COVID-19

CO.ME.TA. – COvid19 MEdia monitoring Textual Analysis

E. Zavarronene, G.Grassia, M. Marino, R.Mazza, N.Canestrarin, R.Cataldo
La dashboard testuale CO.ME.TA. consente di analizzare il sentiment dell’opinione pubblica rispetto alla pandemia, sulla base di alcuni media: Il Corriere, Il Sole 24ore, Repubblica, Fanpage, Twitter, The Guardian e NYTimes.


Text Mining delle ricerche su COVID-19: Cosa, Chi e Dove

Manlio Migliorati, Maurizio Carpita
L’emergenza sanitaria mondiale causata in questi primi mesi del 2020 dal nuovo coronavirus COVID-19 rende ancor più importante la disponibilità di informazioni scientifiche affidabili, in primo luogo per favorire i contatti tra gruppi di ricerca che si occupano dello stesso tema ma anche per contrastare la diffusione di fake news. In uno scenario ancora di piena epidemia, uno dei problemi più rilevanti è quello di far circolare in tempi brevi la conoscenza sulle ricerche in corso, così da permettere a chi da varie prospettive affronta complesse criticità sanitarie, economiche e sociali di prendere decisioni il più possibile consapevoli e di conoscere le possibili soluzioni già sperimentate da altri.


Un modello per la stima dell’andamento del contagio da COVID-19 in Italia

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.


Curve del contagio a confronto: una sintesi a livello mondiale

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.


Un mese di Covid-19 in Italia: una guida alla lettura dei dati per bloccare la disinformazione

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.



Letalità del COVID-19 nelle regioni italiane: sottostima dei casi positivi o carenza di strutture?

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.


Cosa succede dopo il picco

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.





COVID-19 e statistici

Bruno Chiandotto
In questa pandemia gli organi di governo devono ricorrere a strumenti avanzati di inferenza statistica causale quali i modelli ad equazioni strutturali. Tali modelli consentono di valutare l’effetto, diretto e indiretto (e le loro interazioni), di altri fattori causali che possono incidere in modo anche molto rilevante sull’evoluzione del fenomeno. L’impiego di modelli ad equazioni strutturali, inquadrato in una prospettiva decisionale di analisi statistica dei dati, consente una valutazione simultanea dell’impatto sanitario, di quello economico e di quello socio-psicologico, di tutti i fattori causali.


Robbayes-C19: Analisi Bayesiana robusta dei dati di medio periodo del Covid-19 in Italia

Laura Ventura, Walter Racugno
Allo scopo di studiare l’evoluzione dei dati sui decessi e sui ricoveri in terapia intensiva forniti dalla Protezione Civile nel periodo 24 febbraio – 30 marzo 2020 è stato adottato un modello di regressione nonlineare. Questo tipo di modelli è spesso utilizzato per curve di crescita/decrescita in ambito farmacologico ed epidemiologico dove i parametri del modello forniscono interessanti interpretazioni per la comprensione della evoluzione del fenomeno in studio, quali ad esempio l’asintoto orizzontale e il punto di flesso.


Modelli univariati e multivariati per serie storiche di conteggi con applicazione a COVID-19

Francesco Bartolucci, Fulvia Pennoni, Antonietta Mira
Mediante un modello Multinomiale autoregressivo che considera simultaneamente le diverse tipologie di pazienti ed include anche i deceduti e i guariti come categorie di osservazione è possibile studiare, giorno per giorno, le transizioni tra i diversi status del modello SIRD e di prevedere in modo attendibile, almeno nel breve termine, il fabbisogno di posti letto in ospedale ed in terapia intensiva.


Studiare in corsa l’epidemia: modelli statistici per la previsione giornaliera delle caratteristiche dell’epidemia di Covid-19

Fabio Divino, Gabriele Fabozzi, Alessio Farcomeni, Giovanna Jona Lasinio, Gianfranco Lovison, Antonello Maruotti
Lo studio dell’epidemia di Covid-19 è un tema di ricerca urgente dal quale la comunità statistica non può sottrarsi. In questo lavoro si espongono alcuni approcci metodologici adottati dal gruppo di ricerca StatGroup-19. Vengono ricalcati i metodi adottati ed il percorso logico che ha portato alla scelta di determinati modelli, le insidie dovute alla qualità e definizione dei dati ed infine ad alcune prime stime sul momento di picco dell’epidemia in Lombardia.