Cargando…

Die zeitlich-räumliche Verteilung von COVID-19 in Köln und beeinflussende soziale Faktoren im Zeitraum Februar 2020 bis Oktober 2021

BACKGROUND AND GOALS: Even in the early phase of the COVID-19 pandemic, which took a very different course globally, there were indications that socio-economic factors influenced the dynamics of disease spread, which from the second phase (September 2020) onwards particularly affected people with a ...

Descripción completa

Detalles Bibliográficos
Autores principales: Neuhann, Florian, Ginzel, Sebastian, Buess, Michael, Wolff, Anna, Kugler, Sabine, Schlanstedt, Günter, Kossow, Annelene, Nießen, Johannes, Rüping, Stefan
Formato: Online Artículo Texto
Lenguaje:English
Publicado: Springer Berlin Heidelberg 2022
Materias:
Acceso en línea:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9362610/
https://www.ncbi.nlm.nih.gov/pubmed/35920847
http://dx.doi.org/10.1007/s00103-022-03573-4
_version_ 1784764754578898944
author Neuhann, Florian
Ginzel, Sebastian
Buess, Michael
Wolff, Anna
Kugler, Sabine
Schlanstedt, Günter
Kossow, Annelene
Nießen, Johannes
Rüping, Stefan
author_facet Neuhann, Florian
Ginzel, Sebastian
Buess, Michael
Wolff, Anna
Kugler, Sabine
Schlanstedt, Günter
Kossow, Annelene
Nießen, Johannes
Rüping, Stefan
author_sort Neuhann, Florian
collection PubMed
description BACKGROUND AND GOALS: Even in the early phase of the COVID-19 pandemic, which took a very different course globally, there were indications that socio-economic factors influenced the dynamics of disease spread, which from the second phase (September 2020) onwards particularly affected people with a lower socio-economic status. Such effects can also be seen within a large city. The present study visualizes and examines the spatio-temporal spread of all COVID-19 cases reported in Cologne, Germany (February 2020–October 2021) at district level and their possible association with socio-economic factors. METHODS: Pseudonymized data of all COVID-19 cases reported in Cologne were geo-coded and their distribution was mapped in an age-standardized way at district level over four periods and compared with the distribution of social factors. The possible influence of the selected factors was also examined in a regression analysis in a model with case growth rates. RESULTS: The small-scale local infection process changed during the pandemic. Neighborhoods with weaker socio-economic indices showed higher incidence over a large part of the pandemic course, with a positive correlation between poverty risk factors and age-standardized incidence. The strength of this correlation changed over time. CONCLUSION: The timely observation and analysis of the local spread dynamics reveals the positive correlation of disadvantaging socio-economic factors on the incidence rate of COVID-19 at the level of a large city and can help steer local containment measures in a targeted manner.
format Online
Article
Text
id pubmed-9362610
institution National Center for Biotechnology Information
language English
publishDate 2022
publisher Springer Berlin Heidelberg
record_format MEDLINE/PubMed
spelling pubmed-93626102022-08-10 Die zeitlich-räumliche Verteilung von COVID-19 in Köln und beeinflussende soziale Faktoren im Zeitraum Februar 2020 bis Oktober 2021 Neuhann, Florian Ginzel, Sebastian Buess, Michael Wolff, Anna Kugler, Sabine Schlanstedt, Günter Kossow, Annelene Nießen, Johannes Rüping, Stefan Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz Originalien und Übersichten BACKGROUND AND GOALS: Even in the early phase of the COVID-19 pandemic, which took a very different course globally, there were indications that socio-economic factors influenced the dynamics of disease spread, which from the second phase (September 2020) onwards particularly affected people with a lower socio-economic status. Such effects can also be seen within a large city. The present study visualizes and examines the spatio-temporal spread of all COVID-19 cases reported in Cologne, Germany (February 2020–October 2021) at