Krankheitsbedingte Abwesenheit wegen obligatorischem COVID

BMC Public Health Band 23, Artikelnummer: 1482 (2023) Diesen Artikel zitieren

31 Zugänge

Details zu den Metriken

Mit der Verfügbarkeit von Impfstoffen gegen COVID-19 haben viele Länder im Jahr 2021 eine Verpflichtung für Arbeitnehmer eingeführt, ihren COVID-19-Status am Arbeitsplatz nachzuweisen, in Deutschland bekannt als 3G-Regel (geimpft, genesen, getestet). Angesichts der kontroversen Debatte wurde befürchtet, dass Arbeitnehmer durch eine Krankschreibung versuchen könnten, die Vorlage der obligatorischen COVID-19-Zertifikate zu umgehen. Ziel dieser Studie war es zu untersuchen, ob verpflichtende COVID-19-Tests am Arbeitsplatz zu einer solchen Ausweichreaktion führen.

Für eine empirische Panelanalyse haben wir Daten aus offiziellen Quellen gesammelt und aggregierte Krankenversicherungsdaten zu Krankenständen, epidemiologische Daten zu laborbestätigten COVID-19-Infektionen und Impfraten für die Bundesländer von September 2021 bis Januar 2022 kombiniert Regionale Panel-Datenanalyse zur Abschätzung der Auswirkungen der obligatorischen COVID-19-Zertifikate am Arbeitsplatz auf den Krankenstand von Arbeitnehmern. Die regionale Impfrate spiegelte Unterschiede in der Behandlungsintensität wider.

Diese Studie trägt zu den begrenzten Erkenntnissen über die möglichen Auswirkungen der Einführung obligatorischer COVID-19-Zertifikate am Arbeitsplatz auf die Krankenstandsraten bei. Tatsächlich zeigten unsere Ergebnisse, dass unter Berücksichtigung der Infektionsraten eine um einen Prozentpunkt niedrigere Impfrate zu einem Anstieg der krankheitsbedingten Fehlzeiten um 0,021 Prozentpunkte führte, als die 3G-Regel in Kraft trat. Dieser Effekt wurde mit hoher statistischer Präzision gemessen. Darüber hinaus haben wir in Robustheitsprüfungen eine Reihe weiterer möglicher Einflussfaktoren kontrolliert, die das Krankheitsverhalten beeinflusst haben könnten, wie beispielsweise zeitlich veränderliche Arbeitsmarktsituationen. Die Ergebnisse blieben jedoch robust.

Die Ergebnisse unserer empirischen Panelanalyse lassen darauf schließen, dass verpflichtende COVID-19-Zertifikate am Arbeitsplatz zu Ausweichreaktionen und zu zusätzlichen Krankheitstagen in relevanter Größenordnung führten. Testpflichten sollten dazu beitragen, die Epidemie einzudämmen. Allerdings ist es bei der Einführung umstrittener Pflichten wichtig, Ausweichmanöver zu berücksichtigen und die Regeln angemessen zu gestalten und überzeugend zu kommunizieren.

Peer-Review-Berichte

Die COVID-19-Pandemie führte nicht nur zu Rezessionen aufgrund der rückläufigen Nachfrage, sondern auch zu massiven Rückgängen der geleisteten Arbeitsstunden [1], insbesondere durch die weit verbreitete Nutzung von Kurzarbeitsregelungen [2]. Allerdings kam es auch auf Arbeitnehmerseite aufgrund von COVID-19 zu einem Rückgang der geleisteten Arbeitsstunden. Gründe dafür waren unter anderem COVID-19-Infektionen [3, 4], Quarantänezeiten [5] und die Abwesenheit von Eltern aufgrund der Schließung von Schulen und Kinderbetreuungseinrichtungen [6,7,8]. In Deutschland meldeten knapp 40 Prozent der Betriebe im Januar 2022 solche mitarbeiterbedingten Reduzierungen der geleisteten Arbeitsstunden [9].

In dieser Studie haben wir eine weitere mögliche Ursache für den Rückgang der geleisteten Arbeitsstunden untersucht. Im Jahr 2021 führten viele Länder eine Verpflichtung für Arbeitnehmer ein, ihren COVID-19-Status am Arbeitsplatz nachzuweisen [10], um das Infektionsrisiko am Arbeitsplatz zu verringern, insbesondere in Fällen, in denen das Arbeiten von zu Hause aus nicht möglich war [11].

Die Europäische Union hat 2021 das Grüne Digitale Zertifikat eingeführt, das die Impfung, die Genesung einer Person von COVID-19 oder ein negatives COVID-19-Testergebnis in den letzten 48 Stunden dokumentiert [12]. In vielen Bereichen wurden Zertifizierungen eingeführt, z. B. für internationale Reisen oder im Inland für den Zugang zu Einrichtungen und in einigen Ländern für den Zugang zum Arbeitsplatz [13]. In Deutschland wurde im November 2021 die sogenannte 3G-Regel für geimpfte, genesene oder getestete Arbeitnehmer am Arbeitsplatz eingeführt, d. h. Arbeitnehmer benötigten einen Impfnachweis, einen Genesenennachweis o.ä negativer Antigentest (oder PCR-Test), um Zugang am Arbeitsplatz zu erhalten. Auf diese Weise könnte die Infektionskette frühzeitig unterbrochen und ein größerer Ausbruch in einer Organisation verhindert werden.

Das Testergebnis des Mitarbeiters musste digital oder schriftlich vorliegen. Das Testen am Arbeitsplatz war unter Aufsicht möglich. Ein Schnelltest war 24 h gültig; ein PCR-Test für 48 Stunden. Durch die 3G-Regel und die damit verbundenen Kontrollen mussten sich ungeimpfte Mitarbeiter nun deutlich häufiger an jedem Arbeitstag einem COVID-19-Test unterziehen. Arbeitgeber mussten ihren Mitarbeitern mindestens zwei Schnelltests pro Woche anbieten und die Kosten dafür tragen, es sei denn, sie arbeiteten ausschließlich von zu Hause aus. Folglich mussten ungeimpfte Arbeitnehmer einen Teil der Testkosten bezahlen.

Mit Stand Dezember 2021 waren rund 83 % der Mitarbeiter geimpft oder genesen (2G), sodass etwa jeder Sechste noch regelmäßige Tests benötigte. Insgesamt wurde damals etwa ein Viertel der Mitarbeiter täglich getestet, da sich einige Mitarbeiter mit 2G-Status auch selbst testen ließen [14]. Dies hätte zu Ausweichreaktionen von Mitarbeitern führen können, die sich beispielsweise gegen die Testpflicht aussprachen oder darüber verärgert waren. Es bestanden daher Bedenken, dass Arbeitnehmer versuchen könnten, diese Pflicht durch eine Krankschreibung zu umgehen. Dies muss auch vor dem Hintergrund gesehen werden, dass die Debatten über die COVID-19-Politik oft sehr intensiv und ideologisch geführt wurden.

