Schlagwort-Archive: RKI

Corona-Statistik 2020/2021

Eine kritische Bilanz

Das Jahr 2021 ist vorbei und die Corona-Zahlen liegen nun vor. Zu Beginn des Jahres 2021 konnte man erwarten, dass sich das schlimme Corona-Jahr 2020 nicht wiederholen würde, schließlich standen mehrere Impfstoffe zur Verfügung. Allenfalls konnte man es für eine Frage der Organisation halten, bis hinreichend viele Menschen geimpft und die Pandemie damit mehr oder weniger zu Ende sei.

Heute sind wir alle klüger: Die Zahlen für 2021 sind dramatischer als die für 2020 – trotz der Impfung. Fast dreimal so viele Infizierte und immerhin 59% mehr Tote. Mittlerweile wissen wir auch, dass zweimal Impfen nicht reicht. Absehbar ist auch nach der dritten Spritze keine wirkliche Immunität gegeben. Die Impfung schützt zwar oft vor schweren Krankheitsverläufen und Tod, aber wenig vor einer Infektion und vor dem Weitertragen des Virus. Auch Geimpfte sind also nach wie vor Teil der Infektionsdynamik. Zudem ist bekannt, dass der Schutz der Impfung bereits binnen 3 – 4 Monaten nachlässt und der Impfstoff nach 6 Monaten und mehr, je nach Alter, nur noch eine schwache Wirkung entfaltet. Die daraus folgende Problematik wird im Text diskutiert und anhand vieler Grafiken visualisiert.

Konkret werden im Artikel die Zahlen zu den Infektionen und den Todesfällen für 2020 und 2021 insgesamt und getrennt nach Altersgruppen nebeneinander gestellt und miteinander verglichen. Ferner werden die Infektionsrisiken, die Letalitätswerte (Sterblichkeit nach Corona-Infektion) und die Mortalität (Corona-Sterblichkeit in der Bevölkerung) altersgruppenspezifisch bestimmt und zueinander in Relation gesetzt.

Aus der tiefergehenden Untersuchung zu den Zahlen für 2021 werden Schlüsse zum altersabhängigen Risiko gezogen: Letalität und Mortalität steigen exponentiell mit dem Lebensalter. Die Sterblichkeit nach einer Infektion (Letalität) verzehnfacht sich pro 18 Lebensjahren. Die Mortalität verzehnfacht sich pro 22 Lebensjahren. Um das richtig einzuordnen muss man erwähnen, dass das absolute Corona-Sterberisiko von 18-Jährigen bei etwa 0,0005% liegt, das von 84-Jährigen bei etwa 0,5%.

Auf Basis von Überlegungen zur Ableitung der unterschiedlichen Sterberisiken für Geimpfte und Ungeimpfte aus den verfügbaren Felddaten, erfolgt im letzten Teil eine Was-Wäre-Wenn-Analyse. Basierend auf den realen Daten aus 2021 werden dabei hypothetische Szenarien mit und ohne Impfung durchgerechnet und miteinander verglichen. Der Schluss gehört der Betrachtung von diversen Alternativszenarien mit unterschiedlichen altersgruppenspezifischen Impfquoten. Dafür werden die unter den getroffenen Annahmen wahrscheinlichen Fallzahlen bestimmt, auch im Hinblick auf Geimpfte und Ungeimpfte.

Infizierte und Todesfälle – Vergleich 2020/2021

Die nachfolgend präsentierten Corona-Grafiken und Analysen basieren sämtlich auf dem vom Robert-Koch-Institut (RKI) veröffentlichten Zahlenmaterial. Die entsprechenden Referenzen sind  im Quellenverzeichnis aufgeführt.

Die Corona-Impfquoten, die Inzidenzen bezüglich der Infizierten, der Hospitalisierten und der Corona-Todesfälle werden vom RKI in hoher zeitlicher Auflösung publiziert. Man muss die Erfassungssystematik nicht in jedem Detail für gelungen und zweckmäßig halten, in Summe ist das RKI dennoch die einzige einigermaßen verlässliche Corona-Datenquelle. Es gibt kleinere Unschärfen, z.B. bezüglich der Impfquoten, und es gibt eklatante Mängel, z.B. hinsichtlich des Erfassung des Impfstatus der Infizierten, der Hospitalisierten und der Todesfälle. Immerhin werden seit August 2021 für die symptomatischen Fälle die Infektionszahlen getrennt nach Geimpften und Ungeimpften erfasst. Weitere für die Analyse wichtige Einflussgrößen wie die verstrichene Zeitspanne seit der Impfung oder das effektive Ansteckungsrisiko aufgrund des Kontaktprofils werden nicht dokumentiert und können daher auch nicht ausgewertet werden.

Die Inzidenzen der Corona-Infektionen und der Fälle der „an oder mit“ Corona Verstorbenen nehmen wir einfach so, wie sie vom RKI veröffentlich wurden, auch wenn man bezüglich der Höhe der Zahlen berechtigte Zweifel ins Feld führen kann. Tatsächlich könnten die Infektionszahlen deutlich höher gelegen haben, weil viele Infektionen unerkannt geblieben sind. Die Zusammensetzung der Testkohorte spiegelt lediglich rechtliche Vorgaben wider. Nötig wäre aber eine Orientierung an wissenschaftlichen Grundsätzen. In letzter Konsequenz sind daher die veröffentlichten Inzidenzen nur grobe Schätzungen.

Umgekehrt könnten viele Todesfälle fälschlicherweise Corona zugerechnet worden sein, weil die Todeskausalität in vielen Fällen nicht näher untersucht worden ist. In letzter Konsequenz könnte die Infektiosität in Wahrheit höher und die Letalität (Sterblichkeit bei einer Corona-Infektion) tatsächlich kleiner sein, als sich dies aus den Zahlen des RKI ergibt. Das ist hier indessen nicht das Thema: Wir stützen uns auf die Daten des RKI, nichts sonst. Alles andere wäre Spekulation.

Corona-Infizierte und -Todesfälle 2020 und 2021 im direkten Vergleich.

Abbildung 1: Corona-Infizierte und -Todesfälle 2020 und 2021 im direkten Vergleich. Man erkennt, dass sich die Infektionszahlen in 2021 gegenüber 2020 in etwa verdreifacht haben. Die Anzahl der Todesfälle ist um ca. 59 % gestiegen. Rohdaten: RKI, Datenstand 22.01.2022.

In Abb. 1 fällt zunächst die hohe Zahl der Infizierten in 2021 auf. Gegenüber 2020 (mit 10 Monaten Pandemiedauer) haben wir in 2021 ein volles Jahr. Das kann den Anstieg sicher nicht erklären. Offenbar liegt ein Grund eher in der höheren Infektiosität der Deltavariante des Virus. Die Anfang 2021 angelaufene Impfkampagne hatte auf die Anzahl der Infektionen offenbar keinen dämpfenden Einfluss. Mit Blick die Todesfallzahlen registriert man den vergleichsweise deutlich geringeren Anstieg. Ist das womöglich ein Erfolg der Impfung? – Teilweise sicher ja, der Effekt ist aber wohl geringer, als dies der erste Anschein vermuten lässt. Näheres dazu mit einer genauen Analyse weiter unten.

Infizierte und Todesfälle nach Altersgruppen – Vergleich 2020/2021

Corona-Infizierte 2020 und 2021 nach Altersgruppen im direkten Vergleich.

Abbildung 2: Corona-Infizierte 2020 und 2021 nach Altersgruppen im direkten Vergleich. Wie man sieht, sind in 2021 insbesondere die Infektionszahlen bei den jüngeren Altersgruppen erheblich gestiegen. Rohdaten: RKI, Datenstand 22.01.2022.

Corona-Todesfälle 2020 und 2021 nach Altersgruppen im direkten Vergleich.

Abbildung 3: Corona-Todesfälle 2020 und 2021 nach Altersgruppen im direkten Vergleich. Die absoluten Fallzahlen zeigen einen Anstieg insbesondere bei den Über-50-Jährigen. Das größere relative Wachstum verzeichnet man bei den Jüngeren. In der Gesamtschau sind aber dennoch die Älteren mit großem Abstand dominierend. Allein der Zuwachs in 2021 ist bei den Älteren (60+) viermal höher als die Gesamtanzahl der Toten bei den Jüngeren (0-59). Rohdaten: RKI, Datenstand 22.01.2022.

Beim Vergleich der beiden Grafiken nach Abb. 2 und 3 fällt auf, dass die Infektionszahlen weit überwiegend von den Altersgruppen unter 60 getrieben werden, die Todesfälle passieren aber nach wie vor zum größten Teil in der Altersgruppe ab 60. Das werden wir weiter unten genauer beleuchten.

Am vorstehenden Befund hat sich auch durch die Verfügbarkeit von Impfstoffen und der seit Januar 2021 laufenden Impfkampagne offenbar nichts oder nur wenig geändert. Jedenfalls ist der Effekt hier nicht sichtbar. Dabei waren doch gerade die Über-80-Jährigen schon früh im Jahr mit hoher Priorität und in großer Zahl geimpft worden.

Die folgende Abbildung mit zusammengefassten Altersgruppen untermauert dieses vorläufige Resümee in aller Deutlichkeit.

Abbildung 4: Corona-Infizierte und -Todesfälle 2020 und 2021 in ausgewählten Altersgruppen im direkten Vergleich. Bei der Betrachtung der aggregierten Altersgruppen sieht man nochmals deutlicher den starken Anstieg der Infektionen bei den Jüngeren. Tatsächlich ist die Anzahl der Infektionen in der Altersgruppe 0-59 gegenüber 2020 um über 200 % gewachsen. In der Altersgruppe 60+ haben sie sich dagegen nur um gut 100% erhöht. Zugleich sind hier auch die Todesfallzahlen weit weniger gestiegen. Rohdaten: RKI, Datenstand 22.01.2022.

Wenn man den Zahlen etwas Positives abgewinnen will, dann kann man an dieser Stelle immerhin darauf hinweisen, dass die Todesfallzahlen (+53 %) in der Altersgruppe 60+ weniger gewachsen sind als die Infektionszahlen (+104 %). Das darf man zum Teil sicher auch der Impfung zurechnen. Wie groß der Effekt tatsächlich ist, werden wir weiter unten genauer untersuchen. In der Altersgruppe 20-59 (mit einer im Jahresmittel geringen Impfquote) sind die Todesfallzahlen (+202 %) hingegen fast genau so schnell gestiegen wie die Infektionszahlen (+237 %).

Infizierte und Todesfälle nach Altersgruppen – Analyse für 2021

Relative Anteile der Corona-Infizierten und -Todesfälle 2021 nach Altersgruppen.

Abbildung 5: Relative Anteile der Corona-Infizierten und -Todesfälle 2021 nach Altersgruppen. In der linken Säule sind die Infizierten nach ihrem jeweiligen Anteil farbcodiert eingetragen. Die rechte Säule weist entsprechend die altersgruppenspezifischen Anteile unter den Todesfallzahlen aus. Man erkennt, dass die Infektionen überwiegend bei den Jüngeren auftreten, die Todesfälle indes bei den Älteren. Die gelb-braunen Farbtöne in der linken Säule stehen für die Altersgruppe 0-39 mit einem Anteil an den Infektionen von über 55%. In der rechten Säule kann man diese Farbtöne kaum ausmachen. Der Anteil an den Todesfallzahlen liegt bei etwa 0,7%. Umgekehrt am oberen Ende der Säule: 8,4% der Infizierten werden der Altersgruppe 70+ zugerechnet. Zugleich stellt diese Gruppe 82% aller Corona-Toten. Rohdaten: RKI, Datenstand 22.01.2022.

Auch wenn man mit Blick auf Abb. 5 dem ersten Anschein nach denkt, es sei anders: Die Farbcodierung ist in beiden Säulen gleich. Die extrem asymmetrische Verteilung zwischen Infektionszahlen und Todesfällen über die Altersgruppen hinweg wird mittels der Grafik klar vor Augen geführt. Das wirft ein denkbar grelles Licht auf die Corona-Maßnahmen. Abgesehen von der prioritären Impfung der Ältesten setzen sie überwiegend an der linken Säule im gelb-braunen und im grünen Bereich an (Altersgruppen 0-39 und 50-69). Der Effekt soll sich aber in der rechten Säule zeigen, wo diese Gruppen gerade einmal 17% ausmachen.

Das ist in etwa so, als würde man nach der Brandmeldung im Seniorenstift die Feuerwehr zur Grundschule schicken.

Es zeigt sich hier überdeutlich, dass viele der getroffenen Maßnahmen schon deswegen nicht wirken können, weil sie am falschen Ende ansetzen. Vielleich noch etwas klarer kommt das mittels der nachfolgenden beiden Abbildungen zum Ausdruck.

In der ersten (Abb. 6) sind die Altersgruppen teilweise zusammengefasst, um die zentrale Botschaft noch stärker hervortreten zu lassen. In der zweiten (Abb. 7) wurde eine andere Darstellung gewählt.

Relative Anteile der Corona-Infizierten und -Todesfälle 2021 nach ausgewählten Altersgruppen.

Abbildung 6: Relative Anteile der Corona-Infizierten und -Todesfälle 2021 nach ausgewählten Altersgruppen. In der linken Säule sind die Infizierten nach ihrem jeweiligen Anteil farbcodiert eingetragen. Die rechte Säule weist entsprechend die altersgruppenspezifischen Anteile unter den Todesfallzahlen aus. Man erkennt, dass die Infektionen überwiegend bei den Jüngeren auftreten, die Todesfälle indes bei den Älteren. Die Altersgruppe 0-19 stellt 25% der Infizierten, aber nur 0,1% der Todesfälle. Dem fast 84%-igen Anteil der den Altersgruppen 0-19 und 20-59  zugerechneten Infektionen stehen 6,6% der Todesfälle entgegen. Dagegen treten 93,3% der Todesfälle in den Altersgruppen 60-79 und 80+ auf, die ihrerseits nur etwa 16% der Infektionsfälle zu verantworten haben. Rohdaten: RKI, Datenstand 22.01.2022.

Relative Anteile der Corona-Infizierten und -Todesfälle 2021 nach Altersgruppen.

Abbildung 7: Relative Anteile der Corona-Infizierten und -Todesfälle 2021 nach Altersgruppen. Die gelben Säulen zeigen die relativen Infektionshäufigkeiten, die grauen die Todesfälle. Kurz gefasst sieht man auch hier, dass die Infektionen und die Todesfälle in unterschiedlichen Altersgruppen auftreten. Wo nur noch ein Bruchteil der Infektionen verzeichnet wird, sind die Todesfallzahlen am höchsten. Rohdaten: RKI, Datenstand 22.01.2022.

Die Unwirksamkeit vieler politisch verfügter Corona-Maßnahmen kann nach dieser Betrachtung kaum noch verwundern: Sie gehen schlichtweg am Ziel vorbei.

Um den obigen Feuerwehrvergleich nochmals aufzunehmen: Natürlich ist die potentielle Brandgefahr bei der Grundschule endgültig gebannt, die Feuerwehr ist ja schon vor Ort. Das kann sich man als Erfolg schönreden. Aber: Der Unterricht ist gestört und die Schüler leiden. Zugleich steht das Seniorenstift lichterloh in Flammen.

Überblick zu den kritischen Größen Infektionsrisiko, Letalität und Mortalität

Grundsätzlich gilt zwischen den drei Faktoren Infektionsrisiko, Letalität und Mortalität der folgende Zusammenhang:

Mortalität Infektionsrisiko * Letalität

Die Begriffe selbst werden in [9] Das Coronavirus: Harmlos? Bedrohlich? Tödlich? – sumymus blog näher erläutert. Hier eine kurze Zusammenfassung:

Die Mortalität ist der relative Anteil der an einer bestimmten Krankheit Verstorbenen bezogen auf die Gesamtheit der Bevölkerung oder bezogen auf eine bestimmte Personengruppe (z.B. Menschen eines gegebenen Alters oder die Bevölkerung in einer Region).

Die Letalität ist der relative Anteil der Verstorbenen bezogen auf die Gesamtheit der Infizierten oder die Gesamtheit der Infizierten einer bestimmten Personengruppe.

Das Infektionsrisiko beschreibt die Wahrscheinlichkeit für eine (Coronavirus-)Infektion. Es ist abhängig von der Eigenschaften des Virus, von den Umweltbedingungen, von individuellen Faktoren sowie von Maßnahmen zur Kontrolle der Verbreitung des Virus.

Die Letalität ist ein Maß für die Gefährlichkeit des Virus bzw. der Infektion bei gegebener Leistungsfähigkeit des Gesundheitssystems und gegebenem Gesundheitszustand des betreffenden Personenkreises sowie ggf. auch der Impfung. Dagegen misst die Mortalität darüber hinaus das Infektions- bzw. Erkrankungsrisiko. In Bezug auf Corona steckt in der Maßzahl der Mortalität somit auch die Wirksamkeit von Schutzmaßnahmen.

Bei 100%-iger Wirksamkeit der Schutzmaßnahmen ist das Infektionsrisiko = 0 und somit die spezifische Mortalität ebenfalls 0. Ohne Schutzmaßnahmen oder mit wenig effektiven Schutzmaßnahmen liegt das Infektionsrisiko in Abhängigkeit von individuellen Faktoren (z.B. Kontakthäufigkeit, Kontaktdauer, Kontaktintensität) irgendwo zwischen 0 und 100%. Im Extremfall, wenn alle Personen der relevanten Bezugsgruppe infiziert sind, ist die Mortalität gleich der Letalität.

Letalität nach Altersgruppen – Vergleich 2020/2021

Covid-19-Letalität (Sterblichkeitsrate nach einer Corona-Infektion) für 2020 und 2021 nach Altersgruppen im Vergleich.

Abbildung 8: Covid-19-Letalität (Sterblichkeitsrate nach einer Corona-Infektion) für 2020 und 2021 nach Altersgruppen im Vergleich. Für 2021 ist jeweils der Letalitätswert explizit eingetragen. Man sieht, dass die 2021er-Säulen meist etwas kürzer sind als die 2020er. Stark gesunken ist die mittlere Sterblichkeit über alle Altersgruppen. Sie hat sich von 2,47% in 2020 auf 1,28% in 2021 etwa halbiert. Dieser positive Effekt ist indes nur zu einem geringen Teil auf die Impfung zurückzuführen. Trotz der sehr hohen Impfquote in der Altersgruppe 90+ ist die Letalität für die Ältesten sogar gestiegen. Rohdaten: RKI, Datenstand 22.01.2022.

Wie man Abb. 8 entnimmt, ist die Sterblichkeit nach einer Corona-Infektion in einigen Altersgruppen zurückgegangen, in anderen gestiegen, wenn auch beides nur geringfügig. Für die Altersgruppen ab 60 liegt die Letalität in 2021 aber immer noch höher als 1%, zum Teil drastisch höher. Die anderen Altersgruppen, also alle unter 60, weisen hingegen viel kleinere Sterblichkeitsraten p.a. auf. Unter-40-Jährige liegen bei max. 0,03%. Im Diagramm sind diese Säulen skalierungsbedingt daher nicht mehr sichtbar.

Der Rückgang der durchschnittlichen Sterblichkeit (nach einer Corona-Infektion) über alle Altersgruppen in 2021 ist i. W. auf die hohen Infektionszahlen bei den Jüngeren, wie sie oben dokumentiert wurden, zurückzuführen. Sie sind wenig von schweren Verläufen und Tod betroffen und tragen daher kaum zu den Todesfällen bei. Es ist also ein statistischer Effekt.

Um das an einem Beispiel plausibel zu machen: Wenn sich die Infektionszahlen in der Altersgruppe 0-39 verdoppeln, dann hat dies auf die Todesfallzahlen keinen nennenswerten Einfluss. Allenfalls werden die Beträge in Summe um einige 100 Fälle steigen. Prozentual würde das weniger als ein Prozent ausmachen. Zugleich würden aber die Infektionszahlen insgesamt um mehr als 50% steigen. Im Ergebnis würde daher die Sterblichkeitsrate p.a. nach Corona-Infektion auf etwa Zweidrittel (1/1,5) des aktuellen Wertes sinken (also -33%). Und dies völlig ohne irgendeine steuernde Maßnahme, wie z.B. eine Impfpflicht. Genau diesen Effekt kann man in 2021 im Vergleich zu 2020 beobachten, wie wir oben gesehen haben (s. Abb. 3 und 4).

Covid-19-Letalität (Sterblichkeit nach einer Corona-Infektion) für 2020 und 2021 in ausgewählten Altersgruppen im Vergleic

Abbildung 9: Covid-19-Letalität (Sterblichkeit nach einer Corona-Infektion) für 2020 und 2021 in ausgewählten Altersgruppen im Vergleich. In der Relation erkennt man in den höheren Altersgruppen den Rückgang der Sterblichkeit nach einer Infektion. Die mittlere Sterblichkeit über alle Altersgruppen hat sich von 2,47% in 2020 auf 1,28% in 2021 etwa halbiert. Die leichte Abnahme der Sterblichkeit bei den Altersgruppen 60-79 und 80+ ist mit großer Wahrscheinlichkeit ein Ergebnis der prioritären Impfung seit Anfang 2021. Rohdaten: RKI, Datenstand 22.01.2022.

Die Abnahme der Letalitätswerte gegenüber 2020 ist erwähnenswert, vor allem in der Altersgruppe 60-79, sie bleibt aber letztlich doch schwach ausgeprägt. Genau wie in der Altersgruppe 80+ dürfte dieser Rückgang auf die Wirkung der Impfung zurückzuführen sein. Dazu mehr weiter unten bei der Untersuchung der Sterblichkeitsraten für Geimpfte und Ungeimpfte. Die Letalität in den Altersgruppen 60-79 und 80+ bleibt aber dennoch auf hohem Niveau. Auffällig sind die extremen Unterschiede in den Letalitätsraten beim Vergleich zwischen den Älteren und den Jüngeren. Diesbezüglich hat sich zwischen 2020 und 2021 nahezu nichts geändert. Die Säulen für die Altersgruppen 0-19 (0,004%, also ein Fall pro 25.000 Infizierten) und 20-59 (0,014%, also 1 Fall pro 710 Infizierten) sind im Diagramm nicht bzw. gerade noch ansatzweise sichtbar.

Kurvenverlauf der Covid-19-Letalität (Sterblichkeit nach einer Corona-Infektion) für 2020 und 2021 in Abhängigkeit vom Alter.

Abbildung 10: Kurvenverlauf der Covid-19-Letalität (Sterblichkeit nach einer Corona-Infektion) für 2020 und 2021 in Abhängigkeit vom Alter. Um die großen Unterschiede in den Sterblichkeitsraten zu veranschaulichen, wurde in der Darstellung eine logarithmische Skalierung gewählt. Im Lebensalter bis etwa 25 bewegen wir uns hier bei Letalitätswerten von 0,01% und darunter. Hingegen liegen die Sterblichkeitsraten für Lebensalter über 80 höher als 10%. In der Relation sind das in beiden Jahren etwa 1000-fach höhere Werte. Die Kurve für 2021 verläuft im oberen Bereich geringfügig flacher, was vermutlich auf die Wirkung der Impfkampagne zurückzuführen ist. Rohdaten: RKI, Datenstand 22.01.2022.

