- da AGI. “Secondo i modelli di analisi statistica messi a punto dai ricercatori di StatGroup-19, da questa data la curva in Italia potrebbe cominciare ad appiattirsi e l’incremento nei nuovi casi potrebbe iniziare a ridursi. Oltre al modello che lavora sui dati dei nuovi infetti, lo StatGroup-19 ha sviluppato un modello anche con i dati relativi ai ricoveri in terapia intensiva. “Si tratta – hanno spiegato – di un modello che fa previsioni a brevissimo termine, fino a 5 giorni in avanti. Sulla nostra app fornisce, a livello regionale, le previsioni ad un giorno che sono le più affidabili. L’abbiamo sempre utilizzata come possibile campanello di allarme, se la stima si avvicina al massimo numero di letti disponibili per noi suona l’allarme. Difficile fare di più con i dati attualmente disponibili. “Chi ha a disposizione i dati individuali sui pazienti COVID-19 – dicono i ricercatori – ha sufficiente informazione per definire strategie efficaci. Purtroppo questi dati non sono pubblici, ed è molto complesso ottenerli anche per i ricercatori. Sicuramente poi i sistemi informativi e di raccolta dati andrebbero migliorati in molti aspetti”.
Potremmo cominciare a vedere gli effetti delle nuove misure restrittive appena adottate sulla curva dei nuovi infetti già intorno al 15 novembre. Da allora la curva potrebbe cominciare ad appiattirsi e l’incremento nei nuovi casi potrebbe iniziare a ridursi. Sono queste infatti le stime del nuovo modello di analisi statistica dei dati Covid-19 messo a punto dallo StatGroup-19 di cui fanno parte Fabio Divino (università del Molise), Alessio Farcomeni (Università di Roma Tor Vergata), Giovanna Jona Lasinio (università di Roma La Sapienza), Gianfranco Lovison (Università di Palermo), Antonello Maruotti (LUMSA).
“Il modello che abbiamo costruito – spiegano i ricercatori – si propone di prevedere, fornendo misure sulla precisione delle stime (intervalli di confidenza), i principali indicatori di incidenza (positivi, decessi, ricoverati, guariti) per le due settimane seguenti l’ultimo dato osservato. Ci sono due particolarità rispetto agli approcci comunemente utilizzati: la prima è che teniamo conto del fatto che i dati osservati sono conteggi, la seconda è che per questi conteggi prevediamo un andamento “ad arco” in cui a una fase di crescita lenta segue una di crescita veloce fino a un picco, per poi tornare a un rallentamento. Ogni ondata epidemica corrisponde ad uno di questi archi. La conseguenza è che le previsioni, e soprattutto gli intervalli di confidenza, risultano molto affidabili (cioè prevedono con una buona precisione il futuro)”.
Con questo modello “si possono – spiegano ancora i ricercatori – monitorare le variazioni nel tempo di tutti i dati messi a disposizione dalla protezione civile. Tenendo conto che il nostro è un modello che tende a seguire poco improvvise oscillazioni, se cominciamo a vedere dei valori osservati al di fuori delle bande di confidenza descritte dagli intervalli per diversi giorni, facciamo suonare un campanello di allarme: sta iniziando una nuova ondata. Inoltre, possiamo prevedere se ci sarà un picco nei prossimi quindici giorni”. In questi giorni, per esempio, “il nostro modello – spiegano – da una settimana, ci restituisce degli intervalli di confidenza molto ampi, indicando la grande variabilità che in questo momento è presente nei dati. Il modello evidenzia continue oscillazioni con una lenta tendenza a decrescere a partire da metà novembre. Ricordiamo che il modello è molto conservativo, quindi ci mette un po’ a seguire dei cambiamenti nei valori osservati. In queste condizioni si possono solo fare delle valutazioni molto qualitative, diciamo che se le misure messe in campo e che verranno messe in campo dal governo funzioneranno, allora il nostro modello rappresenta il caso peggiore. Anche a livello regionale sembra esserci un rallentamento della crescita dei nuovi positivi, ma qui l’incertezza è ancora maggiore. Diciamo che noi siamo cautamente ottimisti”.
Oltre al modello che lavora sui dati dei nuovi infetti, lo StatGroup-19 ha sviluppato un modello anche con i dati relativi ai ricoveri in terapia intensiva. “Si tratta – hanno spiegato – di un modello che fa previsioni a brevissimo termine, fino a 5 giorni in avanti. Sulla nostra app fornisce, a livello regionale, le previsioni ad un giorno che sono le più affidabili, corredate dall’intervallo di previsione (non ci siamo mai sbagliati, nel senso che i nostri intervalli di previsione hanno sempre compreso il vero valore che si è poi osservato). L’estremo superiore dell’intervallo viene corretto con il numero massimo di posti letto in terapia intensiva disponibili qualora tale limite superiore superi questo valore. L’abbiamo sempre utilizzata come possibile campanello di allarme: se la stima si avvicina al massimo numero di letti disponibili per noi suona l’allarme.
“Si avvicina” è un concetto che va quantificato, ad esempio la soglia del 30% della massima capacità come scelto dal cts è un modo per definire l’idea.Il modello è molto affidabile perché combina le stima di due modelli diversi, ciascuno specifico per il tipo di dati a disposizione (conteggi). Il lavoro è stato accettato per la pubblicazione su Biometrical journal e sarà presto online”.
Difficile fare di più con i dati attualmente disponibili. “Chi ha a disposizione i dati individuali sui pazienti COVID-19 – dicono i ricercatori – ha sufficiente informazione per definire strategie efficaci. Purtroppo questi dati non sono pubblici, ed è molto complesso ottenerli anche per i ricercatori. Sicuramente, inoltre, i sistemi informativi e di raccolta dati andrebbero migliorati in molti aspetti. Bisogna notare che lavorare con dati aggregati come quelli forniti dalla protezione civile, non è mai semplice, sono dati secondari in un certo senso e non sempre consentono di cogliere tutte le peculiarità di un fenomeno. Costruire un modello flessibile come quello che proponiamo è perciò cruciale. I dati che la protezione civile mette a disposizione – concludono – sono sufficienti a suonare campanelli di allarme, ma non a definire delle strategie di contenimento raffinate. Quando diciamo raffinate, intendiamo che tengano anche conto delle conseguenze generali di scelte di policy, come le chiusure indiscriminate o il coprifuoco. Per decidere correttamente bisogna avere a disposizione i dati sugli individui e sapere come usarli”.