COVID-19 Snapshot Monitoring (COSMO)
Ergebnisse aus dem wiederholten querschnittlichen Monitoring von Wissen, Risikowahrnehmung, Schutzverhalten und Vertrauen während des aktuellen Ausbruchsgeschehens
Stand: 09.03.2020 (Version 01-02)
Ein Gemeinschaftsprojekt von Universität Erfurt (UE), Robert Koch Institut (RKI), Leibniz-Zentrum für Psychologische Information und Dokumentation (ZPID), Science Media Center (SMC), Bernhard Nocht Institute for Tropical Medicine (BNITM), Yale Institute for Global Health (YIGH).
Ziel
Ziel dieses Projektes ist es, einen wiederholten Einblick in die Wahrnehmungen der Bevölkerung - die “psychologische Lage” - zu erhalten. Dies soll es erleichtern, Kommunikationsmaßnahmen und die Berichterstattung so auszurichten, um der Bevölkerung korrektes, hilfreiches Wissen anzubieten und Falschinformationen und Aktionismus vorzubeugen. So soll z.B. auch versucht werden, medial stark diskutiertes Verhalten einzuordnen, wie z.B. die Diskriminierung von Personen, die augenscheinlich aus stark betroffenen Ländern wie China oder Italien kommen, oder sogenannte Hamsterkäufe. Wir wollen ergründen, wie häufig solches Verhalten tatsächlich vorkommt und welche Faktoren dieses Verhalten möglicherweise erklären können.
Diese Seite soll damit Behörden, Medienvertretern, aber auch der Bevölkerung dazu dienen, die psychologischen Herausforderungen der COVID-19 Epidemie einschätzen zu können und im besten Falle zu bewältigen.
Alle Daten und Schlussfolgerungen sind als vorläufig zu betrachten und unterliegen ständiger Veränderung. Ein Review Team von wissenschaftlichen Kolleg/innen sichert zudem die Qualität der Daten und Schlussfolgerungen. Trotz größter wissenschaftlicher Sorgfalt und dem Mehr-Augen-Prinzip haften die beteiligten Wissenschaftler/innen nicht für die Inhalte.
Informationen zu COVID-19 und das Ausbruchgeschehen
Wichtig: Hier findne Sie KEINE Informationen zu COVID-19 und dem eigentlichen Ausbruchsgeschehen. Wenn Sie das suchen, klicken Sie bitte hier:
- Robert Koch-Institut: https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/nCoV_node.html
- Bundeszentrale für gesundheitliche Aufklärung: https://www.infektionsschutz.de/coronavirus-sars-cov-2.html
- Science Media Center: https://www.sciencemediacenter.de/alle-angebote/coronavirus/
Frühere Auswertungen und Archiv: https://projekte.uni-erfurt.de/cosmo2020/archiv/
Studienprotokoll: http://dx.doi.org/10.23668/psycharchives.2776
Aktueller Fragebogen: https://dfncloud.uni-erfurt.de/s/KwSCqTxRNeBtTpe
Wissenschaftliche Verantwortung und Initiative: UE
Finanzierung: UE, ZPID, RKI
Auswertung und Dokumentation: UE
Kontakt: cornelia.betsch@uni-erfurt.de
1 Zusammenfassung
1.1 Ergebnisse der aktuellen Welle
Analyse der 1. Datenerhebung (03.03.-04.03.2020). Die Datenerhebungen finden wöchentlich dienstags und mittwochs statt.
Die 977 Befragten wurden aus einem durch die Firma Respondi rekrutierten und gepflegten Befragtenpool (sog. Online-Panel) so gezogen, dass sie der Verteilung von Alter, Geschlecht (gekreuzt) und Bundesland (ungekreuzt) in der Deutschen Bevölkerung entsprechen.
Psychologische Lage
Die Hälfte der Bevölkerung schätzt ihre Wahrscheinlichkeit, an COVID-19 zu erkranken, insgesamt als eher oder sehr gering ein, ein Drittel ist sich unsicher. Circa 60% denken entweder sie sind anfällig oder sie wissen es nicht. 25% halten eine Erkrankung für gefährlich, ein Drittel ist sich unsicher. 25% berichten, dass sie häufig oder dauernd an Corona denken müssen und 50% finden das Coronavirus eher besorgniserregend oder besorgniserregend; mehr als ein Drittel findet das Coronavirus angsteinflößend. Hier ist v.a. eine mögliche Veränderung im Zeitverlauf interessant und wird ab der kommenden Datenerhebung in der KW10 zu betrachten sein.
Eine eher höhere Erkrankungswahrscheinlichkeit nehmen Personen wahr, die jünger sind, die das Coronavirus als nah und sich schnell ausbreitend wahrnehmen und wenn ein bestätigter COVID-19 Fall im Kreis aufgetreten ist. Eine eher geringere Risikowahrnehmung haben Personen, die das Coronavirus v.a. als Medienhype wahrnehmen.
Wissen und Verhalten
Insgesamt ist die Bevölkerung relativ gut über Übertragungswege und Inkubationszeit informiert, auch wirksames Schutzverhalten ist sehr gut bekannt. Über 90% wissen, dass Händewaschen, soziale Distanzierung und Husten-/Nieshygiene zu beachten sind. Ca. 20% denken, dass Zuhausebleiben bei Krankheit und Desinfektionsmittel nicht gegen eine Infektion schützen.
Auf subjektiver Ebene fühlen sich die Befragten auch eher gut über COVID-19 und Schutzmöglichkeiten informiert. Gefühltes und echtes Wissen über COVID-19 hängen jedoch nur sehr schwach miteinander zusammen, auch das Gefühl zu wissen, wie man sich schützen kann und tatsächlich ergriffenes, wirksames Schutzverhalten hängen nicht miteinander zusammen. Das bedeutet, dass Personen, die meinen, viel über COVID-19 oder wirksames Schutzverhalten zu wissen, sich nicht auch besser schützen. Beispielsweise wissen ca. 90% der Bevölkerung, dass man Menschenansammlungen meiden sollte, nur ca. 67% tun dies auch.
Mehr wirksames Schutzverhalten haben Personen ergriffen, die weiblich sind, COVID-19 als ernsthafte Erkrankung einschätzen, mehr Wissen über COVID-19 haben, größeres Vertrauen in den Gesundheitssektor haben und das Coronavirus ans näher empfinden. Weniger Schutzverhalten haben Personen ergriffen, die von einer langsamen Verbreitung des Virus ausgehen.
Wenn im eigenen geographischen Umfeld ein Verdachts- oder bestätigter Fall bekannt war, so hatte dies kaum Auswirkung auf vermehrtes Schutzverhalten, Aktionismus, eine erhöhte Risikowahrnehmung oder Krisenvorbereitungen. Insgesamt scheint die psychologische Nähe des Coronavirus ein wichtigerer Aspekt zu sein und treibt Risikowahrnehmung und Schutzverhalten.
Unerwünschtes Verhalten
Aktionismus (Ergreifen unwirksamer Schutzmaßnahmen wie Gesichtsmasken tragen) ist relativ gering ausgeprägt. Unter 10% sind vorsichtig beim Öffnen von Postsendungen oder tragen eine Gesichtsmaske. Mehr Aktionismus zeigen Personen, die COVID-19 als ernsthafte Erkrankung einschätzen und mehr Vertrauen in die Medien haben. Weniger Aktionismus zeigen Personen, die mehr Wissen über COVID-19 haben und von einer langsamen Verbreitung des Virus ausgehen.