Die wenigen vorliegenden Erkenntnisse zu den Auswirkungen verpflichtender Nachweise über Impfung, Genesung oder einen negativen Test am Arbeitsplatz legen nahe, dass es zu Verhaltensänderungen kommen kann (siehe [10] für einen Überblick). Es gibt beispielsweise Hinweise darauf, dass die Beschränkung des Zugangs zum Arbeitsplatz auf Personen mit einem COVID-19-Statuszertifikat dazu führen kann, dass sich eine Minderheit der ungeimpften Bevölkerung bewusst einer COVID-19-Infektion aussetzt, um ein Zertifikat zu erhalten [10]. Darüber hinaus kann die Pflicht zur Vorlage einer COVID19-Statusbescheinigung am Arbeitsplatz die Impfquote erhöhen [15, 16].

Dieses Papier trägt zu den begrenzten Erkenntnissen über die möglichen Auswirkungen der Einführung obligatorischer COVID-19-Zertifikate am Arbeitsplatz bei. Nach unserem besten Wissen ist unsere Studie die erste, die einen konsistenten empirischen Rahmen verwendet, um die Auswirkungen auf die krankheitsbedingte Fehlzeitenquote von Arbeitnehmern abzuschätzen. Konkret haben wir untersucht, ob Mitarbeiter durch eine Krankschreibung die Pflicht zur COVID-19-Bescheinigung umgangen haben. Wir haben einen solchen Effekt identifiziert, indem wir die erheblichen Unterschiede zwischen den Impfquoten der Bundesländer ausgenutzt haben. Je mehr ungeimpfte Menschen es in einem Bundesland gäbe, desto stärker würde die Krankenstandsquote bei Vorliegen eines Effekts reagieren.

Für die empirische Analyse kombinieren wir aggregierte Daten auf Ebene der Bundesländer mit Krankenversicherungsdaten einerseits und epidemiologischen Daten andererseits. Wir haben aggregierte Daten zur COVID-19-Pandemie sowie Daten zu Krankenstandsquoten von Krankenkassen auf Bundes- und Landesebene erhoben. Die verwendeten aggregierten Daten stehen auf den offiziellen Websites der Institutionen kostenlos zum Download zur Verfügung.

Die epidemiologischen Daten stammen vom Robert Koch-Institut (RKI), der zentralen wissenschaftlichen Einrichtung des Bundes zur Sicherung der öffentlichen Gesundheit in Deutschland. Das RKI übersetzt laborbestätigte COVID-19-Infektionsdaten, die den örtlichen Gesundheitsbehörden gemeldet werden, in statistische Daten. Als RKI-Statistik werden nur Fälle veröffentlicht, die der Referenzdefinition entsprechen. Hierbei handelt es sich um COVID-19-Fälle, für die ein labordiagnostischer Nachweis durch Nukleinsäurenachweis (z. B. PCR) oder Erregerisolierung vorliegt. Wir verwendeten die COVID-19-Infektionsraten in der Altersgruppe der 15- bis 59-Jährigen im Verhältnis zur entsprechenden Bevölkerungsgruppe [17]. Darüber hinaus wurden die Impfquoten von Personen mit Grundimmunisierung in der Altersgruppe 18–59 Jahre, also Personen, die zwei Dosen erhalten hatten, in die Schätzung einbezogen [18]. Auch diese Daten werden vom RKI aus den von den Dienstleistern (Impfzentren, mobilen Teams, Ärzten etc.) gemeldeten Impfdaten zusammengestellt und als entsprechende Statistik veröffentlicht. Die Zusammenfassung der Impfstatistik für die Altersgruppe 18–59 Jahre steht im Zusammenhang mit der Gesetzgebung.Fußnote 1

Wie in Abb. 1 dargestellt, waren die regionalen Unterschiede im Allgemeinen zwischen West- und Ostdeutschland am ausgeprägtesten, wobei die Impfraten in den östlichen Bundesländern (einschließlich BB, BE, MV, SN, ST und TH) deutlich niedriger waren. Eine Zusatzdatei gibt einen Überblick über die unterschiedlichen Impfquoten in den Bundesländern Ende September 2021 bzw. Januar 2022 (siehe Zusatzdatei 1).

Unterschiede der Impf- und Krankenstandsquoten nach Bundesländern im Vergleich zum Bundeswert (Monatsdurchschnitte von Oktober 2021 bis Januar 2022). Impfquoten der Grundimmunisierten im Alter von 18 bis 59 Jahren. Abkürzungen: BB, Brandenburg; BE, Berlin; BW, Baden-Württemberg; BY, Bayern; HB, Bremen; HH, Hamburg; ER, Hessen; MV, Mecklenburg-Vorpommern; NI, Niedersachsen; NW, Nordrhein-Westfalen; RP, Rheinland-Pfalz; SL, Saarland; SN, Sachsen; ST, Sachsen-Anhalt; SH, Schleswig-Holstein; TH, Thüringen

Darüber hinaus haben wir Daten von Krankenkassen zu Krankenstandsquoten in Deutschland herangezogen. Diese Daten basieren auf Analysen der Krankenstandstage von rund vier Millionen Arbeitnehmern, die bei einer Betriebskrankenkasse (BKK) gesetzlich krankenversichert sind [19]. In Deutschland haben Arbeitnehmer im Krankheitsfall Anspruch auf volle Lohnfortzahlung durch ihren Arbeitgeber für maximal sechs Wochen. Die Krankenstandsquote wird auf Basis der gemeldeten Krankenstandstage berechnet und gibt an, wie viel Prozent der Kalendertage im Beobachtungszeitraum jeder Arbeitnehmer im Durchschnitt krankheitsbedingt arbeitsunfähig war. Darüber hinaus ist auch die durchschnittliche Anzahl der Krankheitstage nach Hauptdiagnosekategorie gemäß der Internationalen statistischen Klassifikation von Krankheiten und verwandten Gesundheitsproblemen (ICD) verfügbar. Der Verlauf der Krankenstandquote auf Basis der BKK entspricht weitgehend dem Verlauf aller gesetzlichen Krankenkassen in Deutschland (siehe Abbildung 2); Die Struktur der BKK-Mitglieder unterscheidet sich nicht wesentlich von der der Gesamtbelegschaft. Die Zahlen der Zusatzdatei geben einen Überblick über die unterschiedliche Entwicklung der Krankenstandsquoten in den Bundesländern für die Monate September 2021 bis Januar 2022 im Detail (siehe Zusatzdatei 2).

