstehung und die Verschärfung der Pandemie erkennen (Streudiagramm, Heatmap). Einen statistisch-signifikanten Zusammenhang zwischen der Siedlungsdichte und der Infektionsrate auf Kreisebene gibt es nicht.

  8. Erkrankungs- und Todeszahlen mit Geschlechts- und Altersunterschieden (Balkendiagramm, Karte): Wegen alters- und geschlechtsselektiver Binnenwanderungen gibt es regionale Unterschiede in der Altersstruktur der Bevölkerung sowie in den Geschlechterproportionen der Altersgruppen. Erst das Verhältnis der COVID-19-Fallzahlen zu den Altersgruppen gibt Aufschluss, ob bestimmte Bevölkerungsgruppen (bezogen auf das Alter oder das Geschlecht) besonders betroffen sind.

  9. Einfluss der Luftqualität auf die Sterberate durch SARS-CoV-2: Einzelne Untersuchungen legen einen Einfluss der Luftqualität auf die Schwere der Erkrankung und die Sterberate durch Sars-CoV2 nahe (Wu et al. 2020), insbesondere bei lufthygienisch bedingten Vorerkrankungen. Die schlechtere Luftqualität in dicht besiedelten Städten könnte insofern ein Faktor sein, der auf die Mortalitätsrate wirkt.

Fazit

Die Ausbreitung von COVID-19 lässt sich nicht explizit auf bestimmte räumlichen Muster zurückführen. Vielmehr spielen individuelle Bedingungen, lokale Ereignisse und Einzelevents eine entscheidende Rolle. Das ließe sich theoretisch nur durch einen multifaktoriellen Ansatz erschließen, dabei sind statistische Fehlschlüsse zu vermeiden. Diese Vorgehensweise erfordert jedoch einen längerfristig geplanten Forschungsansatz.

Welche Möglichkeiten hat die Krankenhaus-Infrastruktur mit der Epidemie umzugehen und sich anzupassen?

  • Regionale Unterschiede bei der Ausstattung mit Krankenhausbetten: Es gibt regionale Unterschiede in der generellen Ausstattung mit Krankenhausbetten sowie mit Intensivbetten (und der Erreichbarkeit des nächsten Krankenhauses) (Karte Auslastung und Bestand).
  • Rasche Anpassung der Intensivbettenzahl: Das Gesundheitswesen in Deutschland war auf eine solch schwere Pandemie wie COVID-19 zwar teilweise unzureichend vorbereitet, konnte jedoch mit den entsprechenden Maßnahmen (Lockdown, Aufstockung mit Intensivbetten und lebensnotwendigen (Beatmungs)-Geräten für Notfälle) gut mit der Epidemie umgehen und sich an die Bedingungen anpassen (Auslastung).

Daten/Methodik

Robert-Koch-Institut (RKI)

Das BBSR nutzt die aggregierten Daten der gemäß Infektionsschutzgesetz (IfSG) von den Gesundheitsämtern an das RKI übermittelten Covid-19-Fälle (Quelle: Robert-Koch-Institut (RKI), dl-de/by-2-0). Die Gesundheitsämter melden spätestens am nächsten Arbeitstag elektronisch an die zuständige Landesbehörde und von dort werden die Daten an das RKI übermittelt. Am RKI werden sie mittels weitgehend automatisierter Algorithmen validiert. Es werden nur Fälle veröffentlicht, bei denen eine labordiagnostische Bestätigung unabhängig vom klinischen Bild vorliegt. Plötzliche Anstiege in den Fallzahlen können daher auch auf eine Ausweitung der Testkapazitäten zurückgeführt werden.

Die Fälle werden dem Landkreis zugeordnet, aus dem der Fall übermittelt worden ist. Das entspricht in der Regel dem Wohnort bzw. gewöhnlichen Aufenthaltsort der Fälle und nicht dem Ort, wo sich die Person wahrscheinlich angesteckt hat. Alle Stadt- und Landkreise verfügen über ein Gesundheitsamt bzw. eine Abteilung, die hierfür zuständig ist. Es ist daher davon auszugehen, dass die Zuordnung zum Landkreis des Wohnortes der Fälle weitestgehend korrekt ist.

Bei der Darstellung der Neuinfektionen pro Tag wird das Meldedatum verwendet. Dadurch kann es zu zeitlichen Verzögerungen zwischen Infektionsgeschehen und Meldung kommen. Die Daten werden in regelmäßigen Abständen (derzeit wöchentlich) vom BBSR neu geladen und um die neue (Kalender-) Woche ergänzt. Dieser neue Datensatz enthält dann auch die Korrekturen für zurückliegende Meldungen. Das beinhaltet jedoch auch, dass der Datensatz wöchentlich komplett neu aufbereitet werden muss, indem die gemeldeten Fallzahlen pro Tag zu laufenden Summen kumuliert werden.

