MedizinWissenschaftHitzebedingte Mortalität
Wissenschaft
Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...

Hintergrund: Infolge des Klimawandels werden häufigere, intensivere und auch längere Hitzewellen erwartet. Besonders betroffen von der Hitze sind ältere Menschen und Menschen mit Vorerkrankungen. Es stellt sich die Frage, inwieweit sich die Auswirkungen von Hitzewellen in Deutschland über die Zeit verändern und Präventivmaßnahmen wirksam werden.

Methode: Wir verwenden ein statistisches Modell, um die Wirkung von hohen Mitteltemperaturen auf die Mortalitätsrate zu quantifizieren. Innerhalb dieses Modells wird eine unterschiedliche Expositions-Wirkungs-Kurve für die Zeiträume 1992–2000, 2001–2010 und 2011–2017 geschätzt. Auch die verzögerte Wirkung von hohen Mitteltemperaturen der Vorwochen auf die Mortalität wird berücksichtigt.

Ergebnisse: Unsere Analyse zeigt einen deutlichen systematischen Zusammenhang zwischen der Mitteltemperatur der aktuellen Woche und auch der Mitteltemperatur der Vorwoche mit der wöchentlichen Mortalitätsrate. Dieser Zusammenhang ist ausgeprägter für höhere Altersgruppen und nimmt über die betrachteten Zeiträume ab, mit Ausnahme einer relativ schwachen Hitzewirkung im Zeitraum 1992–2000 in der Region Süden. Die stärksten Auswirkungen zeigen die Hitzewellen in den Jahren 1994 mit rund 10 200 und 2003 mit rund 9 600 hitzebedingten Sterbefällen. Für den Sommer des Jahres 2006 werden etwa 7 800 Sterbefälle geschätzt und für die Jahre 2010 und 2015 rund 4 700 und 5 200.

Schlussfolgerung: Auch in Deutschland kommt es infolge des Klimawandels zu häufigeren, intensiveren und längeren Hitzeperioden im Sommer. Deren Auswirkungen werden durch Anpassungsprozesse abgemildert, was vermutlich zum Teil an erfolgreichen Präventionsmaßnamen liegt. Daher sollten diese auch in Zukunft ausgeweitet und eventuell um weitere Maßnahmen ergänzt werden, um die Zahl der hitzebedingten Sterbefälle zu verringern.

LNSLNS

Hitzewellen wurden bereits in zahlreichen früheren Studien als bedeutender Risikofaktor für die menschliche Gesundheit identifiziert (1, 2, 3, 4, 5). Besonders betroffen von der Hitze sind vor allem ältere Menschen und Menschen mit Vorerkrankungen (6, 7). Seit dem Jahr 2000 traten überdurchschnittlich viele Hitzewellen in Europa auf (8). Für mehrere der großen Hitzewellen der letzten Jahre wurde bereits ein Beitrag des menschengemachten Klimawandels identifiziert (9, 10, 11). Infolge des Klimawandels werden in Zentraleuropa häufigere, intensivere und auch längere Hitzewellen erwartet (12, 13, 14, 15).

Der Klimawandel ist eine große Herausforderung auch für das öffentliche Gesundheitswesen (16, 17, 18). Er betrifft die Gesundheit direkt über Extremwetterereignisse wie zum Beispiel Hitzewellen, aber auch indirekt – beispielsweise durch veränderte Bedingungen für vektorübertragene Erkrankungen (19, 20, 21).

Anhaltende Exposition gegenüber hohen Temperaturen kann zu hitzebedingten Erkrankungen führen (22). Den im Zusammenhang mit Hitze auftretenden Sterbefällen wird aber nur in seltenen Fällen Hitze als Todesursache zugeordnet, sondern meistens bereits vorliegende schwere Grunderkrankungen beispielsweise des Herz-Kreislauf-Systems oder andere Todesursachen, die auf altersbedingten Beeinträchtigungen beruhen (23). Vor diesem Hintergrund ist es erforderlich, die aufgrund einer Hitzewelle auftretenden Sterbefälle mittels statistischer Verfahren zu schätzen.

Um den systematischen Zusammenhang zwischen dem Verlauf der Mitteltemperatur und der Mortalität zu verifizieren, wurden von verschiedenen Autoren statistische Modelle verwendet (24, 25, 26, 27, 28). Mithilfe einer Expositions-Wirkungs-Kurve wird der nichtlineare Einfluss der Temperatur auf die Mortalitätsrate quantifiziert. Ziel dieser Arbeit ist die Schätzung der Zahl hitzebedingter Sterbefälle auf Basis wöchentlicher Daten unter Berücksichtigung der sofortigen und verzögerten Einflüsse von Hitze auf die Mortalität; zudem soll untersucht werden, ob sich der Einfluss von Hitzewellen in Deutschland über die Zeit verändert hat.

Methode

Datengrundlage

Epidemiologische Daten: Wir verwenden wöchentlich aggregierte Daten des Statistischen Bundesamtes zur Gesamtmortalität im Zeitraum 1992–2017. Die Daten sind nach vier Altersgruppen (< 65 Jahre, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, ≥ 85) und nach Bundesland aggregiert. Deutschland wurde in die drei Regionen „Norden“, (bestehend aus den Bundesländern Bremen, Hamburg, Mecklenburg-Vorpommern, Niedersachsen, Schleswig-Holstein), „Mitte“ (Berlin, Brandenburg, Nordrhein-Westfalen, Rheinland-Pfalz, Saarland, Hessen, Sachsen, Sachsen-Anhalt, Thüringen) und „Süden“ (Baden-Württemberg, Bayern) eingeteilt. Um auch längere Zeitreihen zu berücksichtigen, wurden Daten aus Baden-Württemberg im Zeitraum 1968–2018 analysiert (eGrafik 1a+b).

(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in Baden-Württemberg in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen nach Region in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1968–1979 und 1988–2017
eGrafik 1a
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in Baden-Württemberg in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen nach Region in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1968–1979 und 1988–2017
Anpassung des statistischen Modells an die Daten zur wöchentlichen Mortalität, Baden-Württemberg, 1968–2018. Aufgrund von Unregelmäßigkeiten in den Daten wurden die Jahre 1980–1987 nicht im Modell berücksichtigt. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 1b
Anpassung des statistischen Modells an die Daten zur wöchentlichen Mortalität, Baden-Württemberg, 1968–2018. Aufgrund von Unregelmäßigkeiten in den Daten wurden die Jahre 1980–1987 nicht im Modell berücksichtigt. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).

