Datenquelle: Routinedaten der BARMER
Hinweise:
Datenstand 15.04.2024
Die noch sehr unvollständigen letzten 2 Wochen der Arbeitsunfähigkeiten werden nicht dargestellt. Die Fallzahlen, insbesondere der letzten 10 dargestellten Wochen, können sich aufgrund späterer Meldungen bei den Aktualisierungen noch erhöhen.
AU-Erkrankte sind diejenigen Versicherten, die innerhalb einer Kalenderwoche an mindestens einem Tag arbeitsunfähig (AU) erkrankt waren.
Die ICDs für akute respiratorische Erkrankungen entsprechen der ARE-Definition des RKI, ergänzt um Diagnosen, die niedergelassene Ärzte wahrscheinlich zur COVID-19-Kodierung verwenden.
Weiterhin wurden die Erkrankungen gruppiert und hierarchisiert (0-5), um auch bei Vorliegen mehrerer Diagnosen pro AU-Fall jeweils eine eindeutige Zuordnung zu einer Erkrankungsgruppe zu ermöglichen.
0 - COVID-19 (U07.1, U07.2, U07.3, U04.9, B34.2, B97.2)
1 - Grippe (J09-J11)
2 - Pneumonie (J12-J18)
3 - Exacerbation (J44.0)
4 - Sonst. Atemwegsinfekt (J01-J06, J20-J22)
5 - Banaler Infekt (J00, B34.9)
Dadurch werden zudem Mehrfachzählungen vermieden.
Qualifizierungskennzeichen (G für"gesichert", V für"Verdacht auf", Z für"Zustand nach") werden auf Arbeitsunfähigkeitsbescheinigungen nur unvollständig kodiert und daher nicht ausgewertet. Diagnosen mit dem Qualifizierungskennzeichen A für"Ausschluss" werden seit dem 14.10.2020 bei der Zählung ausgeschlossen, weswegen sich die Anteile und auch die absoluten Zahlen geringfügig verändern.
Die KW 53 und KW 1 haben meist weniger als 7 Kalendertage, weil der Jahreswechsel diese beiden Wochen verkürzt. Zudem enthalten sie auch noch Feiertage, so dass typischerweise in diesen Wochen viel weniger AUs als in den angrenzenden Wochen ausgestellt werden.
Unter Anspruchsberechtigte sind die Versicherten zu verstehen, die prinzipiell Anspruch auf Krankengeld nach § 44 Abs. 1 SGB V haben. Hierunter fallen z.B. Arbeitnehmer, ALG-I-Bezieher, hauptberuflich selbstständig Erwerbstätige sowie unständig und kurzzeitig Beschäftigte, sofern sie bei einer gesetzlichen Krankenkasse eine Wahlerklärung abgegeben haben, nach der die Mitgliedschaft den gesetzlichen Anspruch auf Krankengeld umfassen soll.
Mit dem Jahr 2022 lässt sich ein Anstieg von Krankmeldungen und Fehlzeiten verzeichnen, der alle in vorausgehenden Zeiträumen von Jahr zu Jahr beobachteten Veränderungen übersteigt. Dies lässt sich insbesondere bei Atemwegsinfekten beobachten. Eine wesentliche Ursache dürften hierbei deutlich gehäuft auftretende Infekte im Zuge der sich wieder normalisierenden Kontakte und der damit zwangsläufig auch verstärkten Keimexposition nach einer längeren Phase mit nur geringer Keimexposition in der Bevölkerung sein. Zudem könnten auch die telefonische Krankschreibung sowie die im Jahr 2022 fortschreitend implementierte elektronische Arbeitsunfähigkeitsbescheinigung (eAU) zu einer höheren Zahl an gemeldeten Arbeitsunfähigkeiten beigetragen haben.
Vollbildmodus beenden
Einen Moment bitte
Grafik und Daten werden geladen ...
Die Daten zu den Arbeitsunfähigkeiten aufgrund akuter Atemwegserkrankungen werden regelmäßig fortgeschrieben und aktualisiert.
„Sonst. Atemwegsinfekt“ umfasst typische Infektionen der oberen und unteren Atemwege wie zum Beispiel „Entzündungen der Nasennebenhöhlen“ oder „Bronchitis“ und unter einem „banalen Infekt“ ist zum Beispiel ein Schnupfen zu verstehen. „Exacerbation“ meint hier eine Infektion der unteren Atemwege bei vorbestehender chronischer obstruktiver Lungenkrankheit.