In Bezug auf eine mögliche Diskriminierung von Personen, die aus einem besonders betroffenen Land kommen (z.B. China, Italien), lässt sich sagen, dass die Mehrheit der Bevölkerung ein solches Verhalten missbilligt. Diskriminierung wird eher als angemessener betrachtet von Personen, die männlich sind, Personen aus Großstädten bis 500.000 Einwohnern, die ihre Erkrankungswahrscheinlichkeit und den Schweregrad einer Erkrankung als höher einschätzen, weniger Wissen über COVID-19 haben, ein geringeres Vertrauen in die Behörden und höheres Vertrauen in die Medien besitzen.
Es wurden eine Reihe (möglicherweise neuer) Falschinformationen und Unsicherheiten genannt, die separat als PDF heruntergeladen werden können. Es wurden eher Unsicherheiten und offene Fragen genannt als Falschwissen. Es lässt sich nicht abschätzen, wie weit verbreitet sie sind und wie sie die psychologische Lage beeinflussen. Diese sollten von Experten gesichtet, bewertet und ggf. widerlegt werden.
Individuelle Krisenvorbereitung
Die Hälfte der Bevölkerung hat Desinfektionsmittel und regelmäßig einzunehmende Medikamente gekauft oder hat dies vor, meidet Großveranstaltungen oder Personen aus den betroffenen Gebieten oder hat dies vor. Nur etwa ein Viertel erwägt die Absage von Reisen oder das Anlegen von Nahrungsmittelvorräten. Mehr Krisenvorbereitungen haben Personen getroffen, die älter sind, mehr Vertrauen in die Behörden haben und die das Coronavirus als Medienhype erleben. Weniger Krisenvorbereitung haben Personen getroffen, die ihre Erkrankungswahrscheinlichkeit höher einschätzen.
Informationsquellen
Um sich über das neuartige Coronavirus zu informieren sind die folgenden Quellen am relevantesten (Häufigkeit der Nutzung und Vertrauen): Fernsehen, Nachrichten-Webseiten, Radio, Webseiten der Gesundheitsbehörden und Fachkräfte des Gesundheitswesens. Insgesamt wird das Ausbruchsgeschehen eher als Medienhype wahrgenommen. Dies führt, wie oben erwähnt, zu einer geringeren Risikowahrnehmung und mehr Krisenvorbereitung.
Ausbruchsmanagement: Vertrauen, Verantwortlichkeit und Akzeptanz der Maßnahmen
Das Vertrauen in die Behörden und den Gesundheitssektor ist eher hoch, in die Medien eher geringer. Die Bevölkerung hat am meisten Vertrauen, dass das RKI, gefolgt von der BZgA, mit der Lage gut und richtig umgeht. Länder und Bundes-Ministerien wird signifikant weniger vertraut, jedoch liegt hier das Vertrauen auch im positiven Bereich.
Als hauptverantwortlichen Krisenmanager sehen 45% der Bevölkerung die Gesundheitsbehörden auf Rang 1, 27% das Bundesministerium. Nur je ca. 10% sehen das örtliche Gesundheitsamt oder das Landesministerium auf Rang 1.
Als Maßnahmen zur Krisenbewältigung werden v.a. die Absage von Großveranstaltungen und Quarantänemaßnahmen befürwortet. Eine Auswertung von Handydaten ohne Einwilligung zum Nachverfolgen von Kontaktketten von Infizierten wird eher abgelehnt, auch eine App, die über möglichen Kontakt zu Infizierten informiert, wird eher skeptisch betrachtet.
1.2 Veränderung zur vorherigen Welle
Hier finden Sie in Zukunft einen Vergleich mit der vorherigen Erhebung. Frühere Auswertungen: https://dfncloud.uni-erfurt.de/s/Cmzfw8fPRAgzEpA
2 Schlussfolgerungen
Schutzverhalten umsetzen!
Die Bevölkerung hat ein hohes Maß an Wissen, fühlt sich jedoch verunsichert und ergreift die wirskamen Schutzmaßnahmen nur unzureichend. Es erscheint wichtig, die Bevölkerung dabei zu unterstützen, ihr korrektes Wissen auch anzuwenden. Unterstützung dabei, wie das neue Verhalten angewandt werden kann (wie kann man Gewohnheiten wie ins Gesicht fassen ablegen, sich neue Händewasch-Routinen angewöhnen), scheinen notwendig. Wissenschaftler aus dem Bereich Verhaltensforschung/-wissenschaft können hier hilfreiche Gesprächspartner für Medienvertreter sein.
Risikowahnehmung managen
Als Gründe, warum man eher nicht anfällig ist, wurde häufiger angegeben, dass man jung sei und noch nie Grippe hatte. Diese Annahme könnte einem verstärkten Schutzverhalten im Wege stehen und es sollte darüber aufgeklärt werden, dass die wahrgenommene Güte des eigenen Immunsystems wenig Schutz vor dem Virus bietet.
Hamsterkäufe sind mediengetriebenes Herdenverhalten
Hamsterkäufe scheinen vor allem mit einem häufigen Medienkonsum und einem als hoch angenommenen eignen Risiko verbunden zu sein. Der Bericht über Einzelfälle in den Medien scheint hier ein Treiber für “Herdenverhalten” zu sein. Herdenverhalten meint, dass sich das individuelle Verhalten an dem bei anderen beobachteten Verhalten orientiert. Möglicherweise sollten Fragen zur Versorgungssicherheit beantwortet und Quarantäne-Szenarien dargestellt werden, um der Bevölkerung die Angst zu nehmen, in einen Versorgungsengpass zu rutschen. Zudem könnten Medien versuchen, Herdenverhalten entgegenzuwirken.
3 Hinweise zur Datenerhebung und Interpretation der Daten
Die Daten werden zunächst wöchentlich erhoben mit Beginn am 03.03.2020. Bei einer Veränderung oder Zuspitzung der Lage können die Intervalle zwischen den Wellen verkürzt werden. Eine Welle dauert von 10 Uhr morgens bis 24 Uhr am Folgetag, umfasst also ca. 2 Tage.
Es handelt sich um Querschnittsdaten, d.h., dass an den verschiedenen Wellen verschiedene Personen teilgenommen haben.
In jeder Welle werden 1000 Personen mit einem Online-Fragebogen befragt. Die Stichproben werden jeweils so gezogen, dass sie der Verteilung von Alter, Geschlecht (gekreuzt) und Bundesland (ungekreuzt) in der Deutschen Bevölkerung entsprechen.
Limitationen: Analysen über Zusammenhänge können keine Aussagen darüber treffen, was Ursache und was Wirkung ist.
4 Psychologische Lage
Für menschliches Entscheiden sind die Wahrnehmung von Risiken wichtig, für Verhalten spielen zudem Emotionen wie Angst oder das Gefühl, bedroht zu sein, eine Rolle. Ferner sind Kontrollüberzeugungen relevant – wenn ich mich schützen will, habe ich dann das relevante Wissen, bin ich sicher, dass ich mich schützen kann?
Die folgenden Grafiken zeigen zunächst den aktuellen Stand und die Veränderung der relevanten Variablen. Weiter unten wird exploriert, inwiefern diese Variablen auch mit effektivem Schutzverhalten, Aktionismus oder Krisenvorbereitung (preparedness) zusammenhängen (siehe Abschnitt “Was das Verhalten beeinflusst”).
4.1 Risikowahrnehmung
Die folgenden drei Grafiken zeigen verschiedene Aspekte der Risikowahrnehmung im Verlauf der Erhebungen.
