Marta Blangiardo, Michela Cameletti, Monica Pirani, Gianni Corsetti, Marco Battaglini, Gianluca Baio
Tramite un modello statistico spazio-temporale possiamo valutare l’andamento della mortalità per l’anno 2020 per ogni comune italiano o altra aggregazione spaziale, andando ad evidenziare settimanalmente eventuali deviazioni significative dal trend atteso, stimato utilizzando i dati del 2016-2019. Il modello si presta come strumento di sorveglianza epidemiologica in vista di future ondate pandemiche.
Lo scorso 4 Giugno 2020, ISTAT ha rilasciato i dati giornalieri di mortalità per tutti i 7.904 comuni italiani per il primo quadrimestre degli anni 2016-2019, e per 7.270 comuni per il primo quadrimestre del 2020 (https://www.istat.it/it/archivio/240401).
Utilizzando questi dati è stato possibile analizzare per ogni comune, ed eventuali loro aggregazioni (per esempio, province e macro aree), l’eccesso di mortalità osservato nel 2020, in presenza della pandemia di COVID-19, calcolato rispetto ai livelli di mortalità stimati per il quadriennio precedente (2016-2019). Dopo aver aggregato i dati a livello settimanale, per questa analisi è stato utilizzato un modello statistico spazio-temporale per dati di conteggio (il numero di morti per ogni comune e settimana). Il modello è definito in modo da includere un effetto specifico per ogni comune, considerando allo stesso tempo la correlazione spaziale tra comuni confinanti. Il modello considera inoltre un trend temporale del rischio di mortalità specifico per ogni provincia, ed include un effetto non lineare della temperatura, essendo noto in letteratura che quest’ultima ha un effetto rilevante sulla mortalità. Il modello è aggiustato per età e viene stimato, separatamente per maschi e femmine, utilizzando i dati del primo quadrimestre degli anni 2016-2019; successivamente per ogni comune e ogni settimana del 2020 viene previsto il numero atteso di morti in assenza di pandemia (calcolato utilizzando le stime del modello stimato per il 2016-2019). Il confronto tra i dati di mortalità osservati nel 2020 e le stime permette di evidenziare deviazioni significative della mortalità rispetto a quanto atteso in assenza di COVID-19. È inoltre possibile calcolare l’eccesso di mortalità relativo, ottenuto come differenza tra il numero osservato e previsto di decessi, divisa per il numero osservato di morti.
I risultati riportati nella Figura 1 si riferiscono al tasso di mortalità riferito alla popolazione maschile e per 5 macro aree (Nord-Ovest, Lombardia, Nord-Est, Centro, Sud e Isole). I risultati per la popolazione femminile, che non presentano sostanziali differenze, sono riportati in [1]. Si può osservare che per tutte le macro aree il modello statistico prevede un trend leggermente decrescente del tasso di mortalità per il periodo Gennaio-Aprile 2020 (la linea blu rappresenta la stima del tasso di mortalità medio, l’area grigia il corrispondente intervallo di credibilità al 95%, quindi una misura di incertezza della stima). La Lombardia è la prima regione a mostrare, già a partire dal 26 febbraio, una deviazione significativa del numero osservato di morti (linea rossa) rispetto a quanto atteso in assenza di pandemia, con un picco di 86.4 morti per 100,00 persone raggiunto tra il 18 e 25 Marzo. Per il Nord-Ovest e Nord-Est si osservano andamenti significativamente diversi da quelli attesi a partire dal 4 marzo, con picchi comunque inferiori rispetto alla Lombardia. In generale, per tutto il Nord si osserva come alla fine di Aprile, nonostante il lockdown e altre misure restrittive, non si sia ancora tornati a valori di mortalità paragonabili a quelli del 2016-2019. Il Centro mostra una leggera e limitata nel tempo deviazione dal trend atteso, mentre per il Sud-Isole è possibile concludere che i livelli di mortalità osservati nel 2020 siano praticamente assimilabili a quelli del quadriennio precedente.
Figura 1: tasso di mortalità maschile (per 100,000 persone) per il periodo Gennaio-Aprile 2020 per le 5 macro aree italiane (da sinistra a destra: Nord-Ovest, Lombardia, Nord-Est, Centro, Sud-Isole). La Linea blu rappresenta il tasso di mortalità medio stimato sui dati 2016-2019, l’area grigia il corrispondente intervallo di credibilità al 95%, e la linea rossa il numero di decessi osservati.
