Background: Since the beginning of the COVID-19 pandemic, thematic maps showing the spread of the disease have been of great public interest. From the perspective of risk communication, those maps can be problematic, since random variation or extreme values may occur and cover up the actual regional patterns. One potential solution is applying spatial smoothing methods. The aim of this study was to show changes in incidence ratios over time in Bavarian districts using spatially smoothed maps.
Methods: Data on SARS-CoV-2 were provided by the Bavarian Health and Food Safety Authority on 29.10.2021 and 17.02.2022. The demographic data per district are derived from the Statistical Report of the Bavarian State Office for Statistics for 2019. Four age groups per sex (<18, 18-29, 30-64,>64 years) divided into 16 time periods (01/28/2020 to 12/31/2021) were included. Maps show standardized incidence ratios (SIR) spatially smoothed by Bayesian hierarchical modelling.
Results: The SIR varied remarkably between districts. Variations occurred for each time period, showing changing regional patterns over time.
Conclusion: Smoothed health maps are suitable for showing trends in incidence ratios over time for COVID-19 in Bavaria and offer the advantage over traditional maps in giving more realistic estimates by including neighborhood relationships. The methodological approach can be seen as a first step to explain the regional heterogeneity in the pandemic, and to support improved risk communication.
Ziel der studie: Seit Beginn der aktuellen COVID-19 Pandemie sind Übersichtskarten zur räumlichen Darstellung des Infektionsgeschehens von großem öffentlichen Interesse. Aus methodischer und risikokommunikativer Sicht sind diese Darstellungen nicht unproblematisch, da zufällige Schwankungen oder Extremwerte auftreten und tatsächliche regionale Verteilungsmuster überdeckt sein können. Ein potentieller Lösungsansatz, um diesen Herausforderungen zu begegnen, besteht in Glättungen durch Bayesianische Verfahren. Ziel dieser Arbeit ist es, anhand von räumlich geglätteten Übersichtskarten die Veränderungen der Inzidenzverhältnisse im zeitlichen Verlauf in den Landkreisen und kreisfreien Städten in Bayern zu untersuchen.
Methodik: Die Daten zu SARS-CoV-2 wurden vom Bayerischen Landesamt für Gesundheit und Lebensmittelsicherheit am 29.10.2021 und 17.02.2022 zur Verfügung gestellt. Die demographischen Daten pro Kreis sind dem Statistischen Bericht des Bayerischen Landesamtes für Statistik für das Jahr 2019 entnommen. Betrachtet wurden vier Altersgruppen pro Geschlecht (<18, 18–29, 30–64,>64 Jahre) aufgeteilt in 16 Zeiträume (28.01.2020 bis 31.12.2021). Die Karten basieren auf standardisierten Inzidenzraten, die räumlich durch Bayesianische hierarchische Modelle geglättet wurden.
Ergebnisse: Das Standardisierte Inzidenzverhältnis (SIR) variierte deutlich zwischen den Kreisen. Variationen traten für jeden Zeitraum auf, wobei sich über den zeitlichen Verlauf sich ändernde regionale Verteilungsmuster zeigten.
Schlussfolgerung: Geglättete Gesundheitskarten eignen sich, um Veränderungen der Inzidenzverhältnisse im zeitlichen Verlauf bei COVID-19 in Bayern darzustellen und bieten gegenüber traditionellen Karten den Vorteil, dass sie realitätsnähere Schätzungen liefern, da sie Nachbarschaftsbeziehungen als erklärenden Faktor einbeziehen. Der methodische Ansatz kann als erster Schritt gesehen werden, um wichtige Erklärungsansätze für die beobachtete Heterogenität zu identifizieren, und eine verbesserte Risikokommunikation zu unterstützen.
Thieme. All rights reserved.