Der Vergleich der beiden Kurvenverläufe in Abb. 10 zeigt nochmals deutlich, dass sich in 2021 unter dem Gesichtspunkt der Sterblichkeit bei einer Corona-Infektion gegenüber 2020 kaum etwas geändert hat. Letztlich bleiben die Unterschiede jedenfalls gering. Die noch am meisten ins Auge fallenden Abweichungen bei den Unter-30-Jährigen sind in der Gesamtschau belanglos, weil wir hier von sehr niedrigen absoluten Risikoraten um 0,02% und darunter sprechen.

Tatsächlich größer (max. 1%) sind die Differenzen bei höherem Alter etwa zwischen 60 und 90. Der ab einem Alter von 60 gegenüber der 2020er Kurve partiell flachere Verlauf der Kurve für 2021 steht für einen geringeren Anstieg der Sterblichkeit in diesem Altersbereich. Allerdings zeigen sich auch die Grenzen: Bei den 90-Jährigen konnte auch der grundsätzlich positive Effekt der Impfung den Anstieg der Sterblichkeit nicht stoppen. Dabei liegt es auf der Hand: Die Impfung kann vor allem dort einen merklichen Effekt nach sich ziehen, wo das Risiko höher ist. Bei den Jüngeren mit den sehr niedrigen absoluten Risiken bleibt der Einfluss in der Gesamtschau vernachlässigbar.

Mortalität nach Altersgruppen – Vergleich 2020/2021

Covid-19-Mortalität (Sterblichkeit p.a.) für 2020 und 2021 nach Altersgruppen im Vergleich.

Abbildung 11: Covid-19-Mortalität (Sterblichkeit p.a.) für 2020 und 2021 nach Altersgruppen im Vergleich. Man sieht, dass die 2021er-Säulen stets etwas höher sind als die 2020er. Die Sterblichkeit aufgrund von Corona ist daher in 2021 gegenüber 2020 angestiegen. Die Größe des Effekts erkennt man anhand der mittleren Sterblichkeit über alle Altersgruppen: Sie hat sich von 0,053% in 2020 auf 0,084% in 2021 in der Relation um 59% erhöht. Diese ungünstige Entwicklung ist auf die stark angewachsenen Infektionszahlen zurückzuführen und spiegelt die Zunahme bei den Todesfallzahlen wider. Durch die im Jahresverlauf ohnehin noch nicht voll wirksame Impfung konnte der Anstieg nicht kompensiert werden (s. Text). Rohdaten: RKI, Datenstand 22.01.2022.

Wie man Abb. 11 entnimmt, ist die Corona-Sterblichkeit insbesondere in den Altersgruppen ab 50 gewachsen, teilweise durchaus signifikant. Für die Altersgruppen 80-89 liegt die Mortalität in 2021 bei 0,57%, in der Altersgruppe 90+ gar bei 1,54%. Damit hat sich die Sterblichkeit in der Spitze um 0,15% bis 0,3% gegenüber dem Wert für 2020 erhöht. In absoluten Zahlen macht das allein bezüglich der Altersgruppen 80-89 und 90+ fast 12.000 Sterbefälle mehr aus. In den Altersgruppen 40-49 bis hinunter zu 0-9 verbleibt die Mortalität hingegen im Wertebereich zwischen 0,009% und 0,0004% (also 1 Fall pro 11.000 in der Altersgruppe 40-49 bzw. 1 Fall pro 250.000 in der Altersgruppe 0-19). Im Diagramm sind diese Säulen skalierungsbedingt nicht mehr sichtbar.

Die Erhöhung der durchschnittlichen Sterblichkeit über alle Altersgruppen in 2021 ist also i. W. auf die nochmals gestiegenen Todesfallzahlen bei den Älteren zurückzuführen. Die Altersgruppen ab 60 und insbesondere ab 80 tragen zum weit überwiegenden Teil zu den Todesfällen bei. Auch die prioritäre Impfung der Älteren und die erzielte hohe Impfquote in dieser Altersgruppe konnte den beobachteten Anstieg der Mortalität nicht verhindern. Durch die Impfung wurde der Zuwachs zwar abgemildert, dies aber nicht so durchgreifend, wie man das zu Beginn des Jahres wohl erhofft hatte. Ein Grund dafür dürfte die relativ schnell nachlassende Schutzwirkung der Impfung sein. Dies spricht nicht grundsätzlich gegen die Impfung, es relativiert aber den zu erwartenden Effekt.

Covid-19-Mortalität (Sterblichkeit p.a.) für 2020 und 2021 in ausgewählten Altersgruppen im Vergleich.

Abbildung 12: Covid-19-Mortalität (Sterblichkeit p.a.) für 2020 und 2021 in ausgewählten Altersgruppen im Vergleich. Die 2021er-Säulen sind stets etwas höher sind als die 2020er. Die Corona-Sterblichkeit ist daher in 2021 gegenüber 2020 angestiegen. Die größten relativen Zuwächse sind bei den Jüngeren zu verzeichnen. Im Hinblick auf die Sterblichkeit dominieren indessen die Altersgruppen 60-79 und 80+ mit riesigem Abstand. Das spiegelt die Erhöhung der absoluten Fallzahlen der Toten in 2021 wider (s. a. Abb. 4). Rohdaten: RKI, Datenstand 22.01.2022.

Der direkte Vergleich der Säulenhöhen in Abb. 12 zeigt in allen Altersgruppen einen Anstieg der Corona-Sterblichkeit p.a.. Die relative Zunahme der Sterblichkeit ist dabei hinsichtlich der Altersgruppen unter 80 am stärksten ausgeprägt, wobei die Gruppen 0-19 und 20-59 aufgrund des absolut gesehen sehr niedrigen Risikos in Summe nicht ins Gewicht fallen. Anders sieht es aus in der Altersgruppe 60-79. Hier liegt der relative Zuwachs bei über 95%, was in absoluter Höhe immerhin eine Zunahme um 0,062% bedeutet. Bezüglich der Todesfallzahlen gehen über 11.000 Tote allein auf dieses Konto. Man kann vermuten, dass durch ein schnelleres Voranschreiten Impfung in der Altersgruppe 60-79 ein gewisser Anteil dieser Fälle hätte vermieden werden können (s. dazu die Diskussion zur weiter unten).

Kurvenverlauf der Covid-19-Mortalität (Sterblichkeit p.a.) für 2020 und 2021 in Abhängigkeit vom Alter.

Abbildung 13: Kurvenverlauf der Covid-19-Mortalität (Sterblichkeit p.a.) für 2020 und 2021 in Abhängigkeit vom Alter. Um die großen Unterschiede in den Sterblichkeitsraten zu veranschaulichen, wurde in der Darstellung eine logarithmische Skalierung gewählt. Im Lebensalter bis etwa 25 bewegen wir uns hier bei Mortalitätswerten von 0,001% und darunter. Hingegen liegen die Sterblichkeitsraten für Lebensalter oberhalb 90 bei 1% und darüber. In der Relation sind das in beiden Jahren etwa 1000-fach höhere Werte. Im Vergleich zu 2020 verläuft die Kurve für 2021 insgesamt etwas flacher, was z. T. vermutlich auf die Wirkung der Impfkampagne zurückzuführen ist. Daneben haben aber vor allem die hohen Infektionszahlen bei den Jüngeren einen markanten Einfluss auf den flacheren Kurvenverlauf. Rohdaten: RKI, Datenstand 22.01.2022.

Der Vergleich der beiden Kurvenverläufe in Abb. 13 zeigt nochmals in aller Klarheit, dass in 2021 unter dem Gesichtspunkt der Gesamtsterblichkeit gegenüber 2020 kein wirklicher Fortschritt erzielt wurde. Im Gegenteil: Die Mortalität hat sich durchweg erhöht. Als Verbesserung kann man allenfalls den geringeren relativen Anstieg bei den Älteren konstatieren. Zumindest zum Teil dürfte dieses Resultat auf den risikosenkenden Effekt der Impfung zurückzuführen sein. Ohne die Impfung würde die Mortalität in den Altersgruppe 60+ und damit auch insgesamt sicher höher liegen. Im Rahmen der Diskussion zur Letalität von Geimpften und Ungeimpften wird dieses Szenario näher beleuchtet.

Detailanalyse zur Letalität nach Alter

Die obigen Kurvendarstellungen für die Letalität und die Mortalität über das Alter erlauben aufgrund der über weite Altersbereiche nahezu linearen Verläufe einfache Näherungsdarstellungen oder andere polynomiale Approximationen. In Abb. 14 ist der Kurvenverlauf der Letalität zusammen mit zwei Näherungskurven in Abhängigkeit vom Alter dargestellt. Erfreulicherweise kann man die effektive Letalität für einen weiten Bereich der interessierenden Lebensalter mittels einer (in logarithmischer Darstellung linear erscheinenden) Exponentialfunktion darstellen.

Die lineare Näherung bringt die entscheidende Aussage in aller Deutlichkeit zum Ausdruck:

Die Letalität steigt exponentiell mit dem Lebensalter.

Das Wesen der Corona-Pandemie liegt bei Lichte betrachtet nicht darin, dass das Virus sich exponentiell ausbreiten kann. Für die effektive Bekämpfung viel wichtiger ist die Erkenntnis des mit dem Alter exponentiell steigenden Risikos. Übersetzt heißt dies: Maßnahmen zur Eindämmung der Todesfallzahlen müssen dort ansetzen, wo die Fallzahlen auftreten. Also bei den Alten, nicht bei den Jungen oder gar bei Kindern. Der Hebel bei den Ersteren hat eine bis zu 1000-fache Übersetzung (s.u.). Umgekehrt ist bei Letzteren das Kosten-Nutzen-Verhältnis um denselben Faktor kleiner.

Kurvenverlauf der Covid-19-Mortalität (Sterblichkeit p.a.) für 2020 und 2021 in Abhängigkeit vom Alter.

Abbildung 14: Kurvenverlauf der Covid-19-Letalität (Sterblichkeit nach Infektion p.a.) für 2021 in Abhängigkeit vom Alter. Man beachte die logarithmische Darstellung. Zusätzlich eingezeichnet sind zwei Näherungskurven: Eine exponentiell-lineare Näherung (gestrichelte Linie in braun) und eine exponentiell-kubische Näherung (strichpunktierte Linie in grün). Rohdaten zur Letalitätskurve: RKI, Datenstand 22.01.2022.

Ausgedrückt in Prozentwerten lautet die Formel für die Letalität:

Letalität 0,01% * 10^(Alter-25)/18

Nach vorstehender Approximationsformel verzehnfacht sich der Letalitätswert pro 18 Lebensjahren. Verglichen mit einem 24-Jährigen hat demzufolge ein 42-Jähriger ein 10-fach, ein 60-Jähriger ein 100-fach und ein 78-Jähriger ein 1000-fach höheres Corona-Sterberisiko p.a. bei vorliegender Corona-Infektion. Für die richtige Einordnung sollte man die Höhe des absoluten Risikos nicht unerwähnt lassen. Es liegt bei 0,008% p.a. für 24-Jährige und folglich bei etwa 8% p.a. für 78-Jährige.

Dargestellt als Zweierpotenz besagt die lineare Näherung Letalität ~ 2^(Alter/5,41). Daher kann man auch festhalten, dass sich die Corona-Sterblichkeit p.a. bei vorliegender Infektion pro etwa 5,5 Lebensjahren verdoppelt.

Weiteres s. Anhang.

Detailanalyse zur Mortalität nach Alter

Der Kurvenverlauf der Mortalität ist in Abb. 15 zusammen mit einer linearen Näherung in Abhängigkeit vom Alter dargestellt. Den tatsächlichen Verlauf kann man auch in diesem Falle durch eine Exponentialfunktion gut approximieren. Die lineare Näherung bringt das Grundsätzliche im Mortalitätsverlauf in aller Klarheit zum Ausdruck:

Die Mortalität wächst exponentiell mit dem Lebensalter.

Damit wird die obige Aussage zum Wesen der Corona-Pandemie auch im Hinblick auf die Mortalität unterstrichen. Die effektive Bekämpfung und Überwindung der Pandemie erfordert daher zielgenaue Maßnahmen, weil ansonsten die um mehrere Größenordnungen unterschiedlichen Risiken bei Älteren und Jungen in einen Topf geworfen und gleichartig behandelt werden. So erzielt man nur einen Bruchteil der möglichen Wirkung bei gleichzeitig maximalem Kosteneinsatz.

Kurvenverlauf der Covid-19-Mortalität (Sterblichkeit p.a.) für 2021 in Abhängigkeit vom Alter.

Abbildung 15: Kurvenverlauf der Covid-19-Mortalität (Sterblichkeit p.a.) für 2021 in Abhängigkeit vom Alter. Man beachte die logarithmische Darstellung. Zusätzlich eingezeichnet ist eine exponentiell-lineare Näherung (gestrichelte Linie in braun). Rohdaten zur Letalitätskurve: RKI, Datenstand 22.01.2022.

Ausgedrückt in Prozentwerten lautet die Formel für die Mortalität p.a.:

Mortalität 0,001% * 10^(Alter-24)/22

Nach dieser Approximationsformel verzehnfacht sich der Mortalitätswert p.a. pro 22 Lebensjahren. Verglichen mit einem 18-Jährigen hat demzufolge ein 40-Jähriger ein 10-fach, ein 62-Jähriger ein 100-fach und ein 84-Jähriger ein 1000-fach höheres Corona-Sterberisiko p.a.. Um das richtig einzuordnen muss man erwähnen, dass das absolute Risiko von 18-Jährigen bei etwa 0,0005% liegt, das von 84%-Jährigen bei 0,5%.

Dargestellt als Zweierpotenz besagt die lineare Näherung Mortalität ~ 2^(Alter/6,62). Daher kann man konstatieren, dass sich das Corona-Sterberisiko p.a. bei vorliegender Infektion pro etwa 6,5 Lebensjahren verdoppelt.

Weiteres s. Anhang.

Detailanalyse zum Infektionsrisiko nach Alter

Der Kurvenverlauf des Infektionsrisiko ist in Abb. 16 zusammen mit zwei Näherungskurve in Abhängigkeit vom Alter dargestellt. Der Verlauf kann durch eine lineare Näherung nicht gut approximiert werden. Es geht hier eher darum, das grundsätzliche Verhalten im Verlauf des Infektionsrisikos in eine einfache Formel zu fassen. Für weite Altersbereiche ist die Abweichung von tatsächlichen Verlauf nicht allzu groß. Die kubische Approximation ist insbesondere für die interessierenden Lebensalter ab 45 sehr viel präziser, aber natürlich auch unhandlicher. Das Wesentliche kommt bereits durch die lineare Näherung zum Ausdruck.

Kurvenverlauf des Covid-19-Infektionsrisikos (Infektionswahrscheinlichkeit p.a.) für 2021 in Abhängigkeit vom Alter.

Abbildung 16: Kurvenverlauf des Covid-19-Infektionsrisikos (Infektionswahrscheinlichkeit p.a.) für 2021 in Abhängigkeit vom Alter. Man beachte die logarithmische Darstellung. Zusätzlich eingezeichnet sind zwei Näherungskurven: Eine exponentiell-lineare Näherung (gestrichelte Linie in braun) und eine exponentiell-kubische Näherung (strichpunktierte Linie in grün). Rohdaten zur Letalitätskurve: RKI, Datenstand 22.01.2022.

Ausgedrückt in Prozentwerten lautet die Formel für das Infektionsrisiko p.a.:

Infektionsrisiko 10% * 1/10^(Alter-25)/100

Im Unterschied sowohl zur Letalität wie auch zur Mortalität, die beide mit zunehmendem Alter exponentiell wachsen, sehen wir bezüglich des Infektionsrisikos ein gegenteiliges Verhalten: Je höher das Alter, desto geringer die Infektionswahrscheinlichkeit. Diese Abhängigkeit ist zwar nicht so stark und eindeutig ausgeprägt, sie führt aber dennoch dazu, dass das Infektionsrisiko mit dem Alter signifikant zurückgeht. Vermutlich deswegen, weil die Anzahl der Kontakte gleichfalls sinkt.

Ganz grob kann man sagen, dass sich die Infektionswahrscheinlichkeit p.a. pro 30 Lebensjahren in etwa halbiert. Ein Blick auf die Zweierpotenz-Näherungsformel macht das unmittelbar klar.

Infektionsrisiko 12,5% * 1/2^(Alter-15)/30

Weiteres s. Anhang.

Berechnung der Letalität für Geimpfte und Ungeimpfte nach Altersgruppen

Die Letalitätswerte pro Altersgruppe haben wir oben aus den Daten des RKI abgeleitet und diskutiert. Eine Unterscheidung in Geimpfte und Ungeimpfte kann daraus nicht unmittelbar abgeleitet werden, da die Impfstatus der Infizierten und der Verstorbenen in 2021 nicht konsequent erfasst wurden (jedenfalls wurden diese Zahlen vom RKI nicht veröffentlicht). Über einen kleinen Umweg ist es indessen möglich, die Zahl der infizierten und verstorbenen Geimpften, \( g_{Inf} \) und \( g_{Tod} \), indirekt zu berechnen. Gleiches geht natürlich auch für die Ungeimpften (\( u_{Inf} \) und \(u_{Tod} \)).

Das Rechenverfahren mit der Herleitung der nötigen Formeln wird im Anhang näher dargestellt. Die Datengrundlage für die angenommenen altersgruppenspezifischen Impfquoten und Wirksamkeiten ist in Tab. 1 aufgelistet.

Annahmen zu den altersgruppenspezifischen Impfquoten und den Schutzwirkungen der Impfung im Hinblick auf eine Covid-19-Infektion und Tod (an oder mit Corona).

Tabelle 1: Annahmen zu den altersgruppenspezifischen Impfquoten und den Schutzwirkungen der Impfung im Hinblick auf eine Covid-19-Infektion und Tod (an oder mit Corona). Die durchschnittlichen Impfquoten ergeben sich aus dem Verlauf der Impfkampagne im Jahresverlauf aus den Daten des RKI. Die Annahmen zur Schutzwirkung basieren auf den Infektionszahlen Geimpfter und Ungeimpfter (wurden in der zweiten Jahreshälfte für symptomatisch Erkrankte erfasst). Hinsichtlich des Schutzes vor Tod wurden die Todesfallzahlen des RKI in den Kalenderwochen 40-49/2021 zugrunde gelegt. Ferner wurden Studienaussagen über das Nachlassen der Schutzwirkung in den Monaten nach der zweiten Impfdosis berücksichtigt (s. [8]).

Abbildung 17 zeigt die Ergebnisse der Berechnung auf Basis der angenommenen Jahresmittelwerte für die Impfquoten und die Wirksamkeiten (s. Tab. 1).

Folgende Formeln wurden angewendet (s. Anhang):

Berechnung der Letalität \( L_{g} \) für Geimpfte:

\begin{equation} L_{g} = \frac{1-W_{Tod} } {1-qW_{Tod} } \cdot \frac{1-qW_{Inf} } { 1-W_{Inf} } \cdot L \end{equation}

Berechnung der Letalität \( L_{u} \) für Ungeimpfte:

\begin{equation} L_{u} = \frac{ 1-qW_{Inf} } { 1-qW_{Tod} }\cdot L \end{equation}

Berechnete Covid-19-Letalität (Sterblichkeitsrate nach einer Corona-Infektion) in 2021 für Geimpfte und Ungeimpfte nach Altersgruppen.

Abbildung 17: Berechnete Covid-19-Letalität (Sterblichkeitsrate nach einer Corona-Infektion) in 2021 für Geimpfte und Ungeimpfte nach Altersgruppen. Die grauen Säulen zeigen die mittlere Sterblichkeit pro Altersgruppe. Man erkennt, dass die Sterblichkeitsraten von Geimpften in den interessierenden und am meisten gefährdeten Altersgruppen 60-69, 70-79 80-89 und 90+ gegenüber den jeweiligen Referenzwerten (graue Säulen) gesunken sind. Die Letalität der Ungeimpften liegt dagegen überall höher. Der Unterschied zwischen Geimpften und Ungeimpften macht in der Relation z.T. mehr als 100 % aus. Die mittlere Sterblichkeit über alle Altersgruppen liegt natürlich nach wie vor bei 1,28 %. Rohdaten: RKI, Datenstand 22.01.2022.

Die mittlere Letalität der Geimpften liegt nach den berechneten Daten bei etwa 3,68%, die der Ungeimpften bei 0,89%. Unter den Geimpften ist demnach die Sterblichkeit im Mittel 4-mal höher. Das erscheint auf den ersten Blick paradox und absolut unplausibel. Indessen lässt sich dieser Effekt sehr leicht erklären. Wie man Tab. 1 entnimmt und wie es ja auch der Realität entspricht, war die Impfquote bei den Älteren ab 60 im Jahresmittel deutlich höher als die Impfquote bei den Jüngeren (Altersgruppen, 0-9, 10-19, 20,29, 30-39, sogar 40.49). Die Ungeimpften rekrutieren sich daher zu einem großen Teil aus diesen zwar nicht geimpften, aber absolut ungefährdeten Altersgruppen, die zu den Todesfallzahlen in Summe weniger als 1% beitragen. Umgekehrt sind gerade die vulnerablen Gruppen geimpft –  und sie haben natürlich trotz der Impfung immer noch ein vielfach höheres Corona-Sterberisiko als die jungen Ungeimpften.

Wir haben oben gesehen, dass sich die Letalität (also die Sterblichkeit bei einer vorliegenden Infektion) pro 18-Lebenjahren verzehnfacht. Wenn nun andererseits die Impfung im Idealfall eine Wirksamkeit von 90% entfaltet, dann wird dieser positive Schutzeffekt im Ergebnis pro 18-Lebensjahren Unterschied aufgezehrt. Demnach hat also z.B. ein 24-Jähriger Ungeimpfter immer noch ein 100-fach geringeres Risiko an Corona zu versterben als ein 78-Jähriger Geimpfter. Tatsächlich ist die Schutzwirkung der Impfung in der Realität gerade für die Ältesten deutlich geringer als 90%, teilweise geht sie eher in Richtung 50%. Deswegen kann es nicht verwundern, dass die Sterblichkeitsrate der Geimpften im Schnitt höher liegt als die der Ungeimpften.

Im Wesentlichen geht es hier um einen statistischen Effekt aufgrund der ungleichen Risikomischung in den beiden Gruppen. Der entscheidende Punkt ist die gewichtete Mittelwertbildung mit den jeweiligen Anteilen unter den Geimpften bzw. Ungeimpften in der Bevölkerung. Vorausgesetzt, die Impfquote in allen Altersgruppen wäre gleich (also gleiche Risikomischung), dann würde die Letalität der Geimpften auch in der Mittelwertbildung über alle Altersgruppen kleiner ausfallen als die der Ungeimpften.