Die Daten sind seit dem 28.01.2020 verfügbar. In der Anwendung werden folgende Variablen genutzt:

  • IdBundesland: Id des Bundeslands des Falles mit 1=Schleswig-Holstein bis 16=Thüringen
  • Bundesland: Name des Bundeslandes
  • Landkreis ID: Id des Landkreises des Falles in der üblichen Kodierung 1001 bis 16077=LK Altenburger Land
  • Landkreis: Name des Landkreise
  • Altersgruppe: Altersgruppe des Falles aus den 6 Gruppe 0-4, 5-14, 15-34, 35-59, 60-79, 80+ sowie unbekannt
  • Geschlecht: Geschlecht des Falles M=männlich, W=weiblich und unbekannt
  • AnzahlFall: Anzahl der Fälle in der entsprechenden Gruppe
  • AnzahlTodesfall: Anzahl der Todesfälle in der entsprechenden Gruppe
  • Meldedatum: Datum, wann der Fall dem Gesundheitsamt bekannt geworden ist
  • Datenstand: Datum, wann der Datensatz zuletzt aktualisiert worden ist

Auf Grund der wöchentlichen Aktualisierung und überwiegend wöchentlichen Betrachtung der Fallzahlen wird darauf verzichtet, die Variablen NeuerFall und NeuerTodesfall mit in die Berechnungen aufzunehmen. Dadurch kann es (in geringem) Maße zu Abweichungen der Zahlen im Vergleich zu anderen Darstellungen kommen, die die Daten des RKI verwenden.

Datenquelle: https://npgeo-corona-npgeo-de.hub.arcgis.com/datasets/dd4580c810204019a7b8eb3e0b329dd6_0/data

Intensivbettenregister

Zur Darstellung der Verfügbarkeit und Auslastung der Intensivbetten nutzt das BBSR die Daten des Intensivregisters der Deutschen Interdisziplinären Vereinigung für Intensiv- und Notfallmedizin e.V. (DIVI). Seit dem 8. April 2020 ist durch die Verordnung zur Aufrechterhaltung und Sicherung intensivmedizinischer Krankenhauskapazitäten (DIVI-Intensivregister-Verordnung) des Bundesministeriums für Gesundheit die Meldung der Intensivkapazitäten im DIVI-Intensivregister verpflichtend. Meldepflichtig ist jeder Krankenhaus-Standort bzw. jede Klinik in Deutschland, die Intensivbetten zur Akutbehandlung betreibt. Die Krankenhäuser sind hierbei verpflichtet, bis 9 Uhr eines Tages die Verfügbarkeiten zu melden. Das DIVI-Intensivregister stellt die Kapazitäten der einzelnen Krankenhausstandorte und Verfügbarkeiten der Intensivbetten in drei Versorgungskategorien dar.

Die Daten des Intensivbettenregisters werden über die täglich veröffentlichten Tagesreporte bezogen. Die Daten sind seit dem 30. April 2020 verfügbar und weisen vereinzelt Lücken auf.

In der Anwendung werden folgende Variablen genutzt:

  • Gemeindeschlüssel
  • faelle_covid_aktuell
  • faelle_covid_aktuell_beatmet
  • betten_Frei
  • betten_belegt

Datenquelle: https://www.divi.de/divi-intensivregister-tagesreport-archiv

Laufende Raumbeobachtung

Ergänzend zu dem Informationsangebot des RKI wertet das BBSR die Fallzahlen altersgruppen- und geschlechterspezifisch auf und verknüpft die Fallzahlen mit Daten aus der Laufenden Raumbeobachtung. Das werden die Bevölkerungszahlen nach Altersjahren auf Kreisebene zum Stand 31.12.2018 und die siedlungsstrukturellen Gebietstypen des BBSR genutzt.

Datenquelle: http://www.raumbeobachtung.de

FAQs

Warum gibt es eine Anwendung „Corona-regional“?

Um die Ausbreitung von COVID-19 regional differenziert abzubilden. Mit der Anwendung lassen sich räumliche Unterschiede, etwa zwischen Stadt und Land, veranschaulichen. Auch können Interessierte regionale Maßnahmen zur Bekämpfung der Ausbreitung nachvollziehen und in ihrer Wirkung vergleichen. Die Anwendung ergänzt raumbezogene Analysen des BBSR. Diese zeigen, wie sich die Lebensverhältnisse regional unterscheiden.

Was unterscheidet die Anwendung vom RKI-Dashboard und anderen Anwendungen?

Die Anwendung zeigt, welche Räume wie stark von der Pandemie betroffen waren und wie Hotspots die Fallzahlen einer Region beeinflussen. Regionale Analysen sind für verschiedene Zeiträume, Zeitpunkte und differenziert nach Altersgruppen und Geschlechtern möglich. Eine Besonderheit ist der Vergleich unterschiedlicher Siedlungsstrukturen: Städtischer und ländlicher Raum; kreisfreie Großstädte, städtische Kreise, ländliche Kreise mit Verdichtungsansätzen, dünn besiedelte ländliche Kreise.

Woher bezieht die Anwendung die Daten? Wann wird aktualisiert?

Öffentlich zugängliche Daten des Robert-Koch-Instituts (RKI) und des DIVI-Intensivregisters. Die Daten werden jeden Mittwoch für die vorangegangene Kalenderwoche aktualisiert.

