Az ENSZ Egészségügyi Világszervezete ugyan 2023. májusban megszüntette a világjárvány készültséget a COVID-19-megbetegedésekkel kapcsolatban, de továbbra is itt van velünk a vírus, továbbra is fertőzéseket, sőt kisebb számban halálozásokat okoz. A következő években is számíthatunk jelenlétére, de nem valószínű újabb világméretű elterjedés bekövetkezése. Azonban tény, hogy több évvel a pandémia kialakulása után is napvilágra kerülnek olyan információk és ismeretek, amelyek segítenek megérteni azt, hogy miért volt képes a világ minden országában megjelenni az új típusú koronavírus, hogy miért tudott két-három éven keresztül újabb és újabb járványhullámokat okozni és hogy miért járt együtt tömeges, nagyarányú halálozásokkal.
A tudományos kutatás feladata többféle szempontból és módszerrel vizsgálni, elemezni az egymásra hatásokat és még többet megtudni a járvány sajátosságairól, amelyek segíthetnek egy jövőbeli hasonló járványhelyzetre való hatékonyabb felkészülésben. Ennek a tanulási folyamatnak egyik eleme azt megismerni, hogy a COVID-19 okozta halálozások milyen területi különbségeket okoztak és ebben milyen társadalmi-gazdasági tényezők játszottak szerepet.
Magyarország egyike volt a világjárvány által leginkább érintett országoknak a regisztrált COVID-19-halálozás alapján.
Ebből kiindulva vizsgálatunk során alapvető cél volt annak feltárása, hogy a COVID-19-halálozás milyen területi különbségekkel volt azonosítható Magyarországon, ezek kialakulásában mely tényezők és milyen szerepet játszottak, vagyis hogyan szolgáltak magyarázattal a mortalitás földrajzi eloszlására. Mindezek alapján a következő vizsgálati kérdéseket fogalmaztuk meg:
- Hogyan jellemezhető a COVID-19-halálozás területi mintázata Magyarországon?
- Mely országrészek voltak a leginkább érintettek a halálozások magas számával és arányával
- A térbeliség milyen összefüggésben volt a COVID-19-halálozásra ható társadalmi-gazdasági tényezőkkel?
Az elmúlt években számos szerző és tanulmány vizsgálta a COVID-19-halálozás és a különböző társadalmi-gazdasági tényezők (változók, mutatószámok) közötti kapcsolatot. Így többek között a népsűrűség, az életkor, a nem, a fogyatékosság, az etnikai hovatartozás, a nélkülözés és szegénység, a jövedelem, az iskolai végzettség, a foglalkozás, a munkanélküliség szerepét elemezték, de közben kitértek az egészségügyi ellátás jellemzőinek, az elhunytak egészségi állapotának és betegségeinek a halálozásokra gyakorolt hatására, de még a légszennyezettség lehetséges következményeit is értékelték. A legtöbb kutatási előzmény arról számolt be, hogy
általában az alacsonyabb társadalmi-gazdasági helyzet magasabb COVID-19 halálozási aránnyal járt együtt,
összehasonlítva azokkal, akik eleve jobb helyzetben voltak. A vizsgált tanulmányok többsége egyúttal megerősítette azt is, hogy a COVID-19-halálozásban tapasztalható társadalmi-gazdasági különbségekben a területi jellemzőknek (földrajzi fekvés, lakóhely, szomszédság) markáns szerepe van. Végeredményben, a nemzetközi szakirodalomban számtalan eredmény állt rendelkezésre az egyes tényezők (változók) és a COVID-19-halálozás közti egymásra hatások megértéséhez, ezek alapján választottuk ki azokat, amelyeket a magyarországi vizsgálatban alkalmaztunk (1. ábra). A kiválasztott tényezőket, változókat a következő csoportokba (dimenziókba) soroltuk: demográfiai jellemzők, egészségkockázatok, egészségügyi ellátáshoz való hozzáférés tényezői, jövedelmi helyzet, COVID-19-járvány tényezői. A vizsgált változók összegyűjtésekor fontos szempont volt, hogy mindegyikük – kivéve a COVID-19-járvány tényezőit – a járvány előtti helyzetre utaljanak, vagyis az adatok 2020 előttiek legyenek.