Hypothetische Todesfallzahlen auf Basis der berechneten Letalitätswerte für Geimpfte und Ungeimpfte

Auf Basis der berechneten Letalitätswerte für Geimpfte und Ungeimpfte kann man grob bestimmen, wie hoch die Todesfallzahlen in 2021 gewesen wären, wenn niemand oder alle geimpft gewesen wären. Natürlich ist dieser Ansatz in gewisser Weise spekulativ, weil man nicht sicher vorhersagen kann, welchen Einfluss eine geänderte Impfquote auf die Infektionsfallzahlen gehabt haben würde. Nach allem was wir heute wissen, kann man in erster Näherung davon ausgehen, dass dieser Einfluss eher gering ist. Nach den Daten des RKI zu den symptomatischen Covid-19-Fällen tragen Geimpfte und Ungeimpfte in ähnlichem Grade zum Infektionsgeschehen bei. Geimpfte sind daher, schon wegen ihrer zahlenmäßigen Dominanz, nicht wegzudenkende Treiber der Infektionsdynamik. Unterstellen wir daher in einer ersten Betrachtung, es gebe durch die Impfung keine unmittelbare Rückwirkung auf die Inzidenzen. Wie hoch wären unter dieser Annahme die Todesfallzahlen für 2021 in den beiden Extremszenarien ausgefallen?

In Abb. 18 sind die entsprechenden, auf Basis der berechneten Letalitätswerte und der geschilderten Annahme bestimmten hypothetischen Todesfallzahlen im Vergleich zu den tatsächlichen Fallzahlen nach Altersgruppen getrennt hintereinander dargestellt.

Tatsächliche und hypothetische Todesfallzahlen für 2021 bei unterschiedlichen Annahmen.

Abbildung 18: Tatsächliche und hypothetische Todesfallzahlen für 2021 bei unterschiedlichen Annahmen. Die Reihenfolge der Legende entspricht der Höhe der Säulen von vorne nach hinten. Die grünen Säulen im Vordergrund zeigen die Todesfallzahlen unter der Annahme, alle seien schon zu Beginn des Jahres geimpft (Impfquote 100%) gewesen und würden die Sterblichkeitsrate in Höhe der berechneten Letalität aufgewiesen haben. Im Hintergrund orange dargestellt sind die Säulen für das Alternativszenario ganz ohne Impfung (Impfquote 0%). Die tatsächlichen Fallzahlen werden durch die grauen Säulen aufgezeigt. Zusätzlich dargestellt sind die hypothetischen Fallzahlen unter der gleichfalls nicht abwegigen Annahme, die Letalitätswerte aus 2020 würden auch in 2021 zutreffend gewesen sein (blauen Säulen). Rohdaten: RKI, Datenstand 22.01.2022.

In der Gesamtschau macht Abb. 18 klar, dass die Impfung die Fallzahlen in allen Altersgruppen ab 60 merklich verringert. Umgekehrt würde der völlige Verzicht auf die Impfung in genau diesen Altersgruppen für eine signifikante Erhöhung der Fallzahlen gesorgt haben. Keinen nennenswerten Effekt sieht man bei den Altersgruppen unter 50, einen geringen in der Altersgruppe 50-59.

Die Summenwerte der Todesfallzahlen für die vier Szenarien sind in Abb. 19 dargestellt.

Tatsächliche und hypothetische Todesfallzahlen für 2021 in unterschiedlichen Szenarien.

Abbildung 19: Tatsächliche und hypothetische Todesfallzahlen für 2021 in unterschiedlichen Szenarien. Die Grafik zeigt die Summenwerte der Todesfallzahlen für die vier betrachteten Szenarien. Grün: alle schon zu Beginn des Jahres geimpft (Impfquote 100%), Sterblichkeitsrate in Höhe der berechneten Letalität. Orange: Alternativszenario ganz ohne Impfung (Impfquote 0%). Grau: Tatsächliche Fallzahlen in 2021. Blau: Hypothetische Fallzahlen unter der Annahme, die Letalitätswerte aus 2020 würden auch in 2021 gegolten haben. Rohdaten: RKI, Datenstand 22.01.2022.

Das blaue (Sterblichkeit 2020 auch in 2021) und das orange Szenario (berechnete Sterblichkeit für  Ungeimpfte aus den 2021-er Daten) belegen, dass die partielle Impfung in 2021 wohl eine Wirkung entfaltet hat. Jedenfalls würden die Fallzahlen ohne die Impfung mit einiger Wahrscheinlichkeit um einen hohen vierstelligen bis niedrigen 5-stelligen Zahlenwert höher ausgefallen sein. Auch wenn die Szenarien die Realität nicht 1:1 widerspiegeln mögen, so geben sie doch einen validen Hinweis. Das gilt natürlich auch für die Grenzen im Hinblick auf die Höhe des zu erwartenden Resultats.

Die beiden Szenarien „blau“ und „orange“ sind im Ergebnis nicht deckungsgleich. Das war aufgrund der höheren Gefährdung durch die in 2021 verbreitete Delta-Variante auch nicht zu erwarten. Sie weisen aber in dieselbe Richtung. Das stützt die Sinnhaftigkeit des beschriebenen Ansatzes (s. Anhang) zur separaten Ableitung der Letalitätswerte für Geimpfte und Ungeimpfte. Der Vergleich der tatsächlichen Fallzahlen mit dem grünen Szenario zeigt überdies den möglichen Effekt einer hohen Impfquote. Die Fallzahlen gehen sicher nicht auf Null, das ist angesichts der begrenzten und im Zeitverlauf rasch nachlassenden Wirksamkeit der verfügbaren Impfstoffe auch nicht zu erwarten. Dennoch ist die mögliche Reduzierung der Anzahl der Todesfälle durchaus signifikant, wenn auch nicht durchschlagend.

Hypothetische Todesfallzahlen bei Änderung der Impfquote

Im vorstehenden Abschnitt haben wir den Aspekt der Infektionszahlen außer acht gelassen. Deswegen müssen die Ergebnisse zunächst als Fingerzeige gelten. Es ist indessen möglich, die Auswirkungen einer geänderten Impfquote und oder einer anderen Wirksamkeit des Impfstoffen mit einer etwas höheren Präzision aus den Felddaten abzuleiten. Dabei gehen wir von folgenden Überlegungen aus:

Eine Veränderung der Impfquote hat Einfluss auf die Anzahl der Geimpften und Ungeimpften und damit auch auf die Infektionszahlen. Die Sterblichkeit sowohl unter den Geimpften wie auch den Ungeimpften berührt das aber in erster Näherung nicht. Daher erscheint die Annahme konstanter Letalitätswerte pro Altersgruppe plausibel. Anders verhält es sich bezüglich der (Gesamt-)Letalität über alle Infizierten. Wenn die Impfquote modifiziert wird oder sich der Infektionsschutz verändert, dann verschieben sich auch die relativen Anteile der Geimpften und Ungeimpften unter den Infizierten und in der Folge auch das Verhältnis zwischen den Todesfallzahlen. Daher wird die (Gesamt-)Letalität bei der beschriebenen Änderung in der Regel nicht gleich bleiben.

Ausgangspunkt für die Ableitung der Formelbeziehungen ist das Invarianz-Postulat:

  • Die altersgruppenspezifischen Letalitätswerte der Geimpften und der Ungeimpften sind invariant hinsichtlich einer Modifikation der Impfquote und / oder einer Veränderung der Wirksamkeit des Impfstoffs im Hinblick auf den Schutz vor Infektion (vorausgesetzt, der Todesfallschutz bleibt gleich).

Die mathematischen Überlegungen finden sich im Anhang.

Folgende Formeln kommen für die Bestimmung der Todesfallzahlen bei modifizierter Impfquote \(q^{*}\) und/oder Wirksamkeit \( W^{*} \) zur Anwendung.

Anzahl der Fälle unter Ungeimpften pro Altersgruppe:

\begin{align} u_{Tod}^{*} = L \cdot \frac{1-q^{*} }{1-qW_{Tod} } \cdot a_{Inf} \end{align}

Anzahl der Fälle unter Geimpften pro Altersgruppe:

\begin{align} g_{Tod}^{*} = L \cdot q^{*} \cdot \frac{1- W^{*} }{1-W } \cdot \frac{1- W_{Tod} }{1-qW_{Tod} } \cdot a_{Inf} \end{align}

Neue (Gesamt-)Letalität pro Altersgruppe:

\begin{align} L^{*} = L_{u} \cdot \frac{1-q^{*} }{1- q^{*} W^{*} } + L_{g} \cdot q^{*} \frac{1-W^{*} }{1- q^{*} W^{*} }  \end{align}

Gesamtanzahl der Fälle pro Altersgruppe:

\begin{align} a_{Tod}^{*} = L^{*} \cdot \frac{1- q^{*} W^{*} }{1-q W} \cdot a_{Inf}
\end{align}

Sofern die Wirksamkeit unverändert bleibt:

\begin{align} a_{Tod}^{*} = L \cdot \frac{1 – q^{*} W_{Tod} } { 1-qW_{Tod}} \cdot a_{Inf}
\end{align}

Die erzielten Ergebnisse für insgesamt 7 unterschiedliche Szenarien mit altersgruppenspezifisch variierten Impfquoten finden sich in den Abbildungen 20 und 21.

Tatsächliche und hypothetische Todesfallzahlen für 2021 bei unterschiedlichen Annahmen zur Höhe der Impfquote.

Abbildung 20: Tatsächliche und hypothetische Todesfallzahlen für 2021 bei unterschiedlichen Annahmen zur Höhe der Impfquote. Die Grafik zeigt die Summenwerte der Todesfallzahlen für sieben unterschiedliche Szenarien betreffend der Impfquoten über die Altersgruppen. Zum Vergleich sind die tatsächlichen Fallzahlen aus 2021 (Rubrik ganz links) aufgeführt. Die Säulen sind von links nach rechts nach der Höhe der Gesamtimpfquote geordnet. Ganz oben sind die jeweiligen Differenzen der Fallzahlen zum Vergleichswert aus 2021 notiert. Rohdaten: RKI, Datenstand 22.01.2022.

Man sieht, dass die Höhe der Impfquote allein nur eine begrenzte Aussagekraft im Hinblick auf die erzielbare Reduzierung der Fallzahlen besitzt. Die zweite Rubrik von rechts steht für eine Impfquote von 85%, dennoch liegen die Todesfallzahlen gleich hoch wie in 2021. Warum? Es sind die Falschen geimpft. Nicht die Alten, sondern die Jungen. Umgekehrt kann man mit einer Impfquote von nur 52% (hellgrüne Säule, vierte Rubrik von links) eine Verringerung der Anzahl der Todesfälle auf einem ähnlichen Niveau erzielen, wie das im Szenario mit 73% Impfquote (dunkelbaue Säule, fünfte Rubrik von links) oder im Szenario mit 90% Impfquote (grüne Säule, Rubrik ganz rechts) möglich ist. Entscheidend ist die Durchimpfung von den höheren zu den niedrigeren Altersgruppen.

In der letzten Grafik wird für die Fallzahlen in den betrachteten Szenarien zusätzlich die Unterscheidung in Geimpfte und Ungeimpfte vorgenommen. Dies wirft noch einmal ein Schlaglicht auf die Grenzen des durch eine hohe Impfquote Erreichbaren im Hinblick auf die am Ende verbleibenden Todesfallzahlen unter Ersteren. Anderes als manche das meinen, gehen die Fallzahlen  ja nicht auf null, wenn es keine Ungeimpften mehr gibt. Die Todesfallinzidenzen reduzieren sich auch nicht auf 10 %, weil die angegebene Impfstoffwirksamkeit von 90 % eher ein theoretischer Wert ist, der z.B. aufgrund der nachlassenden Schutzwirkung in der Praxis nicht erreicht wird.

Ohne Zweifel hat eine hohe Impfquote einen bedeutsamen Effekt auf die Verringerung der Fallzahlen. Es bleibt aber immer noch eine beträchtliche und mit den verfügbaren Impfstoffen offenbar nicht weiter reduzierbare Anzahl von Sterbefällen, weil mit der Impfquote natürlich auch die Todesfallzahlen unter den Geimpften ansteigen. In Abb. 21 sieht man das ganz deutlich. Das spricht nicht gegen die Impfung, denn die Gesamtanzahl der Corona-Todesfälle geht auf jeden Fall zurück. Es relativiert aber den erwartbaren Erfolg.

Tatsächliche und hypothetische Todesfallzahlen (Geimpfte und Ungeimpfte) für 2021 bei unterschiedlichen Annahmen zur Höhe der Impfquote.

Abbildung 21: Tatsächliche und hypothetische Todesfallzahlen (Geimpfte und Ungeimpfte) für 2021 bei unterschiedlichen Annahmen zur Höhe der Impfquote. Die Grafik zeigt die Summenwerte der Todesfallzahlen für sieben unterschiedliche Szenarien betreffend der Impfquoten über die Altersgruppen. Die Säulen sind von links nach rechts nach der Höhe der Gesamtimpfquote geordnet. Grün: Anzahl der Todesfälle bei Geimpften. Orange: Todesfälle bei Ungeimpften. Orange-weiß: Verringerung der Gesamtfallzahlen im Vergleich zu den tatsächlichen Werten aus 2021 (Rubrik ganz links). Rohdaten: RKI, Datenstand 22.01.2022.


Mathematischer Anhang

Die altersabhängige Corona-Sterblichkeit bei Infektion (Letalität)

Die Letalität \(L\) pro 100.000 Infizierten kann durch die folgende exponentiell-lineare Näherungsformel ausgedrückt werden:

\begin{align} L \approx 10^{\frac{Alter-7}{18}} \end{align}

Ausgedrückt in Prozentwerten lautet die Formel für die Letalität:

\begin{align} L \approx 0.01\% \cdot 10^{\frac{Alter-25}{18}} \end{align}

Für den Altersbereich 5-80 bleibt der absolute Fehler unter 0,25%. Der relative Fehler liegt für die Altersgruppe 20-80 meist unter 5%. Es gibt zwei Ausreißer mit einer Überschätzung des Risikos für die Altersgruppen 40-49 (30%) und 50-59 (22%).

Nach obiger Approximationsformel verzehnfacht sich der Letalitätswert pro 18 Lebensjahren. Verglichen mit einem 24-Jährigen hat demzufolge ein 42-Jähriger ein 10-fach, ein 60-Jähriger ein 100-fach und ein 78-Jähriger ein 1000-fach höheres Corona-Sterberisiko p.a. bei vorliegender Corona-Infektion. Für die richtige Einordnung sollte man die Höhe des absoluten Risikos nicht unerwähnt lassen. Es liegt bei 0,008% p.a. für 24-Jährige und folglich bei etwa 8% p.a. für 78-Jährige.

Dargestellt als Zweierpotenz ergibt sich \(L \sim 2^{\frac{Alter}{5,41}}\). Daher kann man festhalten, dass sich das Corona-Sterberisiko p.a. bei vorliegender Infektion pro etwa 5,5 Lebensjahren verdoppelt.

Eine bessere Approximation an den Letalitätsverlauf bietet die nachstehende exponentiell-kubische Näherungsformel:

\begin{align} L \approx & \, e^{ax^3+bx^2+cx+d} \\ \notag
&x=\text{Alter} \\ \notag
&a=-2,23315\cdot 10^{-5} \\ \notag
&b= 0,003765 \\ \notag
&c=-0,0602852 \\ \notag
&d=-9,559193 \\ \notag
\end{align}

Für den Altersbereich 5-95 bleibt der absolute Fehler bis auf zwei Ausnahmen für die Altersgruppe 70-79 (0,65%) und 90+ (2,6%) unter 0,02%. Der relative Fehler ist für die Altersgruppen 20-29, 40-49, 60-69 und 80-89 kleiner als 0,0001%. Für die Altersgruppen 10-19, 30-39, 50-59, 70-79 und 90+ liegt er bei 33%, 19%, 5%, 10% bzw. 11%.

Die altersabhängige Corona-Sterblichkeit (Mortalität)

Eine exponentiell-lineare Näherungsformel für die Mortalität \(M\) pro 100.000 Einwohnern ist durch die folgende Beziehung gegeben:

\begin{align} M \approx 10^{\frac{Alter-24}{22}} \end{align}

Ausgedrückt in Prozentwerten lautet die Formel für die Mortalität p.a.:

\begin{align} M \approx 0.001\% \cdot 10^{\frac{Alter-24}{22}} \end{align}

Für den Altersbereich 5-80 bleibt der absolute Fehler unter 0,005%, für 80-89 und 90+ liegt er bei 0,012% bzw. 0,1%. Der relative Fehler liegt für die Altersgruppe 30-90+ unter 8%. Für die Altersgruppe 20-29 wird das Risiko um 23% überschätzt, für die Altersgruppen 10-19 und 0-9 um 17% bzw. 65% unterschätzt. Das allerdings auf einem sehr niedrigen absoluten Risikoniveau unter 0,0005%.

Nach vorstehender Approximationsformel verzehnfacht sich der Mortalitätswert p.a. pro 22 Lebensjahren. Verglichen mit einem 18-Jährigen hat demzufolge ein 40-Jähriger ein 10-fach, ein 62-Jähriger ein 100-fach und ein 84-Jähriger ein 1000-fach höheres Corona-Sterberisiko p.a.. Um das richtig einzuordnen muss man erwähnen, dass das absolute Risiko von 18-Jährigen bei etwa 0,0005% liegt, das von 84%-Jährigen bei 0,5%.

Wegen \(M \sim 2^{\frac{Alter}{6,62}}\) kann man ebenfalls konstatieren, dass sich das Corona-Sterberisiko p.a. pro etwa 6,5 Lebensjahren verdoppelt.

Das altersabhängige Corona-Infektionsrisiko

Eine passable exponentiell-lineare Näherungsformel für das Infektionsrisiko \( r_{Inf} \) in Prozent kann folgendermaßen formuliert werden:

\begin{align} r_{Inf} \approx 10\% \cdot 10^{-\frac{Alter-25}{100}} \end{align}

Für die Altersgruppen 30-39, 60-69 und 70-79 bleibt der absolute Fehler unter 0,25%, für 50-59 liegt er bei 0,7%, für 10-29 und 80-89 bei max. 2,2%. Etwas größer ist die Abweichung für die Altersgruppen 0-9 (8,5%) und 90+ (4,3%). Der relative Fehler bleibt für die Altersgruppe 10-90 unter 30%.

Die etwas größeren Abweichungen der linearen Näherunsgformel bei den Älteren werden auf Basis der untenstehenden exponentiell-kubischen Approximation vermieden:

\begin{align} r_{Inf} \approx & \, e^{ax^3+bx^2+cx+d} \\ \notag
&x=\text{Alter} \\ \notag
&a=2,33149\cdot 10^{-5} \\ \notag
&b=-0,003795 \\ \notag
&c=0,164816\\ \notag
&d=-4,453015 \\ \notag
\end{align}

Für den Altersbereich 40-90+ bleibt der absolute Fehler der kubischen Näherung unter 0,6%. Die Approximation liegt für die Altersgruppen 0-39 um max. 3,3% daneben. Dabei bleibt der relative Fehler zwischen 20% (10-19) und 45% (0-9). Deutlich kleiner ist der relative Fehler für die Altersgruppen 40-59 (max. 2,4%) sowie 60-69 und 80-89 (<1%). Für die Altersgruppen 70-79 und 90+ liegt er bei max. 12,5%.

Im Unterschied sowohl zur Letalität wie auch zur Mortalität, die beide mit zunehmendem Alter exponentiell wachsen, sehen wir bezüglich des Infektionsrisikos ein gegenteiliges Verhalten: Je höher das Alter, desto geringer die Infektionswahrscheinlichkeit. Diese Abhängigkeit ist zwar nicht so stark und eindeutig ausgeprägt, sie führt aber dennoch dazu, dass das Infektionsrisiko mit dem Alter signifikant zurückgeht. Vermutlich deswegen, weil Ältere im Allgemeinen weniger Kontakte haben oder sich bei ihren Kontakten besser schützten.

Ganz grob kann man sagen, dass sich die Infektionswahrscheinlichkeit p.a. pro 30 Lebensjahren in etwa halbiert. Ein Blick auf die Zweierpotenz-Näherungsformel macht das unmittelbar klar.

\begin{align} r_{Inf} \approx 12,5\% \cdot 2^{-\frac{Alter-15}{30}} \end{align}

Für die Lebensalter 20 – 80 ist die Approximation relativ nahe an der Realität.

Bestimmung der Letalitäten für Geimpfte und Ungeimpfte bei unzureichender Erfassung des Impfstatus

Die Letalität \(L\) für alle Infizierten sowie die Letalitäten für die infizierten Geimpften \( L_{g} \) und Ungeimpften \( L_{u} \) sind folgendermaßen definiert:

\begin{align} L &= \frac{ a_{Tod}} { a_{Inf} } \\
L_{g} &= \frac{ g_{Tod}} { g_{Inf} } \\
L_{u} &= \frac{ u_{Tod}} { u_{Inf} } \end{align}

Der Wert für \(L\) ergibt sich direkt aus den Statistiken des RKI. Da indessen die Impfstatus der Infizierten und der Verstorbenen in 2021 nicht konsequent erfasst wurden (jedenfalls wurden diese Zahlen vom RKI nicht veröffentlicht), können die Letalitätswerte der Geimpften und der Ungeimpften nicht unmittelbar aus dem Datenmaterial des RKI bestimmt werden. Über einen kleinen Umweg ist es indes möglich, die Zahl der infizierten und verstorbenen Geimpften, \( g_{Inf} \) und \( g_{Tod} \), zu berechnen. Gleiches geht natürlich auch für die Ungeimpften (\( u_{Inf} \) und \(u_{Tod} \)).

Bei bekannter Impfquote \(q\) und Wirksamkeit des Impfstoffs greifen wir dazu auf Formel (5) in [11] (Der Effekt der Corona-Impfung auf die Fallzahlen – sumymus blog) zurück und erhalten

\begin{align} g_{Inf} &= \left(1-\frac{1-q} { 1-qW_{Inf} } \right) a_{Inf} \\ \notag
&= q \cdot \frac{1- W_{Inf} } { 1-qW_{Inf} } \cdot a_{Inf} \\
g_{Tod} &= \left(1-\frac{1-q} { 1-qW_{Tod} } \right) a_{Tod} \\ \notag
&= q \cdot \frac{1- W_{Tod} } { 1-qW_{Tod} } \cdot a_{Tod}
\end{align}

Dabei sind \( W_{Inf} \) und \( W_{Tod} \) die entsprechenden Impfstoff-Wirksamkeiten für den Schutz vor Infektion und den Schutz vor Tod.

Für die Anzahl der Ungeimpften ergibt sich analog

\begin{equation} u_{Inf} = \frac{1-q} { 1-qW_{Inf} } \cdot a_{Inf} \end{equation}

\begin{equation} u_{Tod} = \frac{1-q} { 1-qW_{Tod} } \cdot a_{Tod} \end{equation}

Die unbekannten Letalitäten der Geimpften und der Ungeimpften können nun leicht aus den vorstehenden Formeln bestimmt werden:

\begin{align} L_{g} &= \frac{ g_{Tod}} { g_{Inf} } \\ \notag
&= \frac{1-\frac{1-q} { 1-qW_{Tod} } } {1-\frac{1-q} { 1-qW_{Inf} } } \cdot \frac{a_{Tod}} { a_{Inf} } \end{align}

Und somit

\begin{equation} L_{g} = \frac{1-W_{Tod} } {1-qW_{Tod} } \cdot \frac{1-qW_{Inf} } { 1-W_{Inf} } \cdot L
\end{equation}

sowie

\begin{align} L_{u} &= \frac{ u_{Tod}} { u_{Inf} } \\ \notag
&= \frac{\frac{1-q} { 1-qW_{Tod} } } {\frac{1-q} { 1-qW_{Inf} }} \cdot \frac{a_{Tod}} { a_{Inf} } \end{align}

\begin{equation} L_{u} = \frac{ 1-qW_{Inf} } { 1-qW_{Tod} }\cdot L \end{equation}

Das Verhältnis der beiden Letalitäten ergibt sich zu

\begin{equation} \frac{ L_{u} } { L_{g} } = \frac{ 1-W_{Inf} } { 1-W_{Tod} }
\end{equation}

Datengrundlage für die Berechnung der Letalitäten

Die altersgruppenspezifischen Impfquoten und Wirksamkeiten sind grundsätzlich bekannt. Die Impfkampagne begann Anfang 2021, so dass im Hinblick auf die Anwendung der obigen Formel zur Bestimmung der Letalitätswerte für das Gesamtjahr mittlere Impfquoten abgeschätzt werden müssen. Dasselbe gilt für die Wirksamkeiten bezüglich es Infektionsschutzes und des Schutzes vor Tod. Die betreffenden Annahmen sind in Tab. 1 (s.o.) aufgelistet.