district level and their possible association with socio-economic factors. METHODS: Pseudonymized data of all COVID-19 cases reported in Cologne were geo-coded and their distribution was mapped in an age-standardized way at district level over four periods and compared with the distribution of social factors. The possible influence of the selected factors was also examined in a regression analysis in a model with case growth rates. RESULTS: The small-scale local infection process changed during the pandemic. Neighborhoods with weaker socio-economic indices showed higher incidence over a large part of the pandemic course, with a positive correlation between poverty risk factors and age-standardized incidence. The strength of this correlation changed over time. CONCLUSION: The timely observation and analysis of the local spread dynamics reveals the positive correlation of disadvantaging socio-economic factors on the incidence rate of COVID-19 at the level of a large city and can help steer local containment measures in a targeted manner. Springer Berlin Heidelberg 2022-08-03 2022 /pmc/articles/PMC9362610/ /pubmed/35920847 http://dx.doi.org/10.1007/s00103-022-03573-4 Text en © The Author(s) 2022, korrigierte Publikation 2022 https://creativecommons.org/licenses/by/4.0/Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen. Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/licenses/by/4.0/deed.de (https://creativecommons.org/licenses/by/4.0/) .
spellingShingle Originalien und Übersichten
Neuhann, Florian
Ginzel, Sebastian
Buess, Michael
Wolff, Anna
Kugler, Sabine
Schlanstedt, Günter
Kossow, Annelene
Nießen, Johannes
Rüping, Stefan
Die zeitlich-räumliche Verteilung von COVID-19 in Köln und beeinflussende soziale Faktoren im Zeitraum Februar 2020 bis Oktober 2021
title Die zeitlich-räumliche Verteilung von COVID-19 in Köln und beeinflussende soziale Faktoren im Zeitraum Februar 2020 bis Oktober 2021
title_full Die zeitlich-räumliche Verteilung von COVID-19 in Köln und beeinflussende soziale Faktoren im Zeitraum Februar 2020 bis Oktober 2021
title_fullStr Die zeitlich-räumliche Verteilung von COVID-19 in Köln und beeinflussende soziale Faktoren im Zeitraum Februar 2020 bis Oktober 2021
title_full_unstemmed Die zeitlich-räumliche Verteilung von COVID-19 in Köln und beeinflussende soziale Faktoren im Zeitraum Februar 2020 bis Oktober 2021
title_short Die zeitlich-räumliche Verteilung von COVID-19 in Köln und beeinflussende soziale Faktoren im Zeitraum Februar 2020 bis Oktober 2021
title_sort die zeitlich-räumliche verteilung von covid-19 in köln und beeinflussende soziale faktoren im zeitraum februar 2020 bis oktober 2021
topic Originalien und Übersichten
url https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9362610/
https://www.ncbi.nlm.nih.gov/pubmed/35920847
http://dx.doi.org/10.1007/s00103-022-03573-4
work_keys_str_mv AT neuhannflorian diezeitlichraumlicheverteilungvoncovid19inkolnundbeeinflussendesozialefaktorenimzeitraumfebruar2020bisoktober2021
AT ginzelsebastian diezeitlichraumlicheverteilungvoncovid19inkolnundbeeinflussendesozialefaktorenimzeitraumfebruar2020bisoktober2021
AT buessmichael diezeitlichraumlicheverteilungvoncovid19inkolnundbeeinflussendesozialefaktorenimzeitraumfebruar2020bisoktober2021
AT wolffanna diezeitlichraumlicheverteilungvoncovid19inkolnundbeeinflussendesozialefaktorenimzeitraumfebruar2020bisoktober2021
AT kuglersabine diezeitlichraumlicheverteilungvoncovid19inkolnundbeeinflussendesozialefaktorenimzeitraumfebruar2020bisoktober2021
AT schlanstedtgunter diezeitlichraumlicheverteilungvoncovid19inkolnundbeeinflussendesozialefaktorenimzeitraumfebruar2020bisoktober2021
AT kossowannelene diezeitlichraumlicheverteilungvoncovid19inkolnundbeeinflussendesozialefaktorenimzeitraumfebruar2020bisoktober2021
AT nießenjohannes diezeitlichraumlicheverteilungvoncovid19inkolnundbeeinflussendesozialefaktorenimzeitraumfebruar2020bisoktober2021
AT rupingstefan diezeitlichraumlicheverteilungvoncovid19inkolnundbeeinflussendesozialefaktorenimzeitraumfebruar2020bisoktober2021