Betrifft das Virus alle gleich? Die Entschlüsselung von Daten

Wenn wir die Ursachen, Folgen und Lösungsansätze von COVID-19 besser verstehen wollen, hilft es uns einen detaillierten Blick auf die Infizierten-/ Todeszahlen zu werfen. Dabei zeigt sich – das Virus trifft nicht alle gleichermaßen. Nicht ganz überraschend sind ältere Bevölkerungsgruppen und Menschen mit Vorerkrankungen (Lungen-/ Herz-Kreislauferkrankungen) einem größeren Risiko ausgesetzt. Aber auch das Geschlechterverhältnis ist nicht ausgeglichen – Männer machen durchschnittlich einen größeren Teil der Infizierten, sowie der Todesfälle aus, wie die aktuellen Daten von global health 50/50 zeigen. 

Bildquelle: global health 50/50

Dort findet man auch Informationen dazu, wie dies zustande kommen kann. So treten die relevanten Vorerkrankungen bei Männern häufiger auf und  risikoreiche Lebensstilfaktoren wie Alkohol-/ Tabakkonsum sind unter Männern ebenfalls weiter verbreitet. Untersuchungen legen zudem nahe, dass Männer in der Regel etwas lascher mit Vorsorgemaßnahmen wie Händewaschen umgehen und erst später Ärzt*innen aufsuchen. Mittlerweile gibt es allerdings auch Vermutungen, dass es in Bezug auf SARS-CoV-2 Unterschiede in der Immunreaktion zwischen den Geschlechtern geben könnte oder Hormone eine Rolle spielen. Gesundheitsdaten aufzuschlüsseln kann uns helfen Risikofaktoren für Ansteckung und Tod ausfindig zu machen und wirksam zu bekämpfen, es ist daher wichtig Informationen getrennt nach Alter und Geschlecht zu sammeln (bisher machen dass leider noch nicht alle Länder). Auch andere Faktoren wie sozioökonomischer Status und Bildung zeigen häufig Unterschiede. 

Zu beachten im Rahmen von COVID-19 ist jedoch auch: Obwohl Männer stärker direkt vom Virus betroffen sind, haben Frauen vermehrt mit sozialen und ökonomischen Folgen der Erkrankung zu kämpfen – nur auf die direkten Todesfälle zu schauen, kann daher das Gesamtbild verzerren.  

 

Weiterlesen:

https://www.theguardian.com/world/2020/mar/26/men-are-much-more-likely-to-die-from-coronavirus-but-why

https://www.nytimes.com/2020/04/03/us/coronavirus-male-female-data-bias.html