【原】解读新冠感染风险，种族阶级差异全出来了

人们到底是在哪里和谁接触感染了新冠病毒？科隆的社会经济数据首次进行更精确的分析。众所周知，新冠病毒危机同时也制造了人类社会最大的政治危机。随之带来的感染风险也无时不刻标上了出身和政治倾向的印记。科隆有关新冠感染的社会经济数据提供了有价值的信息，也证实了人们的一些推测。

位于科隆的Infas 360的地理数据研究人员将卫生部门的大约36000个数据集与科隆地区的已知社会经济数据进行了比较。研究人员希望从中探求哪些因素会增加德国的感染风险，而哪些因素并不重要，收入，居住区或家庭背景在其中起什么作用。

“科隆有86个地区，有100万居民，该市每个地区都发布感染统计数据。Infas 360董事总经理赫特(Michael Herter)是一位经济地理学家，是微数据营销方面的专家。他说：“德国没有任何其他地方进行了如此详尽的处理。“这使我们有机会仔细研究大流行的过程，寻找感染群，确定危险因素。”

研究结果：

在科隆城区，失业率和移民比例是每个小区感染发生率最强相关的社会经济特征。Infas 360甚至根据移民来源国对数据进行了评估，例如，来自前苏联的移民患病的风险大大高于来自土耳其的人。研究还将18岁以下的居民比例也纳入了具有统计意义的分析中。

• 居民的购买力对感染起的作用相反：钱越多的人越容易受到病毒的侵害。

• 此外，政治取向也起到一定作用：支持选择党比例大的地区受大流行的影响要比基民盟主导的地区受到的影响大得多。

• 还有，与当地公共交通方便的地区感染风险高，教育机构所在的地区感染风险也较高。这也很好理解，人们都聚集在一起，很容易相互感染。

问题地区的感染风险高出三倍

科隆问题区Chorweiler的居民感染新冠的风险是科隆Hahnwald别墅区居民的三倍以上。传统地区Kalk和Mühlheim地区是外国人比例很高的地区，那儿的感染风险也很高。Höhenberg的公寓楼的感染风险也特别高，那儿超过四分之一的家庭过度负债。Volkhoven是科隆一个很小的地区，居民既不穷，移民占比也不高。但是在上次大选中支持选择党的比例接近13％，远高于科隆的平均值9％。这里的居民感染风险也明显高于其他地区。

自大流行爆发以来，到底哪些人最容易感染病毒以及在何处发生的感染，科学家和政客一直在寻找答案找出应对办法。同时专家们也很担心，右翼组织和政党可能会利用类似数据对部分人群污名化。赫特自己也对调查研究结果的鲜明的指向性感到意外。他同时“明确警告不能得出过早的结论。”

不来梅大学莱布尼兹预防和流行病学研究所的流行病学家Hajo Zeeb说：“相关性与因果关系是不同的，是一种统计原理。” “但在不来梅，我们也看到，在城市中某些地区，具有相同属性的风险有所增加。这与人口密度和住房状况有关。”

Zeeb还抱怨说，到目前为止德国还没有很好的数据进行更深入的有意义评估。这样就可以在城市中找到薄弱环节，有针对性地进行治理。

通过本地地理空间数据分析大流行并不是什么新思维。早在1854年，英国医生约翰·斯诺（John Snow）便根据伦敦的地图分析认识到霍乱流行的根源。赫特说，“ 但是卫生当局中没有地理数据研究人员”。

柏林科学中心（WZB）的社会研究人员去年确定，家庭收入尤其在个人感染风险和患严重疾病的风险中起着重要作用。WZB的柯尼希（Christian König）解释：“一方面，低薪工作通常是与他人接触更多的工作-例如，服务工作，护理工作或在超市收银员。“另外一个原因可能是生活状况：“如果生活在高层建筑中，不可避免地会遇到更多的邻居。”不过最终还是很多既往病史起作用：例如糖尿病，吸烟引起的呼吸系统疾病，以及肥胖。无论如何所有这些疾病的发生还是和收入相关。

基于AOK数据的研究结果也发现了吻合的结论。长期失业的新冠重症病人出现的可能性几乎是平均人口一倍。“但是到目前为止，在德国进行进一步的研究非常困难，”柯尼希说。“这是因为死亡率统计数据不包括相关的背景信息。”