Sterben in Deutschland 2021 – auch im Langfristvergleich ein Debakel
Aktuell ist in den Medien einiges über Auffälligkeiten in der Sterbestatistik 2021 zu lesen. In diesem Artikel geht es um eine Einstufung anhand der Daten seit dem Jahr 2000. Rekordverdächtig viele junge Menschen sind gestorben.
Von Gastautor Ulf Lorré
Im Jahr 2021 starben nach den vorläufigen Meldezahlen 40.100 mehr Menschen als in den ersten 52 Vorjahreswochen. Bevölkerungsbereinigt sind es 23.600 (+2,4%). Damit ging ein überraschender Rückgang des mittleren Sterbealters einher. Seit 2000 hatten die jährlichen Differenzen überwiegend über der Nulllinie gelegen. Das mittlere Sterbealter war während dieser Zeit um ca. 4 Jahre gestiegen und liegt gegenwärtig bei etwa 80 Jahren. Der Rückschlag von 2020 auf 2021 ist der Stärkste der gesamten Serie (Abb. 1).
Abb. 1: Differenzen des mittleren Sterbealters Jahr/Vorjahr seit 2000
Das mittlere Sterbealter sinkt, wenn im Verhältnis mehr Junge oder weniger Alte (gemessen am Mittelwert) sterben. In 2021 waren beide Gruppen, die über- und unterdurchschnittlich Alten, an der Übersterblichkeit beteiligt, aber tatsächlich trägt die Personengruppe >80 nur 4.900 (+0,8%) bei. Den Hauptanteil stellen die Kohorten <80 mit 18.700 (+4,7%) Toten. Das ist äußerst ungewöhnlich, wenn nicht einmalig.
Ein guter Indikator zur näheren Beurteilung ist der Verlust an Lebenszeit (Lifetime Loss LTL). Er errechnet sich aus den Verstorbenen multipliziert mit ihrer Restlebenserwartung [3]. Als Absolutzahl ist dieser Wert nicht sonderlich aussagekräftig. Bedeutsam wird es, wenn er sich ändert.
Abb. 2: Jährlicher Lifetime Loss seit 2000
Die Bevölkerung ist jeweils auf den Stand von 2021 normiert.
Regressionsfunktion: y = 9.997e6 + 3.890e6 * exp(-(x-2000)/10.1)
Seit 2000 verlief der LTL in einem Abwärtstrend, der sich sichtbar abschwächte. Anfangs wurden jährlich ca. 300.000 LTL-Jahre abgebaut, am Ende nur noch etwa ein Drittel dieses Wertes. Der angegebenen Regressionsfunktion ist eine theoretische Untergrenze von recht genau 10 Mio LTL-Jahren zu entnehmen. Möglicherweise nähern wir uns allmählich einem natürlichen Grenzwert der Lebenserwartung.
Bis einschließlich 2012 liegt eine streng monoton fallende Folge vor. 2013 leitete mit einem ersten Anstieg eine wechselhaftere Phase ein. Einmalig ist der zweimalige Anstieg 2019/20 und 2020/21. Auch 2014/15 hatte es einen starken Anstieg gegeben, der aber durch natürliche Ursachen hinreichend erklärbar ist. In stark untersterblichen Jahren, so wie in 2014, sammeln sich vulnerable Personen an (Dry-Tinder-Effekt) und sterben später gehäuft. In 2015 kam erschwerend eine Antigen-Drift des Influenza-A-Subtyps H3N2 hinzu, vor der die amerikanische Gesundheitsbehörde CDC schon Ende 2014 gewarnt hatte. [7]
Von ganz anderer Qualität war der Sprung 2020/21. Er übertraf den bis dahin größten Anstieg von 2015, ohne dass dafür eine Ursache im Rahmen der natürlichen Dynamik erkennbar wäre, denn es war kein stark untersterbliches Jahr vorausgegangen. Zu Buche schlagen zusätzliche 394.000 verlorene Lebensjahre – ein zweiter Spitzenwert!
Nach Abb. 3 trugen Personen über 80 ein nur mäßig erhöhtes Sterberisiko. Der Verlauf der RRs (Risk Ratio) des Jahres 2021 bildet geradezu das Gegenteil des bekannten Risikoprofils von COVID-19 ab (gefährlich für Alte, harmlos für Junge) und wurde bei Menschen unter 80 in früheren Jahren nur vereinzelt übertroffen. Den größten Risikozuwachs trugen Personen mittleren Alters, deren Punkteschar normalerweise schwächer als an den Rändern streut.