Wie funktioniert die Anwendung?

Das BBSR visualisiert die Daten des RKI und des DIVI mit Hilfe der Business-Intelligence-Software "Tableau" – beispielsweise als Karte, Liniendiagramm, Streudiagramm oder Heatmap. Auswahlmöglichkeiten beziehen sich auf unterschiedliche Parameter wie Zeitraum, Zeitpunkt, räumliche Ebene, Altersgruppen, Geschlecht, etc. Interaktiv lassen sich Parameter für verschiedene Zeitscheiben und Zeiträume regional differenziert darstellen und Daten herunterladen.

Wer kann die Anwendung nutzen und wofür?

Das BBSR adressiert die interessierte Öffentlichkeit sowie Forschende und Anwender aus dem öffentlichen Bereich. "Corona regional" erleichtert die Beantwortung drängender Fragen: Wo sind die Hotspots? Wie stark verbreitet sich das Virus in den Kreisen? Wo ist die Eindämmung erfolgreich gelungen?

Was ist die Anwendung nicht?

Ein Prognosewerkzeug zur künftigen Ausbreitung. „Corona regional“ ist ein Visualisierungstool, mit der sich die Ausbreitung der Pandemie nachvollziehen lässt.

Ist ein Ausbau der Anwendung geplant?

Ja. Neben der Fortschreibung der bereits vorhandenen Daten sollen schrittweise weitere Gebietsabgrenzungen und Fachstatistiken in die Anwendung integriert werden.

Was sind die Gründe für Hot Spots des Infektionsgeschehens?

Wo das Infektionsgeschehen besonders hoch war oder ist, zeigt die Karte der kumulierten Fälle. Sie werden auch dann noch angezeigt als stark betroffene Kreise, wenn das Infektionsgeschehen schon lange abgeklungen ist. Ein Beispiel ist der bayerische Landkreis Tirschenreuth, der über den gesamten Zeitraum bundesweit die höchsten einwohnerbezogenen Fallzahlen aufweist. Laut einer Studie des Robert-Koch-Instituts (RKI) befeuerten Rückkehrer aus Wintersportgebieten, eine traditionelle Bierwirtschaft und ein Starkbierfest die Ausbreitung im März. 90 Prozent der infizierten Todesopfer hatten der Studie zufolge Vorerkrankungen, die meisten waren über 80 Jahre alt. Der Landkreis weist seit Wochen keine Neuinfektionen mehr auf. Ein anderes Beispiel ist der Landkreis Gütersloh in Nordrhein-Westfalen. Hier fand das stärkste Infektionsgeschehen in der zweiten Junihälfte statt. In der Großschlachterei Tönnis hatten sich viele Arbeitskräfte infiziert. Die Entwicklung solcher Hot Spots (täglich gemeldete COVID19-Fälle im Zeitverlauf) lässt sich grafisch durch "Fieberkurven" darstellen. Daran erkennt man, dass die Infektionszahlen rasch zurückgehen, wenn lokale Maßnahmen zur Eindämmung getroffen werden.

Warum stellen Sie Zahlen je 100.000 Einwohner dar und nicht die absoluten Fallzahlen?

Besonders für den Vergleich zwischen den Stadt- und Landkreisen ist es wichtig, die Fallzahlen auf die Bevölkerung zu beziehen. Die relativen Zahlen – also gemessen an 100.000 Einwohnern – ermöglichen den Vergleich unterschiedlich großer Einheiten. Der kleinste Kreis hat 34.000 Einwohner (kreisfreie Stadt Zweibrücken), der größte 3,6 Millionen (Stadt Berlin). Eine identische Infektionsrate von 3 je 100.000 Einwohnern entspricht in Zweibrücken absolut 1 Neuinfektion, in Berlin 109 neuen Fällen.
Mit dem Mouse-Over lassen sich in den Grafiken zusätzlich immer auch die absoluten Zahlen ermitteln.

Wieso gibt es "weiße Flecken" beim Intensivbettenregister?

In den weiß gefärbten Kreisen gibt es an diesem Tag keine Meldungen durch die Krankenhäuser in dieser Region – vorwiegend aus Datenschutzgründen. Trotzdem sind die verantwortlichen Stellen jederzeit über die Kapazitäten gut informiert. Nur sehr wenige Kreise haben nach den vorliegenden Zahlen keine eigenen Intensivbetten, sondern werden durch die nahegelegenen Krankenhäuser in den benachbarten Kreisen mitversorgt.

Kontakt

Nadine Blätgen
Referat I 6 - Stadt-, Umwelt- und Raumbeobachtung
E-Mail: nadine.blaetgen@bbr.bund.de

Dr. Fabian Dosch
Referat I 6 - Stadt-, Umwelt- und Raumbeobachtung
E-Mail: fabian.dosch@bbr.bund.de

Diese Seite

Hinweis zur Verwendung von Cookies

Cookies erleichtern die Bereitstellung unserer Dienste. Mit der Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies verwenden. Weitere Informationen zum Datenschutz erhalten Sie über den folgenden Link: Datenschutz

OK