Monatlicher Krankenstand der erwerbstätigen Krankenversicherten in Prozent im Zeitverlauf (Januar 2019 bis Januar 2022). Abweichungen in der Krankenstandquote können auch auf die unterschiedliche Erfassung der beiden Statistiken zurückzuführen sein. Die Krankenstandsquote auf Basis aller gesetzlichen Krankenkassen wird auf Basis monatlicher Durchschnittswerte aus Angaben zu den Stichtagen zum Monatsersten berechnet, die vom Bundesministerium für Gesundheit veröffentlicht werden (Kurve „Gesamt“) . Die Krankenstandsquote der BKK-Mitarbeiter entspricht den Arbeitsunfähigkeitstagen im gesamten Berichtsmonat (Kurve „BKK“). Abkürzung: BKK, Betriebskrankenkassen

Die Schätzung erfolgte anhand monatlich aggregierter Daten auf Bundeslandebene ab September 2021. Informationen zu den Impfquoten waren ab diesem Zeitpunkt verfügbar. Darüber hinaus wurden die Infektionen ab September fast ausschließlich von der Delta-Variante dominiert. Der Untersuchungszeitraum endete im Januar 2022. In Deutschland trat die 3G-Regel (geimpft, genesen, getestet) am Arbeitsplatz am 24. November 2021 in Kraft und bezieht sich in diesen Daten daher hauptsächlich auf Dezember und Januar. Mit Wirkung zum 19. März 2022 wurden die 3G-Regeln am Arbeitsplatz erneut gelockert; Seitdem dürfen Betriebe selbst über Schutzmaßnahmen entscheiden.

Tatsächlich war der Effekt von COVID-19 auf die Krankenstandsquote in Bundesländern mit niedrigeren Impfquoten stärker. Ein 3G-Effekt (also ein Umgehungseffekt) konnte aus dieser Beobachtung jedoch nicht einfach abgeleitet werden. Es ist auch offensichtlich, dass die Krankenstandsrate höher war, wenn die Impfquote niedrig war, weil mehr Infektionen auftreten würden und weil COVID-19 bei ungeimpften Personen schwerwiegender ist (obwohl Nebenwirkungen der Impfung auch die Krankenstandsrate erhöhen könnten).

Einen solchen Zusammenhang haben wir in einer regionalen Paneldatenanalyse berücksichtigt und dabei die erheblichen Unterschiede der Impfquoten in den Bundesländern ausgenutzt. Je mehr Ungeimpfte es in einem Bundesland gäbe, desto stärker würde die Krankenstandsquote bei einem 3G-Effekt reagieren.

Als abhängige Variable diente die Krankenstandsquote. Wir verwendeten feste Effekte auf Bundesebene, um die allgemeinen Merkmale der Bundesstaaten zu kontrollieren (z. B. die Branchenzusammensetzung der Menschen, die potenziell von zu Hause aus arbeiten könnten). Zeitfixierte Effekte berücksichtigten monatsspezifische Merkmale, einschließlich saisonaler Effekte. Darüber hinaus war es wichtig, die regionale Entwicklung der Pandemie zu steuern. Zunächst wurde die COVID-19-Infektionsrate verwendet, um Unterschiede in der Infektionslast zu berücksichtigen. Dabei wurde auch gemessen, ob aufgrund der Testpflichten der 3G-Regel mehr Infektionen erfasst wurden als bisher. Zweitens interagierte die COVID-19-Infektionsrate mit der Impfrate, da Infektionen für ungeimpfte Personen schwerwiegender sein können und dementsprechend zu mehr Krankenständen führen können. Drittens wurde auch der Basiseffekt der Impfrate berücksichtigt. Dabei würden auch Fälle von Krankschreibungen aufgrund von Impfnebenwirkungen erfasst. Schließlich interagierte die Impfquote mit einer 3G-Regel (Dezember/Januar)-Dummy. Diese Interaktion misst die Stärke des Nachbehandlungseffekts aufgrund der Einführung der 3G-Regel. Das Panel-Modell ist in Gl. dargestellt. (1):

Dabei sind c die Koeffizienten, \(sick\) die Krankenstandsrate, \(inf\) die COVID-19-Infektionsrate, \(vac\) die Impfrate, \(3G\) Dezember/Januar Dummy, \({\mu }_{i}\) sind die regionalen festen Effekte, \({\gamma }_{t}\) sind die zeitlichen festen Effekte und \({\varepsilon }_{it}\) sind die Fehlerterme (von denen bestätigt wurde, dass sie seriell unkorreliert sind). Der Index für die Zustände wird mit \(i=1,\dots ,16\) und der Zeitindex mit \(t=1,\dots ,5\) bezeichnet.

Von einem 3G-Effekt wäre auszugehen, wenn sich die Impfquote der Grundimmunisierten im Dezember und Januar negativ auf die Krankenstandsquote der Vormonate auswirkte. Dieses Verfahren könnte als eine Art Differenz-in-Differenzen-Ansatz mit Dezember 2021 als Behandlungsdatum angesehen werden. Wir nutzten eine spezielle Anwendung dieses Ansatzes, indem wir die binäre Behandlung durch den „Biss“, also unterschiedliche Impfraten, ersetzten. Wir haben dieses Verfahren aus der Literatur übernommen, in der die Auswirkungen eines landesweiten Mindestlohns auf die Beschäftigung gemessen wurden. siehe beispielsweise Card [20] oder neuere Anwendungen bei Bauer und Weber [21] und Caliendo et al. [22]. Unter Verwendung regionaler Paneldatenanalysen wurden die verschiedenen Modellschätzungen der Determinanten krankheitsbedingter Fehlzeiten mit dem statistischen und ökonometrischen Softwarepaket EViews Version 10 (IHS Global Inc, USA) durchgeführt. Die Ergebnistabelle zeigt die Koeffizienten und t-Werte der verschiedenen Modelle.

