< Propagazione
Letalità, mortalità, sovramortalità, R0, K: di cosa stiamo parlando?
Testo aggiornato al 2020-06-21
Scoprite cosa significano questi termini per comprendere i rischi associati ad un'infezione da coronavirus SARS-CoV-2 e le dinamiche di diffusione del COVID-19.
Tasso di letalità: rischio di morte per COVID-19 per una persona infetta da SARS-CoV-2.Questo tasso è calcolato dividendo il numero di persone che sono morte per COVID-19 per il numero totale di persone infettate dal virus. Questo tasso dipende da diversi fattori tra cui l'età, le condizioni fisiche e mediche (obesità, diabete, ipertensione, immunodepressione...) e il sesso. Per maggiori informazioni sulla letalità stimata del COVID-19, vedere la domanda Qual è il rischio di morire di COVID-19 per una persona infetta?.
Tasso di mortalità: rischio di morire in un dato momento. Questo tasso è calcolato dividendo il numero di persone che sono morte per il numero totale di persone in un determinato territorio e in un periodo di tempo definito.
Sovramortalità: eccesso del numero di morti rispetto ad un periodo precedente. I dati sulla mortalità dei mesi di marzo e aprile mostrano un eccesso di mortalità rispetto allo stesso periodo del 2019. Sebbene non tutti i decessi siano attribuibili alla malattia COVID-19, è ragionevole stimare che l'eccesso di mortalità sia in gran parte dovuto alla malattia.
R0, numero di riproduzione di base: tasso di trasmissione iniziale del coronavirus, indicato dal numero di persone contagiate in media da una persona infettata da SARS-CoV-2, in una popolazione che non era precedentemente in contatto con questo coronavirus. Se l'R0 è 3, ad esempio, significa che una persona infettata dal coronavirus contagerà in media 3 persone, e queste 3 persone contageranno a loro volta altre 3 persone. Ciò comporterà una rapida diffusione del virus. Se R0 è inferiore a 1, significa che una persona infetta contagerà in media meno di una persona e l'epidemia finirà per estinguersi. Più basso è l'R0, più è probabile che l'epidemia sparisca rapidamente. L'R0 viene anche utilizzato per calcolare la percentuale minima di persone in una popolazione che deve essere immunizzata perché l'epidemia cominci a diminuire e scompaia. Questo perché una persona immunizzata non sarà contagiata e non contagerà gli altri. Se un numero sufficiente di persone nella popolazione è immunizzato, un individuo infetto contagia in media meno di una persona. Questo meccanismo si chiama immunità di gregge. Anche se il concetto di R0 è abbastanza semplice da capire, la sua stima per il COVID-19 è complessa e varia molto da uno studio all'altro. Prima del lockdown, le stime di R0 variavano da 1,95 a 6,49. R0 non dipende solo dall'infettività dell'agente patogeno, ma anche dalla densità della popolazione e dal comportamento di ciascuno. Per saperne di più su come abbassare il tasso di riproduzione effettivo, o R, vedere Come rendere efficace la fase 2?.
R o Re o Rt, numero di riproduzione effettivo o tasso di riproduzione medio: numero di persone contagiate in media da una persona infettata da SARS-CoV-2 in un determinato momento.
Fattore di dispersione k (kappa): parametro che misura la variabilità dell'indice di trasmissibilità all'interno della popolazione. Quando k è alto, l'epidemia progredisce in modo uniforme, a "macchia d'olio": questa è la situazione osservata per l'epidemia di influenza spagnola del 1918. Al contrario, quando K è vicino a 0, il numero di persone contagiate da ogni persona infetta è molto variabile e l'epidemia tende a diffondersi attraverso i cosiddetti eventi di "super-propagazione", in cui una persona infetta trasmette il virus a molti altri con cui entra in contatto. Quando k è vicino a 0, gli eventi di "super-propagazione" hanno un forte impatto e possono portare ad un focolaio di epidemia. Ad esempio, quando k=0,1 e R0=3, il 73% delle persone infette contagia meno di una persona, mentre il 6% contagia più di 8 persone. L'epidemia progredisce poi in modo discontinuo, per focolai (in inglese, "clusters"). Questa modalità di diffusione discontinua è stata osservata durante l'epidemia di SARS (R0 = 2; k = 0,16) e, in misura minore, durante quella di MERS (R0 = 0,6; k = 0,25). È ancora troppo presto per conoscere con certezza il k del COVID-19 ma sembra essere circa 0,1-0,4. Per saperne di più, vedere Perché la super-propagazione è cruciale per comprendere l'epidemia di COVID-19?
