Raum-zeitliche Untersuchung kleinräumiger Determinanten der Covid-19 Pandemie

• Antragsteller: Dr. Christoph Buck
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik ; Humangeographie
• Förderung: Förderung von 2021 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 492768557

Die Ausbreitung von COVID-19 in der zweiten und dritten Welle wurde stark von sozialen Strukturen in der Bevölkerung beeinflusst, wobei sich höhere Inzidenzen in stärker deprivierten Nachbarschaften zeigten. Bisherige Analysen in Deutschland nutzten Daten auf Landkreisebene, um räumliche Determinanten von COVID-19 zu identifizieren, aber detaillierte Zusammenhänge von sozio-ökonomischen und demographischen Clustern auf Nachbarschaftsebene in Städten konnten bisher nicht untersucht werden. Das Projektvorhaben hat daher zum Ziel, umfangreiche kleinräumige Informationen über sozio-ökonomische, demographische, urbane und umweltbedingte Charakteristiken mit raum-zeitlich aggregierten Daten der COVID-19 Pandemie zu verknüpfen. Dies ermöglicht raum-zeitliche Analysen der Ausbreitung von COVID-19, wobei mittels geostatistischer Methoden raum-spezifische Einflüsse kleinräumiger Determinanten identifiziert und mit maschinellen Lernverfahren Vorhersagemodelle entwickelt werden sollen. Erstens sollen dafür raum-zeitliche Daten aus verschiedenen Quellen zusammengetragen werden, wobei Daten zu COVID-19 vom Krisenstab Corona Bremen im Landesgesundheitsamt Bremen bereitgestellt werden. COVID-19 Daten der Stadt Bremen stehen dabei für statistische Quartiere in Stadteilen aggregiert für Zeiträume von zwei Wochen von September 2020 bis Juni 2021 zur Verfügung. Kleinräumige Daten zu sozio-ökonomischen und demographischen Charakteristiken, der bebauten Umgebung, Luftverschmutzung, Wetterbedingungen und vor allem über das Mobilitätsverhalten der Bevölkerung werden passend zu den raum-zeitlichen COVID-19 Daten verarbeitet. Informationen zum Mobilitätsverhalten basieren auf Mobilfunkdaten und werden von der Teralytics GmbH bereitgestellt, um Änderungen in der Mobilität in Bezug auf Maßnahmen zur Eindämmung von COVID-19 zu identifizieren. Zweitens werden geostatistische Methoden zur Identifizierung von raum-zeitlichen Clustern von COVID-19 eingesetzt. Um detaillierte Schätzungen von Assoziationen kleinräumiger Charakteristiken und COVID-19 zu erhalten, wird die lokale geographisch gewichtete Regression (Geographically Weighted Regression – GWR) angewendet. Drittens werden maschinelle Lernverfahren zur Vorhersage von COVID-19 in Nachbarschaften implementiert, die zugrunde liegende kleinräumige Determinanten berücksichtigen. Das Projektvorhaben liefert detaillierte Erkenntnisse zu zentralen raum-spezifischen Treibern der COVID-19 Pandemie und zur Effektivität von Maßnahmen auf Nachbarschaftsebene. Die Ergebnisse werden Landesbehörden in Bremen bei der Entwicklung von spezifischen Präventionsstrategien unter Berücksichtigung von vulnerablen Gruppen, urbanen Strukturen und umweltbedingten Faktoren unterstützen. Darauf aufbauend können Prozeduren zur Datenverarbeitung in weiteren Großstädten oder Gesamtdeutschland Anwendung finden, um präzisere Erkenntnisse zu potenziellen Maßnahmen zu erhalten und um zukünftige Pandemien zu bekämpfen oder weitere Ausbrüche zu verhindern.

• DFG-Verfahren: Sachbeihilfen