4.2 Corona und Emotionen
Die folgenden drei Grafiken zeigen verschiedene emotionale Aspekte über den Verlauf der Erhebungen.
4.3 Gefühltes und echtes Wissen
Korrektes Wissen und das Gefühl, sich selbst schützen zu können, wenn man dies will, sind wichtige Einflussfaktoren auf Schutzverhalten. Die folgenden Grafiken zeigen den aktuellen Stand und die Veränderung des selbst eingeschätzten und tatsächlichen mittleren Wissens, die Sicherheit in Bezug auf Schutzverhalten und die Wahrnehmung der Maßnahmen.
4.4 Sich vorbereitet fühlen und vorbereitet sein
4.5 Zusammenhänge
Folgende Analysen untersuchen, wie stark die subjektiven Einschätzungen mit dem tatsächlichen Wissen und Verhalten zusammenhängen.
Interpretation: In der folgenden Übersicht zeigen höhere Werte einen stärkeren Zusammenhang an, Werte nahe Null zeigen, dass es keinen Zusammenhang gibt. Werte um 0.3 zeigen einen mittleren Zusammenhang, ab 0.5 spricht man von einem starken Zusammenhang. Ein negatives Vorzeichen bedeutet, dass hohe Werte auf der einen Variable mit niedrigen Werte auf der anderen Variable auftreten. Fettdruck zeigt statistisch bedeutsame Zusammenhänge an.
Selbst eingeschätztes Wissen und tatsächliches Wissen über COVID-19: 0.15
Es einfach finden, eine Infektion vermeiden zu können und eigenes Schutzverhalten (Anzahl ergriffener, effektiver Schutzmaßnahmen): 0.03
Sich sicher fühlen, welche Schutzmaßnahmen geeignet sind, und eigenes ergriffenes Schutzverhalten (Anzahl ergriffener, effektiver Schutzmaßnahmen): 0.04
Sich sicher fühlen, welche Schutzmaßnahmen geeignet sind, und Aktionismus (Anzahl ergriffener, nicht effektiver Schutzmaßnahmen): 0
Maßnahmen, die derzeit ergriffen werden, übertrieben finden und eigenes ergriffenes Schutzverhalten: -0.12
Maßnahmen, die derzeit ergriffen werden, übertrieben finden und eigene Krisenvorbereitung (preparedness): 0.14
5 Was die Risikowahrnehmung beeinflusst
Als Antwort auf die sich verändernde Situation wird sich wahrscheinlich auch die Risikowahrnehmung der Bevölkerung verändern. Risiko wird als Wahrscheinlichkeit zu erkranken, als Schweregrad der Erkrankung und eigene Anfälligkeit erfasst. Hier wird untersucht, welche Faktoren mit der Risikowahrnehmung zusammenhängen
Als Einflussfaktoren werden neben Demographie untersucht: Wahrnehmung v on Corona - Corona wird als nah wahrgenommen, als sich schnell ausbreitend, als Medienhype; außerdem untersuchen wir den Einfluss von Vertrauen in Medien, den Gesundheitssektor und die Behörden als Einflüsse auf die Risikowahrnehmung.
Die Analyse der Wahrscheinlichkeit zeigt: Eine eher höhere Wahrnehmung der Erkrankungswahrscheinlichkeit haben Personen, die jünger sind, die das Coronavirus als nah und sich schnell ausbreitend wahrnehmen und in größeren Städten mit 20.000 bis 100.000 Einwohnern leben sowie wenn ein bestätigter Fall im Kreis bekannt ist. Eine eher geringere Wahrnehmung der Erkrankungswahrscheinlichkeit haben Personen, die das Coronavirus v.a. als Medienhype wahrnehmen.
Die Analyse des Schweregrades zeigt: Eine eher höhere Wahrnehmung des Schweregrades haben Personen, die älter und weiblich sind, eher geringere Bildung haben und die das Coronavirus als nah wahrnehmen. Eine eher geringere Risikowahrnehmung haben Personen, die das Coronavirus v.a. als Medienhype wahrnehmen.
Die Analyse der Anfällligkeit zeigt: Personen fühlen sich anfälliger, wenn sie das Virus als nah wahrnehmen. Sie fühlen sich weniger anfälliger, wenn sie das Virus als einen Medienhype wharnehmen.
Sobald mehrere Messzeitpunkte verfügbar sind, wird auch die Veränderung über die Zeit betrachtet.
Interpretation: Dargestellt sind die Ergebnisse einer linearen Regressionsanalyse. Fettgedruckte Einflussfaktoren sind signifikant und haben einen statistisch bedeutsamen Einfluss. Das heißt für Werte mit positivem Vorzeichen: höhere Werte auf diesem Einflussfaktor führen zu mehr Risikowahrnehmung. Das heißt für Werte mit negativem Vorzeichen: höhere Werte auf diesem Einflussfaktor führen zu weniger Risikowahrnehmung.
| Wahrscheinlichkeit | Schweregrad | Anfälligkeit | |||||||
|---|---|---|---|---|---|---|---|---|---|
| Predictors | Estimates | CI | p | Estimates | CI | p | Estimates | CI | p |
| Intercept | 4.29 | 3.52 – 5.05 | <0.001 | 4.25 | 3.45 – 5.05 | <0.001 | 4.69 | 3.89 – 5.49 | <0.001 |
| Alter | -0.01 | -0.02 – -0.01 | <0.001 | 0.01 | 0.01 – 0.02 | <0.001 | 0.00 | -0.00 – 0.01 | 0.232 |
| Geschlecht - weiblich | -0.14 | -0.31 – 0.03 | 0.097 | 0.22 | 0.04 – 0.39 | 0.017 | -0.01 | -0.18 – 0.17 | 0.928 |
| Bildung - 9 Jahre vs 10 Jahre ohne Abitur | -0.03 | -0.33 – 0.26 | 0.818 | -0.33 | -0.63 – -0.02 | 0.036 | -0.20 | -0.51 – 0.10 | 0.196 |
| Bildung - 9 Jahre vs 10 Jahre mit Abitur | 0.03 | -0.26 – 0.32 | 0.856 | -0.54 | -0.84 – -0.24 | <0.001 | -0.19 | -0.50 – 0.11 | 0.209 |
| Gemeindegröße - bis 5.000 vs 5.001-20.000 | -0.10 | -0.38 – 0.17 | 0.458 | 0.12 | -0.16 – 0.41 | 0.398 | 0.06 | -0.23 – 0.34 | 0.699 |
| Gemeindegröße - bis 5.000 vs 20.001-100.000 | -0.33 | -0.59 – -0.07 | 0.013 | 0.07 | -0.20 – 0.34 | 0.606 | -0.06 | -0.33 – 0.21 | 0.676 |
| Gemeindegröße - bis 5.000 vs 100.001-500.000 | -0.14 | -0.43 – 0.15 | 0.345 | 0.07 | -0.24 – 0.37 | 0.673 | 0.02 | -0.28 – 0.33 | 0.881 |
| Gemeindegröße - bis 5.000 vs mehr als 500.000 | -0.23 | -0.52 – 0.06 | 0.122 | 0.30 | -0.01 – 0.60 | 0.057 | 0.03 | -0.28 – 0.33 | 0.858 |
| bestätigte Infektionen im Kreis (nein/ja) | 0.22 | 0.03 – 0.42 | 0.024 | -0.06 | -0.27 – 0.14 | 0.535 | 0.13 | -0.07 – 0.33 | 0.201 |
| Vertrauen in Behörden | 0.02 | -0.08 – 0.13 | 0.652 | -0.06 | -0.17 – 0.05 | 0.304 | -0.02 | -0.13 – 0.09 | 0.725 |
| Vertrauen in Gesundheitssektor | -0.10 | -0.22 – 0.01 | 0.074 | 0.01 | -0.11 – 0.12 | 0.924 | -0.06 | -0.18 – 0.06 | 0.304 |
| Vertrauen in Medien | -0.03 | -0.10 – 0.03 | 0.274 | 0.00 | -0.06 – 0.07 | 0.946 | -0.05 | -0.11 – 0.02 | 0.170 |
| Wahrgenommene Nähe | 0.25 | 0.19 – 0.31 | <0.001 | 0.18 | 0.12 – 0.25 | <0.001 | 0.24 | 0.18 – 0.31 | <0.001 |
| Wahrgenommene Ausbreitungsgeschwindigkeit | 0.06 | 0.01 – 0.12 | 0.032 | 0.01 | -0.05 – 0.07 | 0.676 | 0.02 | -0.04 – 0.08 | 0.538 |
| Wahrgenommener Medienhype | -0.21 | -0.28 – -0.15 | <0.001 | -0.32 | -0.38 – -0.25 | <0.001 | -0.30 | -0.37 – -0.24 | <0.001 |
| Observations | 858 | 858 | 858 | ||||||
| R2 / R2 adjusted | 0.204 / 0.190 | 0.239 / 0.225 | 0.204 / 0.190 | ||||||
6 Was das Verhalten beeinflusst
6.1 Schutzverhalten
Schutzverhalten wird erfasst als Prozentzahl: je höher der Wert, um so mehr wirksame Schutzmaßnahmen (z.B. Händewaschen) hat eine Person ergriffen und um so weniger unwirksame hat sie ergriffen (z.B. Gesichtsmaske tragen). Hier wird untersucht, welche Faktoren das Schutzverhalten beeinflussen.