Bestimmung der Todesfallzahlen für Geimpfte und Ungeimpfte

Nach obigen Formeln erhalten wir für die Anzahl der verstorbenen Geimpften und Ungeimpften zusammenfassend die folgenden Beziehungen:

\begin{align} g_{Tod} &= L_{g} \cdot g_{Inf} \\ \notag
&= L_{g} \left(1-\frac{1-q} { 1-qW_{Inf} } \right) a_{Inf} \\ \notag
&= L \cdot q \frac{1-W_{Tod} } {1-qW_{Tod} } \cdot a_{Inf} \\ \notag \\
u_{Tod} &= L_{u} \cdot u_{Inf} \\ \notag
&= L_{u} \frac{1-q} { 1-qW_{Inf} } \cdot a_{Inf} \\ \notag
&= L \frac{1-q } {1-qW_{Tod} } \cdot a_{Inf}
\end{align}

Die simple Mathematik zum Effekt von Massenimpfungen

Der Quotient \( \frac{g_{Tod}} { u_{Tod}} \) bringt die Wirkung der Massenimpfung in kompakter Form zum Ausdruck:

\begin{align} \frac{g_{Tod}} {u_{Tod}} = q \cdot \frac{ 1-W_{Tod}} {1-q} \end{align}

Für \(q=0\) und für \( W_{Tod} =1\) gibt es keine verstorbenen Geimpften, für \(q=1\) gibt es keine Ungeimpften.

Das relative Sterberisiko von Geimpften im Vergleich zu Ungeimpften ist \(1 : \frac{1}{1- W_{Tod}}\). Daher sind die Todesfallzahlen bei Geimpften und Ungeimpften gleich hoch, wenn das Zahlenverhältnis zwischen Geimpften und Ungeimpften reziprok proportional zum Verhältnis der Todesfallrisiken ist, wenn also

\begin{align} \frac{q } {1-q} = \frac{1 } {1- W_{Tod} } \end{align}

Die Anzahl der Todesfälle von Ungeimpften überwiegt, sofern die linke Seite kleiner ist. Das ist sicher dann der Fall, wenn die Impfquote die Wirksamkeit nicht übersteigt. Umgekehrt gibt es mehr Todesfälle bei Geimpften, wenn das Zahlenverhältnis zwischen Impfquote und „Nicht-Impfquote“ über den Wert für das Risikoverhältnis auf der rechten Seite hinauswächst.

Der Zusammenhang gilt natürlich auch ganz allgemein für Infizierte oder Hospitalisierte.

\begin{align} \frac{g} { u} = q\cdot \frac{1-W } {1-q} \end{align}

Herleitung der zu erwartenden Infektions- und Todesfallzahlen bei einer geänderten Impfquote und Wirksamkeit des Impfstoffs

Es stellt sich die Frage, wie sich denn die Todesfallzahlen in 2021 entwickelt haben würden, wenn die Imfpquote höher oder niedriger gewesen oder die Wirksamkeit des Impfstoffs eine andere gewesen wäre. Natürlich ist diese Frage spekulativ. Dennoch kann man sich der Antwort nähern und begründete Aussagen zum Effekt solcher Änderungen auf die Todesfallzahlen ableiten. Ausgangspunkt ist das oben formulierte Invarianz-Postulat.

Im Folgenden bestimmen wir die zu erwartenden Infektions- und Todesfallzahlen bei modifizierter Impfquote und Impfstoffwirksamkeit. Das versetzt uns in die Lage, Was-Wäre-Wenn-Analysen durchzuführen.

Grundformeln für Ableitung der hypothetischen Infektions- und Todesfallzahlen

Die modifizierte Impfquote bezeichnen wir mit \(q^{*}\), die geänderte Wirksamkeit für den Schutz vor Infektion nennen wir \(W_{Inf}^{*}\). Der Einfachheit halber verzichten wir dabei auf das Subskript, wenn es aus dem Zusammenhang heraus keine Verwechslungen geben kann; \(W^{*}\) meint also \(W_{Inf}^{*}\).

Wir fragen nach dem formelmäßigen Zusammenhang zwischen den neuen Infektions- und Todesfallzahlen bei der Impfquote \(q^{*}\) und der Infektionsschutz-Wirksamkeit \( W^{*} =W_{Inf}^{*}\) und den Bezugswerten bei der Impfquote \(q^{}\) und der Wirksamkeit \(W =W_{Inf}\). Dabei setzen wir eine unveränderte Wirksamkeit \(W_{Tod}\) bezüglich des Schutzes vor Tod voraus. Die neuen Infektions- und Todesfallzahlen bezeichnen wir mit \( g_{Inf}^{*} = g_{Inf}^{\left(q^{*},W^{*}\right)}\), \( u_{Inf}^{*} = u_{Inf}^{\left(q^{*},W^{*}\right)}\), \( a_{Inf}^{*} = a_{Inf}^{\left(q^{*},W^{*}\right)}\), die Bezugswerte mit \( g_{Inf} = g_{Inf}^{\left(q,W\right)}\), \( u_{Inf} = u_{Inf}^{\left(q,W\right)}\), \( a_{Inf} = a_{Inf}^{\left(q,W\right)}\).

Wir erhalten die folgenden Beziehungen:

\begin{align} \frac{ u_{Inf}^{*}} { u_{Inf}} &= \frac{1-q^{*}}{ 1-q } \\
\frac{ g_{Inf}^{*}} { g_{Inf}} &= \frac{ q^{*}}{q} \frac{ 1-W^{*} }{ 1-W } \\ \frac{ a_{Inf}^{*}} { a_{Inf}} &= \frac{1-q^{*} W^{*} }{1- q W } \end{align}

Erläuterung und Plausibilisierung der Beziehungen

Zur Motivation der Formeln betrachten wir eine Kohorte von 1000 Personen, 400 Geimpften und 600 Ungeimpften. Die Impfquote ist daher 40%. Der Infektionsschutz möge bei 60% liegen. Nehmen wir an, 30 Ungeimpfte seien infiziert. Demnach gibt es nun also \( \small (1-0,6)\cdot \frac{0,4}{1-0,4}\cdot 30 =8\) infizierte Geimpfte. Wenn wir nun die Impfquote auf 70% erhöhen, dann haben wir 700 Geimpfte und nur noch 300 Ungeimpfte. Entsprechend geht die Zahl der infizierten Ungeimpften auf \( \small \frac{300}{600}\cdot 30 = 15 \) zurück. Zugleich steigt die Anzahl der infizierten Geimpften auf \( \small \frac{700}{400}\cdot 8 = 14 \).

Die Anzahl der infizierten Ungeimpften verändert sich demnach proportional zur Quote der Nicht-Geimpften, wie man das intuitiv erwartet. Im Beispiel ist das der Faktor \( \small \frac{1-0,7}{1-0,4} = \frac{0,3}{0,6}\). Auf der anderen Seite wird die Anzahl der infizierten Geimpften entsprechend im Verhältnis der Impfquoten \( \small \frac{0,7}{0,4}\) erhöht.

Wenn sich die Wirksamkeit verändert, hat das offensichtlich keinen Einfluss auf die Anzahl der infizierten Ungeimpften. Doch wie verhält es sich bei den Geimpften? Gehen wir noch einmal zum obigen Beispiel und lassen nun die Impfquote konstant bei 40%, verändern aber die hypothetische Wirksamkeit von 60% auf 80%. Im Ergebnis sinkt die Anzahl der infizierten Geimpften auf \(\small(1-0,8)\cdot \frac{0,4}{1-0,4}\cdot 30 =4\). Ihre Anzahl verändert sich daher proportional zum Verhältnis der Restrisiken. Im Beispiel \( \small \frac{1-0,8}{1- 0,6} \cdot 8 = \frac{0,2}{0,4} \cdot 8 = 4 \). Zugleich sinkt die Gesamtzahl der Infizierten von \( \small 30+8 = 38\) auf \( \small 30+4 = 34\).

Wenn sowohl die Impfquote als auch die Wirksamkeit modifiziert werden, so ändert sich gegenüber den beiden Beispielen nichts bei den Ungeimpften, ihre Zahl geht auf \( \small \frac{1-0,7}{1-0,4}\cdot 30 = 15 \) zurück. Die Zahl der infizierten Geimpften verändert sich dagegen proportional zum Verhältnis \( \small \frac{0,7}{0,4}\cdot \frac{1-0,8}{1-0,6}= \frac{0,7}{0,4} \cdot \frac{0,.2}{0,4} = \frac{7}{8} \) auf \( \small \frac{7}{8} \cdot 8 = 7 \).

Werfen wir noch einen kurzen Blick auf die Gesamtzahl der Infizierten. Im ersten Beispiel sinkt sie von \( \small 30+8 = 38\) auf \( \small 15+14 = 29\). Das ist das Verhältnis \( \small \frac{1 – 0,7\cdot 0,6}{1- 0,4 \cdot 0,6} = \frac{1 – 0,42}{1-0,24} = \frac{58}{76} = \frac{29}{38}\). Analog im zweiten Beispiel: Die Gesamtzahl der Infizierten verringert sich von \( \small 30+8 = 38\) auf \( \small 30+4 = 34\) und geht damit proportional zum Verhältnis \( \small \frac{1 – 0,4\cdot 0,8}{1- 0,4 \cdot 0,6} = \frac{1 – 0,32}{1-0,24} = \frac{68}{76} = \frac{34}{38}\) zurück. Schließlich stellt sich im dritten Fall bei der gleichzeitigen Veränderung von Impfquote und Wirksamkeit die neue Anzahl der Infizierten, also \( \small 15+7 = 22\), entsprechend dem Verhältnis \( \small \frac{1 – 0,7\cdot 0,8}{1- 0,4 \cdot 0,6} = \frac{1 – 0.56}{1-0.24} = \frac{44}{76} = \frac{22}{38}\) ein.

Formeln für die Bestimmung der Infektionszahlen Geimpfter und Ungeimpfter

Kommen wir zurück zur Berechnung der Anzahl der infizierten Geimpften und Ungeimpften. Für die Fallzahlen bei Änderung der Impfquote und der Wirksamkeit erhalten wir

\begin{align} u_{Inf}^{*} &= \frac{1- q^{*} }{1-q W } \cdot a_{Inf} \\ g_{Inf}^{*} &= q^{*} \frac{1-W^{*} }{1-q W } \cdot a_{Inf} \end{align}

Formeln für die Bestimmung der Todesfallzahlen Geimpfter und Ungeimpfter

Im Weiteren können wir auf Basis obiger Formeln auch die Höhe der zu erwartenden Todesfallzahlen der infizierten Geimpften und Ungeimpften nach einer Modifikation von Impfquote und Wirksamkeit direkt aus den Werten für die Gesamtzahl der Infizierten vor der Veränderung errechnen. Wie oben bezeichnen wir die neuen Todesfallzahlen mit \( g_{Tod}^{*} = g_{Tod}^{\left(q^{*},W^{*}\right)}\), \( u_{Tod}^{*} = u_{Tod}^{\left(q^{*},W^{*}\right)}\), \( a_{Tod}^{*} = a_{Tod}^{\left(q^{*},W^{*}\right)}\) und die Bezugswerte mit \( g_{Tod} = g_{Tod}^{\left(q,W\right)}\), \( u_{Tod} = u_{Tod}^{\left(q,W\right)}\), \( a_{Tod} = a_{Tod}^{\left(q,W\right)}\).

\begin{align} u_{Tod}^{*} &= L_{u} \cdot u_{Inf}^{*} \\ \notag
&= L_{u} \cdot \frac{1-q^{*} }{ 1-q} \cdot u_{Inf} \\ \notag
&= L_{u} \cdot \frac{1-q^{*} }{1-q W} \cdot a_{Inf} \\ \notag
&= L \cdot \frac{1-q^{*} }{1-qW_{Tod} } \cdot a_{Inf}
\end{align}

\begin{align} g_{Tod}^{*} &= L_{g} \cdot g_{Inf}^{*} \\ \notag
&= L_{g} \cdot \frac{ q^{*}}{q} \cdot \frac{ 1-W^{*} }{ 1-W } \cdot g_{Inf} \\ \notag
&= L_{g} \cdot q^{*} \cdot \frac{1-W^{*} }{1-q W} \cdot a_{Inf} \\ \notag
&= L \cdot q^{*} \cdot \frac{1- W^{*} }{1-W } \cdot \frac{1- W_{Tod} }{1-qW_{Tod} } \cdot a_{Inf}
\end{align}

Diese Beziehungen können wir nur deswegen so formulieren, weil sich die Letalitäten für die Geimpften und Ungeimpften im betrachteten Szenario nicht verändern, weil also \(L_{g}^{*} = L_{g} \) und \(L_{u}^{*} = L_{u} \). Das Invarianzpostulat wurde oben erläutert. Für die Gesamtletalität gilt dagegen \(L^{*} \ne L \).

Die Bestimmung der Gesamtletalität bei geänderter Impfquote und Wirksamkeit

Zur Bestimmung von \( L^{*} \) gehen wir aus von

\begin{align} a_{Tod}^{*} &= L^{*} \cdot a_{Inf}^{*} \\ \notag
&= L^{*} \cdot \frac{1- q^{*} W^{*} }{1-q W} \cdot a_{Inf} \\ \notag
\end{align}

Wegen

\begin{align} a_{Tod}^{*} &= u_{Tod}^{*} + g_{Tod}^{*} \\ \notag
&= L_{u} \cdot u_{Inf}^{*} + L_{g} \cdot g_{Inf}^{*} \\ \notag
&= L_{u} \cdot \frac{1-q^{*} }{1- q^{*} W^{*} } \cdot a_{Inf}^{*} + \\ \notag
&\quad L_{g} \cdot q^{*} \frac{1-W^{*} }{1- q^{*} W^{*} } \cdot a_{Inf}^{*} \\ \notag
&= \left( L_{u} \cdot \frac{1-q^{*} }{1- q^{*} W^{*} } + L_{g} \cdot q^{*} \frac{1-W^{*} }{1- q^{*} W^{*} } \right) \cdot a_{Inf}^{*} \\ \notag
\end{align}

bekommen wir für \(L^{*} \) den Ausdruck

\begin{align} L^{*} &= L_{u} \cdot \frac{1-q^{*} }{1- q^{*} W^{*} } + L_{g} \cdot q^{*} \frac{1-W^{*} }{1- q^{*} W^{*} } \\ \notag
&= L \cdot \frac{1-qW}{1- q^{*} W^{*}} \cdot \\ \notag
& \quad \frac{(1-W) – q^{*} W_{Tod} ( 1-W^{*} )+ q^{*} (W- W^{*} ) } { (1-qW_{Tod}) (1-W)}
\end{align}

Die Gesamtletalität bei geänderter Impfquote und gleicher Wirksamkeit

Für \(W^{*} = W\) vereinfacht sich die \( L^{*} \)-Formel auf

\begin{align} L^{*} = L \cdot \frac{1-qW}{1- q^{*} W} \cdot \frac{1 – q^{*} W_{Tod} } { 1-qW_{Tod}}
\end{align}

womit sich der Zusammenhang zwischen den nach der Modifikation zu erwartenden Todesfallzahlen \( a_{Tod}^{*} \) und den ursprünglichen Infektionszahlen \( a_{Inf} \) für diesen Spezialfall deutlich kürzer fassen lässt:

\begin{align} a_{Tod}^{*} &= L \cdot \frac{1 – q^{*} W_{Tod} } { 1-qW_{Tod}} \cdot a_{Inf}
\end{align}


Quellen

[1] Robert Koch-Institut, COVID-19_Todesfälle nach Sterbedatum https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Projekte_RKI/COVID-19_Todesfaelle.html

[2] Robert Koch-Institut, COVID-19_Fälle nach Altersgruppe und Meldedatum
RKI – Coronavirus SARS-CoV-2 – COVID-19-Fälle nach Altersgruppe und Meldewoche (Tabelle wird jeden Donnerstag aktualisiert)

[3] Robert Koch-Institut, Coronavirus Situationsberichte, Wochenbericht https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/Wochenbericht/Wochenberichte_Tab.html

[4] Robert Koch-Institut, Coronavirus Inzidenzen und Impfstatus https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Daten/Inzidenz_Impfstatus.html

[5] Robert Koch-Institut, Coronavirus Fallzahlen https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Daten/Fallzahlen_Kum_Tab.html

[6] Robert Koch-Institut, Coronavirus Impfquotenmonitoring https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Daten/Impfquotenmonitoring.html

[7] Robert Koch-Institut, Inzidenzen der symptomatischen und hospitalisierten COVID-19-Fälle nach Impfstatus https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Daten/Inzidenz_Impfstatus.html

[8] Wie lange schützt der Impfstoff von Biontech, Moderna und Astrazeneca | Spektrum

[9] Das Coronavirus: Harmlos? Bedrohlich? Tödlich? – sumymus blog

[10] Gibt es eine Korrelation zwischen Impfquote und Inzidenz?

[11] Der Effekt der Corona-Impfung auf die Fallzahlen – sumymus blog

[12] Wer treibt die Infektionen? Ungeimpfte oder Geimpfte? – sumymus blog

Corona-Pandemie verkürzt die Lebenserwartung

Das objektive Maß für die Schwere der Pandemie ist der Einfluss auf die Lebenserwartung

Nach den sich täglich überschlagenden Horrormeldungen zu Infektionszahlen, Todesfällen und Corona-Mutanten, Impfstau, Schulschließungen, Homeoffice, Ausgangs- und Reisebeschränklungen … hat mich zunehmend die Frage interessiert, inwieweit die Corona-Pandemie die Lebenserwartung der Menschen beeinflusst. Genauer, wie stark reduzieren die beobachteten Covid-19-Todesfallzahlen die Lebenserwartung in den unterschiedlichen Altersgruppen.

Annahmen für die Berechnung der Lebenserwartung

Als Randbedingung wurde angenommen, dass die Corona-Pandemie noch ein weiteres Jahr mit der gleichen Intensität anhält und weitere etwa 50.000 Todesopfer fordert bevor 2022 die Impfungen in der Breite Wirkung zeigen werden. Sofern die Impfungen wider aller Erwartung sehr schnell erfolgen, könnte sich der Effekt auf die Reduzierung der Lebenserwartung halbieren.

Die Berechnung fußt auf den Daten des RKI (Todesfallzahlen „an oder mit“ Corona), den Sterbetafeln des Bundesamtes für Statistik (DeStatis) sowie zum Abgleich den Sterbezahlen für 2018 (Statista). Als Vergleichswerte für die Lebenserwartung wurden die Zahlen des Instituts der deutschen Wirtschaft (DeutschlandInZahlen, s. [10] und [11]) herangezogen.

Darstellung der Ergebnisse

Das folgende Diagramm (s. Abb. 1) zeigt für Deutschland die Reduzierung der Lebenserwartung in der Corona-Pandemie (blaue , grüne und rote Säulen von oben nach unten). Zugrunde gelegt sind die Todesfallzahlen per 26.01.2021 in Höhe von 53.000 („an oder mit“) Covid-19-Toten in der beobachteten Altersverteilung.

Reduzierung der Lebenserwartung in der Corona-Pandemie (blaue , grüne und rote Säulen von oben nach unten).

Abbildung 1: Reduzierung der Lebenserwartung in der Corona-Pandemie (blaue , grüne und rote Säulen von oben nach unten). Zugrunde gelegt sind die Todesfallzahlen per 26.01.2021 in der beobachteten Altersverteilung. Zum Vergleich: Die grau-punktierte Kurve zeigt die relative Lebenserwartung ohne Beeinträchtigung durch Corona im Jahre 2010 an.

Man entnimmt der Grafik, dass für die Altersgruppen bis 50 keine messbare Reduzierung der Lebenserwartung eintritt. Für die Altersgruppen bis 70 bleibt die Reduzierung der Lebenserwartung noch unter 0,1 Lebensjahren. Für Menschen im Alter von 80 reduziert sich die Lebenserwartung um etwa 0,2 Jahre, im Alter von 90 um etwa 0,25 Jahre.

Analyse und Diskussion

Auf den ersten Blick erscheint der Einfluss überraschend gering und man fragt sich, ob dies die massiven gesellschaftlichen und wirtschaftlichen Maßnahmen und Einschränkungen der Grundrechte rechtfertigt.

Ist das vielleicht eine nicht angemessene Sicht? Sind durchschnittlich 0,2 Lebensjahre weniger doch ein größerer Einschnitt, als dies die kleine Zahl ausdrückt. Wird durch diese Betrachtung die grundsätzlich insbesondere für die Älteren bestehende Gefahr verharmlost?

Schauen wir uns zum Vergleich die allgemeine Lebenserwartung ohne Beeinträchtigung durch Corona im Jahre 2010 an (s. grau-punktierte Kurve in Abb. 1).

Die grauen Dreiecke markieren die relative Lebenserwartung im Jahre 2010 für die Lebensalter 1, 30, 60 und 80. Wie man erstaunt zur Kenntnis nimmt, war die allgemeine Lebenserwartung vor einem Jahrzehnt signifikant geringer als im Jahr 2020 unter den herrschenden Corona-Bedingungen. Konkret: Ein 80-Jähriger im Jahr 2020 hatte trotz der Corona-Gefahr immer noch eine höhere Lebenserwartung als ein 80-Jähriger im pandemiefreien Jahr 2010. Bei den Jüngeren beläuft sich der Unterschied mit 0,3 bis fast 0,7 Jahre gar auf ein Vielfaches des spezifischen Einflusses aufgrund von Corona.

Entwicklung der Lebenserwartung in den letzten 30 Jahren

Wenn wir weiter zurückgehen, etwa auf das Jahr 1990 oder 2000, dann werden die Unterschiede noch eklatanter. In Abb. 2 ist exemplarisch die Entwicklung der Lebenserwartung seit 1990 für 30- 60- und 80-Jährige aufgetragen. Wie man den Kurvenverläufen entnimmt, war vor nur zwei Dekaden die Lebenserwartung für 80-Jährige um 0,9, für 60-Jährige gar um 1,9 Lebensjahre geringer als heute. Bei den unter 60-Jährigen (grüne und blaue Kurven) ist der Einfluss der Corona-Pandemie auf die Lebenserwartung in dieser Skalierung nicht wahrnehmbar. Aber auch der Verlauf bei den 80-Jährigen (rote Kurve) lässt nur eine kleine Delle erkennen. In Summe darf man daher festhalten: Im Vergleich zu dem in den letzten 30 Jahren registrierten Anstieg fällt der partielle Rückgang der Lebenserwartung aufgrund von Corona nur äußerst bescheiden aus.