Bevölkerungsdaten: Wir verwenden die offizielle Bevölkerungsstatistik des statistischen Bundesamtes nach Bundesland und Altersgruppe im Zeitraum 1992–2017.

Wetterdaten: Die verwendeten Wetterdaten stammen aus dem Bodenmessnetz des Deutschen Wetterdienstes. Für jedes Bundesland wurden vier bis sechs meteorologische Stationen in den wichtigsten Siedlungsschwerpunkten ausgewählt; für Mecklenburg-Vorpommern wurden zwei meteorologische Stationen (Schwerin und Waren [Müritz]) ausgewählt.

Modellierung

Das Modell beschreibt die Zeitreihe der beobachteten wöchentlichen Mortalität (Zahl der Sterbefälle pro Zahl der Einwohner in der entsprechenden Altersgruppe) über die Zeit im Wesentlichen mithilfe von drei Komponenten:

  • mit einer jährlich wiederkehrenden saisonalen Figur, die den jahreszeitlichen Gang der Mortalität beschreibt
  • mit einem Term für den langfristigen Trend, der zum Beispiel die Steigerung der Lebenserwartung beschreibt und
  • mit der Expositions-Wirkungs-Kurve, die den Einfluss von Hitzewellen auf die Mortalität quantifiziert.

Als Indikator für Hitze verwenden wir die Wochenmitteltemperatur. In an der Heiden et al. (1) wurde gezeigt, dass diese den beobachteten Verlauf der Mortalität besser abbilden kann als die Wochenminimal- oder Wochenmaximaltemperatur, die Minimaltemperatur der wärmsten Nacht in dieser Woche oder vergleichbare Maße der Feuchtigkeit oder des Humidex.

Alle Komponenten werden innerhalb des Modells getrennt für die Altersgruppen geschätzt. Zur Stabilisierung des Modells wird der Modellparameter, der die Stärke der Zufallsstörungen bestimmt, einheitlich für die Altersgruppen geschätzt.

Um die Veränderungen der Expositions-Wirkungs-Kurve über die Zeit zu analysieren, werden für die drei Zeiträume 1992–2000, 2001–2010 und 2011–2017 jeweils eigene Expositions-Wirkungs-Kurven bestimmt. Um den Einfluss der Wahl dieser Zeiträume nachzuvollziehen, werden durch Sensitivitätsanalyse auch andere Aufteilungen des Intervalls (1992–2017) betrachtet (eTabelle 1).

Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland [95-%-Konfidenzintervall]*
eTabelle 1
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland [95-%-Konfidenzintervall]*
Schwellenwerte für Hitze und thermisches Optimum nach Region und Altersgruppe (Mittelwert über die Zeiträume 1992–2000, 2001–2010 und 2011–2017)*
eTabelle 2
Schwellenwerte für Hitze und thermisches Optimum nach Region und Altersgruppe (Mittelwert über die Zeiträume 1992–2000, 2001–2010 und 2011–2017)*

Ein weiterer Aspekt, der von uns analysiert wird, ist, inwiefern sich die Abbildung der beobachteten Mortalität deutlich verbessert, wenn Einflüsse der Wochenmitteltemperatur der Vorwochen berücksichtigt werden. Hierfür werden auch diesen Vorwochen Expositions-Wirkungs-Kurven zugeordnet. Für eine Hitzewelle, die am Ende einer Kalenderwoche hohe Temperaturen aufweist, ist es selbst bei einer Verzögerung von nur einem oder zwei Tagen offensichtlich, dass die Mitteltemperatur der Vorwoche einen Effekt auf die Mortalität der aktuellen Woche hat.

Zur Definition einer Hitzewelle aufgrund der Wochenmitteltemperatur bestimmen wir einen Schwellenwert für diese Temperatur anhand der Modellergebnisse. Diesen Schwellenwert verwenden wir in der Folge, um die Zahl der hitzebedingten Sterbefälle zu schätzen. Dafür betrachten wir einen hypothetischen Temperaturverlauf, der dem realen gleicht, aber für reale Werte über dem Schwellenwert auf diesem verharrt und erst nach Absinken der realen Temperatur unter diesen Schwellenwert wieder der realen Temperatur folgt (gedeckelte Wochenmitteltemperatur). Für diesen gedeckelten Temperaturverlauf bestimmen wir dann den vom Modell erwarteten Verlauf der Mortalität. Die geschätzte Zahl von hitzebedingten Sterbefällen ergibt sich dann als Differenz der modellierten Zahl von Todesfällen für den realen und den gedeckelten Temperaturverlauf. Als Vergleichswert betrachten wir die Übersterblichkeit in Hitzewellen. Diese wird definiert als Differenz der beobachteten Zahl von Sterbefällen und der modellierten Zahl von Sterbefällen für den gedeckelten Temperaturverlauf. Die Unsicherheit dieser Schätzungen wurde mithilfe eine Simulation verschiedener möglicher Modellrealisierungen bestimmt.

Um zu überprüfen, ob der Einfluss der Wochenmitteltemperatur auf die Mortalität je nach Wochenmitteltemperatur der Vorwoche modifiziert wird, wurde ein komplizierteres Modell betrachtet, in dem der Einfluss der Kombination dieser beiden Temperaturen auf die Mortalität betrachtet und dann überprüft wurde, ob dies zu einer deutlich besseren Modellanpassung führt. Details zum Modellierungsverfahren finden sich im eMethodenteil.

Ergebnisse

Expositions-Wirkungs-Kurve

Die im Rahmen des statischen Modells geschätzte Expositions-Wirkungs-Kurve zeigt einen deutlichen Zusammenhang der Mitteltemperatur der aktuellen Woche und auch der Mitteltemperatur der Vorwoche mit der wöchentlichen Mortalitätsrate (Grafik 1). Über eine reine statistische Assoziation hinaus besteht ein Dosis-Wirkungs-Zusammenhang, sodass jeweils ab einem Schwellenwert für jede weitere Erhöhung der Wochenmitteltemperatur die relative Mortalitätsrate weiter ansteigt. Dieser Zusammenhang ist ausgeprägter für höhere Altersgruppen und nimmt über die betrachteten Zeiträume ab – mit Ausnahme einer relativ schwachen Hitzewirkung im Zeitraum 1992–2000 in der Region Süden. Die Berücksichtigung dieser veränderten Wirkung führt in den Regionen Norden und Mitte zu einer verbesserten Modellanpassung an die Mortalitätsdaten bezüglich des Akaike-Informationskriteriums (AIC) (29, 30). In der Region Süden führt dagegen eine über den gesamten Zeitraum 1992–2017 konstante Expositions-Wirkungs-Kurve zur besten Modellanpassung. Zur besseren Vergleichbarkeit und weiteren Analyse der Unterschiede stellen wir trotzdem in allen Regionen das Modell mit zeitlich veränderlichen Wirkungskurven dar.