Fonti
Questo studio mostra l'effetto dell'età, del diabete e dell'ipertensione sulla gravità del COVID-19 e sul tasso di letalità dei pazienti ricoverati a New York e nelle aree circostanti.
Richardson, S., Hirsch, J. S., Narasimhan, M., Crawford, J. M., McGinn, T., Davidson, K. W., ... & Cookingham, J. (2020). Presenting characteristics, comorbidities, and outcomes among 5700 patients hospitalized with COVID-19 in the New York City area. Jama.Questo studio mostra le differenze di sesso nella gravità della malattia COVID-19 e sul tasso di letalità nei pazienti con COVID-19
in, J. M., Bai, P., He, W., Wu, F., Liu, X. F., Han, D. M., ... & Yang, J. K. (2020). Gender differences in patients with COVID-19: Focus on severity and mortality. Frontiers in Public Health, 8, 152.I dati di Santé Publique France per le settimane dal 23 al 29 marzo 2020 e dal 30 marzo al 5 aprile mostrano che la mortalità per qualsiasi causa, a livello nazionale in Francia, è significativamente più alta di quella prevista in questo periodo. A livello nazionale, l'eccesso di mortalità è stimato a +16% e +34% rispettivamente. Questo aumento della mortalità per cause naturali è particolarmente marcato nelle regioni Grand Est e Ile-de-France
Santé Publique France, Aggiornamento epidemiologico settimanale del 16 aprile 2020I dati dell'Observatoire Régional de Santé Ile de France (Francia) hanno evidenziato un eccesso di mortalità molto elevato nel dipartimento Seine Saint Denis, con la più alta variazione di mortalità nell'Ile de France rispetto allo stesso periodo del 2019 (+ 69,4% tra il 1° e il 31 marzo 2020 e + 118,4% tra il 1° marzo e il 10 aprile 2020). In confronto, la mortalità a Parigi è aumentata dell'89,8%. In questo dipartimento, il più denso dell'Ile de France ma anche il più povero, gli alloggi sono spesso di piccole dimensioni (per un quarto della popolazione della Seine Saint Denis, la superficie per abitante è di 14m2 contro i 17m2 di Parigi) e occupati da famiglie più numerose (il 42,1% degli alloggi è occupato da 3 o più persone, contro il 21,8% di Parigi), rendendo difficile mettere in pratica il distanziamento sociale. Inoltre in questo dipartimento, rispetto ad altri dipartimenti dell'Ile de France, risiede il maggior numero di lavoratori esposti a situazioni di rischio (lavoratori in ospedale, inservienti, cassieri, rider e corrieri) e con più spostamenti rispetto ad altri dipartimenti (più del 50% degli abitanti di Seine Saint Denis lavora in un altro dipartimento, mentre solo il 24,4% dei parigini che lavorano in un altro dipartimento). Infine, spesso legata a condizioni sociali difficili, la prevalenza di alcune patologie (diabete, malattie croniche, sovrappeso) è più alta che in altri dipartimenti. Le disuguaglianze sociali e sanitarie di cui soffre Seine Saint Denis spiegano l'eccesso di mortalità che vi si registra rispetto ad altri dipartimenti dell'Ile de France.