Entwicklung der Lebenserwartung seit 1990 für 30- 60- und 80-Jährige. Die Werte für die Lebenserwartung unter Corona-Bedingungen sind beim Übergang von 2020 auf 2021 jeweils durch die farbigen Punkte markiert.

Abbildung 2: Entwicklung der Lebenserwartung seit 1990 für 30- 60- und 80-Jährige. Die Werte für die Lebenserwartung unter Corona-Bedingungen sind beim Übergang von 2020 auf 2021 jeweils durch die farbigen Punkte markiert. Mittels der grauen Säule hervorgehoben ist die Zeitspanne der Corona-Pandemie (ab Anfang 2020, im Modell verlängert bis Anfang 2022). Datenstand per 26.01.2021.

Nun sind bekanntlich insbesondere die Älteren von der Pandemie betroffen. Deswegen wollen wir den Einfluss der Corona-Pandemie für diese Gruppe schärfer herauszuarbeiten. Dazu betrachten wir den Kurvenverlauf bei den 80-Jährigen noch etwas genauer (s. hierzu Abb. 3). Wir sehen hier die gleiche Kurve wie in Abb. 2, nun aber in einem größeren Maßstab, so dass der „Einbruch“ stärker zur Geltung kommt. Der Rückgang im Vergleich zur vorherigen positiven Entwicklung der Lebenserwartung im Verlauf der letzten 30 Jahre ist unverkennbar. Man sieht aber auch deutlich, dass der Verlust an Lebenserwartung nur einen kleinen Bruchteil des Zuwachses der letzten 20 oder 30 Jahre ausmacht. In etwa beschränkt sich die Einbuße auf den in den letzten 3 – 5 Jahren verzeichneten Gewinn.

Entwicklung der Lebenserwartung für 80-Jährige von 1990 bis 2020. Der Wert für die Lebenserwartung unter Corona-Bedingungen ist beim Übergang von 2020 auf 2021 durch den roten Punkt markiert.

Abbildung 3: Entwicklung der Lebenserwartung für 80-Jährige von 1990 bis 2020. Der Wert für die Lebenserwartung unter Corona-Bedingungen ist beim Übergang von 2020 auf 2021 durch den roten Punkt markiert. Die graue Säule überdeckt die Zeitspanne der Corona-Pandemie (ab Anfang 2020, im Modell verlängert bis Anfang 2022). Datenstand per 26.01.2021.

Corona ein Schnippchen schlagen durch Zeitreise in die Vergangenheit?

Der zunächst verlockend klingende Gedanke, der Corona-Gefahr dadurch zu entgehen, dass man mit der Zeitmaschine zurück ins Jahr 2000 reist, würde sich nach der vorstehenden Analyse als fataler Fehler erweisen. Gegenüber der „hochriskanten“ Situation in der 2020-Corona-Pandemie würden 80-Jährige 0,7 Lebensjahre einbüßen; 60-Jährige würden gar ein noch schlechteres Geschäft machen, ihnen gingen 1,8 Lebensjahre verloren. Wohlgemerkt, wir sprechen hier vom Jahr 2000, also von der jüngsten bereits hochtechnisierten Vergangenheit, nicht von der ferneren Vorkriegszeit.

Bewertung des beobachteten Rückgangs

Auf den zweiten Blick ist daher der Einfluss der Corona-Pandemie auf die Lebenserwartung nicht nur in der absoluten Höhe, sondern auch im Vergleich mit den Vorjahren überraschend gering und man fragt sich nun erst recht, ob das die massiven Beschränkungen in allen Lebensbereichen wirklich rechtfertigt.

Damit sollen die Einzelschicksale nicht verharmlost werden. Natürlich ist jeder Tote ein Toter zu viel. Das gilt indes unabhängig von der Sterbeursache grundsätzlich auch für die 95% anderen Verstorbenen.

Indessen wird man mit dieser Individualbetrachtung dem Charakter einer Pandemie nicht gerecht. So hart das im Einzelfall auch klingen mag: Entscheidend für die Beurteilung der Schwere einer Pandemie sind die Auswirkungen auf die Gesamtbevölkerung. Die Individualschicksale sind nicht anders zu beurteilen als bei anderen Krankheiten auch. Täglich sterben in Deutschland etwa 2.600 Menschen, die meisten davon an Krebs und Herz-Kreislauferkrankungen. Und diesbezüglich sind die Jüngeren in Relation sehr viel stärker betroffen als von Corona.

Der oft gehörte Hinweis, das könne man nicht vergleichen, weil es sich bei Corona um ein hochansteckendes Infektionsgeschehen handelt, ist nicht stichhaltig. Natürlich kann man sich gegen diese Infektion mittels Eigenverantwortung wirksam schützen. Jedenfalls trifft dies für die sehr große Mehrheit (s. [13]) uneingeschränkt zu. Für die wenigen, die sich nicht oder nicht ausreichend schützen können, z.B. die Bewohner von Pflege- und Altenheimen, müssen aktive Schutzmaßnahmen ergriffen werden. Dazu gibt es Konzepte, die besser wirken als ein undifferenzierter Lockdown. Und insbesondere hier ist der Staat gefordert, Verantwortung zu übernehmen.

Wie schlimm würde es sein, wenn Deutschland von Trump regiert worden wäre?

Nun muss man aber auch festhalten, dass die geringe Auswirkung auf die Lebenserwartung natürlich auch eine Folge der getroffenen Schutzmaßnahmen ist. Völlig ohne Vorkehrungen wie Abstand halten, Hygiene und ggf. Maske tragen würden die Todesfallzahlen mit Sicherheit deutlich höher liegen und damit einhergehend auch der Einfluss auf die Verkürzung der Lebenserwartung markanter ausfallen.

Nehmen wir als probates Negativ-Szenario die USA, bis vor kurzem mit dem bekennenden Corona-Leugner Donald Trump an der Spitze. In den USA verzeichneten wir per Ende Januar etwa 430.000 Todesfälle. Entsprechend dem Verhältnis der Einwohnerzahl umgerechnet, wären das ca. 107.000 Todesfälle in Deutschland. Auf dieser Basis würde sich somit die Lebenserwartung für 80-Jährige um ca. 0,4 Jahre reduzieren. Für 60-Jährige und noch jüngere läge der Wert deutlich unter 0,1 Jahren und damit unter der Messbarkeitsgrenze (60-Jährige 0,06, 30-Jährige 0,023). Auch in diesem Falle haben wir eine theoretische Pandemiedauer von zwei Jahren und damit in der Projektion insgesamt 210.000 Coronatote zugrunde gelegt. Klar, die Todesfallzahlen wären etwa doppelt so hoch. Dennoch fällt es schwer, dieses Alternativszenario als unheilvolles Totalversagen zu verstehen.

Pandemie für immer

Die vorstehenden Betrachtungen wurden sämtlich unter einer markanten Randbedingung vorgenommen: Dauer der Pandemie 2 Jahre. Wie wäre es denn im Kontrast, wenn uns die Pandemie in der gegenwärtigen Schärfe mit ca. 50.000 Toten p.a. dauerhaft heimsuchen würde? Sei es, weil die Impfstoffe nicht wie erhofft wirken? Oder, weil z.B. viele neue mutierte Viren auftauchen, für die es keine effektive Behandlung gibt? Die Frage ist also, wie stark sich eine dauerhafte Corona-Pandemie auf die Lebenserwartung auswirken würde. Mit Sicherheit bliebe es nicht bei den geringfügigen Reduzierungen, wie wir sie oben gesehen haben.

Tatsächlich fällt die Verringerung der Lebenserwartung mit einer Einbuße von 0,8 Lebensjahren für 80-Jährige und etwa ein Jahr weniger Lebensspanne für 60-Jährige und Jüngere deutlich aus. Aber auch hier muss man konstatieren, dass das im schlimmsten Falle nur einen Rückschritt auf das Niveau der allgemeinen Lebenserwartung des Vergleichsjahres 2000 bedeuten würde. Keine Frage, das wäre ein drastischer Einschnitt. Mit größeren Recht als man das in der gegenwärtigen Situation ohnehin tut, würde man das als Tragödie bezeichnen. Trotz alledem wird man kaum sagen können, die Menschen zur Jahrtausendwende würden unter katastrophalen Bedingungen gelebt haben.

Die Dauer-Pandemie müssen wir nicht befürchten, umso weniger gibt es Anlass, die gegenwärtige Situation mit ihren nach obiger Analyse insgesamt noch sehr moderaten Belastungen als Katastrophe zu überhöhen.

Resümee

Das durchschnittliche Covid-19-Sterbealter liegt bei etwa 83 Jahren (s. [13]) und ist damit sogar höher als die allgemeine Lebenserwartung. Wir haben gesehen, dass die Verringerung der Lebenserwartung durch Corona für die Altersgruppen bis 70 unter 0,1 Lebensjahren bleibt. Auch für die Älteren reduziert sich die Lebenserwartung nur geringfügig: Bei einer Pandemiedauer von 2 Jahren mit 50.000 Toten p.a. büßen 80-Jährige im Durchschnitt etwa 0,2 Jahre Lebenserwartung ein, 90-Jährige etwa 0,25 Jahre.

Insgesamt ist der Einfluss der Corona-Pandemie auf die Lebenserwartung nicht nur in der absoluten Höhe, sondern auch im Vergleich mit der allgemeinen Entwicklung der Lebenserwartung in den letzten 2 bis 3 Dekaden überraschend gering. Der Verlust an Lebenserwartung macht bei den Jüngeren einen kaum messbaren, einen winzigen Bruchteil des in diesem Zeitraum verzeichneten Zuwachses aus. Sogar für die Älteren um 80 bleibt die Minderung noch unterhalb des allgemeinen Anstiegs der Lebenserwartung der letzten 10 Jahre.

Die vom Coronavirus ausgehende Gefahr für bestimmte Gruppen soll nicht verharmlost werden. Nach der vorstehenden Analyse gibt es aber auch ebenso wenig einen Grund, die Gesellschaft von einem Lockdown in den nächsten zu treiben. Stattdessen muss man diejenigen durch gezielte Maßnahmen schützen, die des Schutzes bedürfen, also insbesondere die Bewohner von Alten – und Pflegeheimen sowie die Älteren mit Vorerkrankungen. Alles andere ist völlig unverhältnismäßiger Aktionismus. Unbegründete Panikmache befeuert die allgemeine Hysterie, daraus erwächst indes kein nachhaltig wirksamer Lösungsansatz.


Quellen:

[1] Täglicher Lagebericht des RKI zur Coronavirus-Krankheit-2019 (COVID-19) – 26.01.2021 – AKTUALISIERTER STAND FÜR DEUTSCHLAND. RKI

https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/Jan_2021/2021-01-26-de.pdf?__blob=publicationFile

[2] Täglicher Lagebericht des RKI zur Coronavirus-Krankheit-2019 (COVID-19) – 01.12.2020 – AKTUALISIERTER STAND FÜR DEUTSCHLAND. RKI

https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/Dez_2020/2020-12-01-de.pdf?__blob=publicationFile

[3] Corona-Infektionen (COVID-19) in Deutschland nach Altersgruppe und Geschlecht (Stand: 26. Januar 2021). Statista

https://de.statista.com/statistik/daten/studie/1103904/umfrage/corona-infektionen-covid-19-in-deutschland-nach-altersgruppe/#professional

[4] Todesfälle mit Coronavirus (COVID-19) in Deutschland nach Alter und Geschlecht (Stand: 26. Januar 2021). Statista

https://de.statista.com/statistik/daten/studie/1104173/umfrage/todesfaelle-aufgrund-des-coronavirus-in-deutschland-nach-geschlecht/

[5] Bevölkerung – Zahl der Einwohner in Deutschland nach Altersgruppen am 31. Dezember 2019. Statista

https://de.statista.com/statistik/daten/studie/1112579/umfrage/bevoelkerung-in-deutschland-nach-altersgruppen/

[6] Altersspezifische Sterbewahrscheinlichkeiten der Männer in Deutschland. Bundesinstitut für Bevölkerungsforschung (BIB)

https://www.bib.bund.de/DE/Fakten/Fakt/S05-Altersspezifische-Sterbewahrscheinlichkeiten-Maenner-ab-1871.html?nn=9992070

[7] Altersspezifische Sterbewahrscheinlichkeiten der Frauen in Deutschland. Bundesinstitut für Bevölkerungsforschung (BIB)

https://www.bib.bund.de/DE/Fakten/Fakt/S06-Altersspezifische-Sterbewahrscheinlichkeiten-Frauen-ab-1871.html?nn=9992070

[8] Sterbetafel 2017/2019 – Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer 2020. DESTATIS – Statistisches Bundesamt

https://www.destatis.de/DE/Themen/Gesellschaft-Umwelt/Bevoelkerung/Sterbefaelle-Lebenserwartung/Publikationen/Downloads-Sterbefaelle/periodensterbetafel-erlaeuterung-5126203197004.pdf?__blob=publicationFile

[9] Anzahl der Sterbefälle in Deutschland nach Altersgruppe im Jahr 2018. Statista

https://de.statista.com/statistik/daten/studie/1013307/umfrage/sterbefaelle-in-deutschland-nach-alter/

[10] Tabelle: Lebenserwartung (Männer) – in Jahren

https://www.deutschlandinzahlen.de/tab/deutschland/demografie/natuerliche-bevoelkerungsbewegungen/lebenserwartung-maenner

[11] Tabelle: Lebenserwartung (Frauen) – in Jahren

https://www.deutschlandinzahlen.de/tab/deutschland/demografie/natuerliche-bevoelkerungsbewegungen/lebenserwartung-frauen

[12] Das „Vorsorgeprinzip“ der Kanzlerin in der Pandemie ist einseitig

https://www.handelsblatt.com/meinung/kommentare/kommentar-das-vorsorgeprinzip-der-kanzlerin-in-der-pandemie-ist-einseitig-/26833548.html

[13] Die Corona-Pandemie: Alter ist der dominierende Risikofaktor

https://www.linkedin.com/pulse/die-corona-pandemie-alter-ist-der-hauptrisikofaktor-fischer/

[14] Das Coronavirus: Harmlos? Bedrohlich? Tödlich?

https://www.linkedin.com/pulse/das-coronavirus-harmlos-bedrohlich-t%C3%B6dlich-hieronymus-fischer

[15] Aktuelles zu Corona

Die Corona-Pandemie: Alter ist der dominierende Risikofaktor

Strategie des planlosen Managements

Wenn man die Infektions- und Todesfallzahlen sowie die abgeleiteten Sterbewahrscheinlichkeiten ohne und mit Corona analysiert, wird vor allem eines klar: Das Management der Corona-Krise ist ein Fiasko. Dieses Urteil steht in einem denkbar krassen Kontrast zur Selbsteinschätzung der verantwortlichen Politiker. Trotz der Lage ist auch der Zuspruch der Mehrheit der Menschen nach wie vor hoch. Das hängt damit zusammen, dass wir in der politischen Kommunikation und der Medienberichterstattung zu Corona vor allem mit einem vordergründigen Alarmismus konfrontiert werden.

Mit Hysterie und Angstmache werden wir die Krise aber nicht bewältigen. Zuallererst brauchen wir eine auf nüchterner Faktenanalyse beruhende klare Kommunikation und die Abkehr von einer Politik der Panikmache.

Es gibt keine Strategie für eine nachhaltige Senkung der Todesfallzahlen im Einklang mit der Aufrechterhaltung des gesellschaftlichen und wirtschaftlichen Lebens. Politik und Medien gleiten planlos von einem Lockdown zum nächsten und lassen sich leiten vom Prinzip Hoffnung. Hoffnung auf Impfstoffe, die, wie sich nun zeigt, für die Bürger der EU und speziell auch Deutschlands auf absehbare Zeit nicht in ausreichenden Mengen zur Verfügung stehen werden. Das ist das Ergebnis europäischen Missmanagements unter der deutschen EU-Präsidentschaft. Und es ist das Resultat von nicht wahrgenommener Verantwortung: Weil man aus der Impfstoffbeschaffung eine EU-Erfolgsstory machen wollte, wurden mögliche nationale Vorsorgemaßnahmen nicht getroffen. Tausende vermeidbare Todesfälle sind die Folge.

Wie steht es um den Schutz der Älteren?

Das Ergreifen vernünftiger Maßnahmen setzt voraus, dass man die Realität vorurteilsfrei zur Kenntnis nimmt. Zwar ist allgemein bekannt, dass überwiegend Ältere von schweren Covid-19-Krankheitsverläufen betroffen sind, dennoch findet dies in den Maßnahmen kaum Berücksichtigung. Im Folgenden soll der Alterseinfluss deswegen in aller Schärfe herausgearbeitet werden.

Ältere über 80 sind im Vergleich zum Anteil an der Bevölkerung weit überproportional häufig infiziert und stellen fast 70% der Toten (s. Abb. 1) mit weiter steigender Tendenz (im Zuwachs sind es sogar über 70%). Weniger als 3,5% der Covid-19-Toten waren unter 60.

Das Infektionsrisiko liegt für die Altersgruppe 80+ mit 10,13% der Infizierten bei nur 6,83% Bevölkerungsanteil fast 50% über dem Durchschnitt. Das zeigt insbesondere, dass die Hochbetagten, trotz der typischerweise geringen Kontakthäufigkeit, nur höchst unzureichend vor Infektionen geschützt werden. Die zahlreichen Ausbrüche in Heimen untermauern dies.

Wenn man die Zahlen mit den Vorwochen und Vormonaten vergleicht, erkennt man, dass das Risiko für die Älteren sogar im Lockdown unvermindert weiter steigt.

Covid-19 Infizierte und Todesfälle pro Altersgruppe.

Abbildung 1: Covid-19 Infizierte und Todesfälle pro Altersgruppe. – Rohdaten vom RKI und von Statista nach Datenstand 26.01.2021.

Sterberisiko nach Altersgruppen

Schauen wir uns das Sterberisiko in den Altersgruppen an (s. Abb. 2): Die Covid-19-Mortalität ist in der Altersgruppe 80+ mit 650 Toten pro 100.000 Personen etwa 8-mal größer als für die 60-79-Jährigen (78 Tote pro 100.000 Personen) und sogar 200-mal größer als für die 0-59-Jährigen (mit knapp 3 Toten pro 100.000 Personen der Altersgruppe).

Wenn die Infektionsrate der Altersgruppe 80+ auf dem Niveau des Durchschnitts der Bevölkerung liegen würde, dann hätten wir etwa 18.000 Covid-19-Tote weniger zu verzeichnen. Der Befund macht klar, dass pauschale Maßnahmen nach dem Gießkannenprinzip zum Scheitern verurteilt sind. Ohne effektiven Schutz der Meistgefährdeten geht es nicht. Maßnahmen sind effektiv und verhältnismäßig nur dann, wenn sie die vulnerablen Gruppen in den Fokus nehmen. Und die „vulnerablen“ Gruppen, das sind nicht 27 oder 30 Millionen, also die Gruppe der Menschen über 60, wie uns Politiker gerne erklären, es sind insbesondere die Menschen über 80, also etwa 5,7 Mio. Personen. Eine Sonderstellung nehmen darunter die Bewohner von Alten- Pflegeheimen ein. Sie sind besonders gefährdet (s. Abb. 3) und werden dennoch nicht konsequent geschützt. 

Corona-Mortalität in Todesfällen pro 100.000 Personen der Altersgruppe.

Abbildung 2: Corona-Mortalität in Todesfällen pro 100.000 Personen der Altersgruppe. – Rohdaten vom RKI und von Statista nach Datenstand 26.01.2021.

Tatsächlich kommt eine erhebliche Anzahl der etwa 53.000 Coronatoten (per 26.01.2021) aus Heimen, obwohl dort nur etwa 850.000 Menschen leben. In der Altersgruppe 80+ mit 37.000 Covid-19-Toten macht dieser Personenkreis etwa die Hälfte der Sterbefälle aus. In einzelnen Bundesländern waren zweitweise gar bis zu 90% der Corona-Todesfälle in Heimen zu verzeichnen. Es liegt auf der Hand, dass ein allgemeiner Lockdown in dieser Hinsicht kaum etwas bewirken kann. Das weisen die Daten klar aus.

Corona-Mortalität in Todesfällen pro 100.000 Personen der Altersgruppe.

Abbildung 3: Corona-Mortalität in Todesfällen pro 100.000 Personen der Altersgruppe. Die Differenzierung nach Heimbewohnern beruht auf der begründeten Abschätzung, dass etwa 50% der Todesfälle in der Altersgruppe 80+ auf die Hochbetagten in Heimen zurückgehen. Unter allen Todesfällen sind es mindestens ein Drittel. – Rohdaten vom RKI und von Statista nach Datenstand 26.01.2021.

Die Hochbetagten in den Heimen werden vor Infektionen nicht geschützt. Sie sind überproportional häufig infiziert. So ist das seit fast einem Jahr. Mehr als 10.000 Todesfälle gehen allein auf dieses Konto.

Alter ist der Hauptrisikofaktor

Aus dem Vorstehenden geht klar hervor, dass die Alten mit großem Abstand das höchste Risiko tragen, dabei aber durch die ergriffenen Maßnahmen nur unzureichend geschützt werden. In den folgenden beiden Grafiken wird das noch schärfer herausgearbeitet. Der Kurvenverlauf zeigt die spezifische Corona-Mortalität in Todesfällen pro 100.000 Personen im entsprechenden Lebensalter.

Man entnimmt der ersten Grafik (s. Abb. 4), wie enorm stark das Alter direkt das Covid-19-Sterberisiko beeinflusst. Beispiel: Für 80-Jährige haben wir einen Wert zwischen 200 und 300 pro 100.000, für 90-Jährige schon von über 800.

In exponentieller Interpolation aus summarischen Grunddaten auf Einzeljahre heruntergerechnete Corona-Mortalität in Todesfällen pro 100.000 Personen der Altersgruppe.

Abbildung 4: In exponentieller Interpolation aus summarischen Grunddaten auf Einzeljahre heruntergerechnete Corona-Mortalität in Todesfällen pro 100.000 Personen der Altersgruppe. – Rohdaten vom RKI und von Statista nach Datenstand 26.01.2021.

Ganz anders bei den Jüngeren. Hier sind die Werte in der Altersgruppe unter 60 so niedrig, dass sie kaum mehr abgelesen werden können. In der zweiten Grafik (s. Abb. 5) daher dieselbe Information in logarithmischer Darstellung aufgetragen. Wie man der Abbildung entnimmt, bleibt die Mortalität bis zum Alter von knapp 40 noch unter 1:100.000.

In exponentieller Interpolation aus summarischen Grunddaten auf Einzeljahre heruntergerechnete Corona-Mortalität in Todesfällen pro 100.000 Personen der Altersgruppe. Hier in logarithmischer Darstellung.

Abbildung 5: In exponentieller Interpolation aus summarischen Grunddaten auf Einzeljahre heruntergerechnete Corona-Mortalität in Todesfällen pro 100.000 Personen der Altersgruppe. Hier in logarithmischer Darstellung. – Rohdaten vom RKI und von Statista nach Datenstand 26.01.2021.

