Eine Statistik zeigt den Anteil der COVID-19-Fälle im Verhältnis zur Bevölkerung. Die langfristige Forschung könnte sie essenziell beeinflussen. Doch sicher ist in der Wissenschaft nie etwas.

Blog Sarah ThustTausende Grafiken zum Coronavirus versuchen die Pandemie verständlich zu machen. In gewisser Weise geben sie uns das Gefühl der Kontrolle, indem wir den “Überblick” behalten. Doch wir müssen weise wählen, welche Zahlen berichtenswert sind und welche irreführen. Hier ist eine Statistik, die in den Medien kaum zu finden ist. Doch für die langfristige Forschung könnte sie essenziell sein.

Die blauen Balken der Grafik oben zeigen die 15 Länder mit den meisten bestätigten COVID-19-Fällen (Zahl der bestätigten Corona-Fälle mal Tausend). Die grünen Balken oben zeigen die durchschnittliche Kranken-Zahl pro 100.000 Einwohner. Getrennt sieht das so aus:

Links der Anteil der Covid-19-Fälle im Verhältnis zur Bevölkerung (pro 100.000 Einwohner). Rechts die Top 15 Länder nach Gesamtzahl der bestätigten Fälle. (Stand: 28.03.2020)

Worin unterscheiden sich die Grafiken?

Die rechte Grafik taucht in den Medien regelmäßig auf. Die USA, Italien und China stehen dort an der Spitze. Dort gibt es bisher die meisten bestätigten COVID-19-Fälle (Stand: 28.03.2020). Doch sollte man wirklich die großen USA mit dem kleinen Italien vergleichen? Solche Darstellungen können in die Irre führen. Es ist, als würde man Äpfel mit Birnen vergleichen.

Denn: Die linke Grafik macht sichtbar, dass eine bedeutende Variable die Rangliste der Länder völlig verändert. An ihrer Spitze stehen die Schweiz und Italien. China und die USA fallen sogar auf die unteren Plätze ab. Wie das? Die Grafik setzt die Fallzahlen ins Verhältnis zur Einwohnerzahl des jeweiligen Landes. Es wurde der Durchschnitt der COVID-19-Fälle pro 100.000 Einwohner errechnet. In China sind das etwa sechs, in der Schweiz 159.

Die linke Grafik hat zwei Vorteile: Sie macht das Ausmaß der Pandemie vorstellbar, greifbar. Und sie setzt die Zahl der Erkrankungen in einen Kontext. Das macht sie nicht nur nützlicher für die Leser, sondern auch für Wissenschaftler, die sich das Modell in Langzeitstudien ansehen werden.

In beiden Grafiken sind Störvariablen am Werk

Klar ist, dass beide Grafiken kritisch gesehen werden müssen. Generell gilt bei den erhobenen COVID-19-Daten, dass nur Fälle aufgeführt werden, die positiv getestet wurden. Das gilt sowohl für die Daten des Johns Hopkins Coronavirus Resources Center und besonders für die Daten des Robert-Koch-Instituts. Dass die USA und China zu den Schlusslichtern der linken Grafik gehören, könnte also dadurch erklärt werden, dass dort weniger Menschen getestet wurden. Oder sogar durch Eigenheiten des Virus bei seiner Ausbreitung, da es sich in kleineren Gebieten vielleicht intensiver ausbreitet als in Ländern mit großer Fläche. Auch die Bevölkerungsdichte könnte eine Rolle spielen.

Wie die Rangliste der Länder also wirklich aussieht, lässt sich erst durch eine Langzeitstudie herausfinden. Die Forscher müssen Wege finden, sämtliche Störvariablen (wie die Anzahl der Tests) herauszufiltern. Dafür müssen sie die Daten über einen langen Zeitraum hinweg beobachten. Und das wird einige Zeit dauern …

Fallzahlen pro 100.000 Einwohner

  1. Schweiz (rund 159 Fälle pro 100.000 Einwohner)
  2. Italien (rund 148 Fälle pro 100.000 Einwohner)
  3. Spanien (rund 144 Fälle pro 100.000 Einwohner)
  4. Österreich (rund 92 Fälle pro 100.000 Einwohner)
  5. Belgien (rund 78 Fälle pro 100.000 Einwohner)
  6. Deutschland (rund 70 Fälle pro 100.000 Einwohner)
  7. Niederlande (rund 57 Fälle pro 100.000 Einwohner)
  8. Portugal (rund 50 Fälle pro 100.000 Einwohner)
  9. Frankreich (rund 49 Fälle pro 100.000 Einwohner)
  10. Iran (rund 42 Fälle pro 100.000 Einwohner)
  11. USA (rund 34 Fälle pro 100.000 Einwohner)
  12. UK – Vereinigtes Königreich (rund 26 Fälle pro 100.000 Einwohner)
  13. Südkorea (rund 18 Fälle pro 100.000 Einwohner)
  14. Türkei (rund 9 Fälle pro 100.000 Einwohner)
  15. China (rund 6 Fälle pro 100.000 Einwohner)

Sie wollen mitdiskutieren? Hier geht es zur Debatte auf Twitter.

Interessante Links zum Coronavirus