COVID-19

Federico Brogi, Barbara Guardabascio
Mediante un modello molto parsimonioso si stima l’evoluzione del tasso di diffusione del COVID-19, l’effetto, in tempo reale, di ogni misura governativa sulla diffusione del virus e la possibile data di uscita. Elaborato a due settimane dall’inizio dell’epidemia in Italia, e aggiornato in questi giorni (5 aprile NdR), il modello conferma la sua solidità nel prevedere l’andamento del tasso di diffusione. Si rivela, inoltre, un valido framework teorico, altamente replicabile sostituendo i dati sui casi in Italia con quelli di diversi paesi, e in grado di offrire indicazioni chiare in termini di elaborazione delle politiche.

S. De Iaco, S. Maggio, G. Giungato, M. Palma, D. Pellegrino, D. Posa
L’emergenza sanitaria provocata dall’evoluzione dei contagi da COVID-19 (acronimo di COronaVIrus Disease 19), in rapida e continua crescita in tutto il mondo, richiede una dettagliata disamina dei dati. Il presente lavoro si propone un confronto tra i differenti scenari che nel panorama mondiale hanno delineato la curva del contagio fino allo stato attuale. In particolare, per il periodo gennaio-marzo 2020, sarà analizzato l’andamento temporale del tasso di prevalenza e del tasso di letalità del COVID-19 e sarà proposto l’adattamento di modelli stocastici a scopi previsionali. Le evidenze empiriche potranno delineare similarità e differenze nelle curve di diffusione dei contagi, consentendo così proiezioni attendibili nel breve termine per i principali paesi coinvolti nell’emergenza pandemica.

Mariangela Sciandra, Alice Blandino
A un mese dal primo paziente risultato positivo a Codogno, cosa è successo in Italia? Le regioni che per prime hanno registrato contagi sono state Lombardia, Veneto ed Emilia-Romagna.
Dopo un mese (Fig. 1) tutte le regioni d’Italia sono interessate dal fenomeno Coronavirus. Lombardia, Veneto ed Emilia-Romagna sono tra le prime per numero di contagi.
Il Nord Italia presenta il numero più elevato di casi di Coronavirus, la Lombardia la regione più colpita.

Gabriele Ruiu
Il diluvio di dati disponibili sulla diffusione della pandemia ci espone ed ambiguità e va analizzato con cautela. Il rischio è quello di trasformare o, peggio, ricreare la realtà, per cui le tecniche statistiche devono essere applicate con cautela tenendo conto della qualità dei dati di cui si dispone.

Giovanni Busetta, Maria Gabriella Campolo, Demetrio Panarello
Il tasso di letalità associato al nuovo Coronavirus SARS-CoV-2 in Italia è attualmente il più alto al mondo. Tasso di letalità che molti studiosi affermano essere irreale. La difficoltà nel conoscere esattamente il numero dei contagiati comporta una stima della letalità basata soltanto sui pazienti effettivamente confermati a seguito del tampone, il che comporta una sovrastima del relativo tasso. Scarsità di risorse e di tempo hanno costretto molte regioni a procedere con la sola verifica di soggetti che presentavano già dei sintomi. La presenza di pazienti asintomatici nella popolazione aggrava ancor di più la situazione. Se, da un lato, la verifica degli effettivi positivi potrebbe far abbassare il tasso di letalità, dall’altro analizzare anche il modo in cui si è fronteggiata l’epidemia a livello di strutture ospedaliere potrebbe dare una visione più completa del fenomeno, al fine di rendere quest’esperienza un insegnamento per affrontare le nuove sfide che potrebbero presentarsi in futuro.

Michela Baccini, Giulia Cereda, Cecilia Viscardi, Fabrizia Mealli
Il nuovo coronavirus (il cui nome scientifico è SARS-CoV-2) è un virus che si contraddistingue per la forte contagiosità. La malattia COVID19 ad esso associata può comportare la necessità di ricovero in terapia intensiva e, nei casi più gravi, può condurre alla morte. In assenza di una cura efficace e/o di un vaccino, l’unica possibilità di arginare la diffusione dell’epidemia risiede nel distanziamento sociale (Lin et al., 2010). Seguendo l’esempio della Cina, l’Italia ha quindi attuato un graduale “lockdown”, iniziando da piccole aree per poi estendere le misure di contenimento a tutta la nazione. In queste brevi note proponiamo un metodo, basato su un modello SIRD calibrato sul numero di decessi giornaliero, che può essere impiegato per monitorare gli effetti e valutare l’impatto a breve e medio termine delle politiche di contenimento sull’evoluzione dell’epidemia e sul sistema sanitario. Il modello è qui applicato ai dati della regione Toscana.

Vito M. R. Muggeo, Andrea Consiglio, Gianluca Sottile, Vincenzo G. Genova, Giorgio Bertolazzi, Mariano Porcu
In questo contributo vogliamo discutere di un modello di regressione segmented per valutare e quantificare l’effetto delle misure di contenimento individuando gli istanti temporali in cui la diffusione della malattia rallenta.