Berufsbedingte Unterschiede bei COVID-19-Morbidität und -Mortalität in Deutschland. Eine Analyse von Krankenkassendaten von 3,17 Mio. Versicherten

Die Daten stammen aus der Forschungsdatenbank (FDB) des Instituts für angewandte Gesundheitsforschung (InGef), welche bereits an anderer Stelle ausführlich beschrieben wurde [15]. Kurz zusammengefasst verfügt sie über anonymisierte Abrechnungsdaten im Längsschnitt (seit 2014) von rund 8,8 Mio. gesetzlich Versicherten, die von ca. 60 Krankenkassen (hauptsächlich Betriebs- oder Innungskrankenkassen) in ganz Deutschland an das InGef übermittelt werden. Dabei liegen neben Stammdaten der Versicherten (inkl. Geschlecht und Alter) auch detaillierte Daten zum Krankheitsverlauf (in Form von ICD-Codes), Informationen zu ambulanten und stationären Behandlungen sowie zu Arzneimittelverschreibungen und zur Arbeitsunfähigkeit vor. Dazu kommen vom Arbeitgeber übermittelte Details zum Beruf (auf Basis des Tätigkeitsschlüssels (TTS), s. unten).

Die Daten liegen anonymisiert vor und ermöglichen keine Rückschlüsse auf einzelne Versicherte, einzelne Leistungserbringer (z. B. ÄrztInnen, Praxen, Krankenhäuser, Apotheken) oder auf den Bestand einzelner Krankenkassen. Die Auswertungen durch InGef erfolgen ausschließlich in geschützter Umgebung (eigenes sicheres Laufwerk) gemäß geltenden Datenschutzrichtlinien (Bundesdatenschutzgesetz) sowie Empfehlungen der Guten Epidemiologischen Praxis (GEP) und der Guten Praxis Sekundärdatenanalyse (GPS). Die anonymisierte Datenanalyse erfolgt mit Zustimmung der Ethikkommission an der Medizinischen Fakultät der Heinrich-Heine-Universität Düsseldorf (Studien-Nr.: 2021-1710) im Einklang mit nationalem Recht sowie gemäß der Deklaration von Helsinki von 1975 (in der aktuellen, überarbeiteten Fassung).

Der Beobachtungszeitraum vom 01.01.2020 bis zum 31.12.2021 umfasst insgesamt 2 Jahre und somit die 4 Hauptinfektionswellen seit Pandemiebeginn – entsprechend der Phaseneinteilung des Robert Koch-Instituts [16, 17].

Als Studienbasis dienen Daten der Versicherten, die am 01.01.2020 bei einer in der InGef-FDB enthaltenen Krankenkassen versichert waren (6,8 Mio.). Hiervon für die weitere Analyse eingeschlossen wurden nur Personen, die zu Beobachtungsbeginn im Erwerbsalter (18 bis 67 Jahre) sowie während des Beobachtungszeitraums durchgängig versichert waren bzw. in diesem Zeitraum verstorben sind. Ausgeschlossen wurden Versicherte, für die keine Berufsmerkmale auf Basis eines TTS ermittelt werden konnten. Daraus ergibt sich eine Nettostichprobe von 3.173.157 Versicherten (1.488.452 Frauen und 1.684.705 Männer). Dies entspricht ca. 10 % aller sozialversicherungspflichtig Beschäftigten in Deutschland im Januar 2020 (rund 33,6 Mio.; [18]). Einzelheiten zur Auswahl der Studienpopulation sind als Flussdiagramm im Onlinematerial (Abbildung S1) zusammengefasst.

Untersucht wurden die 3 COVID-19-bezogenen Outcomes:

Zur Bestimmung des Berufs nutzen wir 4 unterschiedliche Gruppierungen, die allesamt auf dem in der FDB zuletzt dokumentierten TTS beruhen (zwischen 2014 und 2019). Dieser TTS besteht aus insgesamt 9 Ziffern, die vom Arbeitgeber routinemäßig an die Krankenkassen übermittelt werden, wobei die ersten 5 Stellen gemäß der „Klassifikation der Berufe 2010“ (KldB 2010) kodiert sind und Details zur ausgeübten Tätigkeit enthalten [19, 20]. Beispiele sind der Code „81302“ (Gesundheits- und Krankenpfleger) oder „81393“ (Stationsleiter/Krankenpflege). Mit den ersten beiden Stellen der KldB können Berufssektoren (5 Kategorien) und Berufssegmente (14 Kategorien) bestimmt werden. Mit Hilfe der 4. und 5. Stelle lassen sich 2 Arten der Leitungsfunktion von Berufen ohne Leitungsfunktion abgrenzen (3 Kategorien) und die 5. Stelle enthält Informationen zum Anforderungsniveau (4 Kategorien). Berufssektoren und Berufssegmente ordnen Berufe in erster Linie nach berufsfachlichen Kriterien ein (d. h. horizontale Dimension mit berufsfachlicher Nähe innerhalb der Kategorien) und sind die 2 größtmöglichen Aggregationsstufen der KldB 2010. Anforderungsniveau und Leitungsfunktion beschreiben hingegen eine vertikale Struktur von Berufen entlang unterschiedlicher Komplexitätsgrade eines Berufes bzw. nach der Art der beruflichen Leitungsfunktion (Führungskräfte oder Aufsichtskräfte). Eine ausführliche Beschreibung der KldB 2010 und ihrer konzeptionellen Grundlagen findet sich an anderer Stelle [19, 20]. Die einzelnen Ausprägungen der Gruppierungen und deren Verteilung in der Studienpopulation zeigt Tab. 1.

Alle Analysen erfolgten getrennt für Männer und Frauen, beginnend mit einer Beschreibung der Studienpopulation (Tab. 1) und einem Vergleich der Verteilung der Berufsmerkmale mit offiziellen Daten der Bundesagentur für Arbeit (Tabelle S1 im Onlinematerial). Als Nächstes wurden jeweils getrennt für die 3 Outcomes (Tab. 2, 3 und 4) Inzidenzen bzw. Mortalitätsraten entlang der 4 Berufsmerkmale betrachtet. Neben absoluten Zahlen (Anzahl Exponierter und Anzahl von Fällen) berechneten wir kumulative Inzidenzen (Fälle pro 100.000 Versicherte) über den Beobachtungszeitraum. Außerdem berechneten wir auf deren Basis relative Risiken (plus 95 %-Konfidenzintervalle). Anstatt eine bestimmte Berufsgruppe als Referenzgruppe bei der Bestimmung der relativen Risiken zu wählen (und damit die Risiken nur im Vergleich zu der gewählten Referenzgruppe zu bestimmen), dienten jeweils die verfügbaren kumulativen Inzidenzen aller übrigen Kategorien als Referenzkategorie (bspw. Produktionsberufe im Vergleich zu allen anderen Berufen). Damit geben die relativen Risiken darüber Auskunft, wie das durchschnittliche Risiko der Versicherten einer Berufsgruppe im Vergleich zu dem Risiko der jeweils übrigen Berufsgruppen ist [12]. Die Datentabellen wurden von InGef aus der FDB extrahiert und die Berechnungen und Abbildungen erfolgten mit Stata 16.

Trotz hoher Fallzahl und der Analyse von Individualdaten getrennt nach Männern und Frauen sowie ärztlicher Diagnosen zu den Outcomes (etwa im Gegensatz zu selbstberichteten Infektionen in Befragungen) bleiben die Möglichkeiten einer vertieften Analyse zu den Ursachen der beschriebenen Zusammenhänge auf Basis von Routinedaten beschränkt. In diesem Zusammenhang gilt auch, dass mögliche Confounder mit den vorliegenden Routinedaten nur unzureichend berücksichtigt werden können. Zum Beispiel könnte ein Migrationsstatus von Versicherten sowohl für COVID-19-Risiken eine Rolle spielen [31‐33] als auch in enger Beziehung zum Beruf stehen. Diese Information ist allerdings kein Teil der verwendeten Krankenkassendaten. Ebenfalls könnte in unseren Analysen das Alter ein Confounder sein – z. B. wenn tendenziell ältere Menschen in Fertigungsberufen arbeiten und gleichzeitig ein höheres Risiko für einen schweren COVID-19-Verlauf haben. Weiterführende Sensitivitätsanalysen auf Basis altersstandardisierter kumulativer Inzidenzen (mittels direkter Standardisierung auf Basis der überarbeiteten europäischen Standardbevölkerung [34]) decken sich allerdings mit unseren Befunden (siehe Onlinematerial Tabelle S2 für Details).