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra01-695463.png)
A leíró statisztikai elemzésre, a legkisebb négyzetek módszerével becsült lineáris regressziós modellre (OLS) és a területi autokorrelációra épülő statisztikai vizsgálatainkat 175 járásra kiterjedően végeztük el 2020. március 4-től – a pandémia magyarországi kitörésétől – 2022. december 31-ig bezárólag, amikor is megszűnt a hivatalos járványügyi adatközlés. A leíró statisztikai vizsgálatokkal lényegében a hazai járványügyi adatokban és az egyéb egészségmutatókban jelenlévő területi különbségeket jellemeztük. A lineáris regressziós vizsgálatot alkalmaztuk arra, hogy rámutassunk, mely dimenzióknak és ezeken belül mely változóknak lehet jelentős hatása a magyarországi COVID-19-halálozásra és annak területi megoszlására. A modellben a COVID-19 halálozási rátát használtuk függő változóként és olyan magyarázó változókat vontunk be, amelyek az öt vizsgált dimenzióhoz kapcsolódtak. A területi autokorreláció használata viszont az egyenlőtlenségek területi eloszlásáról nyújtott információt, végső soron a COVID-19-halálozás térbeli függőségi mértékének vizsgálatára szolgált.
A leíró statisztikai vizsgálatok alapján elmondható, hogy a COVID-19-fertőzések és halálozások földrajzi eloszlása számottevő területi különbségeket mutatott az országon belül a járvány alatt (2. és 3. ábra). Azonban a két vizsgált COVID-19 specifikus mutató területi mintázatában fordított kapcsolat állt fenn.
Míg az igazolt COVID-19-fertőzések aránya inkább az ország fejlettebb területein volt tapasztalható, addig a fertőzés okozta halálozás főként a kevésbé fejlett területeken koncentrálódott a járvány alatt.
Ennek egyik lehetséges magyarázata, hogy a gazdaságilag fejlettebb, urbanizált és sűrűn lakott területeken a magasabb kontaktusszámok miatt több lehetett a fertőzések száma, sőt az egyes járványhullámok berobbanása is ezekhez a térségekhez volt köthető. Egyúttal a jobb életszínvonal feltételezte az önköltségen elvégzett több koronavírus-tesztet, ami növelte az igazolt esetek számát. Ez tulajdonképpen arra utalhat, hogy a kevésbé fejlett területeken a rejtett morbiditás magasabb aránya miatt – kevesebben tudtak önköltségen tesztelni – kevesebb fertőzés került igazolásra, több fertőzött beteg rejtve maradt saját maga és az egészségügyi ellátórendszer előtt is. A pandémiával összefüggő halálozási arányok a fővárosban, annak agglomerációjában és a vármegyeszékhelyeken voltak a legalacsonyabbak, míg a legmagasabbak az ország keleti részén, illetve a déli határ mentén. A magasabb halálozási arányszámok járási szinten például Jász-Nagykun-Szolnok vármegye egyes periférikus részein vagy a nagyobb városoktól, járásszékhelyektől távolabbi országrészekben is megjelentek.
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra02-695465.png)
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra03-695467.png)
A beoltott népesség aránya fontos információ a népesség egészségmagatartásáról, ami összefüggésben van az iskolai végzettséggel. Ugyan a rendelkezésre álló adatok a fertőzöttek oltottságára vonatkoztak, de ezek arányaiban megegyezhetnek a teljes népesség oltottságával (4. ábra). A beoltott népesség aránya a fejlettebb területeken, illetve a nagyobb városokban és a vármegyeszékhelyeken magasabb volt, az aprófalvas térségek, illetve a periférikus helyzetű területek felé haladva csökkent a beoltott népesség aránya.
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra04-695469.png)
Összességében a hazai COVID-19-fertőzések és –halálesetek, valamint a beoltottság területi mintázatában megjelentek azok az alapvető jellemzők, amelyek egyébként is meghatározóak akár az egészségi állapot, akár az egészségügyi ellátórendszer területi különbségeiben. Korábbi vizsgálatainkban már utaltunk arra, hogy az adott területen élő népesség egészségi állapota és az egészségügyi szolgáltatások megléte komoly hatással lehettek arra is, hogy a COVID-19-járvány alatt a fertőzés miatt mennyire súlyos és életveszélyes állapotba került a beteg, szüksége volt-e kórházi ellátásra, illetve hogyan alakultak a túlélési esélyei. Az egészségi állapot (5–8. ábra) és az egészségügyi ellátórendszer (9. ábra) területi eloszlásában jelentős különbségek láthatóak országosan, amelyek már a járvány előtt is meghatározóak voltak Magyarországon. Mindezeknek markáns következményei voltak, emiatt az ország egyes részeiben magasabb arányú volt a COVID-19-halálozás mértéke a járvány alatt. A társadalmi és gazdasági értelemben kevésbé fejlett területeken azok voltak a legsérülékenyebbek a járvány alatt, akiknek rosszabb volt az egészségi állapota, az idősebb generációkhoz tartoztak, hátrányos helyzetűek voltak és a helyi egészségügyi ellátórendszer is kihívásokkal nézett szembe.
