Sterben in Deutschland 2021 – Besorgniserregende Geschlechterunterschiede
Nach Daten der „Sonderauswertung Sterbefälle“ (Destatis) sterben aktuell auffällig viele Männer, gerade junge und mittelalte. Frauen um die 40 sind ebenfalls betroffen. Diese Übersterblichkeiten häuften sich im Zeitraum April bis Juli.
Von Gastautor Ulf Lorré
Auf tkp.at erschien zuletzt eine Serie von Artikeln zur Gesamtsterblichkeit in Deutschland seit Beginn der Impfkampagne. Sie zeigten absolute und relative Veränderungen im Jahresvergleich, zumeist zum Jahre 2020. Die hier vorgestellte Analyse komplettiert das Bild durch den Vergleich der beiden „Coronajahre“ 2020 und 2021 mit dem Mittelwert der Prä-Corona-Epoche seit 2016 sowie eine geschlechterdifferenzierte Auswertung.
Einführend einige Anmerkungen zur verwendeten Methodik. Änderungen der Sterblichkeit bildet das Risk Ratio (RR) ab. Dazu wird das Sterberisiko pro jeweiligem Bevölkerungsanteil ermittelt und ins Verhältnis zum entsprechenden mehrjährigen Mittelwert gesetzt. Als Referenz dient die Epoche 2016-2019, da diese recht ausgeglichen hinsichtlich grippe- und hitzebedingter Unter- und Übersterblichkeit war und nicht durch die Coronakrise beeinträchtigt wurde. Die Kalenderwochen-(KW)-genaue Verbuchung birgt Tücken, wenn Kerben oder Peaks der Bevölkerungspyramide durchlaufen. Darum besagen einzelne Ausreißer nur etwas, wenn die Nachbarkohorten in die gleiche Richtung weisen. Abgesehen davon ist das RR ein robustes, etabliertes Konzept. Für Konfidenzintervalle gilt das 95%-Signifikanzniveau. Alle Berechnungen basieren auf den Sterbezahlen der Kalenderwochen 1 bis 39, sofern nicht anders bezeichnet.
Eine Kennzahl für die gesamtgesellschaftliche Risikosituation liefert ein populationsgewichteter Mittelwert. Jedes RR geht entsprechend seinem Anteil an der Bevölkerung in den Gesamtwert ein. Gewissermaßen bildet diese Zahl eine Art Volksfieberthermometer, ist aber nicht direkt mit den Absolutzahlen der Sterbedaten vergleichbar.
- Andreas Moritz (Autor)
Das Jahr 2021
Der Vergleich zu 2016-19 zeigt eine signifikante Untersterblichkeit in den vier Kohorten 0-30, 55-60, 80-85 und >85 an. Demgegenüber steht eine signifikante Übersterblichkeit in den vier Kohorten 35-40, 65-70, 70-75 und 75-80.
Abb. 1: Risk Ratio 2021 gegen den Durchschnitt 2016-19 nach Alterskohorten
Konsistente Unterschiede zwischen den Geschlechtern zeigt die folgende Darstellung. Bis Anfang 30 starke Untersterblichkeit in der männlichen Kohorte. Mitte 30 kehrt sich das um. In allen Kohorten zwischen 35 und 75 starben im Verhältnis mehr Männer als Frauen, auch wenn der Abstand in keiner Alterskohorte signifikant wird. Darüber werden die Verhältnisse uneinheitlich. Die Frauen der Kohorte 75-80 zeigen eine beinahe signifikant höhere Sterblichkeit als die Männer dieser Kohorte; danach kehren sich die Verhältnisse erneut um.
Abb. 2: Risk Ratio 2021 gegen den Durchschnitt 2016-19 nach Geschlecht und Alterskohorten
Den Zeitverlauf zeigt Abb. 3. Das Jahr begann untersterblich. Jedoch schließt sich ab KW14 eine mehrmonatige Übersterblichkeitsphase an. Bei den Männern ist sie stärker ausgeprägt (Abb. 4).