All’interno delle macro aree si osservano delle differenze tra province, come evidenziato dalla Figura 2, che mostra l’eccesso di mortalità (in valori percentuali) per la popolazione maschile per le settimane comprese tra il 26 Febbraio e il 28 Aprile 2020 (valori particolarmente scuri/chiari denotano importanti variazioni positive/negative rispetto al trend 2016-2019). Si nota, ad esempio, come all’interno della regione Lombardia, nella provincia di Lodi (che include la prima zona rossa di Codogno) già a partire da fine Febbraio ci fossero valori di mortalità più elevati rispetto a quanto ci si sarebbe aspettato in assenza di pandemia. Nelle due settimane successive, una situazione simile si rileva anche nelle province di Cremona, Bergamo e Brescia, per poi estendersi a tutta la regione verso fine Marzo. Dalle mappe rappresentate in Figura 2 si osserva anche un andamento eterogeneo all’interno della regione Emilia-Romagna con la zona nord, confinante con la Lombardia, più colpita rispetto alle restanti province emiliane.
Figura 2: evoluzione temporale dell’eccesso di mortalità maschile (valori percentuali compresi tra -100% e +100%) per il periodo 26 Febbraio – 28 Aprile 2020 per Lombardia e regioni del Nord-Ovest e Nord-Est.
L’analisi può essere fatta anche a livello di singoli comuni, così come mostrato in Figura 3. Considerando la popolazione maschile, la città di Piacenza risulta essere la prima a raggiungere il picco nella settimana dell’11 Marzo, con un tasso di mortalità osservato pari a 177 (per 100,000 abitanti), corrispondente ad un eccesso di mortalità dell’86.9%. Bergamo e Pesaro raggiungono il picco più tardi (tra il 18 e 25 Marzo) con tassi rispettivamente pari a 182 e 134, corrispondenti a un eccesso di mortalità dell’88.9% e 84.2%. Milano è caratterizzata da un picco posticipato nel tempo e dal valore più ridotto, con un eccesso pari al 63.2%. Interessante il confronto tra le città di Brescia e Verona che, seppur appartenenti a province confinanti, presentano andamenti completamente diversi: Brescia mostra, al momento del picco, un eccesso di mortalità positivo pari all’80.6%, mentre Verona si discosta solo leggermente, e per un periodo limitato, dal trend atteso.
Figura 3: tasso di mortalità maschile (per 100,000 persone) per il periodo Gennaio-Aprile 2020 per alcuni comuni italiani.
L’analisi ha mostrato ampie differenze territoriali (a livello di macro aree, province e comuni) in termini di impatto della pandemia di COVID-19 sulla mortalità. Il modello potrebbe essere impiegato come strumento di sorveglianza epidemiologica in vista di successive ondate di pandemia, andando a stimare il numero atteso di decessi per tutte le settimane del 2020 da confrontare poi con i dati osservati di mortalità, appena resi disponibili dall’ISTAT. Deviazioni significative dal trend atteso potrebbero quindi suggerire l’attivazione, a livello comunale o provinciale, di nuove misure di lockdown al fine di ridurre la diffusione del virus.
Bibliografia
[1] M. Blangiardo, M. Cameletti, M. Pirani, G. Corsetti, M. Battaglini, G. Baio (2020) Estimating weekly excess mortality at sub-national level in Italy during the COVID-19 pandemic.
MedRxiv 2020.06.08.20125211; doi: https://doi.org/10.1101/2020.06.08.20125211
![Share on Facebook Facebook](https://www.rivista.sis-statistica.org/cms/wp-content/plugins/social-media-feather/synved-social/image/social/regular/96x96/facebook.png)
![Share on Twitter twitter](https://www.rivista.sis-statistica.org/cms/wp-content/plugins/social-media-feather/synved-social/image/social/regular/96x96/twitter.png)
![Share on Linkedin linkedin](https://www.rivista.sis-statistica.org/cms/wp-content/plugins/social-media-feather/synved-social/image/social/regular/96x96/linkedin.png)
![Share by email mail](https://www.rivista.sis-statistica.org/cms/wp-content/plugins/social-media-feather/synved-social/image/social/regular/96x96/mail.png)