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra05-695471.png)
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra06-695473.png)
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra07-695475.png)
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra08-695477.png)
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra09-695479.png)
Lineáris regressziós modellel elemeztük az egyes társadalmi-gazdasági változók (tényezők) szerepét a hazai COVID-19-halálozásban. Ezzel átfogóan tudtuk vizsgálni a COVID-19-halálozás területi megoszlásával összefüggő folyamatokat. A vizsgálat révén három olyan változót azonosítottunk, amelyek szinte minden modellben meghatározónak bizonyultak. Ezeknek megfelelően
a 65 év feletti népesség aránya, a légzőrendszeri halálozási arány és az iskolai végzettség szerepe meghatározó volt a hazai COVID-19-halálozás területi különbségeiben.
A vizsgálatok során többféle modellfuttatás történt különböző statisztikai alapú megfontolások alapján, azonban ez a három változó (tényező) mindegyikben szignifikáns hatásúnak bizonyult, azaz ezeknek kulcsszerepe volt a járvánnyal összefüggő halálozás területi különbségeinek megértésében. A modellek magyarázó erejét mutató R-négyzet értéke 0,39 és 0,44 között mozgott, ami alátámasztja eredményeink relevanciáját. A három kiemelt fontosságú tényező mellett továbbiak szerepe is megjelent egy-egy modell alapján. Így például az iskolai végzettség részben összefüggött a jövedelmi helyzettel, ugyanis azokban a járásokban, ahol magasabb volt a felsőfokú végzettséggel rendelkező 20 év feletti népesség aránya, jellemzően alacsonyabb volt a COVID-19 okozta halálozási arány. Vagy ha az életkor hatásától eltekintettünk, akkor például a cukorbetegségben szenvedő népesség aránya meghatározóvá vált a koronavírus-fertőzés okozta halálozásban. Ez az eredmény a cukorbetegség életkor-specifikus jellegével magyarázható, hisz az idősebbeket nagyobb arányban érinti ez a krónikus betegség.
Érdekes, részben ellentmondásos eredményekre jutottunk a szakirodalomban feltárt összefüggésekhez képest. Így például a COVID-19-halálozás járási szintű különbségeinek magyarázatában az egészségügyi ellátáshoz való hozzáférés dimenziója kevésbé volt releváns, mivel a dimenzión belül vizsgált változók egyike sem volt szignifikáns a modellváltozatokban. Ennek hátterében az állhat, hogy országon belül nagyjából hasonló az elérhető egészségügyi szolgáltatások színvonala, pontosabban azt feltételezhetjük, hogy a világjárvány egymást követő hullámai országszerte olyan mértékű túlterhelést jelentettek az egészségügyi ellátórendszerre, amely szinte eltörölte a meglévő különbségek szerepét az ellátásban. Emellett mérsékelhette a földrajzi különbségeket az is, hogy a járvány kitörését követően az egészségügyi személyzet egy részét átcsoportosították oda, ahol súlyosabb volt a járványhelyzet. Nem zárható ki azonban, hogy az összefüggés hiánya a felhasznált változók jellegével magyarázható, mivel ezt a dimenziót jórészt olyan mutatókkal tudtuk megragadni, amelyek a regionális központoktól mért távolságokra, illetve a települések nagyságára vonatkoztak.
Az elvégzett területi autokorrelációs vizsgálat eredményei arra utaltak, hogy a COVID-19-halálozásban meghatározó szerepe volt a térbeli függőségnek, amely azt jelenti, hogy egy adott járás halálozási értékei érdemben befolyásolhatták a szomszédos járások értékeit a járvány alatt. A jelenség mértékét és irányát vizsgálva jellemzően pozitív térbeli autokorrelációt figyeltünk meg. Egyrészt a kevésbé fejlett járások esetében, mint például Magyarország északi és északkeleti része vagy a belső perifériák tekintetében, ahol a COVID-19 mortalitás viszonylag magas volt országosan és egymás szomszédságában is magas értékekkel rendelkező járások helyezkedtek el. Másrészt a viszonylag fejlett területeken, mint például Budapesten és agglomerációjában pedig országosan is alacsony volt a COVID-19 mortalitás és egymás szomszédságában ilyen járások voltak.
Kutatásunk egyik legfőbb eredménye, hogy járási szintű statisztikai adatokon alapulva meggyőző bizonyítékot találtunk a térbeli összefüggések szerepére a koronavírus-járványhoz kapcsolódó halálozás hazai földrajzi eloszlásában.
