Report CoVstat 17 dicembre

Confrontando le previsioni sull’epidemia con i dati reali, vediamo che, almeno a prima vista, siamo stati troppo ottimisti. Infatti, la situazione è questa:

  • avevamo previsto che a oggi ci sarebbero stati 26.556 ospedalizzati, mentre ce ne sono 32.379 (una discrepanza del 22 per cento);
  • quanto ai ricoverati in terapia intensiva, ne avevamo previsti 3.091 e invece se ne registrano 3.291, il 6,5 per cento in più;
  • quanto ai decessi, la media mobile su 7 giorni prevista era di 540 mentre i dati reali raggiungono i 655, con un errore del 21,3 per cento.

L’errore medio delle nostre previsioni è del 16,6 per cento, ben al di sopra della discrepanza che avevamo stimato, pari all’11,8 per cento (in più o in meno). A cosa è dovuto questo apparente “eccesso di ottimismo”?

La nostra stima si basava su una precisa aspettativa dell’andamento di Rt, il parametro che indica il tasso di riproduzione dell’epidemia, ossia il numero di nuovi infetti generati da ogni caso positivo. Il modello assumeva un declino esponenziale di questo parametro, tale che si avesse il tipico andamento della curva, con un picco a cui segue una discesa.

Il problema è che da due settimane Rt ha sostanzialmente fermato la sua discesa, attestandosi a un valore di 0,9, che indica una fase di lieve remissione dell’epidemia, ma tale da mantenere comunque valori abbastanza stabili. Come si vede, aggiustando il nostro modello con R0 a 0,9, torna un sostanziale accordo tra il modello e i dati reali.

Detto questo, resta da capire come mai ci sia questo “appiattimento” della curva. Una possibile spiegazione può essere ricercata analizzando la correlazione tra R0 e un altro parametro, lo “stringency index”, che misura la severità delle restrizioni adottate su una scala da 0 a 100.

La correlazione riscontrata rispetta le aspettative: quando le restrizioni vengono inasprite, Rt scende (marzo-aprile, settembre, novembre-dicembre), mentre torna a salire quando vengono allentate (agosto, fine settembre e ottobre). Dato che esiste un certo ritardo tra l’introduzione delle misure e la discesa dell’epidemia, la tempestività è un fattore chiave: in altre parole, non è tanto il livello delle restrizioni a incidere, quanto la capacità di introdurle ai primi segnali di ripresa delle infezioni. Da questo punto di vista, stiamo scontando il ritardo con cui si sono decise le nuove misure.

Va comunque notato che, se l’epidemia non sembra rallentare sufficientemente in Italia, ci sono problemi analoghi in Germania (pur con un tasso di decessi notevolmente inferiore: il 2,31 per cento dei casi esitati rispetto al 5,51 italiano), mentre sembra addirittura risalire in altri Paesi europei, come Regno Unito e Francia, per non parlare degli USA. Viene quasi da chiedersi se la famosa terza ondata sia davvero in arrivo o se non sia già arrivata.

Info Autore
Data Scientist , Apheris AI
Dottorato in Fisica presso il Gran Sasso Science Institute a l’Aquila, ho lavorato come ricercatore in Astrofisica presso il Deutsches Elektronen-Synchrotron (DESY) a Zeuthen, in Germania. Appassionato di Data Science e Machine Learning, ho partecipato a varie competizioni online su questi temi. Originario del Molise (Campobasso), attualmente vivo a Zeuthen e lavoro come Data Scientist presso Apheris AI a Berlino, dove mi occupo dello sviluppo di algoritmi di Machine Learning decentralizzato.
Data Analyst, Boraso
Total Posts: 1
Laureato in Data Analytics presso l’Università Cattolica del Sacro Cuore, attualmente Data Analyst in un’importante agenzia di web marketing. Promotore della data literacy attraverso la fondazione dell’Associazione Data Network. Lavora e vive a Milano, ma la sua casa è la Sardegna.
Total Posts: 11
PhD Student, Università degli Studi Milano Bicocca. Molisano. Sin da giovane ho la passione per il coding e per la rete. La mia ricerca si focalizza sulla statistica spaziale utilizzando big data non strutturati e dati web. Ho partecipato a progetti di ricerca internazionali in cui abbiamo provato a risolvere problemi complessi. Ho fondato l’associazione Data Network per la diffusione della data literacy.
×
Data Scientist , Apheris AI
Dottorato in Fisica presso il Gran Sasso Science Institute a l’Aquila, ho lavorato come ricercatore in Astrofisica presso il Deutsches Elektronen-Synchrotron (DESY) a Zeuthen, in Germania. Appassionato di Data Science e Machine Learning, ho partecipato a varie competizioni online su questi temi. Originario del Molise (Campobasso), attualmente vivo a Zeuthen e lavoro come Data Scientist presso Apheris AI a Berlino, dove mi occupo dello sviluppo di algoritmi di Machine Learning decentralizzato.
Latest Posts

1 commento su “Report CoVstat 17 dicembre”

  1. Avatar
    Mario Porzio

    Bell’articolo che conferma che la quarantena è la soluzione principe contro le epidemie e che non conosciamo ancora bene come funziona

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Ridimensiona font
Contrasto