In guter Annäherung steigt das Sterberisiko ab 40 exponentiell etwa mit dem Faktor 10 pro 20 Lebensjahren. Der formelmäßige Zusammenhang kann so beschrieben werden:

\begin{equation} \textit{Mortalität} \approx 10^{ \frac { Alter\, – \, 36 }{ 18 } } \end{equation}

Eine noch bessere Approximation zeigt die grau-punktierte Linie (s. Abb. 5). Sie gehorcht der Formel:

\begin{equation} \textit{Mortalität} = 0.0111 \cdot e^{ 0.125 \, \cdot Alter } \end{equation}

Es wird damit nochmals unterstrichen: Das Risiko, sich zu infizieren und an Covid-19 zu versterben ist in hohem Maße vom Alter abhängig.

Die Gefährdung wächst exponentiell mit steigendem Alter

Bei dieser Sachlage kann es kaum mehr verwundern, dass die von der Politik ergriffenen pauschalen Maßnahmen nicht den gewünschten Effekt zeitigen. Mittlerweile fordern daher auch schon viele unabhängige Experten, den Fokus viel stärker auf den Schutz der Hauptrisikogruppen zu legen. Überdies muss man hier differenzieren: Die vulnerablen Gruppen sind, wie wir oben gesehen haben, zunächst die Bewohner von Heimen (etwa 850.000 Personen und die über 80-Jährigen (in Summe etwa 5,7 Mio.), es sind nicht pauschal alle über 60-Jährigen. Die meisten Angehörigen der Altersgruppe 60-79 können für sich selbst sorgen: In dieser Gruppe liegt das Infektionsrisiko signifikant unter dem Durchschnitt der Bevölkerung (etwa -30%, s. Abb. 1). Eigenverantwortung ist ein extrem stark wirksamer Schutzfaktor.

Altersverteilung im Vergleich zu allen Sterbefällen

Wie wir gesehen haben, sind Ältere besonders von Corona betroffen. Dies zeigt sich auch bei Betrachtung der Altersverteilung der Covid-19-Sterbefälle im Vergleich zur Verteilung der Sterbefälle aufgrund anderer Ursachen. Grundsätzlich ist klar, dass das allgemeine Sterberisiko mit dem Alter ansteigt. Das Coronavirus differenziert sogar noch stärker nach Alter. Man kann dies leicht den beiden Kurven in Abb. 6 entnehmen: Die blaue Kurve zeigt die Verteilung der allgemeinen Sterbefälle nach Lebensalter. Die rote Kurve stellt die Altersverteilung der Covid-19-Sterbefälle dar.

Verteilung der Coronatoten nach Lebensalter im Vergleich mit allen Sterbefällen.

Abbildung 6: Verteilung der Coronatoten nach Lebensalter im Vergleich mit allen Sterbefällen. Für ein vorgegebenes Alter x gibt der y-Wert den relativen Anteil der Todesfälle in der Dekade x-5 bis x+5 Jahre an. Beispiel x = 85: y = 47%, also waren etwa 47% der Covid-19-Sterbefälle im Alter zwischen 80 und 90. Bei den allgemeinen Sterbefällen waren es nur ca. 37%. – Rohdaten vom RKI und von Statista nach Datenstand 26.01.2021.

Das Coronavirus ist eine stärkere „Altersdiskriminante“ als alle anderen Lebensrisiken zusammen

In Abb. 7 sind die kumulierten Inzidenzen aufgetragen. Greifen wir uns exemplarisch das Alter 80 heraus: 30% der Covid-19-Toten (s. rote Kurve) verstarben im Alter jünger als 80. Bei den allgemeinen Sterbefällen beläuft sich der Anteil indes auf fast 45%. Etwa 10% der Coronatoten waren jünger als 70, bei den sonstigen Todesfällen waren es mehr als doppelt so viel, nämlich fast 22%.

Verteilung der Coronatoten nach Lebensalter im Vergleich mit allen Sterbefällen.

Abbildung 7: Verteilung der Coronatoten nach Lebensalter im Vergleich mit allen Sterbefällen. Für ein vorgegebenes Alter x gibt der y-Wert den relativen Anteil der Todesfälle an, die in einem Alter jünger als x verstorben sind. Beispiel x = 80: y = 30%, also waren etwa 30% der Covid-19-Sterbefälle im Alter jünger als 80. Bei den allgemeinen Sterbefällen waren es ca. 45%. – Rohdaten vom RKI und von Statista nach Datenstand 26.01.2021.

Das unterstreicht noch einmal eindrücklich, wie stark das Lebensalter die Gefährdung bestimmt und als beherrschender Risikofaktor wirkt. Angesichts der Altersverteilung zeigt es auch, dass die Todesfallzahlen nur mittels differenzierter Maßnahmen gesenkt werden können. Ein pauschaler Lockdown wirkt auf die exponierten Gruppen nur höchst indirekt, belastet aber alle gesellschaftlichen Gruppen, insbesondere auch die große Mehrheit der kaum durch das Virus Gefährdeten. Jene sind vor allem Betroffene der unmittelbaren Lockdownfolgen. Gezielt auf den Schutz der Hauptrisikogruppen (Heimbewohner, über 80-Jährige mit Vorerkrankungen) abgestimmte Maßnahmen machen daher sehr viel mehr Sinn, weil sie dort ansetzen und wirken können, wo die Gefährdung tatsächlich vorliegt.

Das durchschnittliche Covid-19-Sterbealter liegt per Datenstand 26.01.2021 bei etwa 83 Jahren. Bezüglich der allgemeinen Sterbefälle haben wir hier einen Wert von etwas mehr als 80 Jahren zu verzeichnen.

Altersverteilung in Bezug auf die Bevölkerungsstruktur

Aus den vorstehenden Grafiken geht schon klar hervor, dass sich die Masse der Covid-19-Todesfälle auf eine ziemlich kleine Bevölkerungsgruppe verteilt. Im Folgenden wird das noch etwas präziser herausgearbeitet. Abb. 8 stellt die Verteilung der Covid-19-Sterbefälle in Abhängigkeit vom Alter im Vergleich zur Altersverteilung in der Bevölkerung dar:

Blaue Kurve (linke Achse): Anteil der Menschen in der Bevölkerung mit einem Alter >= x. Beispiel: x = 80, Bevölkerungsanteil knapp 7%.

Rote Kurve (rechte Achse): Anteil der Covid-19-Toten, die in einem Alter >= x verstorben sind. Beispiel: x = 80, Anteil an allen Corona-Sterbefällen knapp 70%.

Der Schnittpunkt der beiden Kurven liegt etwa bei einem Alter von x = 72. Hierfür gilt Folgendes: Ca. 14% der Menschen sind älter als 72, zugleich entfallen auf diesen Bevölkerungsanteil 86% der Covid-19-Toten.

Altersverteilung der Coronatoten und der Bevölkerung insgesamt im Vergleich.

Abbildung 8: Altersverteilung der Coronatoten und der Bevölkerung insgesamt im Vergleich. Blaue Kurve (linke Achse): Anteil der Menschen in der Bevölkerung mit einem Alter >= x. Rote Kurve (rechte Achse): Anteil der Covid-19-Toten, die in einem Alter >= x verstorben sind. Man beachte, dass die Skalierung der rechten Achse von oben nach unten verläuft. – Rohdaten vom RKI und von Statista nach Datenstand 26.01.2021.

Einige Eckdaten aus der Grafik:

  • Auf die ältesten 1% der Menschen (d.h., Alter >= 90) entfallen 22% der Coronatoten.
  • Die ältesten 5% der Menschen (etwa >= 83 Jahre) verzeichnen 58% der Coronatoten.
  • Unter den ältesten 10% der Menschen (etwa >= 76 Jahre) finden sich 80% der Coronatoten.
  • Auf die jüngere Hälfte der Menschen (<= 46 Jahre) entfallen 1% der Coronatoten.
  • Die Hälfte der Coronatoten entfällt auf die 4% Ältesten der Bevölkerung (d.h., Alter >= 84 Jahre).
  • Etwa 90% der Coronatoten entfallen auf die 17% Ältesten der Bevölkerung.

Nach dem Vorstehenden liegt der Medianwert der „an oder mit“ Covid-19-Verstorbenen bei 84 Jahren.

Finale Darstellung der Asymmetrie

Wie stark asymmetrisch die Verteilung der Todesfallzahlen ist, kann man am besten der sogenannten Lorenzkurve entnehmen (s. Abb. 9).

Auf der y-Achse ist der prozentuale Anteil der Covid-19-Toten aufgetragen (von oben nach unten). Die x-Achse läuft über den Prozentanteil der Ältesten in der Bevölkerung (von rechts nach links).

Altersverteilung der Coronatoten und der Bevölkerung insgesamt im Vergleich als Lorenzkurve.

Abbildung 9: Altersverteilung der Coronatoten und der Bevölkerung insgesamt im Vergleich als Lorenzkurve. Auf der y-Achse ist der prozentuale Anteil der Covid-19-Toten aufgetragen (von oben nach unten). Die x-Achse läuft über den Prozentanteil der Ältesten in der Bevölkerung (von rechts nach links). Die Kurve zeigt eindrucksvoll, wie ungleich die Todesfallzahlen über die Altersstruktur der Bevölkerung verteilt sind. – Rohdaten vom RKI und von Statista nach Datenstand 26.01.2021.

Die obigen Beispiele kann man dieser Grafik unmittelbar entnehmen:

  • Auf die ältesten 1% der Menschen entfallen 22% der Coronatoten.
  • Unter den ältesten 10% der Menschen (etwa >= 76 Jahre) finden sich 80% der Coronatoten.
  • Auf die ältere Hälfte der Bevölkerung entfallen 99% der Coronatoten.

Als Maß für die Ungleichverteilung der Todesfallzahlen über die Altersstruktur der Bevölkerung kann man den Gini-Koeffizienten heranziehen. Bezogen auf Abb. 9 misst er die relative Größe der Fläche zwischen der gestrichelten Linie und der roten Kurve. Im vorliegenden Falle beträgt der Gini-Koeffizient etwa 85. Dieser Wert steht für eine stark ungleiche Verteilung. Bei einer Gleichverteilung würde der Wert bei 0 liegen (gestrichelte Linie und rote Kurve wären dann deckungsgleich). In diesem Falle würden auf die p Prozent Jüngsten bzw. Ältesten auch p Prozent der Toten entfallen. Wenn ausschließlich die Allerältesten sterben würden, wäre der Gini-Wert knapp unter 100. Allzu weit entfernt davon sind wir im konkreten Falle indes nicht.

Nehmen wir als Vergleich die Verteilung der Einkommen über die Bevölkerung. Bezüglich der Einkommen in Deutschland beläuft sich der Gini-Koeffizient auf etwa 30. Die Einkommen sind also sehr viel gleichmäßiger verteilt als die Corona-Todesfallzahlen. Trotzdem wird das als hochproblematisch angesehen und es werden vielfach Vorschläge gemacht, den Reichen zu nehmen und den Armen zu geben. Allerdings ist bisher noch niemand mit der Idee gekommen, die Not der 10% Ärmsten dadurch lindern zu wollen, dass man das Einkommen ALLER kürzt.

Es liegt auf der Hand: Wenn man die Armen reicher machen will, dann braucht man dafür zielgenau passende Maßnahmen. Es ändert sich absolut nichts an ihrer Situation, wenn man allen gleichermaßen gibt oder nimmt. Genauso verhält es sich in der Pandemie im Hinblick auf die unterschiedlichen Gefährdungslagen der Älteren im Vergleich zum großen Rest der Bevölkerung.

Die Corona-Pandemie ist eine „Paläodemie“

Insbesondere die Kurve in Abb. 9 und die beiden Kurven in Abb. 8 zeigen eindrucksvoll, in wie extremer Weise ungleich die Todesfallzahlen über die Altersstruktur der Bevölkerung verteilt sind.

Die Corona-Epidemie heißt deswegen Pandemie, weil sie nicht regional begrenzt und global verbreitet ist, also „überall“ (pan = griechisch für umfassend, total, ganz) wirkt. Nach der vorstehenden Analyse darf man mit Recht die Namensgebung dahingehend ergänzen, dass wir es hier weniger mit einer Pandemie als vielmehr mit einer „Paläodemie“ zu tun haben, also einer Epidemie, die vor allem alte Menschen „mit voller Wucht“ trifft (paläo = griechisch für alt).

Man muss den Eindruck gewinnen, dass dies von den Entscheidern allenfalls lethargisch zur Kenntnis genommen wird, nur um dann ungerührt völlig undifferenzierte Vorsorgemaßnahmen zu ergreifen, die dieses Wissen gänzlich ignorieren. Wie sich nun schon seit Monaten zeigt, erreicht man damit nur wenig.

Die Lockdown-Medizin macht nicht gesund, hat aber fatale Nebenwirkungen.

Resümee

Wir haben gesehen: Insbesondere die Älteren in der Bevölkerung werden Opfer des Virus, die Jüngeren dagegen sind kaum berührt. Deswegen sind die undifferenzierten Maßnahmen á la Lockdown, die die gesamte Bevölkerung in Haft nehmen und das gesellschaftliche Leben größtenteils lahmlegen weder verhältnismäßig noch können sie – jenseits der Sandkastenspiele von praxisfremden Virologen – überhaupt eine durchgreifende Wirkung entfalten. Diese Maßnahmen gehen ins Leere, was man auch daran erkennen kann, dass das Durchschnittsalter der „an oder mit“ Covid-19-Verstorbenen noch zu Beginn des aktuellen Lockdown mit etwa 81 Jahren (per 01.12.2020) fast 2 Jahre niedriger lag als aktuell per Ende Januar 2021.

Die Strategie des irrationalen politischen Aktionismus unter dem starrsinnigen Dogma einer vermeintlichen „Generalvorsorge“ ist gescheitert! Vor allem muss man festhalten: Das ist nicht wissenschaftlich. Es ist eine kleingeistige Mischung aus Mutlosigkeit und mangelnder Fantasie.

Der Lockdown trifft gleichermaßen alle. Faktisch sind indessen die Jüngeren – Kinder, Schüler, Familien, Selbständige, Künstler – sogar sehr viel stärker betroffen als die Älteren. Die Folgewirkungen für die jüngere Generation sind absehbar dramatisch. Dies wird von den Entscheidern in der Politik aber offenbar billigend in Kauf genommen.

In dieser „Paläodemie“ ist das Risiko der Älteren um Größenordnungen höher, dennoch bleiben die Maßnahmen auch nach fast einem Jahr Pandemiedauer völlig ungezielt. Das darf so keinen Bestand haben. Es ist unabdingbar, einen stärkeren Fokus auf den Schutz der am meisten Gefährdeten zu nehmen, statt die Gesellschaft insgesamt dauerhaft lahmzulegen und damit massive und möglicherweise langfristig wirkende Kollateralschäden in ungekanntem Ausmaß heraufzubeschwören.

Und am Ende gehört dazu auch die Erkenntnis, dass Leben nicht um jeden Preis geschützt werden kann. Es ist nicht nur unmöglich, es ist geradezu vermessen und Ausdruck technokratischen Machbarkeitswahns.


Quellen:

[1] Täglicher Lagebericht des RKI zur Coronavirus-Krankheit-2019 (COVID-19) – 26.01.2021 – AKTUALISIERTER STAND FÜR DEUTSCHLAND. RKI

https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/Jan_2021/2021-01-26-de.pdf?__blob=publicationFile

[2] Täglicher Lagebericht des RKI zur Coronavirus-Krankheit-2019 (COVID-19) – 01.12.2020 – AKTUALISIERTER STAND FÜR DEUTSCHLAND. RKI

https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/Dez_2020/2020-12-01-de.pdf?__blob=publicationFile

[3] Corona-Infektionen (COVID-19) in Deutschland nach Altersgruppe und Geschlecht (Stand: 26. Januar 2021). Statista

https://de.statista.com/statistik/daten/studie/1103904/umfrage/corona-infektionen-covid-19-in-deutschland-nach-altersgruppe/#professional

[4] Todesfälle mit Coronavirus (COVID-19) in Deutschland nach Alter und Geschlecht (Stand: 26. Januar 2021). Statista

https://de.statista.com/statistik/daten/studie/1104173/umfrage/todesfaelle-aufgrund-des-coronavirus-in-deutschland-nach-geschlecht/

[5] Bevölkerung – Zahl der Einwohner in Deutschland nach Altersgruppen am 31. Dezember 2019. Statista

https://de.statista.com/statistik/daten/studie/1112579/umfrage/bevoelkerung-in-deutschland-nach-altersgruppen/

[6] Altersspezifische Sterbewahrscheinlichkeiten der Männer in Deutschland. Bundesinstitut für Bevölkerungsforschung (BIB)

https://www.bib.bund.de/DE/Fakten/Fakt/S05-Altersspezifische-Sterbewahrscheinlichkeiten-Maenner-ab-1871.html?nn=9992070

[7] Altersspezifische Sterbewahrscheinlichkeiten der Frauen in Deutschland. Bundesinstitut für Bevölkerungsforschung (BIB)

https://www.bib.bund.de/DE/Fakten/Fakt/S06-Altersspezifische-Sterbewahrscheinlichkeiten-Frauen-ab-1871.html?nn=9992070

[8] Sterbetafel 2017/2019 – Ergebnisse aus der laufenden Berechnung von Periodensterbetafeln für Deutschland und die Bundesländer 2020. DESTATIS – Statistisches Bundesamt

https://www.destatis.de/DE/Themen/Gesellschaft-Umwelt/Bevoelkerung/Sterbefaelle-Lebenserwartung/Publikationen/Downloads-Sterbefaelle/periodensterbetafel-erlaeuterung-5126203197004.pdf?__blob=publicationFile

[9] Anzahl der Sterbefälle in Deutschland nach Altersgruppe im Jahr 2018. Statista

https://de.statista.com/statistik/daten/studie/1013307/umfrage/sterbefaelle-in-deutschland-nach-alter/

[10] Zwei Drittel der Corona-Toten betreffen Altenheime. hessenschau

https://www.hessenschau.de/gesellschaft/zwei-drittel-der-corona-toten-im-november-betreffen-altenheime,corona-altenheim-tote-100.html

[11] Mehr als die Hälfte aller Corona-Toten aus Heimen

https://www.sr.de/sr/home/nachrichten/politik_wirtschaft/coronatote_alten-_und_pflegeheime_100.html

[12] Bis zu 86 Prozent der Corona-Toten in Deutschland kommen aus Pflegeheimen

https://www.bz-berlin.de/deutschland/bis-zu-86-prozent-der-corona-toten-in-deutschland-kommen-aus-pflegeheimen

[13] Fast 90 Prozent der Corona-Toten aus Heimen

https://www.n-tv.de/panorama/Fast-90-Prozent-der-Corona-Toten-aus-Heimen-article22245741.htmlr

[14] Fast zwei Drittel sterben im Heim

https://taz.de/Coronatote-in-Berlin/!5747843/

[15] Nach Krisengipfel: Virologe mit scharfer Corona-Kritik an Merkel und Söder – „Weit weg von Realität“

https://www.merkur.de/lokales/muenchen/lockdown-corona-bayern-virologe-corona-strategie-merkel-soeder-krise-gipfel-zr-90175293.html

[16] Corona-Lockdown bis Sommer? Just der Wirtschaftsminister schließt nichts aus

https://www.merkur.de/politik/coronavirus-lockdown-verlaengerung-peter-altmaier-deutschland-mutation-cdu-variante-sommer-90186104.html

[17] Scharfe Kritik an Corona-Politik und Experten – „Andere Sichtweisen offenbar unerwünscht“

https://www.merkur.de/politik/corona-deutschland-gipfel-merkel-laender-massnahmen-pandemie-kritik-experten-wissenschaftler-auswahl-90174423.html

[18] Das „Vorsorgeprinzip“ der Kanzlerin in der Pandemie ist einseitig

https://www.handelsblatt.com/meinung/kommentare/kommentar-das-vorsorgeprinzip-der-kanzlerin-in-der-pandemie-ist-einseitig-/26833548.html

[19] Das Coronavirus: Harmlos? Bedrohlich? Tödlich?

https://www.linkedin.com/pulse/das-coronavirus-harmlos-bedrohlich-t%C3%B6dlich-hieronymus-fischer

[20] Aktuelles zu Corona

https://www.linkedin.com/pulse/aktuelles-zu-corona-hieronymus-fischer/

Wie verlässlich sind Corona-Tests?

Der Fall des vor einigen Monaten fälschlicherweise positiv auf Corona getesteten Serge Gnabry vom FC Bayern hat auch einer breiteren Öffentlichkeit deutlich gemacht, dass die (PCR-) Corona-Tests mitnichten so zuverlässig sind, wie das vielfach angenommen und auch von Politikern und Medizinern gerne verbreitet wird. Selbst bei einer formal zunächst hochverlässlich klingenden Testsensitivität und -spezifität von 98% oder 99% sind die resultierenden Testergebnisse alles andere als sicher. Das hat vor allem mathematische Gründe.

Die resultierende Ungenauigkeit ist keine spezifische Schwäche des PCR-Tests an sich, wobei hier in der Anwendung durchaus noch einige zusätzliche Fallstricke warten, die die Testungenauigkeit noch weiter steigern können. Durch die Aussagen von Medizinern und Sprechern von Laboren, die Tests hätten nur eine Fehlerrate von 1%, wird ein falscher Eindruck erweckt. Wie gesagt, das hat wenig mit Medizin oder gar Virologie zu tun. Die Problematik besteht grundsätzlich bei jedem Test gegebener Sensitivität und Spezifität, z.B. auch dann, wenn Schrauben auf Passgenauigkeit überprüft werden.

Nehmen wir ein Beispiel: Testsensitivität 99%, Testspezifität 99%. Das klingt nach fast absoluter Sicherheit. Der Laie meint, damit seien 99% aller positiven Testergebnisse verlässlich und nur 1% falsch. Dem ist leider nicht so. Tatsächlich könnten hier bis zu 50% aller Positiv-Fälle in Wahrheit negativ sein.

Bevor wir dies aufklären, sollen noch die beiden Fachbegriffe kurz erläutert werden.

Sensitivität und Spezifität

Testsensitivität 100% bedeutet Folgendes: Wenn eine Person Virusträger ist, dann zeigt dies der Test mit Sicherheit an. Jeder Infizierte wird demnach als solcher erkannt. Bei einer Testsensitivität von p wird das Virus durch den Test entsprechend mit der Wahrscheinlichkeit p gefunden.

Testspezifität 100% bedeutet Folgendes: Wenn eine Person kein Virusträger ist, dann wird dies vom Test mit Sicherheit erkannt. Jeder Nicht-Infizierte wird demnach eindeutig als gesund identifiziert. Bei einer Testspezifität von q wird die Abwesenheit des Virus vom Test entsprechend mit der Wahrscheinlichkeit q erkannt.

Ein simples Beispiel

Um zu verstehen, wie es trotz der hohen Verlässlichkeit des Testverfahrens zu dieser relativ großen Ungenauigkeit bezüglich der positiven Testergebnisse kommt, betrachten wir ein konkret nachvollziehbares Beispielszenario, in dem die betreffenden Wahrscheinlichkeiten unmittelbar auf der Hand liegen.