Ezen túlmenően a COVID-19-halálozással összefüggésbe hozható legfontosabb társadalmi-gazdasági változók azonosítása (életkor, légzőrendszeri halálozások, iskolai végzettség) segített abban, hogy lássuk, melyek voltak a legfontosabb kockázatok a járvány idején (10. ábra).
![](https://pcdn.hu/articles/images-o/k/r/t/krtk-pager-et-al-2024-abra10-695481.png)
Összességében eredményeink megerősítették, hogy a társadalmi-gazdasági helyzet területi differenciáltsága fontos annak magyarázatához, hogy egy járás COVID-19 okozta halálozása milyen hatással lehetett a vele határos területek helyzetére. Hangsúlyozzuk, hogy a társadalmi-gazdasági helyzetnek a COVID-19-halálozásra gyakorolt térbeli hatásai között jelentős területi különbségek voltak, ami szignifikáns összefüggést jelez az egyes területek koronavírus okozta halálozási aránya és a szomszédos területek jellemző társadalmi-gazdasági változói között. Úgy tűnik, hogy a COVID-19-halálozás térbeli hatással rendelkezik, vagyis
egy járás COVID-19-cel kapcsolatos halálozási értékei befolyásolhatták a szomszédos járások értékeit is a járvány idején.
A felhasznált adatok kapcsán hangsúlyozzuk, hogy egyes mutatók eloszlásának értékelése csak bizonyos feltételek között volt megtehető, tehát a végső konklúzió levonása során ezeket a korlátozó tényezőket is figyelembe kellett venni. Így például hivatalosan azon igazolt fertőzöttek számát közölték a járvány alatt, akiket PCR- vagy antigén-teszt pozitív eredményei alapján egyértelműen diagnosztizáltak és a betegségük nyilvánvalóvá vált az egészségügy számára (pl. háziorvos rendelte el a tesztelést vagy a beteg kórházba került). Azonban ehhez képest többszörös lehetett a megbetegedettek száma a járvány évei alatt – főként 2020–2022 között –, akiket vagy nem diagnosztizáltak (pl. enyhébb tünetek vagy tünetmentesség miatt nem készült koronavírus-teszt), illetve a 2021-től a gyógyszertárakban is elérhető antigén-tesztek miatt sok beteg nem jelentette be a fertőzöttség tényét a háziorvos számára (főleg az enyhe tünetekkel járó 5. vagy 6. hullám során). Szintén fontosnak tartjuk kiemelni azt, hogy a COVID-19 okozta halálesetek mérésében a hivatalosan megadott adatokkal dolgoztunk, és Magyarország – a WHO ajánlására – minden olyan halálesetet a statisztikába vett, amelynél a betegség idején vagy azt megelőzően kimutatható volt az új típusú koronavírus-fertőzés, illetve fennállt a fertőzés gyanúja.
Kutatási eredményeink egyrészt hozzájárulnak a hazai COVID-19-halálozás társadalmi-területi egyenlőtlenségeire vonatkozó ismeretek bővítéséhez, ugyanakkor fontos kiemelni, hogy szükség van további vizsgálatokra az összefüggések és egymásra hatások alaposabb megismeréséhez.
A kutatás részletes eredményei és szakirodalmi háttere az alábbi angol nyelvű folyóiratcikkben és magyar nyelvű műhelytanulmányban érhetők el:
- Páger, B., Tóth, G. Cs., Uzzoli, A. 2024. The role of socioeconomic variables in the regional inequalities of COVID-19 mortality in Hungary. Eastern Journal of European Studies, 15(1), pp. 272-297.
- Páger, B., Tóth, G. Cs., Uzzoli, A. 2023. A társadalmi-területi változók szerepe a COVID-19-halálozás regionális egyenlőtlenségeiben Magyarországon. KRTK-KTI Műhelytanulmányok, 2023/12, 32 p.
Páger Balázs a HUN-REN Közgazdaság- és Regionális Tudományi Kutatóközpont (KRTK) Regionális Kutatások Intézetének tudományos munkatársa
Tóth G. Csaba a HUN-REN KRTK Közgazdaságtudományi Intézetének és a Budapesti Corvinus Egyetem Corvinus Institute for Advanced Studies tudományos munkatársa
Uzzoli Annamária a HUN-REN CSFK Földrajztudományi Intézetének tudományos főmunkatársa
A cikk a szerzők véleményét tükrözi, amely nem feltétlenül esik egybe a Portfolio szerkesztőségének álláspontjával.
Címlapkép forrása: Shutterstock