Abb. 3: Populationsgewichtetes Risk Ratio 2021, Zeitverlauf mit zentriertem 5-Wochen-Mittelwert bis KW39
Abb. 4: Populationsgewichtetes Risk Ratio 2021, Zeitverlauf mit zentriertem 5-Wochen-Mittelwert bis KW39, Männer
Der Zeitverlauf der aggregierten Altersgruppe der 35-50-Jährigen beider Geschlechter ist in Abb. 5. dargestellt. Aufgrund starker Streuung ist der Verlauf hinsichtlich der genauen Positionen von RRs und Zeitpunkten als nicht signifikant einzustufen. Zur ungefähren Abschätzung orientiert sich diese Beschreibung am gleitenden 5-Wochen-Mittel. Phasen geringer Untersterblichkeit bzw. Normalsterblichkeit deuten sich von KW5 bis KW10 und von KW27 bis KW33 an. Dazwischen liegt ein ca. 4-monatiger Zeitraum mit Übersterblichkeit. Das Maximum wurde zwischen KW15 und KW20 mit mehr als +10% Abweichung vom Referenzwert erreicht. Seit KW33 steigt das Risiko ebenfalls wieder an. Besonders die Werte gegen Ende können sich durch Nachmeldungen noch (nach oben) ändern.
Abb. 5: Populationsgewichtetes Risk Ratio 2021, Zeitverlauf mit zentriertem 5-Wochen-Mittelwert bis KW39, Altersgruppe 35-50
In der Altersgruppe 35-50 weisen die Männer eine ähnliche Kurvenform auf (Abb. 6). Jedoch ist der Mittelwert deutlich nach oben verschoben. Die Risikozunahme am Ende fällt stärker als in der Gesamtgruppe aus.
Abb. 6: Populationsgewichtetes Risk Ratio 2021, Zeitverlauf mit zentriertem 5-Wochen-Mittelwert bis KW39, Altersgruppe 35-50, Männer
In der gleichen Altersgruppe rangieren die Frauen näher beim Referenzwert (Abb. 7). Eine Übersterblichkeit ist auch hier anzunehmen, da die Flächen oberhalb 1 klar überwiegen. Der Maximalwert liegt etwa um KW18. Ein Anstieg in den letzten Wochen bleibt aus. Die hier besonders starke Streuung erklärt sich durch die in dieser Altersgruppe vergleichsweise geringen Sterbezahlen bei Frauen.
Abb. 7: Populationsgewichtetes Risk Ratio 2021, Zeitverlauf mit zentriertem 5-Wochen-Mittelwert bis KW39, Altersgruppe 35-50, Frauen
Das Jahr 2020
2020 gleicht bei jungen (0-30) und den ganz alten (>80) Menschen dem Jahr 2021. Die übrigen Kohorten folgen einem ähnlichen Muster, jedoch auf insgesamt niedrigerem Niveau. Sieben Kohorten zeigen eine signifikante Untersterblichkeit, keine einzige Kohorte zeigt eine signifikante Übersterblichkeit. Numerisch liegen nur die Kohorten 35-40 und 40-45 über der 1, alle anderen Kohorten darunter. Namentlich die Punktschätzer der Kohorten 0-30, 30-35, 80-85 und 85-90 zeigen ein sehr ähnliches Niveau wie beim Vergleich 2021 zu 2016-19.
Abb. 8: Risk Ratio 2020 gegen den Durchschnitt 2016-19 nach Alterskohorten
Ein Muster hinsichtlich Geschlechterunterschieden sucht man vergebens. Insgesamt liegen die Kurven deutlich dichter beieinander als in 2021.
Abb. 9: Risk Ratio 2020 gegen den Durchschnitt 2016-19 nach Geschlecht und Alterskohorten
Im Zeitverlauf sieht es über weite Strecken recht glatt und untersterblich aus. Gegen Jahresende nahm das Sterben Fahrt auf. Die gleiche Kurvenform findet sich einheitlich in beiden Geschlechtern; die Frauen liegen geringfügig niedriger (keine Abbildung dazu in diesem Artikel).