Die Ergebnisse der Schätzung sind in Tabelle 1 (Modell 1) dargestellt. Eine höhere COVID-19-Infektionsrate erhöhte erwartungsgemäß die Krankenstandsquote. Die Impfrate hatte einen statistisch nicht signifikanten negativen Effekt, der möglicherweise auf Nebenwirkungen zurückzuführen war [23]; Die Reduzierung der Infektionen aufgrund der Impfung wurde bereits durch die Variable COVID-19-Infektionsrate kontrolliert. Ausschlaggebend für unsere Forschungsfrage war der Interaktionsterm der Impfrate und des 3G-Dummys, dessen Wirkung mit -0,021 als hochsignifikant eingeschätzt wurde. Das bedeutet, dass eine um einen Prozentpunkt geringere Impfquote bei Inkrafttreten der 3G-Regel zu einem Anstieg der Krankenstandsquote um 0,021 Prozentpunkte führte.

Um die Bedeutung der Schätzergebnisse zu veranschaulichen, haben wir kontrafaktische Szenarien betrachtet. Hätten die Impfraten der acht Bundesstaaten mit den niedrigsten Werten dem Durchschnitt der acht Bundesstaaten mit den höchsten Werten entsprochen, wäre die Krankenstandsquote im Dezember aufgrund dieses Effekts hypothetisch um 0,07 Prozentpunkte niedriger ausgefallen. Hätte die Impfquote aller Bundesländer dem Durchschnitt der Top-3-Bundesländer entsprochen, wäre die Krankenstandsquote aufgrund dieses Effekts hypothetisch um 0,23 Prozentpunkte niedriger ausgefallen. Die mit Fehlzeiten verbundenen Kosten liegen je nach Funktion des abwesenden Arbeitnehmers oft deutlich über dem Tageslohn [24]. Im Jahr 2020 schätzte die Bundesanstalt für Arbeitsschutz und Arbeitsmedizin [25] die Kosten eines Krankheitstages bezogen auf den Produktionsausfall auf 124 Euro pro Mitarbeiter. Eine Hochrechnung hiervon würde aufgrund der höheren Krankheitsausfälle zu Produktionsausfallkosten zwischen 78,3 und 257,3 Millionen Euro pro Tag führen.

In den Residuen wurde kein Hinweis auf eine Autokorrelation gefunden. Eine verzögerte endogene Variable spielte auch bei einer Schätzung der generalisierten Methode der Momente (GMM) keine signifikante Rolle [26].

Während Effekte wie regionale COVID-19-Infektionsraten und Impfungen kontrolliert wurden, ist es wichtig, dass kein unberücksichtigter Faktor gleichzeitig die Wirkung der Impfrate veränderte. Am 1. November 2021 traten zwei weitere Regelungen in Kraft. Erstens würden ungeimpfte Arbeitnehmer ihren Anspruch auf Verdienstausfallentschädigung nach dem Infektionsschutzgesetz verlieren, wenn sie sich in Quarantäne begeben müssten [27]. Zweitens durften Ärzte nach telefonischer Beratung eine Krankschreibung wegen Atemwegserkrankungen ausstellen. Daher führten wir ab November einen Robustheitscheck mit einem zusätzlichen Dummy durch, der mit der Impfrate interagierte (Tabelle 1, Modell 2). Dies erwies sich jedoch als statistisch nicht signifikant (der Effekt blieb also ab Dezember beim 3G-Dummy). Diese Nichtsignifikanz eines Vorbehandlungsindikators lieferte auch Belege für die allgemeine Trendannahme. Darüber hinaus kam es insbesondere ab Dezember zu einem deutlichen Anstieg der Inanspruchnahme von Auffrischungsimpfungen, was sich stärker auf Staaten auswirkte, deren Impfraten ohnehin schon hoch waren (doppelte Dosis). Als Robustheitsprüfung haben wir zusätzlich die Auffrischungsrate, den Interaktionsterm der Auffrischungsrate mit der COVID-19-Infektionsrate und die Auffrischungsrate, die mit dem 3G-Dummy interagierte, in das Modell einbezogen. Der gemessene 3G-Effekt stieg dann leicht von -0,021 auf -0,026 (Tabelle 1, Modell 3). Darüber hinaus haben wir die zeitlich variierende Arbeitsmarktsituation in den Bundesstaaten berücksichtigt, die möglicherweise das Krankheitsurlaubsverhalten beeinflusst hat. Als Proxys haben wir die regionale Arbeitslosenquote [28] und die regionale Kurzarbeiterquote [29] verwendet. Der 3G-Effekt veränderte sich jedoch nur geringfügig (Tabelle 1, Modell 4).

Wir haben unsere Panelanalyse auch anhand der Krankheitstage nach Hauptdiagnosekategorie durchgeführt. Die BKK-Daten zu den Krankenstandstagen pro 100 Beschäftigte ermöglichten eine Differenzierung in acht verschiedene ICD-Diagnosekategorien: „bestimmte infektiöse und parasitäre Erkrankungen (A00-B99)“, „Neubildungen (C00-D48)“, „Psychische und Verhaltensstörungen ( F00-F99)“, „Erkrankungen des Kreislaufsystems (I00-I99)“, „Erkrankungen des Atmungssystems (J00-J99)“, „Erkrankungen des Verdauungssystems (K00-K93)“, „Erkrankungen des Bewegungsapparates“. System und Bindegewebe (M00-M99)“ und „Verletzung, Vergiftung und bestimmte andere Folgen äußerer Ursachen (S00-T98)“. Der 3G-Effekt trat nur in der Kategorie „Atemwege“ auf. Diese Kategorie dürfte für eine Umgehung der 3G-Regel gut geeignet gewesen sein, da sie häufige Infektionskrankheiten wie Erkältung und Grippe umfasst und in der Pandemie die Möglichkeit einer telefonischen Krankschreibung bestand.

Wie trägt unsere Studie zum Verständnis der Anwendung der 3G-Regel am Arbeitsplatz während der COVID-19-Pandemie bei? COVID-19-Tests am Arbeitsplatz sind in Zeiten hoher Inzidenz und weit verbreiteter Verfügbarkeit kostengünstiger Tests zu einer Standardschutzmaßnahme an deutschen Arbeitsplätzen geworden. Häufige Tests am Arbeitsplatz können dazu beitragen, Übertragungsketten frühzeitig zu unterbrechen und Mitarbeiter vor einer Ansteckung am Arbeitsplatz zu schützen. Ab April 2021 waren Unternehmen in Deutschland zunächst dazu verpflichtet, ihren Mitarbeitern zweimal pro Woche einen COVID-19-Test anzubieten. Allerdings war die Akzeptanz freiwilliger Tests in Unternehmen bereits davor hoch: Anfang April 2021 erhielten bereits zwei Drittel der Arbeitnehmer einen wöchentlichen freiwilligen Test ihres Arbeitgebers [30]. Im November 2021 wurde das verpflichtende Testangebot dann durch die 3G-Regel am Arbeitsplatz ersetzt. Der Arbeitgeber war nun verpflichtet, entsprechende Nachweise vor Betreten des Arbeitsplatzes zu prüfen, auch wenn die 3G-Regel anfangs noch nicht von einem Drittel der Unternehmen konsequent eingehalten wurde [31].