(Eine Übersicht über die einzelnen Schutzmaßnahmen finden Sie unter “Daten im Detail”)
Die aktuelle Analyse zeigt (siehe Tabelle): Mehr Schutzverhalten haben Personen ergriffen, die weiblich sind, COVID-19 als ernsthafte Erkrankung einschätzen, mehr Wissen über COVID-19 haben, größeres Vertrauen in den Gesundheitssektor haben und das Coronavirus als näher empfinden.
Weniger Schutzverhalten haben Personen ergriffen, die von einer langsamen Verbreitung des Virus ausgehen.
| Schutzverhalten | |||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| (Intercept) | 0.35 | 0.20 – 0.50 | <0.001 |
| Alter | 0.00 | 0.00 – 0.00 | <0.001 |
| Geschlecht: weiblich | 0.04 | 0.01 – 0.07 | 0.013 |
|
Schulbildung: Mind. 10 Jahre (ohne Hochschulreife) |
-0.04 | -0.09 – 0.01 | 0.158 |
|
Schulbildung: Mind. 10 Jahre (mit Hochschulreife) |
-0.02 | -0.07 – 0.03 | 0.374 |
|
Größe des Wohnorts: 5.001 – 20.000 Einwohner |
0.05 | 0.00 – 0.10 | 0.044 |
|
Größe des Wohnorts: 20.001 – 100.000 Einwohner |
-0.01 | -0.06 – 0.03 | 0.637 |
|
Größe des Wohnorts: 100.001 – 500.000 Einwohner |
-0.04 | -0.09 – 0.01 | 0.111 |
|
Größe des Wohnorts: > 500.000 Einwohner |
-0.01 | -0.06 – 0.04 | 0.694 |
|
Infektionen im Kreis (nein/ja): bestätigte und unbestätigte Fälle |
0.03 | -0.01 – 0.06 | 0.119 |
|
Wahrscheinlichkeit zu erkranken |
-0.00 | -0.01 – 0.01 | 0.713 |
|
Ernsthaftigkeit der Erkrankung |
0.02 | 0.00 – 0.03 | 0.009 |
| Mittleres Wissen COVID-19 | 0.19 | 0.11 – 0.26 | <0.001 |
| Vertrauen in Behörden | -0.01 | -0.03 – 0.01 | 0.180 |
|
Vertrauen in Gesundheitssektor |
0.03 | 0.01 – 0.05 | 0.007 |
| Vertrauen in Medien | -0.00 | -0.01 – 0.01 | 0.920 |
| Wahrgenommene Nähe | 0.03 | 0.02 – 0.04 | <0.001 |
|
Wahrgenommene Ausbreitungsgeschwindigkeit |
-0.01 | -0.02 – -0.00 | 0.037 |
| Wahrgenommener Medienhype | -0.01 | -0.02 – 0.01 | 0.361 |
| Observations | 912 | ||
| R2 / R2 adjusted | 0.138 / 0.120 | ||
6.2 Aktionismus
Menschen neigen bisweilen zum Aktionismus (z.B. Gesichtsmaske tragen, Nahrungsergänzungsmittel einnehmen). Dieser wird erfasst als nicht-wirksames Schutzverhalten: wie viel Prozent der nicht-wirksamen, im Fragebogen angegebenen Schutzmaßnahmen hat eine Person bereits ergriffen? Hier wird untersucht, welche Faktoren Aktionismus beeinflussen.
(Eine Übersicht über die einzelnen Aktionismus-Verhaltensweisen finden Sie unter “Daten im Detail”).
Die Analyse zeigt (siehe Tabelle): Mehr Aktionismus zeigen Personen, die COVID-19 als ernsthafte Erkrankung einschätzen und mehr Vertrauen in die Medien haben. Weniger Aktionismus zeigen Personen, die mehr Wissen über COVID-19 haben und von einer langsamen Verbreitung des Virus ausgehen.