Abb. 10: Populationsgewichtetes Risk Ratio 2020, Zeitverlauf mit zentriertem 5-Wochen-Mittelwert
Demographische Langzeiteffekte
Jahresvergleiche unterliegen übergeordneten Trends. Zum einen steigt die Lebenserwartung kontinuierlich.
Abb. 11: Verlauf des jährlichen Sterberisikos in den verwendeten Alterskohorten seit 2000 (Daten von Destatis)
Zum anderen verschiebt sich der Geschlechterproporz. Biologisch bedingt kommen etwas mehr Jungen als Mädchen auf die Welt. In den ersten Lebensdekaden gleicht sich dieser Unterschied durch erhöhte männliche Sterblichkeit aus. In Deutschland ist aus historischen Gründen die Bevölkerungspyramide auf Seiten hochbetagter Frauen verbreitert. Aus diesem Grund starben in der Vergangenheit jährlich stets mehr Frauen als Männer. Dieser Trend strebt allmählich dem Gleichgewichtszustand entgegen. Legt man die Lebendgeburten seit 2018 zugrunde, liegt dieser bei 51,3% Männeranteil. Die 50%-Marke wurde erstmalig 2020 erreicht (Abb. 12). Auf das RR einer Kohorte schlagen diese Effekte allerdings nicht spürbar durch, da in diesem Fall eine Änderung der Populationsgröße und nicht des Risikos ursächlich ist.
Abb. 12: Verlauf der Quote gestorbener Männer seit 2000 (Daten von Destatis)
Diskussion
Die Jahre 2020 und 2021 gleichen sich in mehrerlei Hinsicht. Monatelang bestimmten Lockdowns und andere Einschränkungen das Leben. Sitzt der Mensch daheim, entfallen Wege- und Arbeitsunfälle. Gedrosselte Freizeit- und Reiseaktivität trägt ein Übriges bei. Bis mindestens ins Rentenalter profitierten alle Alterskohorten von diesem Effekt (Übersterblichkeiten werden also sogar unterschätzt). Am deutlichsten ist die Risikominderung bei jungen Menschen sichtbar, speziell bei jungen Männern, weil sie ein 4-5-mal höheres Unfallrisiko als Frauen tragen. Das anscheinende Ausbleiben der Grippe ist eine weitere Parallele. In beiden Jahren erfreuen sich die Kohorten im Greisenalter einer deutlichen Untersterblichkeit, die am stärksten in den Wochen der klassischen Grippesaison hervortritt. COVID-19 hatte demnach einen erheblich schwächeren Einfluss auf das allgemeine Sterberisiko als die Grippewellen in den Vergleichsjahren. Anders als COVID-19 können einige ARE-Viren auch jüngeren Menschen gefährlich werden. Denkbar ist, dass dieser Effekt zu dem niedrigen RR unter 30 beigetragen hat.
Wie erklärt sich aber das auffällige Sterbegeschehen junger Menschen zu einer höchst ungewöhnlichen Jahreszeit, dem Frühjahr und Frühsommer, insbesondere bei Männern? Man könnte an Selbstmorde denken; der Geschlechterproporz sieht hier ähnlich wie bei den Unfällen aus, und besonders in den Kohorten niederen Alters würde eine Zunahme auffallen, denn zwischen 25 und 40 Jahren geht jeder 5. bis 10. Todesfall auf das Konto Suizid. Möglicherweise haben Selbstmorde tatsächlich zugenommen. Leider liegt die Todesursachenstatistik 2020 bislang nicht vor. Normalerweise erscheint sie im September. Die Sache hat ein Geschmäckle.