Zusätzlich zu den durch die Tests selbst verursachten Arbeitsausfällen kam es im Zusammenhang mit der 3G-Regel zu weiteren Arbeitsausfällen. Unsere Ergebnisse deuten darauf hin, dass die 3G-Regel zu einem erheblichen zusätzlichen Krankenstand führte. Allein die Arbeitsausfälle aufgrund von Ausweichreaktionen auf die 3G-Regel durch erhöhten Krankenstand wurden für den Zeitraum Oktober 2021 bis Februar 2022 in Deutschland auf 2 Millionen Arbeitstage geschätzt. Das sind etwa 5 % aller Arbeitsausfälle, die mit einem erhöhten Krankenstand einhergingen in diesem Zeitraum [32]. Dazu gehörten COVID-19-Infektionen, Nebenwirkungen der COVID-19-Impfung, gelockerte Krankenstandsregelungen und obligatorische COVID-19-Zertifikate am Arbeitsplatz.

Aus verhaltensökonomischer Sicht können COVID-19-Zertifikate auch als Impfanreize interpretiert werden [33]. Beispielsweise erhöht der COVID-19-Impfnachweis nachweislich die Durchimpfungsrate [13, 15, 16]. Der mit Tests verbundene finanzielle und zeitliche Aufwand kann eine Belastung für die Mitarbeiter darstellen und einen Anreiz zur Impfung darstellen. Für einige Gruppen funktioniert das gut. Für diejenigen, die den Behörden bereits misstrauen, kann dies jedoch den gegenteiligen Effekt haben [33]. So gaben beispielsweise 21 % der Ungeimpften an, dass die Wahrscheinlichkeit einer Impfung noch geringer wäre, wenn die 3G-Regel am Arbeitsplatz verpflichtend eingeführt würde [34].

Andere Studien deuten darauf hin, dass eine Zertifikatspflicht bei einer Minderheit dazu führen kann, dass sie sich absichtlich einer Infektion aussetzen [10]. Darüber hinaus können verpflichtende COVID-19-Zertifikate auch kriminelles Verhalten nach sich ziehen, da die Fälschung und Verwendung ungenauer Impf- oder Testberichte zunimmt [35].

Seit dem Erscheinen der ersten Impfstoffe gegen COVID-19 hat sich der öffentliche Diskurs zu diesem Thema erheblich intensiviert, was zu einer Polarisierung zwischen geimpften und ungeimpften Menschen geführt hat [36]. In der Öffentlichkeit wurde einerseits argumentiert, dass es ethisch vertretbar sei, von Ungeimpften den Nachweis zu verlangen, dass sie nicht COVID-19-positiv sind, und zwar durch verlässliche Beweise. Daher ist es gerechtfertigt, individuelle Kosten-Nutzen-Anreize so zu gestalten, dass der Nutzen einer Impfung subjektiv höher eingeschätzt wird als die angenommenen persönlichen Kosten und Nachteile [37]. Andererseits wurde argumentiert, dass ein COVID-19-Impfzertifikat als eine Form der Diskriminierung zwischen denjenigen angesehen werden kann, die es haben und daher ihre verfassungsmäßig garantierten Freiheiten ausüben können, und denen, die es nicht haben und deren Rechte ausgesetzt wurden. Ein solcher diskriminierender Mechanismus ist möglicherweise nicht gerechtfertigt, da alle drei durch das COVID-19-Zertifikat zertifizierten Bedingungen die Abwesenheit einer Virusinfektion wissenschaftlich nicht garantieren können, da eine Infektion auch an Orten auftreten kann, zu denen nur zertifizierte Personen Zugang haben [12].

So konnte in einigen Regionen Deutschlands selbst die 3G-Regel der Impfzurückhaltung nur bedingt entgegenwirken. Dies ist auf eine Reihe von Faktoren zurückzuführen, darunter die politische Zugehörigkeit und die regionale Lage [38]. Insbesondere in Bundesländern, in denen ein höherer Anteil der Bevölkerung über eine geringe Akzeptanz und ein geringes Vertrauen in die Behörden verfügt, besteht eine größere Unzufriedenheit mit der 3G-Regel und eine geringere Impfbereitschaft [13, 38, 39]. Dabei handelt es sich häufig auch um Bundesländer mit sehr hohen Inzidenzen. Tatsächlich zeigten unsere Ergebnisse auch, dass die Ausweichreaktionen auf Krankschreibungen bei Einführung der 3G-Regel vor allem in Bundesländern mit niedrigen Impfquoten auftraten.

Um die möglichen Nachteile eines COVID-19-Zertifikats zu minimieren, sollte es mit einer Kombination von Maßnahmen einhergehen. Dazu gehört der gleichberechtigte Zugang zu Tests, Impfungen und Zertifizierungen. Darüber hinaus sollte sichergestellt werden, dass keine Gruppe aufgrund der Zertifizierungspflicht den Zugang zu einer Alltagsaktivität verliert, insbesondere wenn Einkommen, Gesundheit oder Bildung betroffen sind [10]. Eine Polarisierung zwischen geimpften und ungeimpften Personen sollte vermieden werden, damit die Impfung als Entscheidung für die Gesundheit und nicht als Entscheidung für ideologische Werte wahrgenommen wird [36].

Differenz-in-Differenz-Analysen unterliegen der allgemeinen Einschränkung, dass zwar allgemeine Trends vor der Behandlung untersucht werden können, jedoch kein endgültiger Beweis für die gesamte Stichprobe erbracht werden kann. Wir haben andere plausible Faktoren überprüft, die möglicherweise gleichzeitig die Wirkung der Impfrate verändert haben. Dennoch konnten wir nicht völlig ausschließen, dass weitere relevante Faktoren unberücksichtigt blieben.

Die üblichen Vorbehalte gelten hinsichtlich der Generalisierbarkeit und Relevanz der Ergebnisse und Schlussfolgerungen dieser Studie für andere Länder. Spezifische Gründe hierfür sind unter anderem Unterschiede zwischen den Ländern hinsichtlich gesundheitlicher und epidemiologischer Daten sowie politischer und Informationsstrategien für COVID-19.