Interpretation: Dargestellt sind die Ergebnisse einer linearen Regressionsanalyse. Fettgedruckte Einflussfaktoren sind signifikant und haben einen statistisch bedeutsamen Einfluss. Das heißt für Werte mit positivem Vorzeichen: höhere Werte auf diesem Einflussfaktor führen zu mehr Aktionismus. Das heißt für Werte mit negativem Vorzeichen: höhere Werte auf diesem Einflussfaktor führen zu weniger Aktionismus.| Aktionismus | |||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| (Intercept) | 0.24 | 0.13 – 0.35 | <0.001 |
| Alter | -0.00 | -0.00 – 0.00 | 0.278 |
| Geschlecht: weiblich | 0.02 | -0.01 – 0.04 | 0.177 |
|
Schulbildung: Mind. 10 Jahre (ohne Hochschulreife) |
0.00 | -0.03 – 0.04 | 0.854 |
|
Schulbildung: Mind. 10 Jahre (mit Hochschulreife) |
0.03 | -0.01 – 0.07 | 0.098 |
|
Größe des Wohnorts: 5.001 – 20.000 Einwohner |
0.00 | -0.03 – 0.04 | 0.839 |
|
Größe des Wohnorts: 20.001 – 100.000 Einwohner |
-0.00 | -0.04 – 0.03 | 0.938 |
|
Größe des Wohnorts: 100.001 – 500.000 Einwohner |
0.00 | -0.04 – 0.04 | 0.911 |
|
Größe des Wohnorts: > 500.000 Einwohner |
-0.01 | -0.04 – 0.03 | 0.739 |
|
Infektionen im Kreis (nein/ja): bestätigte und unbestätigte Fälle |
0.02 | -0.01 – 0.04 | 0.201 |
|
Wahrscheinlichkeit zu erkranken |
0.00 | -0.01 – 0.01 | 0.663 |
|
Ernsthaftigkeit der Erkrankung |
0.01 | 0.00 – 0.02 | 0.005 |
| Mittleres Wissen COVID-19 | -0.08 | -0.14 – -0.03 | 0.003 |
| Vertrauen in Behörden | -0.01 | -0.02 – 0.01 | 0.351 |
|
Vertrauen in Gesundheitssektor |
-0.00 | -0.02 – 0.01 | 0.679 |
| Vertrauen in Medien | 0.01 | 0.01 – 0.02 | 0.001 |
| Wahrgenommene Nähe | 0.00 | -0.00 – 0.01 | 0.243 |
|
Wahrgenommene Ausbreitungsgeschwindigkeit |
-0.01 | -0.02 – -0.00 | 0.003 |
| Wahrgenommener Medienhype | 0.00 | -0.01 – 0.01 | 0.933 |
| Observations | 912 | ||
| R2 / R2 adjusted | 0.062 / 0.043 | ||
6.3 Krisenvorbereitung (preparedness)
Krisenvorbereitung (preparedness) umfasst Verhaltensweisen wie den Kauf von Medikamenten, die man regelmäßig einnehmen muss, die Veränderung der Mobilität oder das Anlegen von Lebensmittelvorräten. Wie viel Prozent der angegebenen Preparedness-Maßnahmen hat eine Person ergriffen? Hier wird untersucht, welche Faktoren die Krisenvorbereitung beeinflussen. (Eine Übersicht über die einzelnen Krisenvorbereitungs-Maßnahmen finden Sie unter “Daten im Detail”.)
Die Analyse zeigt (siehe Tabelle): Mehr Krisenvorbereitung haben Personen getroffen, die älter sind, mehr Vertrauen in die Behörden haben und die das Coronavirus als Medienhype erleben. Weniger Krisenvorbereitung haben Personen getroffen, die ihre Erkrankungswahrscheinlichkeit und den Schweregrad der Erkrankung als höher einschätzen und die von einer langsamen Verbreitung des Virus ausgehen.
Interpretation: Dargestellt sind die Ergebnisse einer linearen Regressionsanalyse. Fettgedruckte Einflussfaktoren sind signifikant und haben einen statistisch bedeutsamen Einfluss. Das heißt für Werte mit positivem Vorzeichen: höhere Werte auf diesem Einflussfaktor führen zu mehr Krisenvorbereitung. Das heißt für Werte mit negativem Vorzeichen: höhere Werte auf diesem Einflussfaktor führen zu weniger Krisenvorbereitung.| Preparedness | |||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| (Intercept) | 3.18 | 2.28 – 4.07 | <0.001 |
| Alter | 0.01 | 0.00 – 0.02 | 0.001 |
| Geschlecht: weiblich | 0.01 | -0.17 – 0.19 | 0.904 |
|
Schulbildung: Mind. 10 Jahre (ohne Hochschulreife) |
0.17 | -0.13 – 0.48 | 0.270 |
|
Schulbildung: Mind. 10 Jahre (mit Hochschulreife) |
0.13 | -0.18 – 0.43 | 0.416 |
|
Größe des Wohnorts: 5.001 – 20.000 Einwohner |
0.25 | -0.04 – 0.53 | 0.090 |
|
Größe des Wohnorts: 20.001 – 100.000 Einwohner |
0.26 | -0.02 – 0.54 | 0.064 |
|
Größe des Wohnorts: 100.001 – 500.000 Einwohner |
0.19 | -0.12 – 0.50 | 0.224 |
|
Größe des Wohnorts: > 500.000 Einwohner |
0.04 | -0.26 – 0.35 | 0.788 |
|
Infektionen im Kreis (nein/ja): bestätigte und unbestätigte Fälle |
0.19 | -0.00 – 0.38 | 0.053 |
|
Wahrscheinlichkeit zu erkranken |
-0.07 | -0.14 – 0.00 | 0.063 |
|
Ernsthaftigkeit der Erkrankung |
-0.20 | -0.27 – -0.13 | <0.001 |
| Mittleres Wissen COVID-19 | -0.04 | -0.49 – 0.40 | 0.858 |
| Vertrauen in Behörden | 0.15 | 0.04 – 0.25 | 0.009 |
|
Vertrauen in Gesundheitssektor |
0.10 | -0.02 – 0.21 | 0.107 |
| Vertrauen in Medien | 0.01 | -0.05 – 0.07 | 0.750 |
| Wahrgenommene Nähe | 0.02 | -0.05 – 0.08 | 0.591 |
|
Wahrgenommene Ausbreitungsgeschwindigkeit |
-0.06 | -0.12 – 0.00 | 0.057 |
| Wahrgenommener Medienhype | 0.11 | 0.04 – 0.18 | 0.003 |
| Observations | 912 | ||
| R2 / R2 adjusted | 0.162 / 0.145 | ||
6.4 Vorsorgliche Einkäufe (“Hamsterkäufe”)
In den Medien wird viel über “Hamsterkäufe” berichtet. Hier wird untersucht, welche Faktoren damit zusammenhängen, ob Personen a) vorsorglich Lebensmittel oder b) Alltagsgegenstände wie Zahnpasta gekauft haben.
Unter “Daten im Detail” ist aufgeführt, wie häufig diese Verhaltensweisen gezeigt werden.
Die Wahrscheinlichkeit für vermehrtes Kaufen von Alltagsgegenständen (wie Zahnpasta) ist höher bei Personen, die mehr Vertrauen in die Medien haben und das Coronavirus als nah wahrnehmen. Die Wahrscheinlichkeit für diese Käufe ist geringer, wenn das Vertrauen in die Gesundheitsbehördern hoch ist, Corona als Medienhype wahrgenommen wird und die Ausbreitung als langsam wahrgenommen wird.
Die Wahrscheinlichkeit für Lebensmittelkäufe ist höher wenn Personen jünger sind oder eine hohe Erkrankungswahrscheinlichkeit wahrnehmen oder eine größere Nähe des Virus. Weniger Kaufverhalten zeigen Menschen, die höheres Vertrauen in den Gesundheitssektor haben und Corona als Medienhype wahrnehmen.
Interpretation: Dargestellt sind die Ergebnisse einer binär-logistischen schrittweisen Regressionsanalyse (bestes statistisches Modell). Odds ratio treffen eine Aussage darüber, inwieweit das Vorhandensein bzw. Nichtvorhandensein eines Merkmals A (z.B. Wahrgenommene Nähe) mit dem Vorhandensein bzw. Nichtvorhandensein eines weiteren Merkmals B (z.B. Hamsterkäufen) zusammenhängt. Fettgedruckte Einflussfaktoren sind signifikant und haben einen statistisch bedeutsamen Einfluss. Werte über 1: höhere Werte auf diesem Einflussfaktor führen zu mehr Kaufverhalten. Werte unter 1: kleinere Werte auf diesem Einflussfaktor führen zu weniger Kaufverhalten. Variablen im Modell: Alter, Geschlecht, Bildung, Gemeindegröße, Bestätigte Fälle im Kreis, Wahrscheinlichkeit zu erkranken, Ernsthaftigkeit einer Erkrankung, Wissen COVID-19, Vertrauen in die Behörden, Vertrauen in den Gesundheitssektor, Vertrauen in die Medien, wahrgenommene Nähe, Ausbreitungsgeschwindigkeit des Virus und Medienhype.