Als Hauptunterschied für 2021 stechen die Massenimpfungen ins Auge. Könnten sie die Ursache sein? Um eines klar voranzustellen, Statistik liefert lediglich Indizien. Eine essentielle Frage sollte darum eher lauten: Wie würde sich eine Impfung mit dem Nebenwirkungsprofil der COVID-19-Impfungen in einer Statistik widerspiegeln, wenn sie für alle ähnlich lebensgefährlich wäre? Sie würde dann in allen Kohorten Opfer fordern, aber in Gruppen geringer natürlicher Sterblichkeit zuerst auffallen, während sie in den typischen Sterbekohorten im Rauschen verborgen bliebe. Tödliche Nebenwirkungen würden mit dem Durchimpfungsgrad ansteigen und in zeitlichem Zusammenhang mit den täglichen Impfzahlen stehen, sofern kurzfristig eintretende, tödliche Nebenwirkungen existieren. Je weiter Ursache und Nebenwirkung zeitlich auseinander liegen, desto verwaschener der Zusammenhang.
Ferner würden sich Geschlechterunterschiede in den Nebenwirkungen auch statistisch abbilden. Diese gibt es tatsächlich, nämlich im allergischen und thromboembolischen Formenkreis – zu Lasten der Frauen und bei den Myokarditiden – zu Lasten der Männer.
Aufgrund der Impfpriorisierung wurden zuerst vor allem Alte und Kranke geimpft, aber hier wären statistische Effekte wie gesagt schwer auszumachen. Bei den ganz Jungen, die niedrigere Impfquoten und Untersterblichkeit aufweisen, wäre wohl ebenfalls nichts zu sehen. Erschwerend wirkt sich die Aggregation aller Personen unter 30 zu einer einzigen Kohorte in den Destatis-Zahlen aus. Hier ist eine Verzerrung durch die relativ hohe Säuglingssterblichkeit enthalten.
Demzufolge muss dazwischen ein Optimum an Sichtbarkeit existieren, eben in mittleren Altersgruppen. Ausgerechnet diese Gruppen kamen im Frühling und Frühsommer in großen Zahlen an die Reihe, und genau hier, in dieser Altersgruppe und in diesem Zeitraum findet man auch die höchste Übersterblichkeit – in beiden Geschlechtern, aber bei Frauen weniger stark ausgeprägt.
Das Mindeste, was man aktuell zusammenfassend sagen kann, ist dies: Da passt zu vieles zu gut zusammen, um als bloßer Zufall abgetan werden zu können. Zieht man eine Ursächlichkeit der Impfungen auch nur ins Kalkül – und eine verantwortungsvolle Gesundheitspolitik muss das selbstverständlich tun, ist den Dingen unverzüglich auf den Grund zu gehen. Beispielsweise könnte eine Auswertung der ICD-Codes der Krankenkassenabrechnungen sofort Aufschluss über Häufungen bestimmter Krankheitsbilder geben.
Referenzen
- Destatis, Sonderauswertung Sterbefälle, Dokument vom 12.10.2021
https://www.destatis.de/DE/Themen/Gesellschaft-Umwelt/Bevoelkerung/Sterbefaelle-Lebenserwartung/sterbefallzahlen.html - Dr. Anton Stein, Gesamtsterblichkeit 2021, Update vom 13.10.2021https://tkp.at/2021/10/13/die-gesamtsterblichkeit-scheint-sich-2021-zu-erhoehen-effekt-der-impfkampagne-update-13-10-2021/
- Destatis, Todesursachenstatistikhttps://www-genesis.destatis.de/genesis/online?sequenz=statistikTabellen&selectionname=23211#abreadcrumb
- Destatis, Bevölkerungspyramide Deutschland
https://service.destatis.de/bevoelkerungspyramide/#!y=2020
Über den Autor: Ulf Lorré ist Elektroingenieur der Fachrichtung „Biomedizinische Technik“. Er schreibt unter Pseudonym.
Gastbeiträge geben immer die Meinung des Autors wieder, nicht meine. Ich veröffentliche sie aber gerne, um eine vielfältigeres Bild zu geben. Die Leserinnen und Leser dieses Blogs sind auch in der Lage sich selbst ein Bild zu machen.