In diesem Papier haben wir die Auswirkungen der obligatorischen COVID-19-Zertifikate für Arbeitnehmer am Arbeitsplatz auf krankheitsbedingte Fehlzeiten quantifiziert, indem wir Krankenversicherungsdaten und epidemiologische Daten kombiniert und auf Landesebene für den Zeitraum September 2021 bis Januar 2022 analysiert haben. Die Ergebnisse unseres empirischen Panels Analysen belegen, dass Anforderungen an Arbeitsplatztests zu Ausweichreaktionen führen. Diese Reaktionen entsprechen der Bereitschaft, sich gegen COVID-19 impfen zu lassen. So führte eine um einen Prozentpunkt niedrigere Impfquote, unter Berücksichtigung der Infektionsraten, bis zum Inkrafttreten der 3G-Regel zu einem Anstieg der krankheitsbedingten Fehlzeiten um 0,021 Prozentpunkte. Diese Ausweichreaktionen stellen nicht zwangsläufig eine Pflichtverletzung dar. Möglicherweise handelte es sich um echte Erkrankungen, die sonst nicht zu einer Krankschreibung geführt hätten. Daher ist es wichtig, bei der Einführung kontroverser Maßnahmen Ausweichmanöver zu berücksichtigen und die Regelungen angemessen zu gestalten und überzeugend zu kommunizieren.

Zukünftige Forschungen könnten sich mit den Auswirkungen obligatorischer Zertifikate auf Fehlzeiten in anderen Ländern befassen, um die externe Validität unserer Ergebnisse sicherzustellen. Ein wichtiger Aspekt wäre, die Akzeptanz von Gesundheitszertifikaten in Regionen und Bevölkerungsgruppen zu erhöhen, die weniger Vertrauen in staatliche Interventionen haben.

Im Rahmen einer Sekundärdatenanalyse werden bereits aufbereitete, veröffentlichte Daten genutzt. Die den Ergebnissen dieser Studie zugrunde liegenden Daten sind beim Robert Koch-Institut (www.rki.de), den Betriebskrankenkassen (www.bkk-dachverband.de) und der Bundesagentur für Arbeit (https:/) frei verfügbar. /statistik.arbeitsagentur.de/). Code auf Anfrage erhältlich.

In den deutschen Verordnungen, die die Impfungen gegen COVID-19 im Detail regeln, sind auch die zu meldenden Informationen zu den geimpften Personen festgelegt. Bezüglich des Alters werden Angaben in 5 Altersgruppen gemacht: 0–4 Jahre, 5–11 Jahre, 12–17 Jahre, 18–59 Jahre und 60 Jahre und älter.

Um die Arztpraxen zu entlasten und die Verbreitung des Virus einzudämmen, wurde der übliche Weg zur Krankschreibung während der Pandemie vorübergehend gelockert: Von November 2021 bis März 2022 war es möglich, sich wegen einer Atemwegserkrankung ohne Besuch krankschreiben zu lassen der Arzt persönlich; Ein Arzt konnte nach einer telefonischen Beratung bis zu 14 Tage lang eine Krankschreibung ausstellen.

Coronavirus Krankheit 2019

Vaccinated, recovered, tested (Geimpft, Genesen, Getestet)

Polymerase Kettenreaktion

Vaccinated, recovered (Geimpft, Genesen)

Robert Koch-Institut

Brandenburg

Berlin

Baden Wurttemberg

Bayern

Bremen

Hamburg

Hessen

Mecklenburg-Vorpommern

Niedersachsen

Nordrhein-Westfalen

Rheinland-Pfalz

Saarland

Sachsen

Saxony-Anhalt

Schleswig-Holstein

Thüringen

Company health insurance funds (Betriebskrankenkassen)

Internationale statistische Klassifikation von Krankheiten und damit verbundenen Gesundheitsproblemen

Koeffizient

Verallgemeinerte Methode der Momente

Anderton R, Botelho V, Consolo A, Da Silva AD, Foroni C, Mohr M, Vivian L. Die Auswirkungen der COVID-19-Pandemie auf den Arbeitsmarkt im Euroraum. Europäische Zentralbank. Artikel des Wirtschaftsbulletins. 2021;8. https://ideas.repec.org/a/ecb/ecbart/202100082.html. Zugriff am 26. Juni 2023.

Herzog-Stein A, Nüß P, Peede L, Stein U. Deutschlands Arbeitsmarkt in der Corona-Krise – Neue Herausforderungen für die Beschäftigungssicherung. IMK-Arbeitspapier. 2021;209. https://www.econstor.eu/bitstream/10419/237907/1/p-imk-wp-209-2021.pdf. Zugriff am 26. Juni 2023.

OECD (Organisation für wirtschaftliche Zusammenarbeit und Entwicklung). Gesundheit auf einen Blick 2021: OECD-Indikatoren. 2021. https://doi.org/10.1787/ae3016b9-en.

Jannsen N. Pandemiebedingte Arbeitsausfälle und Wirtschaftsleistung. Wirtschaftsdienst. 2022;102(3):239–40. https://doi.org/10.1007/s10273-022-3141-4.

Artikel Google Scholar

Busato F, Chiarini B, Cisco G, Ferrara M, Marzano E. Lockdown-Richtlinien: eine makrodynamische Perspektive für COVID-19. Wirtschaft. 2021;22(3):198–213. https://doi.org/10.1016/j.econ.2021.11.003.

Artikel Google Scholar

Collins C, Landivar LC, Ruppanner L, Scarborough WJ. COVID-19 und das Geschlechtergefälle bei den Arbeitszeiten. Gend-Arbeitsorgan. 2020;28(S1):101–12. https://doi.org/10.1111/gwao.12506.

Artikel PubMed PubMed Central Google Scholar

Fuchs-Schündeln N, Krueger D, Ludwig A, Popova I. Die langfristigen Verteilungs- und Wohlfahrtseffekte von Covid-19-Schulschließungen. NBER Working Paper 27773. 2020. https://www.nber.org/system/files/working_papers/w27773/w27773.pdf. Zugriff am 26. Juni 2023.

Reichelt M, Makovi K, Sargsyan A. Die Auswirkungen von Covid-19 auf die Geschlechterungleichheit auf dem Arbeitsmarkt und die Einstellungen zur Geschlechterrolle. Eur Soc. 2021;23(sup1):228–45. https://doi.org/10.1080/14616696.2020.1823010.