| Kauf alltäglicher Dinge | |||
|---|---|---|---|
| Predictors | Odds Ratios | CI | p |
| (Intercept) | 0.12 | 0.02 – 0.80 | 0.029 |
|
Bestätigte Infektionen im Kreis |
1.57 | 0.88 – 2.76 | 0.121 |
|
Vertrauen in Gesundheitssektor |
0.76 | 0.61 – 0.95 | 0.016 |
| Vertrauen in Medien | 1.27 | 1.03 – 1.57 | 0.024 |
| Wahrgenommene Nähe | 1.54 | 1.23 – 1.94 | <0.001 |
|
Wahrgenommene Ausbreitungsgeschwindigkeit |
0.80 | 0.68 – 0.95 | 0.008 |
| Wahrgenommener Medienhype | 0.77 | 0.64 – 0.93 | 0.007 |
| Observations | 858 | ||
| R2 Tjur | 0.095 | ||
| Nahrungsmittelkauf | |||
|---|---|---|---|
| Predictors | Odds Ratios | CI | p |
| (Intercept) | 0.12 | 0.01 – 0.98 | 0.050 |
| Alter | 0.98 | 0.96 – 1.00 | 0.019 |
| Geschlecht: weiblich | 1.50 | 0.91 – 2.52 | 0.118 |
|
Bestätigte Infektionen im Kreis |
1.56 | 0.93 – 2.60 | 0.092 |
|
Wahrscheinlichkeit zu erkranken |
1.32 | 1.08 – 1.62 | 0.007 |
| Mittleres Wissen COVID-19 | 3.14 | 0.91 – 11.42 | 0.075 |
|
Vertrauen in Gesundheitssektor |
0.81 | 0.66 – 0.99 | 0.041 |
| Vertrauen in Medien | 1.18 | 0.98 – 1.44 | 0.088 |
| Wahrgenommene Nähe | 1.26 | 1.03 – 1.56 | 0.027 |
|
Wahrgenommene Ausbreitungsgeschwindigkeit |
0.87 | 0.74 – 1.02 | 0.083 |
| Wahrgenommener Medienhype | 0.75 | 0.62 – 0.89 | 0.001 |
| Observations | 858 | ||
| R2 Tjur | 0.089 | ||
6.5 Diskriminierungsverhalten
In den Medien wurden Einzelfälle berichtet, in denen Menschen chinesischer oder italienischer Abstammung diskriminiert wurden. Es wurde daher erfasst, ob die Befragten eine vorübergehende Diskriminierung im Ausbruchsfall für angemessen halten. Die folgende Grafik zeigt die mittlere Zustimmung zur Aussage „Im Falle eines Ausbruchs ist es angemessen, eine bestimmte Personengruppe (z.B. Chinesen, Italiener) aufgrund ihres Herkunftslandes vorübergehend zu diskriminieren“ im Zeitverlauf.
Generell erscheint es der Bevölkerung als nicht angemessen, andere im Falle eines Ausbruchs vorübergehend aufgrund ihrer Herkunft zu diskriminieren.
Eine weitere Analyse der Frage, ob bereits Personen gemieden wurden, die aus Ländern kommen, in denen Coronaviren-Fälle aufgetreten sind, zeigt (siehe Tabelle):
Die Wahrscheinlichkeit, das Menschen aus betroffenen Gebieten vermieden wurden, ist höher bei jüngeren Personen, die eine hohe Ernsthaftigkeit der Erkrankung wahrnehmen, eine größere Nähe des Virus wahrnehmen, höheres Vertrauen in die Medien und geringeres in den Gesundheitssektor.
Interpretation: Dargestellt sind die Ergebnisse einer binär-logistischen schrittweisen Regressionsanalyse (bestes statistisches Modell). Odds ratio treffen eine Aussage darüber, inwieweit das Vorhandensein bzw. Nichtvorhandensein eines Merkmals A (z.B. Wahrgenommene Nähe) mit dem Vorhandensein bzw. Nichtvorhandensein eines weiteren Merkmals B (z.B. Diskriminierung) zusammenhängt. Fettgedruckte Einflussfaktoren sind signifikant und haben einen statistisch bedeutsamen Einfluss. Werte über 1: höhere Werte auf diesem Einflussfaktor führen zu mehr Diskriminierung. Werte unter 1: kleinere Werte auf diesem Einflussfaktor führen zu weniger Diskriminierung. Variablen im Modell: Alter, Geschlecht, Bildung, Gemeindegröße, Bestätigte Fälle im Kreis, Wahrscheinlichkeit zu erkranken, Ernsthaftigkeit einer Erkrankung, Wissen COVID-19, Vertrauen in die Behörden, Vertrauen in den Gesundheitssektor, Vertrauen in die Medien, wahrgenommene Nähe, Ausbreitungsgeschwindigkeit des Virus und Medienhype.
| Menschen gemieden, die aus betroffenen Gebieten stammen | |||
|---|---|---|---|
| Predictors | Odds Ratios | CI | p |
| (Intercept) | 0.05 | 0.01 – 0.16 | <0.001 |
| Alter | 0.98 | 0.97 – 0.99 | 0.004 |
|
Ernsthaftigkeit der Erkrankung |
1.38 | 1.19 – 1.60 | <0.001 |
|
Vertrauen in Gesundheitssektor |
0.81 | 0.69 – 0.95 | 0.012 |
| Vertrauen in Medien | 1.23 | 1.07 – 1.43 | 0.005 |
| Wahrgenommene Nähe | 1.27 | 1.08 – 1.48 | 0.003 |
| Observations | 858 | ||
| R2 Tjur | 0.074 | ||
7 Informationsquellen
7.1 Nutzung
Wie häufig nutzen Sie nachfolgende Quellen, um sich über das neuartige Coronavirus zu informieren?
Die Bewertungen zu den Informationsquellen Arbeitgeber und Krankenkasse waren nicht verpflichtend. Von 977 Befragungsteilnehmenden haben 4.71 Prozent keine Bewertungen zum Arbeitgeber und 0 Prozent keine Bewertungen zur Krankenkasse abgegeben. 44.01 Prozent Befragungsteilnehmende nutzten andere Webseiten (Nutzungshäufigkeit: M = 2.13) und 41.35 Prozent andere Quellen (Nutzungshäufigkeit: M = 1.97) als zusätzliche Informationsquelle.
7.2 Zuverlässigkeit
Zuverlässigkeit: Wie zuverlässig sind die folgenden Quellen Ihrer Meinung nach in Bezug auf das neuartige Coronavirus?
Die Bewertungen zu den Informationsquellen Arbeitgeber und Krankenkasse waren nicht verpflichtend. Von 977 Befragungsteilnehmenden haben 4.81 Prozent keine Bewertungen zum Arbeitgeber und 0.2 Prozent keine Bewertungen zur Krankenkasse abgegeben.
7.3 Relevanz
Relevanz: mathematisches Produkt aus Nutzung und Zuverlässigkeit
Die Bewertungen zu den Informationsquellen Arbeitgeber und Krankenkasse waren nicht verpflichtend. Von 977 Befragungsteilnehmenden haben 5.73 Prozent keine Bewertungen zum Arbeitgeber und 0.2 Prozent keine Bewertungen zur Krankenkasse abgegeben.
7.4 Corona als Medien-Hype
8 Ausbruchs-Management
##Verantwortung
Ranking der Organisationen: Wer sollte hauptsächlich für das Management der Ausbruchs-Situation verantwortlich sein?