Verwenden Sie „Exakte Abweichungen“, um Attributwerte direkt in Farbwerte zu überführen. Hierbei entsprechen die relativen Abweichungen der Attributwerte vom Mittelwert den relativen Abweichungen in den Farbwerten.
Die exakte Abweichung ermöglicht eine unverzerrte Darstellung der Attributwerte. Diese Darstellung ist besonders für normalverteilte Daten geeignet.
Gleiches IntervallVerwenden Sie „Gleiches Intervall“, um Attributwerte in gleich breite Klassen zu unterteilen. Die Klassengrenzen werden automatisch so bestimmt, dass die Datenintervalle in jeder Klasse gleich groß sind. Zum Beispiel ergeben sich für Werte im Bereich von 0 bis 300 und drei Klassen die Bereichsgrenzen 0 bis 100, 101 bis 200 und 201 bis 300.
Die gleichen Intervalle sind besonders für begrenzte Datenbereiche, wie Prozentsätze (0-100), geeignet. Die Darstellungsmethode hebt heraus, ob eine bestimmte Region unterhalb oder oberhalb des Mittelwertes liegt.
QuantilVerwenden Sie „Quantil“, um die Attributwerte in gleich mächtige Klassen einzuteilen. Die Klassengrenzen werden hierbei so bestimmt, dass jede Klasse gleich viele Regionen umfasst.
Diese Darstellung eignet sich gut für linear verteilte Daten. Durch die Klassifikationsmethode können sowohl sehr nahe beieinanderliegende Attributwerte in verschiedene Klassen als auch sehr verschiedene Attributwerte in die gleiche Klasse eingeteilt werden. Hierdurch können auch extrem breite Datenbereiche (Ausreißer) optisch ansprechend dargestellt werden.
StandardabweichungVerwenden Sie „Standardabweichung“, um die Klassengrenzen auf jeweils eine Standardabweichung des Datenbereiches zu begrenzen. Mittelwert und Standardabweichung werden automatisch berechnet.
Arithmetische ProgressionVerwenden Sie „Arithmetische Progression“, um Klassengrenzen mit aufsteigender Breite zu erhalten. Je weiter eine Klasse vom Mittelwert entfernt liegt, desto größer wird der Wertebereich sein, den eine Farbe abbildet. Die Verbreiterung der Klassengrenzen erfolgt linear.
Diese Klassifikation eignet sich zur Darstellung von Daten mit breiten Verteilungsenden, z.B. Kostendaten. Seltene hohe Werte werden hierbei in größeren Klassen zusammengefasst und damit deren Gemeinsamkeit betont.
Geometrische ProgressionVerwenden Sie „Geometrische Progression“, um Klassengrenzen mit einer stark aufsteigenden Breite zu erhalten. Je weiter eine Klasse vom Mittelwert entfernt liegt, desto größer wird der Wertebereich sein, den eine Farbe abbildet. Die Verbreiterung der Klassengrenzen erfolgt quadratisch.
Diese Klassifikation eignet sich zur Darstellung von extrem verteilten Daten, z.B. orphan drugs oder Kostendaten seltener Erkrankungen. Die seltenen aber extremen Ergebnisse werden hierbei in große Klassen zusammengefasst und damit deren Gemeinsamkeit betont.
Natürliche UnterbrechungenVerwenden Sie „Natürliche Unterbrechungen“ (auch Jenks genannt), um einen Kompromiss aus „Quantilen“ und „Gleiches Intervall“ zu erhalten und eine harmonisch aussehende Karte zu generieren. Bei der Methode werden die Klassengrenzen durch einen Algorithmus so erstellt, dass Unterschiede zwischen den Klassen maximiert werden.
Weitere Informationen zu dem Algorithmus „Natürliche Unterbrechungen“ finden Sie bei George F. Jenks und Fred C. Caspall in: „Error on Choroplethic Maps. Definition, Measurement, Reduction“. Annals of the Association of American Geographers. Bd. 61, 1971, S. 217–244, doi:10.1111/j.1467-8306.1971.tb00779.x.