(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in der Mitte Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe (= 85 Jahre). Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
Grafik 1
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in der Mitte Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe (= 85 Jahre). Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017

Mögliche Interaktionen zwischen den Mitteltemperaturen der aktuellen Woche und der Vorwoche wurden getestet, führen aber nicht zu einer relevant verbesserten Anpassung an die Mortalitätsdaten bezüglich AIC und bayesianischem Informationskriterium (BIC) (29, 30). Die Temperatur der Vorwoche scheint also die Wirkung der aktuellen Temperatur auf die Mortalität nicht stark zu verändern. Insofern finden wir keine Evidenz dafür, dass besonders hohe Temperaturen der Vorwoche zu einer stärkeren Auswirkung von Hitze in der aktuellen Woche führen.

Kurzzeitige Verschiebungen des Sterbezeitpunkts und Veränderungen der Expositions-Wirkungs-Kurve

Hohe Mitteltemperaturen in der zweiten und dritten Vorwoche zeigen nur einen geringen zusätzlichen Einfluss auf die (nachfolgende) Mortalitätsrate; das Hinzufügen eines Effekts der vierten Vorwoche führt nicht zu einer weiteren Verbesserung der Modellanpassung. Die Expositions-Wirkungs-Kurven der zweiten und dritten Vorwoche zeigen jeweils einen leicht negativen Effekt auf die Mortalitätsrate nach einer Hitzewelle. Das deutet darauf hin, dass bei einem kleinen Teil der Sterbefälle nur eine kurze Verschiebung des Todeszeitpunkts um zwei oder drei Wochen stattfand. Für die zweite Vorwoche ergibt sich teilweise ein statistisch signifikanter Rückgang der Mortalitätsrate von bis zu 6 % (Grafik 1, eGrafiken 2a–c). Für die dritte Vorwoche ergeben sich keine statistisch signifikanten Rückgänge; die Punktschätzer liegen bei bis zu 4 % oder darunter. Dagegen erhöhten sich die Mortalitätsraten aufgrund von hohen Temperaturen in der aktuellen Woche in der Altersgruppe ≥ 85 Jahre im Zeitraum 1992–2000 um bis zu 110 % (95-%-Konfidenzintervall: [65 %; 170 %]), im Zeitraum 2001–2010 um bis zu 79 % [57 %; 105 %] und im Zeitraum 2011–2017 um bis zu 43 % [21 %; 70 %]. Diese höchsten Steigerungen ergaben sich jeweils in der Region Mitte.

(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate im Norden Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
eGrafik 2a
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate im Norden Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in der Mitte Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
eGrafik 2b
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in der Mitte Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate im Süden Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
eGrafik 2c
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate im Süden Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017

Definition einer Hitzewelle über Schwellenwerte

Die Wochenmitteltemperatur der aktuellen Woche und der Vorwoche sind relativ stark korrelierte Größen (durchschnittliche Korrelation in den Sommerwochen 70 %), daher neigen sie dazu, gegensätzliche Trends in der Expositions-Wirkungs-Kurve zu zeigen. Erst ab einem bestimmten Temperaturwert führen beide jeweils zu einem Anstieg der Mortalitätsrate. Daher scheint dieser Temperaturwert als Schwellenwert geeignet zur Definition einer Hitzewelle. Vergleicht man die so gewonnenen Schwellenwerte nach Altersgruppe und Region (wenn die Expositions-Wirkungskurve für die Mitteltemperatur der Vorwoche nicht monoton verläuft und daher ein lokales Minimum hat), zeigt sich, dass dieser Wert für höhere Altersgruppen sinkt und auch vom Süden zum Norden hin abnimmt. Beispielsweise ergibt sich ein Schwellenwert von 19,0 °C für die Altersgruppe ≥ 85 Jahre im Norden, aber 19,8 °C beziehungsweise 20,3 °C für die gleiche Altersgruppe in Mitte und im Süden. Das bildet die höhere Empfindlichkeit älterer Menschen gegenüber Hitze ab und zeigt gleichzeitig, dass Regionen, in denen es üblicherweise wärmer ist, einen höheren Schwellenwert für Hitze haben (eTabelle 1).

Schätzung der Zahl hitzebedingter Sterbefälle

Die stärksten Auswirkungen zeigen die Hitzewellen in den Jahren 1994 mit rund 10 200 und 2003 mit rund 9 600 hitzebedingten Sterbefällen. Für den Sommer des Jahres 2006 werden 7 800 Sterbefälle geschätzt, und für die Jahre 2010 und 2015 etwa 4 700 und 5 200. In den vier Jahren 1992, 1995, 2001 und 2013 wird ebenfalls eine statistisch signifikante Zahl hitzebedingter Sterbefälle vom Modell geschätzt, deren Punktschätzer jeweils zwischen 2 000 und 3 000 Sterbefällen liegt (Grafiken 2 und 3, Tabelle, eGrafiken 3a–d und 4).

Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland 1992–2017. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20°C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Grafik 2
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland 1992–2017. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20°C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland*
Tabelle
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland*
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 1992–1995. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 3a
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 1992–1995. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2003–2006. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 3b
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2003–2006. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2008–2011. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 3c
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2008–2011. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2013–2016. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 3d
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2013–2016. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland. Jahre mit statistisch signifikanter Zahl geschätzter hitzebedingter Sterbefälle sind 1992, 1994, 1995, 2001, 2003, 2006, 2010, 2013 und 2015 (in Rot).
eGrafik 4
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland. Jahre mit statistisch signifikanter Zahl geschätzter hitzebedingter Sterbefälle sind 1992, 1994, 1995, 2001, 2003, 2006, 2010, 2013 und 2015 (in Rot).

Die Güte der Modellanpassung

Die Güte der Modellanpassung lässt sich nachvollziehen durch Vergleich der beobachteten Übersterblichkeit innerhalb von Hitzewellen mit der modellierten Zahl hitzebedingter Sterbefälle – vergleiche hierzu auch die Gegenüberstellung der beiden Größen in an der Heiden et al. (31). Grafik 3 zeigt, dass das Modell die Mortalität in den Jahren 2003, 2010 und 2015 etwas unterschätzt, in 1994 sehr genau trifft und in 2006 etwas überschätzt.

Vergleich der geschätzten Zahl hitzebedingter Sterbefälle (rot) und der Übersterblichkeit (blau) in Hitzewellen zwischen 1992 und 2017 in Deutschland
Grafik 3
Vergleich der geschätzten Zahl hitzebedingter Sterbefälle (rot) und der Übersterblichkeit (blau) in Hitzewellen zwischen 1992 und 2017 in Deutschland

Diskussion

Durch die Berücksichtigung des zeitlich verzögerten Einflusses der Hitze auf die Mortalitätsrate können die beobachteten Werte des Mortalitätsverlaufs und insbesondere die Peaks während der Hitzewellen im Vergleich zu der Modellierung in an der Heiden et al. (1) präziser abgebildet werden. Dagegen führt die Verwendung von Interaktionen zwischen den Mitteltemperaturen der aktuellen Woche und der Vorwoche nicht zu einer verbesserten Anpassung an die Mortalitätsdaten bezüglich der Informationskriterien AIC und BIC. Dies deutet darauf hin, dass hier tatsächlich nur ein verzögerter Einfluss der Hitze aus der Vorwoche relevant ist und der Einfluss der Mitteltemperatur der aktuellen Woche nicht durch die Höhe der Mitteltemperatur der Vorwoche modifiziert wird.

Die Berücksichtigung von unterschiedlichen Expositions-Wirkungs-Kurven über die Zeiträume 1992–2000, 2001–2010 und 2011–2017 führt zu einer verbesserten Abbildung der Daten bezüglich des AIC-Kriteriums. In allen Regionen zeigt sich eine schwächer werdende Wirkung von Hitze im Zeitraum 2011–17 im Vergleich zum Zeitraum 2001–10. Der Zeitraum 1992–2000 zeigt die stärkste Wirkung von Hitze für die aktuelle Woche für die Region Mitte und für die Vorwoche für die Regionen Norden und Mitte. Für die Region Süden verhält sich dagegen die Wirkung von Hitze im Zeitraum 1992–2000 ähnlich wie im Zeitraum 2011–2017 (eGrafik 5). Eine mögliche Erklärung für die relativ schwache Response insbesondere auf die Hitzewelle im Sommer 1994 ist, dass durch den frühen Hitze-Peak Ende Juni die nachfolgende Hitzewelle mit ähnlichen Spitzenwerten im Süden bereits Ende Juli ankündigt wurde und einen besseren Umgang damit ermöglichte. Im Norden und in der Mitte zeigte dagegen die Hitzewelle Ende Juli 1994 deutlich stärkere Höchstwerte als der Hitze-Peak Ende Juni.

Darstellung des Verlaufs der Mitteltemperatur und der modellierten Mortalität in den Regionen Norden, Mitte und Süden für die Hitzewellen 1994 und 2003 und benachbarte Jahre. Zur Einordnung wird im Vergleich die Referenztemperatur mit 95-%-Prädiktionsintervall über die Jahre 1961–1990 dargestellt. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Wochen mit einer Wochenmitteltemperatur außerhalb der 95-%-Prädiktionsintervalle werden als „ungewöhnlich warm“ bezeichnet.
eGrafik 5
Darstellung des Verlaufs der Mitteltemperatur und der modellierten Mortalität in den Regionen Norden, Mitte und Süden für die Hitzewellen 1994 und 2003 und benachbarte Jahre. Zur Einordnung wird im Vergleich die Referenztemperatur mit 95-%-Prädiktionsintervall über die Jahre 1961–1990 dargestellt. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Wochen mit einer Wochenmitteltemperatur außerhalb der 95-%-Prädiktionsintervalle werden als „ungewöhnlich warm“ bezeichnet.

Die Berücksichtigung der verzögerten Effekte der Vorwoche auf die Mortalität lässt die geschätzte Zahl der hitzebedingten Sterbefälle in den Jahren 2003, 2006 und 2010 höher ausfallen. Für die Jahre danach führt die Berücksichtigung des Trends in der Wirkungskurve zu insgesamt niedrigeren Schätzungen.

Obwohl die meisten Analysen die hitzebedingte Mortalität auf der Basis tagesgenauer Daten schätzen, zeigt sich auch bei Verwendung von wöchentlichen Daten ein deutlicher systematischer Zusammenhang. Modelle auf Basis tagesgenauer Daten erlauben eine sehr präzise Beschreibung der Verschiebungen zwischen Exposition und Wirkung, müssen aber relativ komplex aufgebaut sein, um das Zusammenspiel der einzelnen Tage – gerade am Anfang einer Hitzewelle –, mögliche Effekte der Wochentage und die Verzögerungen zwischen Hitze-Exposition und Todeszeitpunkt zu beschreiben. Wöchentlich aggregierte Daten bieten hier den Vorteil, gleich auf der Ebene der Hitzewellen zu agieren, und es genügt im Wesentlichen, den Einfluss von Hitze in der aktuellen Woche und der Vorwoche auf die Mortalität zu beschreiben.

Es sollte künftig in ähnlichen Modellen auf der Basis von tagesgenauen Daten untersucht werden, inwiefern sich ähnliche Ergebnisse ergeben, wenn statt der Kalenderwochen Zeiträume zwischen ein und sechs Tagen als zeitliche Einheit der Analyse gewählt werden.

Als Schwellenwert zur Definition von Hitzewellen kann die Temperatur definiert werden, ab der die Expositions-Wirkungs-Kurve der aktuellen Woche und der Vorwoche beide ansteigen. Er zeigt plausible Trends in Bezug auf Altersgruppe und Region. Zur Validierung dieser Definition sollten auf diese Weise ermittelte Temperatur-Schwellenwerte aus Analysen der Mortalitätsdaten aus verschiedenen Regionen der Erde bestimmt und verglichen werden.

Gasparrini et al. (26) verwenden als Schwellenwert für Hitze das thermische Optimum. Bildet man durch Summation über die zeitlich verzögerten Einflüsse das thermische Optimum für die wöchentliche Analyse der deutschen Daten, so ergeben sich Schwellenwerte zwischen 14,5 °C und 18,5 °C, die zu gering erscheinen und auch nicht die erwarteten Trends bezüglich Altersgruppe und Region zeigen. Daher erscheint zumindest im Kontext wöchentlicher Daten der von uns gewählte Schwellenwert angemessener. Andere Arbeiten nutzen beispielsweise 90-%-Perzentilen der Mitteltemperatur als Schwellenwerte und kommen zu plausiblen Schwellenwerten, deren Wahl aber wenig theoretisch fundiert erscheint (32). Hajat et al. verwenden mittels einfacher linearer Schwellenwertmodelle errechnete Schwellenwerte (33). Sie lagen für Mailand bei 23,4 °C, für London bei 20,5 °C und für Budapest bei 19,6 °C.

Insgesamt wird der Effekt von Hitze auf die Mortalitätsrate über die betrachteten Dekaden schwächer. Dies deutet auf Anpassungsprozesse hin, die auf einer physiologischen Anpassung (34) beruhen können, aber vermutlich vor allem durch Hitzewarnungen (35) und anderen Präventivmaßnahmen, besonders in der Betreuung älterer Menschen, verursacht wurden. Ein solcher Anpassungseffekt wird auch in anderen Ländern beobachtet. Fouillet et al. (36) erklären die geringere Exzessmortalität in Frankreich nach 2003 unter anderem mit Präventivmaßnahmen im Rahmen des Nationalen Hitzeaktionsplans seit 2004. Auch in der Schweiz zeigen Vergleiche verringerte Auswirkungen hoher Sommertemperaturen auf das Sterberisiko nach 2003, was mit der Einführung von Hitzewarnsystemen begründet wird (37). In Japan wird über einen größeren Zeitraum (1972–2010) eine Adaptation der Bevölkerung an die jüngeren Hitzewellen festgestellt (38).

In den meisten europäischen Ländern gibt es einen „Heat-Health Action Plan“, der die Maßnahmen nach einer Hitzewarnung umfassend koordiniert (39). In Deutschland gibt es solche Hitzeaktionspläne nur selten auf der Ebene der Bundesländer, wie zum Beispiel in Hessen. Hitzeaktionspläne scheinen in Deutschland anders als in anderen europäischen Ländern als primär kommunale Aufgabe wahrgenommen zu werden, die nicht landes- oder bundesweit koordiniert werden muss (40). Auf der Bundesebene erstellt der Deutschen Wetterdienst Hitzewarnungen für die Landkreise.

Interessenkonflikt
Die Autoren erklären, dass kein Interessenkonflikt besteht.

Manuskriptdaten
eingereicht: 21. 2. 2020, revidierte Fassung angenommen: 22. 7. 2020

Anschrift für die Verfasser
Dr. rer. nat. Matthias an der Heiden
Abteilung für Infektionsepidemiologie
Robert Koch-Institut, Nordufer 20, 13353 Berlin
anderHeidenM@rki.de

Zitierweise
an der Heiden M, Muthers S, Niemann H, Buchholz U,
Grabenhenrich L, Matzarakis A: Heat-related mortality—an analysis of the impact of heatwaves in Germany between 1992 and 2017.
Dtsch Arztebl Int 2020; 117: 603–9. DOI: 10.3238/arztebl.2020.0603

►Die englische Version des Artikels ist online abrufbar unter:
www.aerzteblatt-international.de

Zusatzmaterial
Mit „e“ gekennzeichnete Literatur:
www.aerzteblatt.de/lit3720 oder über QR-Code

eMethodenteil, eGrafiken, eTabellen:
www.aerzteblatt.de/20m0603 oder über QR-Code

1.
an der Heiden M, Muthers S, Niemann H, Buchholz U, Grabenhenrich L, Matzarakis A: Schätzung hitzebedingter Todesfälle in Deutschland zwischen 2001 und 2015. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2019; 62: 571–9 CrossRef MEDLINE
2.
Kovats RS, Kristie LE: Heatwaves and public health in Europe. Eur J Public Health 2006; 16: 592–9 CrossRef MEDLINE
3.
Mora C, Dousset B, Caldwell IR, et al.: Global risk of deadly heat. Nat Clim Chang 2017; 7: 501–6 CrossRef
4.
Muthers S, Laschewski G, Matzarakis A: The summers 2003 and 2015 in South-West Germany: Heat waves and heat-related mortality in the context of climate change. Atmosphere 2017; 8: 224 CrossRef
5.
Steul K, Schade M, Heudorf U: Mortality during heatwaves 2003–2015 in Frankfurt-Main—the 2003 heatwave and its implications. Int J Hyg Environ Health 2018; 221: 81–6 CrossRef MEDLINE
6.
Flynn A, McGreevy C, Mulkerrin E: Why do older patients die in a heatwave? Qjm 2005; 98: 227–9 CrossRef MEDLINE
7.
Hajat S, Kovats RS, Lachowycz K: Heat-related and cold-related deaths in England and Wales: who is at risk? Occup Environ Med 2007; 64: 93–100 CrossRef MEDLINE PubMed Central
8.
Russo S, Sillmann J, Fischer EM: Top ten European heatwaves since 1950 and their occurrence in the coming decades. Environ Res Lett 2015; 10: 124003 CrossRef
9.
Otto FE, Massey N, Van Oldenborgh G, Jones R, Allen M: Reconciling two approaches to attribution of the 2010 Russian heat wave. Geophys Res Lett 2012; 39 CrossRef
10.
Sippel S, Otto FE, Flach M, van Oldenborgh GJ: The role of anthropogenic warming in 2015 central European heat waves. Bull Am Meteorol Soc 2016; 97: S51-S6 CrossRef
11.
Stott PA, Stone DA, Allen MR: Human contribution to the European heatwave of 2003. Nature 2004; 432: 610–4 CrossRef MEDLINE
12.
Christidis N, Jones GS, Stott PA: Dramatically increasing chance of extremely hot summers since the 2003 European heatwave. Nat Clim Chang 2015; 5: 46 CrossRef
13.
Fischer EM, Schär C: Future changes in daily summer temperature variability: driving processes and role for temperature extremes. Climate Dynamics 2009; 33: 917 CrossRef
14.
Guerreiro SB, Dawson RJ, Kilsby C, Lewis E, Ford A: Future heat-waves, droughts and floods in 571 European cities. Environ Res Lett 2018; 13: 034009 CrossRef
15.
Lhotka O, Kyselý J, Farda A: Climate change scenarios of heat waves in Central Europe and their uncertainties. Theor Appl Climatol 2018; 131: 1043–54 CrossRef
16.
Nowak D: Global warming—the German picture. Dtsch Arztebl Int 2019; 116: 519–20 VOLLTEXT
17.
Watts N, Adger WN, Agnolucci P, et al.: Health and climate change: policy responses to protect public health. Lancet 2015; 386: 1861–914 15)60854-6">CrossRef
18.
World Health Organisation: WHO calls for urgent action to protect health from climate change. www.who.int/globalchange/global-campaign/cop21/en/ (last accessed on 29 January 2020).
19.
Campbell-Lendrum D, Manga L, Bagayoko M, Sommerfeld J: Climate change and vector-borne diseases: what are the implications for public health research and policy? Philos Trans R Soc Lond B Biol Sci 2015; 370: 20130552 CrossRef MEDLINE PubMed Central
20.
Ogden NH: Climate change and vector-borne diseases of public health significance. FEMS Microbiol Lett 2017; 364: doi: 10.1093/femsle/fnx186 CrossRef MEDLINE
21.
Stark K, Niedrig M, Biederbick W, Merkert H, Hacker J: Die Auswirkungen des Klimawandels. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2009; 52: 699–714 CrossRef MEDLINE
22.
Leyk D, Hoitz J, Becker C, Glitz KJ, Nestler K, Piekarski C: Health risks and interventions in exertional heat stress. Dtsch Arztebl Int 2019; 116: 537–44 CrossRef MEDLINE PubMed Central
23.
Eis D, Helm D, Laußmann D, Stark K: Klimawandel und Gesundheit. Ein Sachstandsbericht. Berlin: Robert Koch-Institut 2010.
24.
Basu R, Malig B: High ambient temperature and mortality in California: exploring the roles of age, disease, and mortality displacement. Environ Res 2011; 111: 1286–92 CrossRef MEDLINE
25.
Braga AL, Zanobetti A, Schwartz J: The effect of weather on respiratory and cardiovascular deaths in 12 US cities. Environ Health Perspect 2002; 110: 859–63 CrossRef MEDLINE PubMed Central
26.
Gasparrini A, Guo Y, Hashizume M, et al.: Mortality risk attributable to high and low ambient temperature: a multicountry observational study. Lancet 2015; 386: 369–75 14)62114-0">CrossRef
27.
Monteiro A, Carvalho V, Oliveira T, Sousa C: Excess mortality and morbidity during the July 2006 heat wave in Porto, Portugal. Int J Biometeorol 2013; 57: 155–67 CrossRef MEDLINE
28.
Zanobetti A, Wand M, Schwartz J, Ryan L: Generalized additive distributed lag models: quantifying mortality displacement. Biostatistics 2000; 1: 279–92 CrossRef MEDLINE
29.
Akaike H: Information theory and an extension of the maximum likelihood principle. Second International Symposium on Information Theory 1973; p. 267–81.
30.
Schwarz G: Estimating the dimension of a model. Ann Statist 1978; 6: 461–4 CrossRef
31.
an der Heiden M, Buchholz U, Uphoff H: Schätzung der Zahl hitzebedingter Sterbefälle infolge der Hitzewelle 2018. Epidemiologisches Bulletin 2019; 23: 193–7 .
32.
Scortichini M, de’Donato F, De Sario M, et al.: The inter-annual variability of heat-related mortality in nine European cities (1990–2010). Environ Health 2018; 17: 1–10 CrossRef MEDLINE PubMed Central
33.
Hajat S, Armstrong B, Baccini M, et al.: Impact of high temperatures on mortality: is there an added heat wave effect? Epidemiology 2006; 17: 632–8 CrossRef MEDLINE
34.
Gekle M, Singer D, Jessen C: Temperaturregulation und Wärmehaushalt. In: Klinke R, Pape H-C, Silbernagl S (eds.): Lehrbuch Physiologie: Georg Thieme Verlag 2005; 493–508.
35.
Matzarakis A, Laschewski G, Muthers S: The heat health warning system in Germany—application and warnings for 2005 to 2019. Atmosphere 2020; 11: 170 CrossRef
36.
Fouillet A, Rey G, Wagner V, et al.: Has the impact of heat waves on mortality changed in France since the European heat wave of summer 2003? A study of the 2006 heat wave. Int J Epidemiol 2008; 37: 309–17 CrossRef MEDLINE PubMed Central
37.
Ragettli MS, Vicedo-Cabrera AM, Schindler C, Röösli M: Exploring the association between heat and mortality in Switzerland between 1995 and 2013. Environ Res 2017; 158: 703–9 CrossRef MEDLINE
38.
Ng CFS, Boeckmann M, Ueda K, et al.: Heat-related mortality: effect modification and adaptation in Japan from 1972 to 2010. Global environmental change 2016; 39: 234–43 CrossRef
39.
Casanueva A, Burgstall A, Kotlarski S, et al.: Overview of existing heat-health warning systems in Europe. Int J Environ Res Public Health 2019; 16: 2657 CrossRef MEDLINE PubMed Central
40.
Blättner B, Janson D, Grewe HA: Hitzeaktionspläne in den Parlamenten der Bundesländer. Präv Gesundheitsf 2020; 15: 296–302 CrossRef
e1.
Wood SN: Generalized additive models: an introduction with R. New York: Chapman and Hall/CRC, 2006 CrossRef
e2.
Armstrong B, Bell ML, de Sousa Zanotti Stagliorio Coelho M, et al.: Longer-term impact of high and low temperature on mortality: an international study to clarify length of mortality displacement. Environ Health Perspect 2017; 125: 107009 CrossRef MEDLINE PubMed Central
Robert Koch-Institut (RKI), Abteilung für Infektionsepidemiologie, Berlin: Dr. rer. nat. Matthias an der Heiden, Dr. med. Udo Buchholz
RKI, Abteilung für Epidemiologie und Gesundheitsmonitoring, Berlin: Dr. Hildegard Niemann
RKI, Methodenentwicklung und Forschungsinfrastruktur, Berlin: PD Dr. med Linus Grabenhenrich, MPH
Deutscher Wetterdienst, Zentrum für Medizin-Meteorologische Forschung Freiburg: Dr. rer. nat. Stefan Muthers PhD, Prof. Dr. rer. nat. Andreas Matzarakis
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in der Mitte Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe (= 85 Jahre). Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
Grafik 1
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in der Mitte Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe (= 85 Jahre). Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland 1992–2017. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20°C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Grafik 2
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland 1992–2017. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20°C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Vergleich der geschätzten Zahl hitzebedingter Sterbefälle (rot) und der Übersterblichkeit (blau) in Hitzewellen zwischen 1992 und 2017 in Deutschland
Grafik 3
Vergleich der geschätzten Zahl hitzebedingter Sterbefälle (rot) und der Übersterblichkeit (blau) in Hitzewellen zwischen 1992 und 2017 in Deutschland
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland*
Tabelle
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland*
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in Baden-Württemberg in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen nach Region in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1968–1979 und 1988–2017
eGrafik 1a
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in Baden-Württemberg in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen nach Region in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1968–1979 und 1988–2017
Anpassung des statistischen Modells an die Daten zur wöchentlichen Mortalität, Baden-Württemberg, 1968–2018. Aufgrund von Unregelmäßigkeiten in den Daten wurden die Jahre 1980–1987 nicht im Modell berücksichtigt. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 1b
Anpassung des statistischen Modells an die Daten zur wöchentlichen Mortalität, Baden-Württemberg, 1968–2018. Aufgrund von Unregelmäßigkeiten in den Daten wurden die Jahre 1980–1987 nicht im Modell berücksichtigt. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate im Norden Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
eGrafik 2a
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate im Norden Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in der Mitte Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
eGrafik 2b
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate in der Mitte Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate im Süden Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
eGrafik 2c
(Expositions-Wirkungs-Kurven-)Verlauf der relativen Mortalitätsrate im Süden Deutschlands in Abhängigkeit von den Mitteltemperaturen der aktuellen Woche und der Vorwochen in der Altersgruppe = 85 Jahre. Datenbasis: Mortalität zwischen der 15. und 40. Kalenderwoche der Jahre 1992–2017
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 1992–1995. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 3a
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 1992–1995. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2003–2006. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 3b
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2003–2006. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2008–2011. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 3c
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2008–2011. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2013–2016. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
eGrafik 3d
Anpassung des Modells an die Daten zur wöchentlichen Mortalität, Deutschland, 2013–2016. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Modelliert wurden nur die Wochen im Sommerhalbjahr (15.–40. Kalenderwoche).
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland. Jahre mit statistisch signifikanter Zahl geschätzter hitzebedingter Sterbefälle sind 1992, 1994, 1995, 2001, 2003, 2006, 2010, 2013 und 2015 (in Rot).
eGrafik 4
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland. Jahre mit statistisch signifikanter Zahl geschätzter hitzebedingter Sterbefälle sind 1992, 1994, 1995, 2001, 2003, 2006, 2010, 2013 und 2015 (in Rot).
Darstellung des Verlaufs der Mitteltemperatur und der modellierten Mortalität in den Regionen Norden, Mitte und Süden für die Hitzewellen 1994 und 2003 und benachbarte Jahre. Zur Einordnung wird im Vergleich die Referenztemperatur mit 95-%-Prädiktionsintervall über die Jahre 1961–1990 dargestellt. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Wochen mit einer Wochenmitteltemperatur außerhalb der 95-%-Prädiktionsintervalle werden als „ungewöhnlich warm“ bezeichnet.
eGrafik 5
Darstellung des Verlaufs der Mitteltemperatur und der modellierten Mortalität in den Regionen Norden, Mitte und Süden für die Hitzewellen 1994 und 2003 und benachbarte Jahre. Zur Einordnung wird im Vergleich die Referenztemperatur mit 95-%-Prädiktionsintervall über die Jahre 1961–1990 dargestellt. Schattierte Bereiche kennzeichnen Wochen mit Mitteltemperatur über 20 °C. Wochen mit einer Wochenmitteltemperatur außerhalb der 95-%-Prädiktionsintervalle werden als „ungewöhnlich warm“ bezeichnet.
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland [95-%-Konfidenzintervall]*
eTabelle 1
Geschätzte Zahl hitzebedingter Sterbefälle 1992–2017 in Deutschland [95-%-Konfidenzintervall]*
Schwellenwerte für Hitze und thermisches Optimum nach Region und Altersgruppe (Mittelwert über die Zeiträume 1992–2000, 2001–2010 und 2011–2017)*
eTabelle 2
Schwellenwerte für Hitze und thermisches Optimum nach Region und Altersgruppe (Mittelwert über die Zeiträume 1992–2000, 2001–2010 und 2011–2017)*
1.an der Heiden M, Muthers S, Niemann H, Buchholz U, Grabenhenrich L, Matzarakis A: Schätzung hitzebedingter Todesfälle in Deutschland zwischen 2001 und 2015. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2019; 62: 571–9 CrossRef MEDLINE
2.Kovats RS, Kristie LE: Heatwaves and public health in Europe. Eur J Public Health 2006; 16: 592–9 CrossRef MEDLINE