Dargestellt ist für jede Behörde oder Organisation der Anteil an Personen in %, die diese auf Rang 1 gesehen hat über alle Messzeitpunkte.
8.1 Vertrauen
Wie viel Vertrauen haben Sie in die untenstehenden Personen und Organisationen, dass sie in der Lage sind, gut und richtig mit dem neuartigen Coronavirus umzugehen?
9 Akzeptanz verschiedener Maßnahmen zur Krisenbewältigung
10 Daten im Detail
10.1 Detail: Wissen COVID-19
10.2 Detail: wirksame Schutzmaßnahmen kennen und ergreifen
Welche der folgenden Maßnahmen sind wirksame Präventivmaßnahmen um die Ausbreitung und die Ansteckung mit dem neuartigen Coronavirus zu verhindern? (Darstellung: wirksame Schutzmaßnahmen)
10.3 Detail: Unwirksame Schutzmaßnahmen und Aktionismus
Welche der folgenden Maßnahmen sind wirksame Präventivmaßnahmen um die Ausbreitung und die Ansteckung mit dem neuartigen Coronavirus zu verhindern? (Darstellung: unwirksame Schutzmaßnahmen, interpretiert als Aktionismus)
10.4 Detail: Krisenvorbereitung
11 Daten nach Demographie
Die folgende Tabelle zeigt für die aktuelle Welle wesentliche Variablen gesplittet nach den demographischen Charakteristika der Befragten.
M = Mittelwert
SD = Standardabweichung
N = Anzahl Befragter
| Erkrankungswahrscheinlichkeit | Schweregrad | Anfälligkeit | COVID-19 Wissen | Schutzverhalten | Aktionismus | subjektives Vorbereitetsein | Vertrauen in Behörden | Vertrauen in Gesundheitssektor | |||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Mittelwert | Standard- abweichung | N | Mittelwert | Standard- abweichung | N | Mittelwert | Standard- abweichung | N | Mittelwert | Standard- abweichung | N | Mittelwert | Standard- abweichung | N | Mittelwert | Standard- abweichung | N | Mittelwert | Standard- abweichung | N | Mittelwert | Standard- abweichung | N | Mittelwert | Standard- abweichung | N | |||||||||
| #Total | |||||||||||||||||||||||||||||||||||
| 3.3 | 1.4 | 977 | 3.7 | 1.5 | 977 | 3.8 | 1.4 | 977 | 0.7 | 0.2 | 977 | 0.7 | 0.2 | 977 | 0.2 | 0.2 | 977 | 4.6 | 1.4 | 977 | 4.8 | 1.5 | 931 | 4.8 | 1.4 | 938 | |||||||||
| Alter | |||||||||||||||||||||||||||||||||||
| 18-29 | 3.5 | 1.5 | 190 | 3.2 | 1.4 | 190 | 3.6 | 1.4 | 190 | 0.7 | 0.3 | 190 | 0.7 | 0.3 | 190 | 0.2 | 0.2 | 190 | 4.4 | 1.4 | 190 | 4.7 | 1.4 | 174 | 4.5 | 1.2 | 175 | ||||||||
| 30-49 | 3.4 | 1.4 | 350 | 3.6 | 1.4 | 350 | 3.7 | 1.4 | 350 | 0.7 | 0.2 | 350 | 0.7 | 0.2 | 350 | 0.2 | 0.2 | 350 | 4.7 | 1.4 | 350 | 4.9 | 1.4 | 332 | 4.8 | 1.3 | 338 | ||||||||
| 50-64 | 3.2 | 1.3 | 275 | 4.0 | 1.5 | 275 | 3.9 | 1.5 | 275 | 0.7 | 0.2 | 275 | 0.8 | 0.2 | 275 | 0.2 | 0.2 | 275 | 4.6 | 1.4 | 275 | 4.8 | 1.6 | 266 | 4.8 | 1.5 | 266 | ||||||||
| 65+ | 3.0 | 1.3 | 162 | 4.1 | 1.4 | 162 | 3.9 | 1.4 | 162 | 0.7 | 0.2 | 162 | 0.8 | 0.2 | 162 | 0.2 | 0.1 | 162 | 4.8 | 1.5 | 162 | 4.9 | 1.5 | 159 | 5.0 | 1.4 | 159 | ||||||||
| Geschlecht | |||||||||||||||||||||||||||||||||||
| männlich | 3.3 | 1.5 | 493 | 3.6 | 1.5 | 493 | 3.8 | 1.4 | 493 | 0.7 | 0.2 | 493 | 0.7 | 0.3 | 493 | 0.2 | 0.2 | 493 | 4.6 | 1.4 | 493 | 4.6 | 1.6 | 467 | 4.8 | 1.4 | 471 | ||||||||
| weiblich | 3.3 | 1.3 | 484 | 3.8 | 1.4 | 484 | 3.8 | 1.4 | 484 | 0.7 | 0.2 | 484 | 0.8 | 0.2 | 484 | 0.2 | 0.2 | 484 | 4.6 | 1.5 | 484 | 5.0 | 1.4 | 464 | 4.8 | 1.3 | 467 | ||||||||
| Bundesland | |||||||||||||||||||||||||||||||||||
| Ba-Wü | 3.2 | 1.3 | 120 | 3.6 | 1.5 | 120 | 3.9 | 1.5 | 120 | 0.7 | 0.2 | 120 | 0.7 | 0.2 | 120 | 0.2 | 0.2 | 120 | 4.7 | 1.5 | 120 | 5.0 | 1.5 | 114 | 4.9 | 1.3 | 114 | ||||||||
| Bayern | 3.5 | 1.4 | 137 | 3.9 | 1.6 | 137 | 3.8 | 1.4 | 137 | 0.7 | 0.2 | 137 | 0.8 | 0.2 | 137 | 0.2 | 0.2 | 137 | 4.5 | 1.5 | 137 | 4.5 | 1.5 | 128 | 4.5 | 1.4 | 130 | ||||||||
| Berlin | 3.7 | 1.4 | 43 | 4.1 | 1.3 | 43 | 4.2 | 1.7 | 43 | 0.7 | 0.2 | 43 | 0.8 | 0.2 | 43 | 0.2 | 0.2 | 43 | 4.5 | 1.4 | 43 | 4.5 | 1.6 | 43 | 4.4 | 1.5 | 43 | ||||||||
| Brandenburg | 3.5 | 1.3 | 31 | 3.9 | 1.3 | 31 | 3.9 | 1.2 | 31 | 0.7 | 0.2 | 31 | 0.7 | 0.3 | 31 | 0.1 | 0.1 | 31 | 4.2 | 1.5 | 31 | 4.7 | 1.6 | 30 | 4.5 | 1.6 | 30 | ||||||||