Alle aktuellen News im TKP Telegram Channel
Unterstütze unabhängigen Journalismus mit einer Spende via PayPal
Die Gesamtsterblichkeit scheint sich 2021 zu erhöhen. Effekt der Impfkampagne? Update 13.10.2021
Die Seychellen: Vom vermeintlich Impfweltmeister in der Südsee zum Elend?
Die Gesamtsterblichkeit scheint sich 2021 zu erhöhen – Effekt der Impfkampagne? Update 21.9.2021
Gesamtsterblichkeit in Deutschland scheint sich 2021 zu erhöhen -; Effekt der Impfkampagne?
11 Kommentare
Comments are closed.
Interessant wäre, ob es eine Korrelation zwischen Durchimpfungsrate und Sterblichkeit in verschiedenen Ländern gibt. Eingabedaten sollten verfügbar sein, z.B. https://mpidr.shinyapps.io/stmortality/ für Sterblichkeit, https://github.com/owid/covid-19-data/tree/master/public/data für Durchimpfungsrate.
@diesem
Theoretisch wäre das ein interessanter Ansatz.
Nur praktisch sehe ich das ganz schwierig an.
Was würden denn die folgende rein fundenenen Zahlen helfen:
Impfquote Todesfälle pro Million (Jahresende)
A 70 12000
B 75 12500
C 70 12500
D 65 12000
usw.
Die Impfquoten dürften in den meisten Staaten sehr eng beieinander liegen. Man würde also ein recht enge Punktewolke bekommen. Für eine brauchbare Korrelation brauchen wir aber auch ein paar Punkt, die weiter auseinander liegen.
Das bringen in der EU eigentlich nur Rumänien, Bulgarien, Kroatien (?), Slowenien (?) zu Stande.
Dann würden viele argumentieren: Im Land X lebten aber viel mer Hochbetagten als in Y. Also viel mehr Todesfälle. Andere würden auf unterschiedliche Impfquoten pro Alter in den verschiedenen Staaten verweisen.
Und bis vor kurzem war das noch ein sehr dynamischer Prozess.Demnächst könnten „Aufholjagde“ in manchen Ländern dazu kommen, dann aber zu ganz anderen Jahreszeiten. Es gibt dann alos eine Komplexität und viele Variablen. Vielleicht klappt das in ein paar Jahren….
Ich plädiere daher für meinen Ansatz, 2021 regelmäßig mit 2020 zu vergleichen, dazu solche Analysen wie die oben von Herrn Lorré. Da sind wie in genau einem Land und betrachten eine Bevölkerung, die 2021 altersmäßig ziemlich ähnlich wie in 2020 war. Und man bekommt auch absolute Zahlen.
Jaaa, das hätte man natürlich gern. Über die von @Anton Stein genannten Gründe hinaus sähe man die Folgen des eigentlich streng kontraindizierten Hineinimpfens mitten in laufende Infektionswellen. In den meisten Ländern war das zunächst hauptsächlich die Alpha-Welle, danach fast überall ausschließlich Delta.
Der Vergleich mit 2020 hat den Vorteil der zeitlichen Nähe und der Ähnlichkeit der „Maßnahmen“. Wegen des Unfallvermeidungseffekts in beiden Jahren würde man Impffolgen in den jungen Kohorten in diesem Vergleich gut beobachten.
Normalerweise hat die allgemeine Sterblichkeit bei uns übers Jahr betrachtet die Form einer schräg liegenden Badewanne, links höher, rechts tiefer. In 2020 liegt die Badewanne anders herum. Eine Sterblichkeitszunahme zum Jahresende ist also weitgehend maskiert, wenn man gegen 2020 vergleicht.
Auch in diesem Jahr wird es vermutlich keine Grippe geben. Hoffe ich.
Die ganze Coroni-Nummer ist nur wieder eine Wiederholung vieler anderer Beschiss-Nummern angefangen mit dem Spanische Grippe Beschiss 1918, über Schweinegrippe Beschiss 1976, HIV/AIDS Beschiss 1984, SARS Beschiss 2003, Vogelgrippe Beschiss 2005, Schweinegrippe Beschiss 2009, MERS Beschiss 2014 und als letztes jetzt der aktuelle Beschiss von 2020
Insofern ist es müßig hier über irgendwelche Über-/Unter-/Vor-und-zurück-Sterblichkeiten zu diskutieren, das alles dient nur zur Ablenkung vom wieder mal geplanten Gesellschaftsumbau in der üblichen Weise: weniger Freiheit und mehr Staat.