3.Mora C, Dousset B, Caldwell IR, et al.: Global risk of deadly heat. Nat Clim Chang 2017; 7: 501–6 CrossRef
4.Muthers S, Laschewski G, Matzarakis A: The summers 2003 and 2015 in South-West Germany: Heat waves and heat-related mortality in the context of climate change. Atmosphere 2017; 8: 224 CrossRef
5.Steul K, Schade M, Heudorf U: Mortality during heatwaves 2003–2015 in Frankfurt-Main—the 2003 heatwave and its implications. Int J Hyg Environ Health 2018; 221: 81–6 CrossRef MEDLINE
6.Flynn A, McGreevy C, Mulkerrin E: Why do older patients die in a heatwave? Qjm 2005; 98: 227–9 CrossRef MEDLINE
7.Hajat S, Kovats RS, Lachowycz K: Heat-related and cold-related deaths in England and Wales: who is at risk? Occup Environ Med 2007; 64: 93–100 CrossRef MEDLINE PubMed Central
8.Russo S, Sillmann J, Fischer EM: Top ten European heatwaves since 1950 and their occurrence in the coming decades. Environ Res Lett 2015; 10: 124003 CrossRef
9.Otto FE, Massey N, Van Oldenborgh G, Jones R, Allen M: Reconciling two approaches to attribution of the 2010 Russian heat wave. Geophys Res Lett 2012; 39 CrossRef
10.Sippel S, Otto FE, Flach M, van Oldenborgh GJ: The role of anthropogenic warming in 2015 central European heat waves. Bull Am Meteorol Soc 2016; 97: S51-S6 CrossRef
11.Stott PA, Stone DA, Allen MR: Human contribution to the European heatwave of 2003. Nature 2004; 432: 610–4 CrossRef MEDLINE
12.Christidis N, Jones GS, Stott PA: Dramatically increasing chance of extremely hot summers since the 2003 European heatwave. Nat Clim Chang 2015; 5: 46 CrossRef
13.Fischer EM, Schär C: Future changes in daily summer temperature variability: driving processes and role for temperature extremes. Climate Dynamics 2009; 33: 917 CrossRef
14.Guerreiro SB, Dawson RJ, Kilsby C, Lewis E, Ford A: Future heat-waves, droughts and floods in 571 European cities. Environ Res Lett 2018; 13: 034009 CrossRef
15.Lhotka O, Kyselý J, Farda A: Climate change scenarios of heat waves in Central Europe and their uncertainties. Theor Appl Climatol 2018; 131: 1043–54 CrossRef
16.Nowak D: Global warming—the German picture. Dtsch Arztebl Int 2019; 116: 519–20 VOLLTEXT
17.Watts N, Adger WN, Agnolucci P, et al.: Health and climate change: policy responses to protect public health. Lancet 2015; 386: 1861–914 CrossRef
18.World Health Organisation: WHO calls for urgent action to protect health from climate change. www.who.int/globalchange/global-campaign/cop21/en/ (last accessed on 29 January 2020).
19.Campbell-Lendrum D, Manga L, Bagayoko M, Sommerfeld J: Climate change and vector-borne diseases: what are the implications for public health research and policy? Philos Trans R Soc Lond B Biol Sci 2015; 370: 20130552 CrossRef MEDLINE PubMed Central
20.Ogden NH: Climate change and vector-borne diseases of public health significance. FEMS Microbiol Lett 2017; 364: doi: 10.1093/femsle/fnx186 CrossRef MEDLINE
21.Stark K, Niedrig M, Biederbick W, Merkert H, Hacker J: Die Auswirkungen des Klimawandels. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2009; 52: 699–714 CrossRef MEDLINE
22.Leyk D, Hoitz J, Becker C, Glitz KJ, Nestler K, Piekarski C: Health risks and interventions in exertional heat stress. Dtsch Arztebl Int 2019; 116: 537–44 CrossRef MEDLINE PubMed Central
23.Eis D, Helm D, Laußmann D, Stark K: Klimawandel und Gesundheit. Ein Sachstandsbericht. Berlin: Robert Koch-Institut 2010.
24.Basu R, Malig B: High ambient temperature and mortality in California: exploring the roles of age, disease, and mortality displacement. Environ Res 2011; 111: 1286–92 CrossRef MEDLINE
25.Braga AL, Zanobetti A, Schwartz J: The effect of weather on respiratory and cardiovascular deaths in 12 US cities. Environ Health Perspect 2002; 110: 859–63 CrossRef MEDLINE PubMed Central
26.Gasparrini A, Guo Y, Hashizume M, et al.: Mortality risk attributable to high and low ambient temperature: a multicountry observational study. Lancet 2015; 386: 369–75 CrossRef
27.Monteiro A, Carvalho V, Oliveira T, Sousa C: Excess mortality and morbidity during the July 2006 heat wave in Porto, Portugal. Int J Biometeorol 2013; 57: 155–67 CrossRef MEDLINE
28.Zanobetti A, Wand M, Schwartz J, Ryan L: Generalized additive distributed lag models: quantifying mortality displacement. Biostatistics 2000; 1: 279–92 CrossRef MEDLINE
29.Akaike H: Information theory and an extension of the maximum likelihood principle. Second International Symposium on Information Theory 1973; p. 267–81.
30.Schwarz G: Estimating the dimension of a model. Ann Statist 1978; 6: 461–4 CrossRef
31.an der Heiden M, Buchholz U, Uphoff H: Schätzung der Zahl hitzebedingter Sterbefälle infolge der Hitzewelle 2018. Epidemiologisches Bulletin 2019; 23: 193–7 .
32.Scortichini M, de’Donato F, De Sario M, et al.: The inter-annual variability of heat-related mortality in nine European cities (1990–2010). Environ Health 2018; 17: 1–10 CrossRef MEDLINE PubMed Central
33.Hajat S, Armstrong B, Baccini M, et al.: Impact of high temperatures on mortality: is there an added heat wave effect? Epidemiology 2006; 17: 632–8 CrossRef MEDLINE
34.Gekle M, Singer D, Jessen C: Temperaturregulation und Wärmehaushalt. In: Klinke R, Pape H-C, Silbernagl S (eds.): Lehrbuch Physiologie: Georg Thieme Verlag 2005; 493–508.
35.Matzarakis A, Laschewski G, Muthers S: The heat health warning system in Germany—application and warnings for 2005 to 2019. Atmosphere 2020; 11: 170 CrossRef
36.Fouillet A, Rey G, Wagner V, et al.: Has the impact of heat waves on mortality changed in France since the European heat wave of summer 2003? A study of the 2006 heat wave. Int J Epidemiol 2008; 37: 309–17 CrossRef MEDLINE PubMed Central
37.Ragettli MS, Vicedo-Cabrera AM, Schindler C, Röösli M: Exploring the association between heat and mortality in Switzerland between 1995 and 2013. Environ Res 2017; 158: 703–9 CrossRef MEDLINE
38.Ng CFS, Boeckmann M, Ueda K, et al.: Heat-related mortality: effect modification and adaptation in Japan from 1972 to 2010. Global environmental change 2016; 39: 234–43 CrossRef
39.Casanueva A, Burgstall A, Kotlarski S, et al.: Overview of existing heat-health warning systems in Europe. Int J Environ Res Public Health 2019; 16: 2657 CrossRef MEDLINE PubMed Central
40.Blättner B, Janson D, Grewe HA: Hitzeaktionspläne in den Parlamenten der Bundesländer. Präv Gesundheitsf 2020; 15: 296–302 CrossRef
e1.Wood SN: Generalized additive models: an introduction with R. New York: Chapman and Hall/CRC, 2006 CrossRef
e2.Armstrong B, Bell ML, de Sousa Zanotti Stagliorio Coelho M, et al.: Longer-term impact of high and low temperature on mortality: an international study to clarify length of mortality displacement. Environ Health Perspect 2017; 125: 107009 CrossRef MEDLINE PubMed Central

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.

Zum Artikel