Nehmen wir einige Blätter kariertes Papier und schneiden davon 101 quadratische Zettel mit je 5 cm Seitenlänge heraus. Auf jedem der kleinen Papierbögen haben wir nun 10×10 = 100 kleine Quadrate á 5 mm Seitenlänge. Nun nehmen wir die Zettel und färben jeweils genau eines der kleinen Quadrate schwarz ein. Auf dem ersten Zettel das erste Quadrat oben links, auf dem zweiten Zettel das zweite Quadrat in der Reihe, usw., so dass am Ende auf jedem Zettel ein anderes Quadrat eingefärbt ist. Nachdem wir 100 Zettel derart bearbeitet haben, färben wir den letzten (101-ten) Zettel komplett schwarz. Nun überkleben wir die Zettel mit einer abziehbaren intransparenten Folie, die gleichfalls mit einem 5×5 mm Karomuster bedruckt ist.

Abbildung 1: Das Beispielszenario (s. Text)

Wenn wir nun einen der Zettel 1 – 100 zur Hand nehmen, zufällig eines der 100 darauf bedruckten kleinen Quadrate auswählen und es abziehen, befindet sich darunter entweder ein weißes oder ein schwarzes Quadrat. Nachdem jeder der Zettel genau ein schwarzes Quadrat trägt, ist die Wahrscheinlichkeit, auf ein solches Quadrat zu stoßen 1:100. In 99 von 100 Fällen ist das freigelegte Quadrat weiß. Beim 101-ten Zettel sind alle Quadrate schwarz, demzufolge finden wir dort mit 100%-iger Wahrscheinlichkeit ein schwarzes Quadrat.

Die Analogie zum Corona-Testszenario

Worin besteht nun der Querbezug zum Testszenario bei einem Corona-Test? Ganz einfach: Der eine durchgehend schwarz eingefärbte Zettel entspricht einem mit Corona infizierten Probanden. Ihn zu finden ist die Aufgabe des Tests. Der Test ist so konstruiert, dass wir diesen Zettel mit 100%-iger Sicherheit finden. Demzufolge haben wir hier eine Testsensitivität von 100%.

Die übrigen 100 weißen Zettel mit nur einem schwarz eingefärbten Quadrat stehen für die große Mehrheit der nicht infizierten Probanden. Wenn wir einen solchen Zettel nehmen und ein beliebiges Quadrat freilegen, sehen wir dort mit 99%-iger Wahrscheinlichkeit ein weißes Quadrat. In diesem Wert spiegelt sich die Testspezifität wider: Das ist die Wahrscheinlichkeit dafür, dass der entsprechende Zettel nicht gänzlich schwarz ist bzw., dass ein Proband nicht infiziert ist.

Nun stellen wir uns der Aufgabe, unter den 101 Zetteln den komplett schwarz eingefärbten zu finden. Dazu dürfen wir ein beliebiges quadratisches Feld aussuchen, die Zettel nacheinander zur Hand nehmen und das betreffende Feld freilegen. Was passiert?

Die Ungenauigkeit solcher Tests ist kein spezifisches Corona-Problem

Genau einer der 100 weißen Zettel hat an der freigelegten Stelle ein schwarzes Quadrat, die 99 anderen zeigen ein weißes Quadrat. Der eine schwarze Zettel (den wir aber nicht als solchen erkennen) zeigt natürlich ebenfalls ein schwarzes Quadrat. Wir haben also 2 Zettel mit schwarzen Quadraten und können nicht entscheiden, welches davon der gänzlich schwarze Zettel ist. Die Falsch-Positiv-Rate beträgt somit 50%. Genau die gleiche Situation haben wir bei einem Corona-Test mit einer 100%-igen Testsensitivität und einer 99%-igen Testspezifität unter der Annahme von 1% tatsächlich positiven Probanden.

Nun skalieren wir das beschriebene Szenario auf die Situation mit einer Million weißen und schwarzen Zetteln. Dazu multiplizieren wir einfach mit dem Faktor 10.000. Wir finden sodann 20.000 Zettel mit einem schwarzen Quadrat. Da tatsächlich nur 10.000 Zettel wirklich schwarz sind, haben wir somit weitere 10.000 die fälschlicherweise als schwarz angesehen werden.

Übertragen auf das Testszenario beim Corona-Test mit 100%-iger Testsensitivität und 99%-iger Testspezifität entspricht dies 20.000 positiv Getesteten bei nur 10.000 tatsächlichen Virenträgern und damit einer Falsch-Positiv-Rate von 50%. Die realen Verhältnisse dürften nicht allzu weit davon entfernt liegen.

Konkrete Zahlenwerte

Wenn wir davon ausgehen, dass 2% der Bevölkerung Träger des Coronavirus sind, dann liegt ein solcher Test (mit Testsensitivität = 99% und Testspezifität = 99%) im Hinblick auf die Gesamtbevölkerung in 33% aller Positivfälle falsch. D.h., jeder dritte positiv Getestete ist in Wahrheit nicht infiziert. Und wenn die Testspezifität „nur“ 98% beträgt, was ja immer noch sehr vertrauenswürdig klingt, dann ist sogar nur jeder zweite Positivfall tatsächlich ein Virusträger.

Der Fall Gnabry ist also keineswegs die große Ausnahme. Er zeigt auch, ein singulärer Positivtest ist allenfalls ein Indikator für eine mögliche Infektion und ruft förmlich nach einem Zweittest.

Was bringen Antigen (Schnell-) Tests?

Für sehr gute Antigentests werden eine Testsensitivität von 95% und eine Testspezifität von 97% angegeben. Unter den gleichen Bedingungen wie oben (also die Annahme, tatsächlich seien 2% der Getesteten Virenträger) resultiert ein solcher Antigentest in einer Falsch-Positivrate von 60% (s. Abb. 2). Weniger gute Antigentests mit einer Testsensitivität von 90% und einer Testspezifität von 90% führen gar zu einer Falsch-Positivrate von 85% und sind damit bezüglich der Positivaussage fast wertlos.

In Abb. 2 sind die Zusammenhänge bei Variation der Testspezifität von 90% bis 100% und Prävalenzen von 1% bis 10% grafisch dargestellt.

Abbildung 2: Resultierende Falsch-Positiv-Rate in Abhängigkeit von der Testspezifität für Prävalenzen von 1%, 2%, 5% und 10%. Die Testsensitivität wurde hier zu 100% angenommen. Bei einer niedrigeren Sensitivität verschieben sich die Kurven für die Falsch-Positiv-Rate noch etwas nach oben, allerdings ist dieser Effekt bei Sensitivitäten über 90% noch relativ klein.

Was die Beispiele ebenfalls enthüllen: Wahllose Tests sind wenig sinnvoll und richten wahrscheinlich mehr Schaden an, als sie Nutzen stiften. Tests mit einer Spezifität von 97% und darunter sind allenfalls in Bezug auf Risikogruppen mit einer hohen Prävalenz (höhere Wahrscheinlichkeit, tatsächlich infiziert zu sein, z.B. > 10% bis 30%) von Nutzen, denn nur in diesem Fall sinkt die Wahrscheinlichkeit für ein Falsch-Positives Testergebnis unter 20%.

Immerhin ist die Negativaussage (Proband ist nicht infiziert) in all diesen Beispielen mit hoher Wahrscheinlichkeit (95% bis über 99%) zutreffend. Wer also ein negatives Testergebnis bekommt, der darf darauf vertrauen. Natürlich vorausgesetzt, der Test wurde medizinisch und labortechnisch adäquat durchgeführt.

Faustregel

Man kann sich den prinzipiellen Zusammenhang leicht merken.

  • Wenn die relative Häufigkeit für das Auftreten eines bestimmten gesuchten Merkmals (also die Prävalenz) in einer vorgegebenen Gesamtheit p Prozent beträgt, dann hat ein Testverfahren, für das gilt Sensitivität = Spezifität = 100 – p Prozent eine Falsch-Positiv-Rate von exakt 50%.

Beispiel 1: Prävalenz 1%, Sensitivität = Spezifität = 99%, Falsch-Positiv-Rate = 50%.

Beispiel 2: Prävalenz 5%, Sensitivität = Spezifität = 95%, Falsch-Positiv-Rate = 50%.

Oft ist die Sensitivität nahe 100%. In diesem Falle kann man die Falsch-Positiv-Rate leicht anhand der folgenden Faustregel abschätzen.

  • Wenn die relative Häufigkeit für das Auftreten eines bestimmten gesuchten Merkmals (also die Prävalenz) in einer vorgegebenen Gesamtheit p Prozent beträgt, dann hat ein Testverfahren der Genauigkeit 100 – p Prozent (das ist die Testspezifität) eine Falsch-Positiv-Rate von ca. 50%. Für Prävalenzen bis zu 10% ist das eine sehr gute Näherung. Die Sensitivität hat nur einen geringen Einfluss.

Beispiel 3: Prävalenz 2%, Spezifität = 98%, Falsch-Positiv-Rate = 49,5%, Näherungsfehler 0,5%.

Beispiel 4: Prävalenz 10%, Sensitivität = 100%, Spezifität = 90%, Falsch-Positiv-Rate = 47,4%, Näherungsfehler 2,6%.

Aktuelles zu Corona

Was Sie in der Corona-Pandemie unbedingt wissen müssen

Im Folgenden sind die aktuellen wissenschaftlichen Erkenntnisse zu Corona und die gültigen Regeln zum Verhalten in der Pandemie in allgemeinverständlicher Sprache zusammengefasst.

1. Gefährlichkeit von Corona

Das Corona-Virus ist tödlich, seien Sie also extrem vorsichtig. Es ist so gefährlich, dass Sie sogar dann sterben können, wenn Sie gar nicht mit dem Corona-Virus infiziert sind. Dennoch brauchen Sie keine Angst zu haben, denn die weltweite Sterblichkeit liegt nur bei etwa 0,23% (Ioannidis et. al.).

Es kann natürlich zu einer globalen Katastrophe kommen, aber nur dann, wenn das Virus noch viel aggressiver und tödlicher wird. Dann droht globales Unheil. Vielleicht auch nur nationales Unheil, weil wir hier in Deutschland für kollektive Angstpsychosen besonders anfällig sind.

Sehr viele müssen dann sterben, vor allem Kranke, Alte und sehr alte Alte. Ganz besonders dann, wenn jene darüber hinaus auch noch schwerkrank sind. Und fast sicher, wenn Sie im Krankenhaus behandelt werden, denn völlig unabhängig vom Corona-Virus sterben mehr als die Hälfte aller Menschen im Krankenhaus. Allein an Krankenhauskeimen versterben jährlich mehr als 20.000 Menschen, wie das RKI schätzt.

Das ist aber trotzdem nicht die größte Gefahr, denn die häufigsten Todesursachen mit zusammen mehr als 50% sind Herz-Kreislauferkrankungen und Krebs. Rauchen, Alkohol, Zuckerkonsum, generell schlechte Ernährung und Bewegungsarmut sind sogar einzeln betrachtet viel größere Risiken als das Corona-Virus. Aber sorgen Sie sich nicht, jetzt wird erst einmal das Corona-Virus bekämpft, schließlich sind wir mitten in der Pandemie.

2. Erkrankung an COVID-19

Sie können ganz einfach feststellen, ob Sie an Covid-19 erkrankt sind: Wenn Sie Symptome wie trockenen Husten oder Geschmacksverlust haben, dann sind Sie betroffen. Vielleicht aber auch nicht. Es kommt darauf an, ob Sie infiziert sind. Die Ursache einer Erkrankung an Covid-19 ist das Corona-Virus, es sei denn, Sie leben in der Stadt, dann könnte es auch das Feinstaub-Virus*) sein. Das kann man aber nicht testen.

Wenn Sie gar keine Symptome zeigen, dann sind Sie wahrscheinlich infiziert. Das trifft aber nicht immer zu. Wenn Sie dann aber doch krank werden, können Sie viele unterschiedliche Symptome entwickeln. Sie können aber auch ohne Symptome krank sein oder Symptome haben, ohne krank zu sein. In beiden Fällen können Sie ansteckend sein, besonders dann, wenn Sie Symptome zeigen oder ohne Symptome krank sind. Im schlimmsten Falle können Sie sogar versterben ohne je positiv auf das Virus getestet worden zu sein.

Aber machen Sie sich keine unnötigen Gedanken, das sind sehr seltene Ausnahmen, die – wie verschiedene Studien belegen – allerdings bei Jüngeren, Mittleren und Älteren sehr häufig auftreten. Man schätzt, dass momentan, also in der Pandemie, 99.77% aller Menschen nicht an Covid-19 sterben. Rein statistisch betrachtet ist es also eine viele größere Gefahr, das Corona-Virus nicht zu haben.

3. Corona-Immunität

Sollten Sie an Covid-19 erkrankt gewesen sein, werden Sie möglicherweise später wieder erkranken, dazwischen sind Sie aber immun. Dies gilt jedenfalls in den Fällen, wo dies zutrifft. In allen anderen Fällen sind Sie immer immun oder nie oder nur manchmal.

Man kann sicher sagen, dass die Immunität eine temporäre Erscheinung ist, die mindestens solange Bestand hat, bis man sich erneut infiziert. Dauerhafte Immunität gibt es wahrscheinlich nur zeitweise, also nur dann, wenn man sich nicht infiziert oder sich infiziert, dann aber nicht positiv getestet wird.

4. Schmierinfektionen

Das Virus bleibt auf verschiedenen Oberflächen zwei Stunden lang aktiv, manchmal auch vier oder sechs. Statt von Stunden kann man hier aber auch von Tagen ausgehen. Je nachdem. Dabei braucht das Virus eine feuchte Umgebung und grell-dunkles Licht. Aber nicht unbedingt. Manchmal kann es auch bei strahlender Helligkeit in einem völlig abgedunkelten Raum auf feucht-trockenen, glatten, aber nicht allzu rauen Oberflächen überleben. Wie lange, das weiß man nicht.

Das Virus bleibt eigentlich nicht in der Luft, aber öfters kommt auch das vor. Übrigens handelt es sich hier grundsätzlich nicht um Schmierviren, aber eine Schmierinfektion ist natürlich trotzdem möglich.

5. Corona-Herdenimmunität

Wir sollten die Kontakte mit anderen Menschen so lange vermeiden, bis das Virus verschwunden ist. Aber es wird nur dann verschwinden, wenn wir eine kollektive Immunität erreicht haben, wenn es also zirkuliert. Dafür dürfen wir nicht zu lange und allzu konsequent auf soziale Kontakte verzichten.

Bleiben Sie deswegen besser die meiste Zeit über zuhause und gehen Sie nur dann raus, wenn Sie Kontakte zu anderen Menschen haben wollen. Halten Sie dabei aber die Abstandsregeln ein und tragen Sie eine Maske, jedenfalls dort, wo Sie niemand wirklich nahe kommen und wenn, dann nur kurz, also z.B. auf Bahnhöfen, in Restaurants, in Hotels oder in Ferienwohnungen.

6. Kontakte außer Haus

Jeder muss zuhause bleiben, aber es ist wichtig, auch rauszugehen, besonders bei Sonnenschein, denn Bewegung an der frischen Luft tut gut und stärkt das Immunsystem. Aber es ist besser, nicht rauszugehen, außer natürlich, Sie wollen Sport treiben. Aber eigentlich nein, denn mit Corona-Viren belastete Aerosole halten sich lange in der Luft. Vielleicht aber auch nicht, es hängt eben davon ab, wie lange sie schweben und ob es regnet.

Jedenfalls sollten Sie nie hinter jemand hergehen, und wenn doch, dann die Luft anhalten, also nicht einatmen. Und wenn Sie vor einer anderen Personen gehen, dürfen Sie nicht ausatmen. Sie wollen doch niemand infizieren, oder? Denken Sie immer daran, Sie könnten infektiös sein, ohne es zu wissen. Das gilt sogar dann, wenn Sie negativ getestet sind. Umgekehrt können Sie auch positiv getestet sein, ohne dass Sie infiziert sind oder es je waren.

7. Reiseverbote innerhalb Deutschlands

Im Prinzip dürfen Sie Ihre Stadt nicht verlassen, vor allem dann nicht, wenn Sie sich dafür außerhalb Ihrer Wohngemeinde begeben wollen. Aber wenn Sie es müssen oder möchten, dann dürfen Sie es schon. Das gleiche gilt für Reisen. Bleiben Sie an Ihrem Wohnort und reisen Sie nur dann, wenn Sie müssen oder unbedingt wollen. Beachten Sie aber bitte, dass Sie nirgendwo übernachten dürfen, es sei denn, es ist erlaubt.

Erlaubt ist es nur bei Verwandten oder dann, wenn Sie ein höchstens 48 Stunden altes negatives Testergebnis vorlegen können. Genaugenommen beziehen sich die 48 Stunden auf die Abnahme des Testabstrichs. Das Ergebnis des Tests bekommen Sie wahrscheinlich nach etwa 48 Stunden oder auch später, ja nachdem, wie lange es dauert.

Wenn Sie also am Samstag von Bayern nach Mecklenburg-Vorpommern reisen wollen, können Sie frühestens am Donnerstagabend einen Abstrich nehmen lassen. Wenn das Testzentrum geschlossen hat, dann eben erst am Freitag. Sie erhalten dann bereits im Laufe des Samstags – also wenn Sie bereits auf der Autobahn sein wollten   – das Testergebnis per Briefpost oder digital, falls das funktioniert. Aber nur dann, wenn alles gut läuft und es ganz schnell geht. Wahrscheinlich bekommen Sie die Info erst am Montag.

Das wäre dann ganz blöd, denn am Montag ist der Test schon mehr als 48 Stunden alt, Sie dürfen dann also nicht mehr in einem Hotel in Mecklenburg-Vorpommern übernachten. Wenn das passiert, und das ist ziemlich wahrscheinlich, müssen Sie zurück nach Bayern und sich einem neuen Test unterziehen. Oder Sie fahren gleich nach Berlin-Neukölln, dort finden Sie in jedem Fall ein Hotel. Und danach dürfen  Sie bei der Rückreise nach Bayern als Einreisender aus einem Risikogebiet für 5 – 10 Tage in Quarantäne, oder auch nicht.

Lassen Sie sich testen

Unabhängig davon können Sie den erforderlichen Test in den entsprechenden Corona-Testzentren durchführen lassen. Dabei gilt Folgendes: Die Testzentren müssen ihre knappen Testkapazitäten für Risikofälle reservieren. Wenn Sie also nicht zur Risikogruppe gehören, dann werden Sie nicht getestet und dürfen folglich auch nicht reisen.

Es ist absolut entscheidend, dass man aus einem Risikogebiet heraus nicht so ohne weiteres in ein anderes Bundesland reisen darf. Bedenken Sie nur, Risikogebiet heißt, dass es da 50 oder mehr Inzidenzen (Neuinfektionen pro 100.000 Einwohner in den letzten 7 Tagen) gibt. Bei diesem Grenzwert sind demnach 0,05% aller Menschen im Risikogebiet aktuell infektiös. Mit anderen Worten: Es ist eigentlich fast egal, ob Sie aus einem solchen Landkreis oder Stadtbezirk kommen, denn Sie sind im statistischen Mittel mit 99,95%-iger Wahrscheinlichkeit nicht ansteckend.

Übrigens, wenn Sie 1.000 km mit dem Auto zurücklegen, dann werden Sie – wieder im statistischen Mittel – mit etwa 0,05%-iger Wahrscheinlichkeit dabei einen Unfall mit Personenschaden haben. Sie kommen also nur mit 99,95%-iger Sicherheit unfallfrei am Zielort an, wenn überhaupt. Den meisten reicht diese Sicherheit, sonst würden sie den Zug nehmen.

8. Masken

Natürlich sind Masken nutzlos, aber Sie sollten unbedingt eine Maske tragen, denn sie kann Leben retten. Die Masken sind besonders dort wichtig, wo man anderen Menschen in der Regel nicht so nahe kommt, und wenn, dann nur ganz kurz, quasi im Vorbeigehen. Also im Supermarkt, in Fußgängerzonen, auf Plätzen, an Bushaltestellen und im Restaurant.

Bei privaten Feiern brauchen Sie natürlich keine Maske zu tragen, eine Umarmung mit Küsschen genügt. Der Grund dafür ist, dass das Virus kein Alkohol verträgt. Deswegen ist der Alkoholausschank nach 23 Uhr verboten.

9. Aktuelle Corona Informationen – jederzeit und überall

Alle Läden, Restaurants und öffentlichen Einrichtungen sind geschlossen, außer denen, die geöffnet sind. Meistens sind alle geöffnet, nur die wegen Corona geschlossenen nicht. Welche das sind, erfahren Sie auf dem Landratsamt oder von Ihrer Gemeinde- oder Stadtverwaltung. – Die sind allerdings wegen Corona geschlossen oder im reduzierten Corona-Schonbetrieb. Die Telefone werden ebenfalls nicht abgenommen, weil die nach jeder Benutzung desinfiziert werden müssen.

An der Corona-Internetseite wird noch gearbeitet, sie ist zurzeit überlastet. Voraussichtlich können Sie dort schon in der nächsten Woche nachlesen, welche speziellen Einschränkungen in dieser Woche zu beachten sind bzw. zu beachten gewesen wären.

Um alle Bürger möglichst direkt und umfänglich zu informieren, hat jedes Bundesland 7 – 13 unterschiedliche Informationsbroschüren herausgegeben, die man sich auch im Internet herunterladen kann. Und weil das nicht genug ist, gibt es auch einen entsprechenden Satz von Handreichungen seitens der Bundesregierung.

Bei Widersprüchen ist nur das richtig, was von Gerichten danach als Recht erkannt wird. Also informieren Sie sich bitte nachher, was vorher richtig gewesen wäre, damit Sie beim nächsten Mal darauf bauen können. Es sei denn, andere Gerichte kommen, je nach Bundesland, zu gegensätzlichen Urteilen.

10. Der Supermarkt in Corona-Zeiten

Es gibt keinen Mangel an Lebensmitteln im Supermarkt, aber es gibt viele Dinge, die fehlen und andere, die gerade nicht vorrätig sind. Legen Sie sich einen eigenen Vorrat an, damit Sie nicht so oft zum Einkaufen müssen. Aber lassen Sie das Horten bleiben und kaufen sie nichts, was Sie nicht ohnehin kaufen wollten und wirklich dringend brauchen. Und wenn Sie sich doch einen Notvorrat anlegen wollen, dann kaufen Sie Toilettenpapier, Hefe und Nudeln.

Im Übrigen garantiert die Bundesregierung in der Corona-Pandemie für die Verfügbarkeit von Toilettenpapier, Hefewürfeln und Nudeln bis zu einer Rolle bzw. 1 Würfel bzw. 378 g pro Person und Tag, und wird dabei von der EU unterstützt: „What ever it takes“, „Quoi qu’il en soit“, „Was immer dafür nötig ist“. Das sagt jedenfalls die polyglotte Präsidentin der EU-Kommission aus ihrer selbstverordneten Corona-Quarantäne heraus. Und sie hat bisher aus jeder Krise eine noch größere gemacht.

11. Kinder und Schule in Zeiten der Pandemie

Das Corona-Virus hat keine Auswirkungen auf Kinder, außer auf diejenigen, auf die es sich auswirkt. Kinder die husten, sind wahrscheinlich Träger des Corona-Virus. Das war schon immer so, auch früher, nur hat man da das Virus noch nicht gekannt und deswegen den Husten für eine harmlose Erkältung gehalten. Deswegen müssen solche Kinder nun zuhause bleiben und dürfen erst dann wieder in die Kita, wenn sie gegen die Masern geimpft sind.