Ein paar interessante Artikel aus 2009:
https://www.globalresearch.ca/the-h1n1-swine-flu-pandemic-manipulating-the-data-to-justify-a-worldwide-public-health-emergency/14901
https://www.globalresearch.ca/obama-administration-launches-deceptive-swine-flu-propaganda-blitz/15860
Alle oben genannten Fake-Pandemien liefen fast nach dem gleichen Muster ab und dienten jedesmal dazu von einem anderen (realen) Problem abzulenken.
Also das „Ausbleiben“ der Grippe lässt sich ganz allein durch die Umlabelung von „Grippe“ zu „Corona“ erklären und hat somit keinerlei Aussagekraft in Hinblick auf das Sterbegeschehen.
@ Ulf Lorré
Liebe Herr Lorré, Ihr Modell ist schon etwas umfangreicher.
https://www.aerztezeitung.de/Politik/Fast-jeder-Totenschein-ist-fehlerhaft-viele-sogar-mehrfach-297712.html
Auch wenn Totenscheine recht falsch sein können, hilft Ihr Modell „Ausreißer“ im Rahmen von „Übersterblichkeit“ altersbezogen zu lokalisieren.
DANKE! Der Dank gilt auch Herrn Dr. Stein.
Eine Modellerweiterung ist möglich.
Der Suizid wird von Ihnen explizit erwähnt.
Modellansatz:
Der junge Ehemann ist temporär der Hauptverdiener der Familie mit Kindern, und er wird in Kurzarbeit geschickt …
Diesen Geschlechter-spezifischen Tatbestand gilt es zu prüfen, wenn wir ein signifikantes Anwachsen beim altersspezifischen Suizid vorliegen hätten.
„Welten“ brachen zusammen.
Amtliche Statistik ist immer zu wenig Datensatz. Geheimhaltung und Datenschutz stehen rechtlich im Weg der Forschung.
Das Verlassen auf Sinne bliebe das höhere Gut gegenüber der unvollständigen Statistik.
Die zu erwartende Todesursachen-Statistik von Gruppe H1 bei Destatis hat das Qualitätsmerkmal, dass sie im Kontext Todesursache „Suizid“ präzisest erwartbar ist, jedoch auch ein Suizid kann wiederum Krankheitsursachen haben.
Mich erschreckte in der „Pandemie“ das plötzliche Ableben des tatkräftigen ehemaligen hessischen Finanzministers, den ich sehr schätzte. Er arbeitete ursprünglich bei der Bank. Ölpreis und Aktienkurse purzelten. Schulpflichtige Kinder und Ehefrau hatte er auch. Der darauffolgende Zug, in dem ich saß, wurde vom Frankfurter Flughafen über die hessische Landeshauptstadt Wiesbaden umgeleitet.
„Pandemisch“ musste ich sehr oft teueres Taxi als Berufspendlerin finanzieren, weil die Bahnhofsdurchsage lautete: „Personen im Gleis“ oder „Notarzteinsatz …“, und der ICE fiel daraufhin ersatzlos aus.
Diese Statistiken können wir nur selbst erleben, und das in geringerem Maße ausschnittsweise, denn die Deutsche Bahn AG/ÖBB ist im humanitären Sinne zur Geheimhaltung verpflichtet. Individuelles Hochrechnen, ohne Zahlen, ist vor Gott erlaubt.
Ich unterstütze uneingeschränkt den Stolz von fleißigen Statistikerinnen, ihre Aussage darf aber nicht ganz falsch werden.
Wir erliegen immer dem Inifiniten Regress, nach dem Österreicher Sir Karl Popper.