Besondere Vorsicht ist auch bei der Interpretation der Ergebnisse im Falle von Krankenhausaufenthalten und COVID-19-assoziierter Mortalität geboten [35]. Sowohl bei den Krankenhausaufenthalten als auch bei der COVID-19-assoziierten Mortalität ist eine Erkrankung quasi Voraussetzung für einen schweren Verlauf, weshalb es sich bei den untersuchten Merkmalen um eine Kombination des Risikos einer Infektion bzw. Erkrankung und des Risikos eines schweren Verlaufes nach einer Infektion handelt. Daher präsentieren wir im Onlinematerial zusätzlich noch Zusammenhangsanalysen auf Basis der Versicherten mit einer COVID-19-Diagnose (Tabellen S3 und S4 im Onlinematerial), die zusätzlich auch Aussagen zum Risiko derjenigen mit einer Infektion ermöglichen (also die „case fatality rate“ im Falle von Mortalität). Die Ergebnisse bestätigen, dass Krankenhausaufenthalte oder Mortalität nicht nur insgesamt, sondern insbesondere auch im Falle einer Infektion für die betroffenen Berufsgruppen erhöht sind. Einschränkend muss die Messung der 3 COVID-19-bezogenen Outcomes reflektiert werden. Denn bei den COVID-19-Erkrankungen ist – obwohl sie auf laborbestätigten, an die Krankenkasse übermittelten Erkrankungen beruhen – nicht auszuschließen, dass bestimmte Berufsgruppen auch aufgrund von Unterschieden im Gesundheitsverhalten (z. B. verspätete Symptomwahrnehmung und spätere Inanspruchnahme von Hilfe) seltener eine COVID-19-Erkrankung aufweisen [36, 37]. Dies könnte dazu führen, dass bestimmte Berufsgruppen trotz eines positiven Selbsttests häufiger keinen Labortest durchführen lassen. So schätzte eine deutsche Studie auf der Basis eines Vergleichs von nachgewiesenen Antikörpern im Blut und regionalen Meldedaten zu Infektionen (vor der Verfügbarkeit von Impfstoffen; [38]), dass bis zu 45 % der SARS-CoV-2-Infektionen unentdeckt blieben, mit etwas höheren Werten in sozioökonomisch benachteiligten Regionen. Vor diesem Hintergrund ist es durchaus möglich, dass das Erkrankungsrisiko für bestimmte Berufsgruppen (z. B. Reinigungsberufe, Verkehrs- und Logistikberufe, aber auch für Land‑, Forst- und Gartenbauberufe) in unserer Studie eher unterschätzt wird. Auch bei den betrachteten COVID-19-assoziierten Krankenhausaufenthalten ist es denkbar, dass bestimmte Berufsgruppen eine ambulante Behandlung bevorzugten und somit COVID-19-Diagnosen mit einem gewissen Schweregrad und Behandlungsbedarf (aber ohne Krankenhausaufenthalt) in unserer Studie nicht berücksichtigt wurden. Darüber hinaus wurde bei der Ermittlung der COVID-19-Outcomes nicht zwischen Haupt- und Nebendiagnosen unterschieden. COVID-19-Krankenhausaufenthalte und COVID-19-assoziierte Mortalität sind daher, wenn sie über eine Nebendiagnose ermittelt werden, nur eingeschränkt ein Indikator für die Verlaufsschwere, z. B. wenn ein Patient mit einem Herzinfarkt ins Krankenhaus eingeliefert wurde und bei der Aufnahme COVID-19 diagnostiziert wurde. Es ist jedoch unklar, warum ein solcher Fall (Bestimmung über Nebendiagnosen) zwischen den Berufsgruppen variieren sollte und somit für die in der vorliegenden Studie gefundenen Unterschiede relevant ist. Schließlich muss festgehalten werden, dass es sich in der vorliegenden Studie um eine deskriptive Studie mit einer systematischen Beschreibung von COVID-19-bezogenen Risiken entlang von Berufsmerkmalen handelt, nicht aber um eine weitergehende Analyse zugrunde liegender Mechanismen auf Basis weiterführender statistischer Verfahren (bspw. multivariable Überlebendzeitmodelle unter Kontrolle verfügbarer möglicher Störgrößen sowie gleichzeitige Betrachtung der Berufsmerkmale).