Ähnliches gilt für Schüler, die müssen im Unterricht eine Maske tragen, weil sie damit besser denken können. Und wenn sie sprechen, artikulieren sie deutlicher, auch die Lehrer und sind daher viel besser zu verstehen. Wie man erst seit kurzen weiß, ist eine Sauerstoffunterversorgung des Gehirns absolut unbedenklich. Denken wird ohnehin total überschätzt. Anordnungen befolgen ist viel wichtiger. Jedenfalls in der Schule – und später auch in der Demokratie.

Ersatzweise kann der Unterricht auch vollständig online erfolgen, aber nur dann, wenn die Schule über die entsprechende digitale technische Ausstattung verfügt, also etwa ab 2032.

12. Altersheime und Großeltern

Man darf nicht in Altersheime gehen oder seine Großeltern besuchen, aber man muss sich um die Alten kümmern und wenn man sie trifft, am besten Lebensmittel und Medikamente mitbringen. So häufig wie nur möglich. Dabei aber immer Abstand halten und nicht lange bleiben, denn das würde das Risiko erhöhen.

Ganz sicher und risikolos ist es, auf die Besuche zu verzichten und stattdessen nur zu telefonieren. Natürlich sind häufige Besuche auch gut, wegen der sozialen Kontakte zur Familie, aber nicht so sicher.

13. Haustiere und Corona

Tiere sind nicht betroffen, sie infizieren sich nur manchmal. Dann aber sehr harmlos bis ziemlich gravierend. Das gilt insbesondere für Katzen mit getigertem Fell. Manchmal bis sehr häufig aber auch für Hunde, aber nur selten.

Jegliche Oberflächen, außer den Fellen von Haustieren, können die Krankheit übertragen. Das gilt jedenfalls für eine gewisse kurze Zeit nach der Infektion, die aber auch sehr lang sein kann. Es kommt dabei ganz auf die Farbe des Fells an. Welche Farbe, ist allerdings noch unbekannt, es ist aber schwarz, braun, oder weiß. Vielleicht auch eine Mischung davon. Und vor allem langhaarig, öfters aber auch glatt.


Resümee

Jetzt kommt es darauf an, dass sich alle, dass sich wirklich alle im Sinne der oben formulierten Erkenntnisse und  Regeln verhalten. Das ist zwar unmöglich, denn die Regeln widersprechen einander und der Stand des Unwissens ändert sich täglich, aber „wir schaffen das“.

Der Staat will den mündigen Bürger – das ist doch der Kern der Demokratie – und damit der es einfacher hat, sagt er ihm bis ins kleinste Detail ganz genau, wie er sich in den unterschiedlichen Situationen zu verhalten hat. Das sind natürlich keine Vorschriften, es ist nur gut gemeint. Und deswegen müssen sich alle bei Androhung von Ordnungsgeldern konsequent daran halten.

Was der Staat, also „wir“, d.h., die Politiker und Parteien, die wir ja selbst gewählt haben, was „wir“ jetzt gar nicht brauchen können, sind Menschen, die selber denken und möglicherweise die erlassenen Regeln nach reiflicher Überlegung und vernünftigem Ermessen in eigenständiger Weise auslegen. Wie sagte schon Lenin: „Vertrauen ist gut, Kontrolle ist besser“. Ja eigentlich sogar „viel besser“.

Wenn der Staat seinen Bürgern vertraut und eigenständiges Denken erlaubt, dann droht Unheil, schlimmes Unheil. Vielleicht sterben sogar mehr Menschen als 2018, als die Grippewelle schätzungsweise 25.000 Menschen dahingerafft hat. Damals war es allerdings nicht so schlimm wie heute, denn es war keine Pandemie ausgerufen. Deswegen waren es letztlich ganz normale Todesfälle.

Goldene Regel

Benutzen Sie Ihren Verstand und halten Sie sich an die o.g. Erkenntnisse und Regeln. – Ha, ha, reingefallen, das ist ein Paradoxon. Richtig muss es heißen: Benutzen Sie Ihren Verstand ODER halten Sie sich an die o.g. Erkenntnisse und Regeln. Im letzteren Falle: Viel Glück!


*) Das Feinstaub-Virus wurde übrigens von einem LinkedIn-Influencer entdeckt. Influencer sind Leute, die jeden Tag einen weitgehend inhaltsleeren Post absenden, vielleicht auch zwei oder mehr. Die Follower begrüßen diese Sprechblasen nichtsdestotrotz enthusiastisch und finden sie meist sogar inspirierend, völlig egal, wie flach und hohl sie auch immer sein mögen. Aber das ist eigentlich ein ganz anderes Thema.


Quellen

[1] https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Fallzahlen.html

[2] https://tourismus-wegweiser.de/

[3] Das objektiv bewertete Corona Risiko

[4] https://www.merkur.de/welt/corona-studie-who-sterblichkeit-toedlich-tote-pandemie-todesfaelle-ioannidis-zr-90073439.html

[5] Gefahr Corona Virus – Wie groß ist das Risiko wirklich?

[6] Das Coronavirus – So schnell breitet es sich aus.

[7] Nach der Ausnahme kommt die Normalität

[8]  Todesursachen – Zahl der Todesfälle. Statistisches Bundesamt

[9]  Verteilung der häufigsten Todesursachen in Deutschland im Jahr 2018. Statista

[10] Feinstaub PM 10 – ZUR AKTUELLEN DISKUSSION UM DEN DIESEL (2)

[11] Feinstaub PM 2.5 – ZUR AKTUELLEN DISKUSSION UM DEN DIESEL (3)

Gefahr Corona Virus – Wie groß ist das Risiko wirklich?

Nackte Zahlen sagen nicht alles

Täglich werden vom Robert-Koch-Institut (RKI) die neuen Corona-Fallzahlen verkündet und auf die vom Corona Virus ausgehende Gefahr hingewiesen. Drei Zahlenwerte werden dabei vor allem genannt: 1. Die Anzahl der COVID-19 Fälle insgesamt. 2. Die kumulierten COVID-19 Todesfälle. 3. Die Anzahl der von COVID-19 Genesenen. Per 17.08.2020 sind das die folgenden Fallzahlen:

  • COVID-19-Fälle insgesamt = 224014
  • COVID-19-Todesfälle insgesamt= 9232
  • COVID-19-Genesene insgesamt = 202100

Die ganz wichtige weitere Zahl wird – aus welchen Gründen auch immer – nicht genannt. Es ist die Anzahl der aktuell Infektiösen, also die der tatsächlich ansteckenden Personen. Man kann diese Zahl leicht aus den obigen Werten berechnen.

  • COVID-19-Infektiöse = COVID-19-Fälle – COVID-19-Genesene – COVID-19-Todesfälle

Aktuell (per 17.08.2020) beläuft sich die Anzahl der akut ansteckenden Personen (COVID-19-Infektiöse) auf 12682.

Bei Lichte betrachtet ist es nur die letztgenannte Zahl, von der eine Gefahr für die weitere Verbreitung des Corona-Virus ausgeht, denn anstecken kann man sich nur bei akut infizierten Personen. Was heißt dabei „akut infiziert“? Nach mehrfach bestätigten Studien besteht nur innerhalb der ersten 7 – 14 Tage nach der Infektion eine Ansteckungsgefahr. Wenn Sie also jemand treffen, der vor 3 Wochen positiv getestet wurde und keine Symptome zeigt, brauchen Sie sich keine Gedanken um Ihre Gesundheit zu machen.

Die Zahlen richtig interpretieren und kühlen Kopf bewahren

In Presse Funk und Fernsehen wird teilweise in unverantwortlicher Weise Panik geschürt. Im Ergebnis überschätzen die Menschen das Risiko für eine ernsthafte Erkrankung an COVID-19 um Größenordnungen. Einer der Gründe dafür ist die wenig differenzierte Berichterstattung des RKI. Die absoluten Zahlen von sogenanntem Neuinfizierten zu nennen, ist zweifellos eine wichtige Information, sie sagt aber nicht alles aus. Vor allem muss diese Zahl auch in Bezug gesetzt werden zu den insgesamt vorgenommenen Tests. Aktuell werden pro Woche mehr als 500000 Tests durchgeführt. Positiv sind weniger als 1% (KW 29: 0,6%, KW 30: 0,8%) davon. Zum Vergleich: Im April waren teilweise 9% der Tests positiv. Man sieht schon daran: Es ist fahrlässig, angesichts dieser Zahlen von einer zweiten Welle zu reden.

Dabei muss man auch sehen, dass die Falsch-Positiv-Rate bei den Tests nicht vernachlässigbar ist. Man kann abschätzen, dass bei Anwendung des RT-PCR-Tests auf eine Gruppe mit niedriger Infektionswahrscheinlichkeit (was für die Allgemeinheit nach wie vor zutreffen dürfte) teilweise bis zu 60% der positiv Getesteten tatsächlich gar keine Virenträger sind (Basis: Testsensitivität 70%, Testspezifität 95%, Prävalenz 5%). Immerhin kann man einem negativen Testat vertrauen: 98% der negativ Getesteten sind tatsächlich negativ.

Das Bild dreht sich um, wenn Risikogruppen mit einer hohen Prävalenz (Prätest-Infektionswahrscheinlichkeit) getestet werden. In diesem Fall sind nur 7% der positiv Getesteten in Wahrheit negativ. Umgekehrt tragen dann allerdings 24% der negativ Getesteten das Virus in sich, sind also positiv (Basis: Testsensitivität 70%, Testspezifität 95%, Prävalenz 50%).

Nach dem Vorstehenden kann man festhalten, dass die Aufregung um gegebenenfalls steigende Infektionszahlen verfrüht ist, solange die Testergebnisse nicht durch mindestens einen weiteren Test bestätigt werden. Denn die Unsicherheit singulärer RT-PCR-Tests bei Anwendung auf Niedrigrisikogruppen ist hoch. – Könnte denn eine Blitzampel mit einer Fehlerquote von 60% rechtssichere Bußgeldbescheide begründen?

Wir haben oben gesehen, dass derzeit weniger als 1% der Testergebnisse positiv ausfallen. Bei aller Unsicherheit bezüglich der Testaussagen sieht man schon daran: Das Risiko, sich mit dem Corona-Virus zu infizieren ist bei Weitem nicht so hoch, wie dies die teilweise alarmistische Berichterstattung nahelegt.

Auch wenn man sich infiziert hat: Leichte Befunde und Krankheitsverläufe sind die Regel. In 80% der Fälle haben die Infizierten keine oder nur milde Symptome. Damit soll die Gefahr nicht verharmlost werden, denn natürlich gibt es auch die schweren Verläufe, die insbesondere Menschen mit Vorerkrankungen treffen. Immerhin jeder 6. bis 7. Betroffene muss stationär behandelt werden.

Unterstellt, die Anzahl der insgesamt Infizierten (COVID-19-Fälle insgesamt) spiegele die Realität vollständig wider, es gebe also keine Dunkelziffer, liegt die dokumentierte Letalität (Sterblichkeit) deutschlandweit bei etwa 4 bis 5%. Der Vollständigkeit halber sei hier angemerkt, dass in einer räumlich begrenzten Studie auf der Basis eines vollständigen Screenings eine deutlich niedrigere Letalität von unter 0,4% bestimmt wurde. Der Grund dafür ist die potentiell hohe Dunkelziffer unerkannt Infizierter. Inwiefern dieser niedrigere Wert auf die größere Population in Deutschland übertragbar ist, kann derzeit nicht gesagt werden. In Unkenntnis der Dunkelziffer an Infizierten muss man sich seriöser Weise am höheren Wert orientieren.

Wie groß ist das Risiko für das Individuum wirklich?

Angesichts der sich teilweise überschlagenden und dabei auch widersprüchlichen Medienberichterstattung, fällt es dem Einzelnen schwer, die tatsächlich vom Corona-Virus ausgehende Gefahr realistisch einzuschätzen und sein eigenes Risiko zu veranschlagen. Dabei kann dieses Risiko relativ einfach aus den vom RKI übermittelten Zahlen bestimmt werden.

Wir haben oben gesehen, dass es derzeit 12682 akut ansteckende Personen (COVID-19-Infektiöse) gibt. Deutschland hat etwa 83 Mio. Einwohner. Demnach beläuft sich der Anteil der infektiösen Mitbürger auf 0,0153%, d.h., etwa 1 von 6544 Menschen ist akut ansteckend.

Was heißt das?

Jemand der täglich mit 65 unterschiedlichen Personen Kontakt hat, wird im Mittel alle 100 Tage auf einen an COVID-19 erkrankten und akut infektiösen Menschen treffen. Wer nur mit max. 18 Personen pro Tag Kontakt hat, wird statistisch nur einmal im Jahr in die Nähe eines akut Infizierten kommen.

Natürlich geht es hier um Mittelwerte. Wer in einem Landkreis oder einer Stadt mit höherer Dichte an akut Infizierten lebt, wird mit höherer Wahrscheinlichkeit bzw. häufiger mit ansteckenden Personen in Kontakt kommen. Nehmen wir Hamburg: Der Anteil der akut Infektiösen liegt dort bei 0,022%. Wer täglich mit 18 unterschiedlichen Personen in Kontakt kommt, wird also im Mittel etwa alle 8 Monate einem konkreten Infektionsrisiko ausgesetzt sein.

Das gleiche gilt natürlich auch umgekehrt. In Mecklenburg-Vorpommern (das Bundesland mit den niedrigsten Infektionszahlen) ist der Anteil der akut Infektiösen mit einem Wert von 0,0033% fast 5-mal geringer als im deutschlandweiten Schnitt. Wer dort 18 Personen pro Tag nahe kommt, wird im Mittel nur alle 4 bis 5 Jahre auf einen Infizierten treffen.

Auch wenn man mit einem Infektiösen Kontakt hat, heißt dies noch nicht, dass man sich auch selbst infiziert. Das konkrete Risiko hängt von vielen Faktoren ab. Relevant sind auf jeden Fall die Nähe, die Intensität und die Dauer des Kontakts. Schon einfache Vorsichtsmaßnahmen sind geeignet, das Ansteckungsrisiko deutlich zu reduzieren. Bei einem normal-distanzierten Kontakt unter Fremden oder entfernt Bekannten (kurzes Gespräch) liegt das Risiko vermutlich auch ohne Maske unter 10%. Mit Maske vielleicht bei 1%. Enger und langanhaltender Kontakt unter Freunden („Party mit Saufgelage“) hebt das Risiko mit einiger Sicherheit in Richtung 100%. Nach diesen Vorüberlegungen wollen wir nun das individuelle tägliche COVID-19-Krankheitsrisiko für drei Musterpersonen auf Grundlage der mittleren deutschlandweiten Infektionsgeschehens abschätzen. Wir verwenden dabei die folgenden Eckwerte:

  • Tatsächliches Ansteckungsrisiko bei einer normal-distanzierten Begegnung mit Fremden oder Bekannten pro individuellem Kontakt ohne Maske 10%.
  • Tatsächliches Ansteckungsrisiko bei einer sehr sorglosen oder länger andauernden Begegnung mit Fremden oder Bekannten pro individuellem Kontakt ohne Maske 50%.
  • Tatsächliches Risiko für einen ernsteren Verlauf bei nachgewiesener Infektion (Ausbruch der Krankheit und stationäre Behandlung) 20%.
  • Tatsächliches Sterberisiko bei stationärer Behandlung 25%, (entsprechend einer Letalität von 5% bei nachgewiesener Infektion).

Person A: 1x pro Woche im Supermarkt (20 Personen), 1x pro Woche im Restaurant (5 Personen), 1x Treffen mit Bekannten oder Familienangehörigen (10 Personen). A hat im Mittel Kontakt mit 5 Personen pro Tag.

A ist vernünftig und bleibt im Kontakt ohne Maske lieber etwas reservierter (Ansteckungsrisiko pro Kontakt 10%). Das individuelle tägliche Infektionsrisiko von A liegt demnach bei ca. 1:1300 (= 5*0,000153), sein Erkrankungsrisiko (A infiziert sich tatsächlich) bei 1:13000 (= 0,1*5*0,000153). Das individuelle tägliche Risiko für einen ernsteren Verlauf eines potentiellen Krankheitsgeschehens bei A kommt damit auf 1:65000 (= 0,2*0,1*5*0,000153), sein tägliches Corona-Sterberisiko beläuft sich demnach auf 1:260000 (= 0,00038% = 0,25*0,2*0,1*5*0,000153).

Um das richtig einzuschätzen: Werfen Sie 18-mal hintereinander eine Münze. Wiederholen Sie diesen Prozess jeden Tag aufs Neue, immer wieder. An dem Tag, an welchem 18-mal hintereinander Zahl fällt, ist Person A tot und an COVID-19 verstorben.

Übrigens, das statistische tägliche Sterberisiko für einen 80-jährigen Mann liegt auch ohne Corona schon bei 1:5200 (= 0,019%), mithin also etwa 50-mal höher als das spezifische Risiko durch Corona. Wobei dieser Vergleich insofern schief ist, als dass das individuelle COVID-19-Risiko für einen schweren Krankheitsverlauf bei einem 80-Jährigen gegenüber Personen mittleren Alters per se deutlich erhöht ist. Vergleichen wir also das berechnete COVID-19-Sterberisiko für Person A mit dem allgemeinen Sterberisiko für einen Menschen mittleren Alters.

Für 50-Jährige liegt das tägliche Sterberisiko bei etwa 1:120000 (= 0,00082%). Das für Person A zusätzlich entstehende Risiko durch Corona liegt demnach etwa halb so hoch. D.h., Corona erhöht das tägliche Sterberisiko für Person A von 0,00082% auf 0,0012%. Etwas Bewegung an frischer Luft oder die Reduktion des Fleischkonsums um wenige Prozent dürfte diese Risikoerhöhung locker kompensieren, denn nach wie vor sind Herz-Kreislauferkrankungen aufgrund mangelnder Bewegung und falscher Ernährung die Haupttodesursachen.

Person B: 1x pro Woche im Supermarkt (20 Personen), 3 Tage Heimarbeit (0 Personen), 2 Tage in der Firma (10 Personen) 2x Essen in der Kantine (20 Personen), 1x Treffen mit Bekannten oder Familienangehörigen (20 Personen). B hat im Mittel Kontakt mit 10 Personen pro Tag.

B ist vernünftig und bleibt im Kontakt ohne Maske lieber etwas reservierter (Ansteckungsrisiko pro Kontakt 10%). Das individuelle tägliche Infektionsrisiko von B liegt demnach bei ca. 1:650 (= 10*0,000153), sein Erkrankungsrisiko (B infiziert sich tatsächlich) beträgt also 1:6500 (= 0,1*10*0,000153). Das individuelle tägliche Risiko für einen ernsteren Verlauf eines potentiellen Krankheitsgeschehens bei B errechnet sich damit zu 1:32500 (= 0,2*0,1*10*0,000153), sein tägliches Corona-Sterberisiko beläuft sich demzufolge auf 1:130000 (= 0,00077% = 0,25*0,2*0,1*10*0,000153).

Unterstellt, B habe mittleres Alter, erhöht sich sein allgemeines tägliches Sterberisiko pauschal von 0,00082% auf knapp 0,0016%. Auch das ist leicht auszugleichen durch ein Minimum an gesünderer Ernährung und Sport. Übrigens, das Risiko im Straßenverkehr ums Leben zu kommen liegt für Personen mit einer durchschnittlichen jährlichen Fahrleistung von 15000 km bei etwa 0,0075% pro Jahr.

Person C: 2x pro Woche im Supermarkt (20 Personen), 5 Tage in der Firma (50 Personen), am Wochenende Party oder Disco (50 Personen). C hat im Mittel Kontakt mit 20 Personen pro Tag.

C ist unvernünftig und schert sich um nichts (Ansteckungsrisiko pro Kontakt 50%). Das individuelle tägliche Infektionsrisiko von C liegt demnach bei ca. 1:325 (= 20*0,000153), sein Erkrankungsrisiko (C infiziert sich tatsächlich) bei 1:653 (= 0,5*20*0,000153). Das individuelle tägliche Risiko für einen ernsteren Verlauf eines potentiellen Krankheitsgeschehens bei C kann somit auf 1:3267 (= 0,2*0,5*20*0,000153) abgeschätzt werden. Sein pauschales tägliches Corona-Sterberisiko errechnet sich daraus zu 1:13000 (= 0,0077% = 0,25*0,2*0,5*20*0,000153).

Unterstellt, C gehöre der jüngeren Generation an (20-30 Jahre), erhöht sich sein allgemeines tägliches Sterberisiko pauschal von 0,000137% auf knapp 0,0078%. Das ist nun schon eine signifikante Steigerung, eine fast 60-fach erhöhte Sterbewahrscheinlichkeit! Allerdings: Hier bleibt unberücksichtigt, dass Jüngere ein deutlich reduziertes Risiko für einen schweren COVID-19-Krankheitsverlauf mit stationärer Behandlung und Todesfolge haben. Stellt man dies mit einer Hospitalität von 10% statt 20% und einem Sterberisiko bei stationärer Behandlung von 5% (entsprechend einer Letalität von 0,5%) statt 25% in Rechnung, so kommt man beim individuellen täglichen Corona-Sterberisiko für C auf 1:130000 (= 0,00077% = 0,05*0,1*0,5*20*0,000153). Das ist derselbe Wert, wie bei Person B.

Resümee

Natürlich muss jeder für sich selbst bewerten, inwiefern die hier exemplarisch bestimmten Corona-Risiken individuell als bedrohlich oder als eher niedrig angesehen werden. Nach meiner persönlichen Einschätzung sind die Risiken für Gesunde in der Gesamtschau und verglichen mit anderen Lebensrisiken nicht ungewöhnlich hoch. Anders mag es aussehen für Menschen mit Vorerkrankungen und insbesondere für Ältere mit Vorerkrankungen. Diese Gruppe hat grundsätzlich ein höheres Sterberisiko, das nun durch Corona noch weiter erhöht wird.

Gewiss ist das Verbot von Massenveranstaltungen nach wie vor sinnvoll. Wahllose und fahrlässig enge Kontakte mit Fremden sollte man fraglos vermeiden. Umgekehrt muss man gefährdete Personen aktiv schützen, dabei ist auch das Tragen einer Maske in Situationen mit einem unvermeidlichen engeren Kontakt grundsätzlich sinnvoll. Ansonsten darf man die Kirche im Dorf lassen und zu einer vernünftigen Normalität zurückkehren.

Quellen:

[1] Täglicher Lagebericht des RKI zur Coronavirus-Krankheit-2019 (COVID-19) – 17.08.2020 – AKTUALISIERTER STAND FÜR DEUTSCHLAND. Robert-Koch-Institut

[2] Altersspezifische Sterbewahrscheinlichkeiten der Männer in Deutschland. Bundesinstitut für Bevölkerungsforschung (BIB)

[3] Sterblichkeitsrate nach Risikogruppen – Für wen ist das Coronavirus besonders gefährlich? RTL.de, 08. Juni 2020

[4] Altersabhängigkeit der Todesraten im Zusammenhang mit COVID-19 in Deutschland. Dtsch Arztebl Int 2020; 117: 432-3; DOI: 10.3238/arztebl.2020.0432