Wie würde denn eine Auswertung hinsichtlich Übersterblichkeit aussehen, wenn man als Bezugspunkt nicht den Mittelwert der Todesfälle für die Jahre 2016 bis 2019 nähme, sondern eine Bezugsgröße, die sich aus der linearen Interpolation für die Jahre 2010 bis 2019 ergiibt? Die lineare Interpolation „passt“ sehr gut in den tatsächlichen Verlauf und bildet eben auch die gesamte Entwicklung ab (Zunahme der Gesamtbevölkerung um +1,4 Mio, Verschiebung in den Altersklassen). Nimmt man z.B. das Ergebnis dieser Interpolation für 2019 als Bezugsgröße, so liegt diese etwa 17.000 höher als der Mittelwert für die Jahre 2016 bis 2019. Können Sie dazu Aussagen machen? Vielen Dank!
Was genau soll interpoliert werden? Sie sprechen die Bevölkerung an. Es läuft so: Zu jedem Sylvesterdatum sind die Populationen aller Jahrgänge bekannt. Diese fasst man zu Kohorten zusammen. Für jede KW und jede Kohorte liegen die Sterbezahlen des neuen Jahres vor. Diese subtrahiert man fortlaufend vom Bestand. Dazu kommen Veränderungen an den Rändern jeder Kohorte. Jeweils der älteste Jahrgang jeder Kohorte wandert im Laufe eines Jahres in die nächstältere Kohorte. Diese Veränderung wird berechnet und gleichmäßig über 52 Wochen verteilt. Man macht dadurch einen Zuordnungsfehler, weil es geburtenstarke und -schwache Zeiten in jedem Jahr gibt, die man aber nicht kennt. Das Problem ist im Vorspann erwähnt. Was ebenfalls nicht voll berücksichtigt werden kann, ist der Zeitverlauf der Zu- und Wegzüge. Mit Beginn jedes Jahres ist also mit einem Fehler zu rechnen, der mit der Zeit wächst. Zu Glück gleichen sich Zu- und Wegzüge zu großen Teilen aus. Zuletzt die Geburten 2021; diese sind nicht berücksichtigt. Dieser Fehler betrifft nur die Kohorte <30. Das (geringe) Risiko dort wird also systematisch in der Größenordnung 3% bei Jahresende überschätzt. Diesen Fehlern kann eine Lineare Regression IMHO nicht beikommen.
Danke für Ihre Antwort! Ich meinte als Bezugsgröße das jüngste Ergebnis der Interpolation der Sterbefallzahlen der Jahre 2010 bis 2019, also das für 2019. Das liegt wie bereits gesagt rund 17.000 höher als der meiner Meinung nach deutlich nachlaufende Durchschnitt der Stebefallzahlen für die Jahre 2016 bis 2019..
Sie meinen vermutlich nicht inter- sondern extrapolieren, ja? In Bezug auf die Todesfälle sollte man das aus drei Gründen nicht tun.
1. liegen sie als Meldedaten bereits vor.
2. besagen sie ohne Bezug zur Populationsentwicklung NULL.
3. wäre es hier fahrlässig, von einer Fortsetzung des Langfristtrends auszugehen.
Schauen Sie sich dazu vielleicht das Diagramm über die langfristige Risikoentwicklung an. Im Zeitraum seit 2016 geht es ziemlich uneinheitlich zu. Einige Kohorten steigen sogar an. Das erklärt wahrscheinlich Ihren Überschuss +17.000 in 2019. Ich hatte kurz überlegt, eine Trendkorrektur einzubauen, den Gedanken aber wieder verworfen. Der Mittelwert 2016-19 ist in diesem Fall eine konservative, d. h. die zuverlässigere Referenz. Wenn Sie trotzdem gegenrechnen möchten, hier die jährlichen Änderungsfaktoren der Risiken für die 13 verwendeten Alterskohorten auf Basis der Epoche 2000-2020:
0,983
0,989
0,986
0,980
0,978
0,983
0,990
0,995
0,991
0,986
0,985
0,988
0,993
(oben <30, unten 85-90)
;-)