Mangeney, C., Bouscaren, N.,Telle-Lamberton, M., Saunal, A., Féron, V.La surmortalité durant l’épidémie de COVID-19 dans les départements franciliens, Observatoire régional de santé Ile de France, Avril 2020.I dati sulla mortalità umana sono disponibili sul sito del “human mortality project” (https://www.mortality.org/) e rivelano discrepanze tra il numero di decessi per COVID-19 riportati e la sovramortalità in ogni paese. Molti giornali come The Economist hanno descritto queste discrepanze con un +10% per il Belgio, -5% per la Francia, -40% per i Paesi Bassi, -43% per l'Austria ad esempio.
The Economist excess mortality database:I dati dell'Office of National Statistics (ONS) del Regno Unito mostrano risultati simili ai dati francesi dell'Observatoire Régional de Santé Ile de France. Il confronto del tasso di mortalità tra il 1° marzo e il 17 aprile 2020 nelle aree svantaggiate in termini di salario, occupazione, salute, livello di istruzione, ambiente, ecc. e nelle aree privilegiate mostra che il rischio di morire di COVID-19 nelle aree svantaggiate è 2,1 volte superiore a quello delle aree privilegiate.
Deaths involving COVID-19 by local area and socioeconomic deprivation: deaths occurring between 1 March and 17 April 2020, Office for National Statistics, 1 Maggio 2020.Studio che confronta gli R0 degli studi pubblicati sul SARS-CoV-2 prima dell delle misure di restrizione. La media è stimata a 3,28.
Liu, Y., Gayle, A. A., Wilder-Smith, A., & Rocklöv, J. (2020). The reproductive number of COVID-19 is higher compared to SARS coronavirus. Journal of travel medicine.Uno studio americano stima che R0 a 5,7 a Wuhan, mentre la stima di R0 era molto più bassa nelle piccole città europee all'inizio dell'epidemia.
Sanche, S., Lin, Y. T., Xu, C., Romero-Severson, E., Hengartner, N., & Ke, R. (2020). High Contagiousness and Rapid Spread of Severe Acute Respiratory Syndrome Coronavirus 2. Emerging Infectious Diseases, 26(7).Studio epidemiologico sulla popolazione di un focolaio o "cluster" di Oise dove molti casi sono stati rilevati in una scuola superiore. La stima di R0 è 3,3.
Salje, H., Kiem, C. T., Lefrancq, N., Courtejoie, N., Bosetti, P., Paireau, J., ... & Le Strat, Y. (2020). Estimating the burden of SARS-CoV-2 in France.Uno studio sui focolai o "cluster" di Hong Kong (per un totale di 1037 persone risultate positive al test) condotto nel maggio 2020 stima che il 20% dei casi di contaminazione sia responsabile dell'80% della trasmissione locale. Le esposizioni in occasioni sociali producono più casi secondari rispetto alle interazioni familiari o lavorative. Il fattore di dispersione K è stimato a 0,45 (95% CI: 0,30-0,72).
Adam, D., Wu, P., Wong, J., Lau, E., Tsang, T., Cauchemez, S., ... & Cowling, B. (2020). Clustering and superspreading potential of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infections in Hong Kong. PREPRINTImportanza del fattore di dispersione K per modellare le dinamiche di propagazione di alcune malattie infettive. Il fattore di dispersione K per la SARS era stato stimato a 0,16 (intervallo di confidenza del 90% 0,11-0,64).
Lloyd-Smith, J. O., Schreiber, S. J., Kopp, P. E., & Getz, W. M. (2005). Superspreading and the effect of individual variation on disease emergence. Nature, 438(7066), 355-359.Semplici spiegazioni in francese sul parametro K e sull'importanza delle situazioni di super propagazione.
Korsia-Meffre, S. (2020). COVID-19 : "La seule chose qui compte, c'est l'endroit où s'qu'elle tombe" ou comment éviter une éventuelle deuxième vague. VidalUno studio dell'Università di Chicago mostra che il COVID-19 si diffonde più velocemente nelle città con densità di popolazione più elevate.
Berman, M. G., Bettencourt, L. M., & Stier, A. J. (2020). COVID-19 attack rate increases with city size. MedRxiv. PREPRINT