| Bremen | 3.4 | 1.8 | 8 | 5.1 | 2.0 | 8 | 5.1 | 1.7 | 8 | 0.6 | 0.2 | 8 | 0.8 | 0.2 | 8 | 0.2 | 0.2 | 8 | 3.9 | 2.0 | 8 | 5.0 | 2.0 | 7 | 4.5 | 1.9 | 8 | ||||||||
| Hamburg | 3.5 | 1.6 | 22 | 4.1 | 1.7 | 22 | 4.0 | 1.9 | 22 | 0.7 | 0.2 | 22 | 0.8 | 0.2 | 22 | 0.3 | 0.1 | 22 | 4.5 | 1.6 | 22 | 4.9 | 1.5 | 22 | 4.7 | 1.6 | 22 | ||||||||
| Hessen | 3.4 | 1.4 | 71 | 3.5 | 1.4 | 71 | 3.7 | 1.3 | 71 | 0.7 | 0.2 | 71 | 0.7 | 0.2 | 71 | 0.2 | 0.2 | 71 | 4.6 | 1.4 | 71 | 4.9 | 1.4 | 67 | 4.8 | 1.2 | 67 | ||||||||
| Meck-Vorp | 3.3 | 1.4 | 25 | 3.6 | 1.4 | 25 | 3.7 | 1.1 | 25 | 0.7 | 0.2 | 25 | 0.7 | 0.3 | 25 | 0.2 | 0.1 | 25 | 4.5 | 1.4 | 25 | 4.5 | 1.8 | 24 | 5.0 | 1.5 | 24 | ||||||||
| Nieders | 3.2 | 1.4 | 92 | 3.8 | 1.5 | 92 | 3.8 | 1.5 | 92 | 0.7 | 0.2 | 92 | 0.7 | 0.3 | 92 | 0.2 | 0.2 | 92 | 4.8 | 1.3 | 92 | 4.9 | 1.3 | 87 | 4.9 | 1.2 | 87 | ||||||||
| NRW | 3.2 | 1.3 | 219 | 3.5 | 1.4 | 219 | 3.6 | 1.5 | 219 | 0.7 | 0.2 | 219 | 0.7 | 0.2 | 219 | 0.2 | 0.2 | 219 | 4.7 | 1.5 | 219 | 5.0 | 1.4 | 209 | 4.9 | 1.4 | 211 | ||||||||
| RLP | 3.3 | 1.3 | 51 | 3.6 | 1.4 | 51 | 3.5 | 1.3 | 51 | 0.7 | 0.3 | 51 | 0.7 | 0.3 | 51 | 0.2 | 0.1 | 51 | 4.9 | 1.4 | 51 | 5.1 | 1.2 | 49 | 4.8 | 1.2 | 50 | ||||||||
| Saarland | 3.1 | 1.2 | 15 | 3.5 | 1.2 | 15 | 3.9 | 0.9 | 15 | 0.7 | 0.3 | 15 | 0.8 | 0.2 | 15 | 0.2 | 0.1 | 15 | 5.1 | 1.2 | 15 | 4.6 | 1.9 | 15 | 4.6 | 1.6 | 15 | ||||||||
| Sachsen | 3.2 | 1.6 | 50 | 4.0 | 1.6 | 50 | 3.7 | 1.5 | 50 | 0.7 | 0.2 | 50 | 0.7 | 0.3 | 50 | 0.2 | 0.2 | 50 | 4.2 | 1.5 | 50 | 4.6 | 1.5 | 48 | 4.6 | 1.4 | 49 | ||||||||
| S-Anhalt | 3.2 | 1.3 | 31 | 3.8 | 1.2 | 31 | 3.6 | 1.2 | 31 | 0.8 | 0.2 | 31 | 0.8 | 0.2 | 31 | 0.3 | 0.2 | 31 | 4.4 | 1.3 | 31 | 4.9 | 1.4 | 29 | 5.1 | 1.2 | 29 | ||||||||
| Schleswig-H | 3.2 | 1.1 | 36 | 3.8 | 1.3 | 36 | 3.9 | 1.3 | 36 | 0.7 | 0.2 | 36 | 0.7 | 0.3 | 36 | 0.2 | 0.1 | 36 | 4.8 | 1.2 | 36 | 4.6 | 1.6 | 35 | 4.7 | 1.4 | 35 | ||||||||
| Thüringen | 3.3 | 1.5 | 26 | 3.6 | 1.2 | 26 | 3.5 | 1.1 | 26 | 0.7 | 0.2 | 26 | 0.7 | 0.3 | 26 | 0.3 | 0.2 | 26 | 4.5 | 1.3 | 26 | 4.8 | 1.5 | 24 | 4.6 | 1.3 | 24 | ||||||||
| Infektionen im Kreis (nein/ja) | |||||||||||||||||||||||||||||||||||
| keine Fälle | 3.2 | 1.3 | 589 | 3.8 | 1.5 | 589 | 3.7 | 1.4 | 589 | 0.7 | 0.2 | 589 | 0.7 | 0.3 | 589 | 0.2 | 0.2 | 589 | 4.6 | 1.5 | 589 | 4.8 | 1.5 | 559 | 4.8 | 1.4 | 560 | ||||||||
| bestätigte und unbestätigte Fälle | 3.4 | 1.4 | 388 | 3.7 | 1.4 | 388 | 3.8 | 1.5 | 388 | 0.7 | 0.2 | 388 | 0.7 | 0.2 | 388 | 0.2 | 0.2 | 388 | 4.7 | 1.4 | 388 | 4.8 | 1.5 | 372 | 4.7 | 1.4 | 378 | ||||||||
| Gemeindegröße | |||||||||||||||||||||||||||||||||||
| ≤ 5.000 Einwohner | 3.4 | 1.3 | 158 | 3.7 | 1.4 | 158 | 3.7 | 1.4 | 158 | 0.7 | 0.2 | 158 | 0.7 | 0.3 | 158 | 0.2 | 0.1 | 158 | 4.5 | 1.5 | 158 | 4.8 | 1.6 | 151 | 4.8 | 1.4 | 150 | ||||||||
| 5.001 – 20.000 Einwohner | 3.3 | 1.4 | 208 | 3.8 | 1.4 | 208 | 3.8 | 1.4 | 208 | 0.7 | 0.2 | 208 | 0.8 | 0.2 | 208 | 0.2 | 0.2 | 208 | 4.7 | 1.4 | 208 | 4.8 | 1.5 | 200 | 4.8 | 1.4 | 202 | ||||||||
| 20.001 – 100.000 Einwohner | 3.2 | 1.4 | 259 | 3.7 | 1.4 | 259 | 3.7 | 1.4 | 259 | 0.7 | 0.2 | 259 | 0.7 | 0.3 | 259 | 0.2 | 0.2 | 259 | 4.7 | 1.4 | 259 | 4.8 | 1.5 | 242 | 4.8 | 1.4 | 244 | ||||||||
| 100.001 – 500.000 Einwohner | 3.3 | 1.4 | 162 | 3.5 | 1.5 | 162 | 3.7 | 1.4 | 162 | 0.7 | 0.2 | 162 | 0.7 | 0.2 | 162 | 0.2 | 0.2 | 162 | 4.6 | 1.4 | 162 | 4.8 | 1.4 | 154 | 4.8 | 1.3 | 155 | ||||||||
| > 500.000 Einwohner | 3.4 | 1.4 | 190 | 3.9 | 1.5 | 190 | 3.9 | 1.6 | 190 | 0.7 | 0.2 | 190 | 0.7 | 0.2 | 190 | 0.2 | 0.2 | 190 | 4.5 | 1.5 | 190 | 4.8 | 1.4 | 184 | 4.6 | 1.4 | 187 | ||||||||
COSMO Konsortium:
Team Uni Erfurt: Cornelia Betsch, Lars Korn, Lisa Felgendreff, Sarah Eitze, Philipp Schmid, Philipp Sprengholz
Team RKI: Lothar Wieler, Patrick Schmich
Team SMC: Volker Stollorz
Team BNITM: Michael Ramharter
Team Yale: Saad Omer
Review-Team: Robert Böhm (Universität Kopenhagen), Britta Renner (Universität Konstanz)