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 ...
Autores principales: | , , , , , , , , |
---|---|
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 |