Artikel Google Scholar

IAB (Institute for Employment Research). Knapp 40 Prozent der Betriebe sind von Corona-bedingten Arbeitsausfällen betroffen. Press release of the IAB 22.02.2022. 2022. https://iab.de/presseinfo/knapp-40-prozent-der-betriebe-sind-von-corona-bedingten-arbeitsausfaellen-betroffen/. Accessed 26 June 2023.

Drury J, Mao G, John A, Kamal A, Rubin GJ, Stott C, Vandrevala T, Marteau TM. Verhaltensreaktionen auf die Gesundheitszertifizierung von Covid-19: eine schnelle Überprüfung. BMC öffentliche Gesundheit. 2021;21:1205. https://doi.org/10.1186/s12889-021-11166-0.

Artikel CAS PubMed PubMed Central Google Scholar

Rosella LC, Agrawal A, Gans J, Goldfarb A, Sennik S, Stein J. Groß angelegte Implementierung eines Antigen-Schnelltestsystems für COVID-19 am Arbeitsplatz. Sci Adv. 2022;8(8):eabm3608. https://doi.org/10.1126/sciadv.abm3608.

Artikel CAS PubMed PubMed Central Google Scholar

Vergallo GM, Del Rio A, Negro F, Zaami S. COVID-19-Impfstoffvorschriften: Wie sind die aktuellen europäischen öffentlichen Perspektiven? Eur Rev Med Pharmacol Sci. 2022;26:643–52.

Google Scholar

Mills MC, Rüttenauer T. Die Auswirkung obligatorischer COVID-19-Zertifikate auf die Impfstoffaufnahme: synthetische Kontrollmodellierung von sechs Ländern. Lancet Public Health. 2022;7(1):e15–22. https://doi.org/10.1016/S2468-2667(21)00273-5.

Artikel PubMed Google Scholar

Thomsen SL, Trunzer J. 3G am Arbeitsplatz: zur Situation in niedersächsischen Unternehmen Ende 2021. Wirtschaftsdienst. 2022;102:127–32. https://doi.org/10.1007/s10273-022-3111-x.

Artikel PubMed PubMed Central Google Scholar

Attwell K, Rizzi M, McKenzie L, Carlson SJ, Roberts L, Tomkinson S, Blyth CC. COVID-19-Impfstoffmandate: Eine australische Einstellungsstudie. Impfstoff. 2022;40(51):7360–9. https://doi.org/10.1016/j.vaccine.2021.11.056.

Artikel CAS PubMed Google Scholar

Reno C, Sanmarchi F, Stoto MA, Fantini MP, Lenzi J, Golinelli D. Die Auswirkungen der Gesundheitspolitik und der Einführung von Impfstoffen auf die COVID-19-Pandemiewellen in Italien. Gesundheitspolitische Technologie. 2022;11(2):100604. https://doi.org/10.1016/j.hlpt.2022.100604.

Artikel PubMed PubMed Central Google Scholar

RKI (Robert Koch-Institut). SARS-CoV-2-Infektionen in Deutschland. Zenodo Berlin. 2022. https://doi.org/10.5281/zenodo.5989727.

RKI (Robert Koch-Institut). COVID-19-Impfungen in Deutschland. Zenodo Berlin. 2022. https://doi.org/10.5281/zenodo.6375012.

BKK (Dachverband der Betriebskrankenkassen). Statistik Monatlicher Krankenstand, Monatsstatistik Januar 2022. 2022. https://www.bkk-dachverband.de/statistik/monatlicher-krankenstand. Accessed 19 May 2022.

Karte D. Verwendung regionaler Lohnunterschiede zur Messung der Auswirkungen des bundesstaatlichen Mindestlohns. ILR Rev. 1992;46(1):22–37. https://doi.org/10.1177/001979399204600103.

Artikel Google Scholar

Bauer A, Weber E. Dauer und Stärke des Lockdowns: Auswirkungen auf den Arbeitsmarkt in Deutschland während der COVID-19-Pandemie. IAB-Diskussionspapier 10. 2021. https://doku.iab.de/discussionpapers/2021/dp1021.pdf. Zugriff am 19. Mai 2022.

Caliendo M, Fedorets A, Preuss M, Schröder C, Wittbrodt L. Die kurzfristigen Beschäftigungseffekte der deutschen Mindestlohnreform. Arbeitsökonomie. 2018;53:46–62. https://doi.org/10.1016/j.labeco.2018.07.002.

Artikel Google Scholar

Ziemann M, Görg S. Arbeitsunfähigkeit nach Corona-Impfung im medizinischen Personal. Dtsch Arztebl Int. 2021;118(17):298–9. https://doi.org/10.3238/arztebl.m2021.0205.

Artikel PubMed PubMed Central Google Scholar

Nicholson S, Pauly MV, Polsky D, Sharda C, Szrek H, Berger ML. Messung der Auswirkungen von Arbeitsausfällen auf die Produktivität mithilfe der Teamproduktion. Gesundheitsökon. 2006;15(2):111–23. https://doi.org/10.1002/hec.1052.

Artikel PubMed Google Scholar

BAuA (Bundesanstalt für Arbeitsschutz und Arbeitsmedizin). Volkswirtschaftliche Kosten durch Arbeitsunfähigkeit 2020. 2020. https://www.baua.de/DE/Themen/Arbeitswelt-und-Arbeitsschutz-im-Wandel/Arbeitsweltberichterstattung/Kosten-der-AU/pdf/Kosten-2020.pdf?__blob=publicationFile&v=2. Accessed 19 May 2022.

Arellano M, Bover O. Ein weiterer Blick auf die instrumentelle Variablenschätzung von Fehlerkomponentenmodellen. J Wirtschaft. 1995;68(1):29–51. https://doi.org/10.1016/0304-4076(94)01642-D.

Artikel Google Scholar

Sagan A, Schüller C. Covid-19 und Arbeitsrecht in Deutschland. Eur Labour Law J. 2020;11(3):292–7. https://doi.org/10.1177/2031952520934566.

Artikel Google Scholar

Bundesagentur für Arbeit. Arbeitslosigkeit im Zeitverlauf Alo-Quoten Nürnberg April 2022. 2022. https://statistik.arbeitsagentur.de/Statistikdaten/Detail/Aktuell/iiia4/zr-alo-bl/zr-alo-bl-dwolr-0-xlsx.xlsx?__blob=publicationFile&v=1. Accessed 19 May 2022.

Statistik der Bundesagentur für Arbeit. Tabellen Realisierte Kurzarbeit (hochgerechnet) (Monatszahlen) - Nürnberg Mai 2022. 2022. https://statistik.arbeitsagentur.de/Statistikdaten/Detail/Aktuell/iiia7/kurzarbeit-hr/kurzarbeit-hr-dlkrdaa-0-xlsx.xlsx;jsessionid=E20CF5B5C802F7E88D917678B162CFA8?__blob=publicationFile&v=1. Accessed 19 May 2022.