Dieser Effekt erklärt sich folgendermaßen. In den jungen Kohorten treten starke Streuungen infolge geringer Fallzahlen auf. Bei den alten Kohorten sind die Sterbezyklen stärker ausgeprägt. In den Kohorten mittleren Alters sind die Verhältnisse ausgeglichener. Hier führen höhere Fallzahlen als bei den Jungen sowie schwächer ausgeprägte Wellen als bei den Alten zu geringeren Streuungen. Eine Abweichung von diesem Muster muss darum als Alarmsignal gelten, erst recht wenn sie wie in der Altersgruppe zwischen 45 und 55 statistisch signifikant wird.
Abb. 3: Risikoverhältnisse Jahr/Vorjahr seit 2000
Schwarz: 2021/20 mit 95%-Konfidenzintervallen, rot: 2015/14.
Der Wert 1 bedeutet Normalsterblichkeit.
Demgegenüber gleicht das Risikoprofil 2015/14 (rote Kreise) dem, was man von einer typischen Grippe-Epidemie erwarten würde, also Übersterblichkeit in den unteren und oberen Altersklassen, aber unauffälligerem Risiko in den mittleren Kohorten, besonders zwischen 45 und 55.
Ein Desaster nicht natürlichen Ursprungs
Zusammengefasst deutet einiges darauf hin, dass sich 2021 ein Desaster ereignet hat, das nicht natürlichen Ursprungs ist. Insbesondere COVID-19 kann als Erklärung unmöglich herangezogen werden, zumal die offiziellen Zahlen durch die massenhafte Umdeutung anderer Todesursachen verfälscht sind, wie jüngst “Real Data Hero” in einer Auswertung der Krankenhausabrechnungen (InEK-Datenbank) aus 2020 nachgewiesen hat. [6] Nicht zuletzt lagen besonders hohe Risikowerte auch vor, wenn nur wenige an COVID-19 starben, z. B. in den Sommerwochen 2021.
Zwei menschengemachte Ursachen kommen als Erklärung in Betracht: Nichtpharmazeutische Interventionen (NPI) und die Impfkampagne. In einem früheren Beitrag auf tkp.at war auf den zeitlichen Zusammenhang der Sterbezahlen mit der Impffrequenz hingewiesen worden. [4] Diesen hatte später Christof Kuhbandner mit Korrelationsanalysen der einzelnen Bundesländer erhärtet. [5]
In Sachen NPI ist zunächst eine Reduktion der Sterberaten naheliegend. Gedrosselte Freizeit-, Reise-, und Arbeitsaktivitäten während der Lockdown-Monate vermieden Sterberisiken besonders in den arbeitenden und freizeitaktiven Bevölkerungsschichten. Das war schon 2020 deutlich sichtbar. Wie passt das aber zu der nachgewiesenen Übersterblichkeit gerade dieser Gruppen in 2021? Und wenn verschobene Behandlungen schwerer Krankheiten der Grund sein sollen, wie oft eingewendet wird, warum reagieren dann die älteren Kohorten kaum übersterblich?
Mit NPI lassen sich die Befunde nicht erklären, mit den schädlichen Nebenwirkungen der COVID-Impfungen dagegen sehr wohl. 394.000 verlorene Lebensjahre allein auf deutschem Boden, das ist der bisherige Preis des fatalen Irrglaubens, mit mangelhaft erprobten Impfstoffen eine Erkältungskrankheit besiegen zu können. Und noch immer hängt das Damokles-Schwert einer allgemeinen Impfpflicht über dem Volk. Ein Blaise Pascal zugeschriebenes Zitat sagt “Wenn du Gott zum Lachen bringen willst, erzähl ihm von deinen Plänen”. Wenn Sie mich fragen, der einzige, der bei diesen Plänen noch lacht, ist der Teufel.
Referenzen
-
Destatis, Sonderauswertung Sterbefälle, Dokument vom 22.02.2022
-
Destatis, Bevölkerungsstand
- Destatis, Periodensterbetafel
- Ulf Lorré, Sterben in Deutschland 2021 – Berechnung des Impfrisikos: Heilsbringer oder Todesspritze?
- Christof Kuhbandner, Der Anstieg der Übersterblichkeit im zeitlichen Zusammenhang mit den COVID-Impfungen
- Real Data Hero, Video: Altersgruppenentwicklung
- Andreas Ambrosch, Lehren aus der Grippewelle 2015
Appendix
Das verwendete Modell rechnet kohorten- und wochenweise mit Eingangsdaten der amtlichen, deutschen Sterbe- und Bevölkerungsstatistik. [1, 2, 3]
Ein Jahr umfasst die jeweils ersten 52 Wochen eines Kalenderjahres. Hat ein Jahr eine 53. Kalenderwoche, bleibt sie unberücksichtigt.
Die Alterskohorten zwischen 30 und 90 umfassen je 5 Altersjahrgänge. Die Altersjahrgänge 0-30 und >90 liegen gesammelt vor.
Änderungen des Bevölkerungsstandes von Jahr zu Jahr werden linear interpoliert. Für das letzte Jahr (hier 2021) werden sie anhand der gemeldeten Toten, der wechselnden Altersjahrgänge sowie des mittleren Sterberisikos näherungsweise berechnet. Zu- und Abwanderung sind nicht berücksichtigt. Wegen ungenauer Bevölkerungsdaten sind weitere Unsicherheiten möglich. Der Zensus 2011 hatte eine Überschätzung des Bestandes ergeben.
Risk Ratios sind bevölkerungs- und risikostrukturbereinigt. Letztes bedeutet, die Auswirkung der Binnenstruktur der Kohorten auf das Sterberisiko ist korrigiert.
Angaben zum Lifetime Loss legen die Restlebenszeittabelle 2018-20 zu Grunde und sind populationsbereinigt.
Verwendete Software: “R”.
Bild von Simon Berger auf Pixabay
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.
Über den Autor: Ulf Lorré ist Elektroingenieur der Fachrichtung „Biomedizinische Technik“. Er schreibt unter Pseudonym.
Alle aktuellen News im TKP Telegram Channel
Unterstütze unabhängigen Journalismus mit einer Spende via PayPal
Abrechnungsdaten der Krankenkassen belegen Sicherheitsdesaster der Gen-Impfstoffe
Letzter nur wenig verfälschter Bericht von Public Health Scotland bestätigt neuerlich Impfdesaster
So erzeugen mRNA-Spike-Impfungen Vakzin-AIDS – Video
Sterben in Deutschland 2021 – Berechnung des Impfrisikos: Heilsbringer oder Todesspritze?
20 Kommentare
Comments are closed.
Hallo,
was heißt denn “Änderungen des Bevölkerungsstandes von Jahr zu Jahr werden linear interpoliert.”
Das verstehe ich nicht. Der jährliche Bevölkerungsstand ist doch eine fixe Zahl, was gibt es da zu interpolieren?
Schönen Gruß, Z. Fögen
Selbstverständlich ist der Bevölkerungsstand – anders als Sie behaupten – keine fixe Zahl. Von Jahr n zu Jahr n+1 ändert er sich um ein Delta. Dieses Delta muss man auf die dazwischen liegenden Wochen verteilen, wenn man wochenweise rechnet.
Ich schrieb, der *jährliche* Bevölkerungsstand ist eine fixe Zahl. Ich verstehe nicht, warum sie wochenweise rechnen, die Abbildungen sind doch alle jährlich?
Oder berechnen Sie die wöchentlichen Überlebenden nach Kaplan-Meier?
Die wichtigste Variable in dem Geschäft ist das Sterberisiko, also Tote / Population. Daraus ergibt sich fast alles andere. Die Toten liegen wochengenau vor. Also muss man auch die Population der einzelnen Wochen kennen, sonst ist das Ergebnis fehlerbehaftet. Warum ich wochenweise rechne? Vor allem weil sich aus dem Zeitverlauf Schlussfolgerungen ergeben können, die man sonst übersehen würde, wie z. B. der zeitliche Zusammenhang mit der Impffrequenz. Mein Mantra ist außerdem, aggregiert wird erst dann, wenn es nötig ist. Sonst kann es sein, dass Simpsons Paradoxon mit im Boot sitzt, und man erkennt es nicht. Nicht dass das einfach wäre, ein Datenkörper über 22 Jahre, 52 Wochen und 14 Kohorten beinhaltet 16.016 Werte, und das für zahlreiche Variablen, also Tote, Pop, Risk, RR usw. Wie Ihnen schon Peter Mayer an anderer Stelle schrieb, ist das mit Volksschul-Mathe nicht zu machen, und wie ich hinzufügen möchte, auch mit Excel nicht.
Sie berechnen die Population wochenweise? 🧐
Damit machen Sie die einzelnen Wochen statistisch unabhängig voneinander und Sie eliminieren Harvester- und Dry-Tinder-Effekte aus der Saisonalität.
Mit anderen Worten, eine Bevölkerung in der seit 20 Wochen keiner gestorben ist, entwickelt sich genau so weiter, als ob das nicht passiert wäre.
Wenn Sie Wochenweise rechnen wollen, müssen Sie den Kaplan-Meier-Schätzer verwenden und eine Überlebensanalyse machen.
Schönen Gruß Z. Fögen
Die Behauptung, durch eine möglichst genaue Schätzung der Pop-Entwicklung würden Variablen statistisch unabhängig und Ziehharmonikaeffekte elimiert, wäre nachzuweisen. Können Sie natürlich nicht, weil es eben nicht so ist.
Einen Kaplan-Meier-Schätzer braucht man nicht, und er würde auch underperformen. Im vorliegenden Fall hat man nämlich eine zweite, fortlaufende Änderung der Personen “at risk” mit im Spiel, und zwar durch Geburtstage. Die Toten liegen aber nicht nach Altersjahrgängen und Zeitverlauf vor. Also weiß man nicht, wieviele von denen, die von einer Kohorte in die nächst ältere wechseln, durch Tod entfallen sind.
Was man aber hat, ist der zu jedem Jahresende vorliegende Meldebestand, in den zwangsläufig alle Effekte eingeflossen sein müssen. Was will man mehr? Bestimmt keinen Kaplan-Meier-Schätzer. Geschätzt wird, was man nicht weiß, und was man weiß, wird nicht geschätzt.
Im letzten Jahr, wie im Appendix erwähnt, liegt der Endbestand noch nicht vor. Daher müssen die oben beschriebenen und noch weitere Effekte berechnet werden. Der dabei verwendete Algorithmus wurde anhand früherer Jahre validiert. Die Fehler lagen im Promillebereich, also eine Zehnerpotenz niedriger als die zu untersuchenden Schwankungen im Sterbegeschehen, pretty fine soweit. Bei Vorliegen des amtlichen Meldestands zum 31.12.2021 muss natürlich kontrolliert werden. Falls sich nennenswerte Änderungen zeigen sollten, werde ich gerne eine überarbeitete Fassung schreiben.
Meine Behauptung könnten Sie relativ leicht widerlegen, indem Sie die nicht-Unabhängigkeit zeigen, indem Sie andere Startpunkte als den 1. Januar für die Analyse wählen.
Wenn die Ergebnisse auch für jeden zweiten anderen Monat (1.3., 1.5., 1.7., 1.9., 1.11.) als Startdatum konsistent sind, haben sie Recht. Wenn nicht, habe ich Recht. :)
Schönen Gruß Zacharias Fögen
PS:
Was die Geburtstage angeht, könnte man eine gleichmäßige Verteilung der Geburtstage auf das Jahr annehmen, und dann hälftig mit dem Risiko des Alters X und des Alters X+1 rechnen.
Viel einfacher. Die Sterbezahlen sind ein jahreszeitlich periodisches Signal. Sowas ist immer statistisch abhängig, und das ganz unabhängig von der Population. ;-)
Geburtstage und Risiko… Im wesentlichen geht es so, aber nicht mit arithmetischem Mittelwert.
Ja, genau. Die Sterbezahlen sind ein *jahreszeitlich* periorisches Signal. Aber kein kalenderzeitliches, und sie rechnen in Kalenderjahren. Daher ist für die Betrachtung absolut relevant, ob eine Winterwelle vor oder nach Silvester stattfindet.
Wenn sie sich das Diagramm hier im Beitrag ansehen (einfach runter scrollen, gibt nur eine),
https://zachariasfoegen.wordpress.com/2022/02/24/mildes-omikron-nur-ein-harvester-effekt/
dann sehen sie, dass die Winterwelle bis Winter 2019/2020 einschließlich immer nach Neujahr begann, allerdings im Winter 2020/2021 “halb” ins Vorjahr gerutscht ist, und im Winter 2021/2022 praktisch in den Herbst “vorgerutscht” ist.
(DIe Ursache dafür sind wahrscheinlich ein Nachholeffekt der sehr milden Saisons 2018/19 und 2019/20, wie hier gezeigt https://zachariasfoegen.wordpress.com/2022/02/19/ein-milder-winter-macht-noch-keine-pandemie/)
Was sie berechnen, kann absolut einfach nur diesem Effekt geschuldet sein. Sie könnten das widerlegen, in dem sie eine Berechnung der Zeit KW27/X-KW26/X+1 anstellen… ;-)
Schönen Gruß, Zacharias Fögen
Warum sich der Vergleich 2021 vs. 2020 geradezu aufdrängt, warum er zielführend ist und was dabei herauskommt, ist hier zu lesen:
https://tkp.at/2022/01/15/sterben-in-deutschland-2021-berechnung-des-impfrisikos-heilsbringer-oder-todesspritze/
Die bereits kurz nach Beginn der Impfkampagne sich abzeichnende Erhöhung der Verstorbenenzahlen in Deutschland (bis 18.3.2021 innerhalb von 81 Tagen: 59% der gesamten bis dahin beobachteten Todesfälle) und UK (innerhalb von 100 Tagen 51%, s. „Der Doppelcharakter Spike-exprimierender Impfstoffe-Eine Analyse der Verträglichkeit“ Tab. 4 v. 24.3.2021 sowie „Rezeptorvermittelte Wirkungen von Spike-Proteinen und SARS-CoV 2“ v. 8.3.2021 bei http://www.karla-lehmann.de ) findet mit diesen Befunden ihre Bestätigung. Besten Dank dafür!
“Ein Blaise Pascal zugeschriebenes Zitat sagt „Wenn du Gott zum Lachen bringen willst, erzähl ihm von deinen Plänen“. Wenn Sie mich fragen, der einzige, der bei diesen Plänen noch lacht, ist der Teufel”
Wir haben es ja auch mit Leuten zu tun, von denen derselbe Blaise Pascal sagt: “Die niemals ihre Meinung zurücknehmen, lieben sie mehr als die Wahrheit”
Zum Teufel gibt es noch einige Sprichwörter, die den Zeitgeist treffen:
Nr. 10160: “Wenn der Teufel die Leute betrügen will, so ist er schön wie ein Engel.”
Nr. 10169: “Wer den Teufel zum Freund hat, hat’s gut in der Hölle.”
Nr. 10177: “Der Teufel hat mehr denn zwölf Apostel.”
Nr. 10183: “Wo der Teufel das Kreuz voranträgt, da gehe nicht nach.”
Nr. 10173: “Wen der Teufel treibt, der hat Eile.”
aber auch:
Nr. 10168: “Wer vor der Hölle wohnt, muß den Teufel zum Freund haben.
Nr. 10155: “Wer den Teufel schrecken will, muß überlaut schreien.”
Nr. 10206: “Thu Recht und scheue den Teufel nicht.”
(aus: Die deustchen Sprichwörer,Frakfurt am Main, 1846)
Hallo, ich beschäftige mich mich Nebenwirkungen von Corona selbst ebenso wie mit Impfnebenwirkungen schon länger als ich Telegramm kenne. Das bedeutet, ich weiß was die Impfung anrichtet, überhaupt wenn sie mehrmals erfolgt. Ich habe zu dieser vorliegenden Statistik eine laienhafte Frage: was sage ich meiner besten Freundin, die Impfbefürworterin ist und auch Hypochonder, wenn sie daraufhin entgegnet, dass die über 80-Jährigen nur deshalb eine geringere Übersterblichkeit gegenüber den jüngeren haben, weil sie ja so super geimpft waren? Bitte um Antwort, denn ich würde das gerne meiner mediengläubigen Umgebung zeigen.
Hallo Sandra, also Ihre Freundin meint, in 2020 hätte es Übersterblichkeit durch Covid gegeben und die Impfungen hätten 2021 dagegen geholfen. Vielleicht hilft Ihnen das unten verlinkte Diagramm. Dort sind in rot die Risk Ratios von 2020 vs. 2019 verzeichnet. Die erste Aussage (der Freundin) wäre danach möglich. Die Personen >50 waren übersterblich und hatten ein mit dem Alter steigendes Risiko, was dem Risikoprofil von Covid gleicht.
Was wäre nun zu erwarten, wenn
1. Covid die Ursache war
2. die Impfungen helfen
3. die Impfungen unschädlich sind?
Die Linie von 2021 müsste dann insgesamt niedriger liegen.
Tatsächlich ist das aber nur bei den Personen >85 der Fall. Aber unterhalb 85 liegen die Risikowerte 2021 über denen von 2020. Das ergibt keinen Sinn. Wieso sollte eine Impfung bei sehr alten Menschen wirken, bei weniger alten aber nicht? Es ist doch gerade so, dass die Immunantwort bei sehr alten Menschen schwächer ausfällt als bei Jungen.
http://caes.mooo.com/pics/coh.png
Vielen Dank, hervorragende Arbeit!
Eben, es geht weniger um die Anzahl von Sterbefällen, sondern ob diese “tragisch” waren.
Und letzteres wird hier sehr schön durch Zahlen herausgearbeitet: Es sterben offenbar bislang – noch – nicht die Alten in großer Zahl, sondern eher die Jungen. Das Attribut “tragisch” wird durch jede der drei Abbildungen belegt. Vielleicht am Besten durch die Zahl von rund 400 000 in 2021 verlorenen Lebenjahren.
Wenn aber die Anzahl der Alten, also der Sozialleistungs- und vor allem Rentengenießer, stagniert oder kaum zurückgeht, aber dafür die der Leistungserbringer, verschärft sich die demographische Fehlentwicklung noch.
Lag das etwa in der Absicht der Politik, die uns immer mehr zur Impfung drängelt bzw. de facto zwingt?
Das kann nun sehr falsch klingen und verstanden werden, aber es sterben zwar viel zu viele Menschen an den Gen-Spritzen (und jeder ist einer zuviel) aber andererseits sterben “leider” auch zuwenige an den Spritzen, nämlich nur so viele, dass es dem System gelingt es klein zu reden und zu verschleiern.
Auf (hier im Beispiel) ganz Deutschland sterben zwar Zehntausende, aber verteilt auf das Land ist es eben mal da ein trauriger Fall von “Plötzlich und unerwartet” und dann mal da jemand. Aber nicht so viele dass die Bevölkerung schockiert ist und aufwacht.
Und die System-Medien und die Politik tun ja alles mögliche um es zu leugnen und verstecken.
So ist es. Und darum kann dieses Verbrechen weitergehen.
Die aus den amtlichen Sterbefallzahlen errechneten unerwarteten Sterbefälle in Deutschland korrelieren exakt mit dem Zeitverlauf der Gen-Spritzen: https://corona-blog.net/2022/02/09/unerwartete-sterbefallzahlen-korrelieren-exakt-mit-der-anzahl-der-geimpften/
Die Zahlen sagen ca. 70.000 unerwartete Sterbefälle, das entspricht einem je 2300 Genspritzen
Mine orientierende, robuste Auswertung siehe: https://impfen-wer-will.de/application/files/5316/4518/2746/Scherb_Uebersterblichkeit_Japan_vs_Deutschland.pdf. Interpretation: Während es in Deutschland im Jahr 2020 nur eine nicht-signifikante Übersterblichkeit von 1,1 % gab, ist die Übersterblichkeit im Jahr 2021 grenzwertig-signifikant (p=0.0632) und mit rechnerisch 3.5% tendenziell ca. dreimal so hoch wie im Jahr 2020. Offizielle Institutionen und fast alle Politiker waren davon ausgegangen, die (angebliche) Übersterblichkeit im Jahr 2020 könne durch Lockdowns, weitere Maßnahmen und Impfung reduziert werden. Meine Auswertung zeigt, dass sich diese Annahme nicht bewahrheitet hat. Zur Untererfassung der Nebenwirkungen (incl. Todesfällen) siehe aktuell: https://www.berliner-zeitung.de/news/impffolgen-krankenkasse-bkk-schreibt-brief-an-paul-ehrlich-institut-li.213676