Bonin H, Krause-Pilatus A, Rinne U. Arbeitssituation und Belastungsempfinden von abhängig Beschäftigten im von der Corona-Pandemie geprägten Jahr 2021: Zentrale Ergebnisse repräsentativer Befragungen von Februar bis September 2021 Endbericht. 2021. https://www.ssoar.info/ssoar/handle/document/77181. Accessed 23 June 2023.

Kunze F, Zimmermann S. Die Transformation zu einer hybriden Arbeitswelt: Ergebnisbericht zur Konstanzer Homeoffice Studie 2020–2022. 2022. https://kops.uni-konstanz.de/server/api/core/bitstreams/ca63bff5-1dfd-43dd-a741-543ab2babdc1/content. Accessed 23 June 2023.

Wanger S, Weber E. Krankheits- und quarantänebedingte Arbeitsausfälle legen in der vierten und fünften Welle der Pandemie deutlich zu. IAB-Forum 21. März 2022. 2022. https://doi.org/10.48720/IAB.FOO.20220321.01.

Keser C, Rau HA. Determinanten der Beweggründe von Menschen, sich an COVID-19-Impfzentren zu wenden. Sci Rep. 2023;13(1):5282, 1–10. https://doi.org/10.1038/s41598-023-30244-4.

Forsa. Befragung von nicht geimpften Personen zu den Gründen für die fehlende Inanspruchnahme der Corona-Schutzimpfung. Ergebnisbericht 18. Oktober 2021. 2021. https://www.bundesgesundheitsministerium.de/fileadmin/Dateien/3_Downloads/C/Coronavirus/Befragung_Nichtgeimpfte_-_Forsa-Umfrage_Okt_21.pdf. Accessed 23 June 2023.

Lamberty P. Causes of belief in conspiracy narratives and recommendations for successful risk communication in healthcare. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2022;65(5):537–44. https://doi.org/10.1007/s00103-022-03524-z.

Artikel PubMed PubMed Central Google Scholar

Henkel L, Sprengholz P, Korn L, Betsch C, Böhm R. Der Zusammenhang zwischen Impfstatuserkennung und gesellschaftlicher Polarisierung. Nat Hum Verhalten. 2023;7:231–9. https://doi.org/10.1038/s41562-022-01469-6.

Artikel PubMed Google Scholar

O'Malley M, Zerth J, Knoepffler N. Ethik der Impfpriorisierung und Impfpflicht: ein integrativer Ansatz. Ethik Bioeth. 2021;11(3–4):153–62. https://doi.org/10.2478/ebce-2021-0012.

Artikel Google Scholar

Desson Z, Kauer L, Otten T, Peters JW, Paolucci F. Den Weg nach vorne finden: Fortschritte bei der COVID-19-Impfung in Deutschland, Österreich und der Schweiz. Gesundheitspolitische Technologie. 2022;11(2):100584. https://doi.org/10.1016/j.hlpt.2021.100584.

Artikel PubMed Google Scholar

Bischof J, Dörrenberg P, Rostam-Afschar D, Simons D, Voget J. GBP-Monitor: Unternehmenstrends im Januar 2022: Betriebswirtschaftliche Einschätzungen und Erwartungen von Unternehmen in Deutschland. Ergebnisbericht German Business Panel 2022. TRR 266 Accounting for Transparency. 2022. https://doi.org/10.52569/JRKM2116.

Referenzen herunterladen

Wir danken Benjamin Lochner (Institut für Arbeitsmarkt- und Berufsforschung Nürnberg) für hilfreiche Kommentare und den Gutachtern und Herausgebern für ihr konstruktives Feedback, das zur Verbesserung des Manuskripts beigetragen hat.

Open-Access-Förderung ermöglicht und organisiert durch Projekt DEAL. Es wurden keine Gelder, Zuschüsse oder sonstige Unterstützung erhalten.

Forschungsbereich „Prognosen und gesamtwirtschaftliche Analysen“, Institut für Arbeitsmarkt- und Berufsforschung (IAB), Regensburger Straße 100, 90478, Nürnberg, Deutschland

Susanne Wanger & Enzo Weber

Lehrstuhl für Empirische Ökonomie, Universität Regensburg, Regensburg, Deutschland

Enzo Weber

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Alle Autoren haben zum Artikel beigetragen. Die Datenerfassung erfolgte durch SW und die Datenanalyse durch EW. Das Manuskript wurde von den Autoren gemeinsam verfasst und genehmigt.

Korrespondenz mit Susanne Wanger.

Nicht zutreffend: Für die Auswertung von Krankenversicherungsdaten ist eine Zweckbindung im Sinne einer entsprechenden Rechtsgrundlage erforderlich. Für die monatliche Statistik der BKK sowie weitere Statistiken zur Gesundheitsberichterstattung in Deutschland findet sich diese Rechtsgrundlage in §20a/b SGB V. Die datenschutzrechtliche Grundlage für die Analysen bildet Artikel 9 DSVGO (Europäische Datenschutzgrundverordnung) Absatz 2 h in Verbindung mit Artikel 6 (DSVGO). Bei allen von den Betriebskrankenkassen veröffentlichten Auswertungen handelt es sich ausnahmslos um aggregierte Daten, bei denen eine Rückführung auf einzelne Personen ausgeschlossen ist.

Unzutreffend.

Die Autoren haben keine konkurrierenden Interessen zu erklären, die für den Inhalt dieses Artikels relevant sind.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Quote der Vollimpfungen nach Bundesländern in Deutschland.

Krankenstandsquoten nach Bundesländern in Deutschland.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/. Der Creative Commons Public Domain Dedication-Verzicht (http://creativecommons.org/publicdomain/zero/1.0/) gilt für die in diesem Artikel zur Verfügung gestellten Daten, sofern in einer Quellenangabe für die Daten nichts anderes angegeben ist.

Nachdrucke und Genehmigungen

Wanger, S., Weber, E. Krankheitsbedingte Ausfälle aufgrund der obligatorischen COVID-19-Zertifikate am Arbeitsplatz. BMC Public Health 23, 1482 (2023). https://doi.org/10.1186/s12889-023-16415-y

Zitat herunterladen

Eingegangen: 02. August 2022

Angenommen: 27. Juli 2023

Veröffentlicht: 03. August 2023

DOI: https://doi.org/10.1186/s12889-023-16415-y

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt