< Modelli

Possiamo prevedere l'evoluzione dell'epidemia di COVID-19?

Testo aggiornato al 2020-06-19


È possibile simulare l'epidemia di COVID-19 utilizzando modelli matematici. Questi sono utili per valutare lo stato dell'epidemia in un determinato momento e per prevederne l'evoluzione a breve termine. A lungo termine, permettono di visualizzare diversi possibili scenari di evoluzione dell'epidemia e di prepararsi ad essi.

Modelli matematici

Per cercare di prevedere l'evoluzione dell'epidemia di COVID-19, gli epidemiologi utilizzano modelli matematici che simulano la diffusione del virus SARS-CoV-2 all'interno di una popolazione. I modelli spesso incorporano numerosi parametri come il numero di persone contagiate da una persona infetta, la durata della fase infettiva, l'età delle persone infette, il contatto fisico, la mobilità delle persone, ecc. Alcuni di questi parametri non possono sempre essere determinati in modo affidabile ed altri possono variare da regione a regione o nel tempo.

Un modello di riferimento è il modello "Susceptible Infected Recovered" o "SIR" sviluppato da Kermack e McKendrick nel 1927 per simulare le dinamiche dell'epidemia di una malattia infettiva in una vasta popolazione. In questo modello, gli individui della popolazione sono suddivisi in tre categorie: Suscettibili, Infetti, Guariti. Gli individui possono passare da una categoria all'altra. A partire da questo modello ne sono state sviluppati diversi altri che tengono conto di esposizione,infezione, contagio e immunità.

Fase iniziale dell'epidemia

Questi modelli mostrano che in assenza di misure per contenere la diffusione del coronavirus SARS-CoV-2 in una popolazione, l'epidemia di COVID-19 causa un numero significativo di casi gravi, che superano di gran lunga i posti letto in rianimazione negli ospedali dei paesi più sviluppati. Queste proevisioni hanno portato la maggior parte dei paesi a mettere in atto misure di contenimento per prevenire o limitare la diffusione del virus. Il tasso di attacco e la velocità di diffusione dipendono dalla densità e dall'età della popolazione, il che spiega perché le regole più severe sono state imposte nelle metropoli più popolate o nelle comunità con più persone anziani.

Seconda/e ondata/e

Simulazioni a lungo termine indicano che l'epidemia può ritornare dopo essere stata contenuta. Sono già stati osservati rimbalzi epidemici in alcuni dei primi Paesi colpiti (ad es. Arabia Saudita, Iran, Corea, Cina). Queste "seconde ondate" sono difficili da prevedere perché dipendono da parametri che sono spesso difficili da valutare o sconosciuti, come la percentuale di popolazione già infettata dal coronavirus, il mantenimento di misure di distanziamento fisico e di gesti di barriera, la capacità dei paesi di individuare e isolare nuovi casi, il comportamento degli individui e la durata dell'immunità.

Effetti stagionali

La stagionalità del COVID-19 non è ancora nota. È probabile che, come molte malattie respiratorie infettive, il COVID-19 si trasmetta più lentamente durante l'estate nelle regioni temperate. Sebbene le alte temperature e la luce del sole riducano la trasmissione del coronavirus SARS-CoV-2, la sua elevata contagiosità e la schiacciante sensibilità della popolazione umana globale potrebbero superare qualsiasi effetto climatico. Inoltre, i modelli che tengono conto di una diminuzione dell'infettività del coronavirus mostrano che una pausa estiva non significa la fine dell'epidemia. È molto probabile che la malattia diventi stagionale o che i picchi epidemici si verifichino in modo intermittente, ad esempio ogni due anni.

Importanza dell'immunità

I modelli che tengono conto dell'immunità delle persone già infettate dimostrano che questo parametro è fondamentale per l'evoluzione a lungo termine dell'epidemia. Nella maggior parte dei paesi si stima che meno del 10% della popolazione sia già stata infettata, il che non è ancora sufficiente a conferire un'immunità di gregge che possa impedire l'arrivo di seconde ondate. Se l'immunità fosse a lungo termine, l'epidemia potrebbe scomparire. D'altra parte, se l'immunità conferita dall'infezione fosse breve, il COVID-19 potrebbe diventare una malattia ricorrente come l'influenza. I dati sulla risposta immunitaria alla SARS-CoV-1 durante l'epidemia di SARS del 2003 suggeriscono un'immunità intermedia, di circa 18 mesi.


facebook twitter linkedin

Fonti

Modello dell'epidemia di COVID-19 che mostra che può portare alla saturazione del sistema sanitario.

Ferguson, N., Laydon, D., Nedjati Gilani, G., Imai, N., Ainslie, K., Baguelin, M., ... & Dighe, A. (2020). Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID19 mortality and healthcare demand.

Analisi dell'impatto del confinamento sull'epidemia di COVID-19 in Europa.

Flaxman, S., Mishra, S., Gandy, A. et al. Estimating the effects of non-pharmaceutical interventions on COVID-19 in Europe. Nature (2020).

Modello dell'epidemia COVID-19 in Ile-de-France e della sua evoluzione dopo la fase di confinamento.

Di Domenico, L., Pullano, G., Sabbatini, C. E., Boëlle, P. Y., & Colizza, V. (2020). Expected impact of lockdown in Île-de-France and possible exit strategies. medRxiv.

Modello dell'effetto stagionale sul COVID-19.

Baker, R. E., Yang, W., Vecchi, G. A., Metcalf, C. J. E., & Grenfell, B. T. (2020). Susceptible supply limits the role of climate in the early SARS-CoV-2 pandemic. Science.

Proiezioni epidemiche pluriennali che tengono conto degli effetti stagionali e della durata dell'immunità.

Kissler, S. M., Tedijanto, C., Goldstein, E., Grad, Y. H., & Lipsitch, M. (2020). Projecting the transmission dynamics of SARS-CoV-2 through the postpandemic period. Science, 368(6493), 860-868.

La durata della risposta immunitaria per il coronavirus SARS-CoV-1 è stata stimata in media di 2 anni a partire da 176 pazienti.

Wu L-P, Wang N-C, Chang Y-H, Tian X-Y, Na D-Y, Zhang L-Y, Zheng,L, Lan, T, Wang, LF, and Liang, GD. corresponding author§. Duration of antibody responses after severe acute respiratory syndrome. Emerg Infect Dis [serial on the Internet]. 2007 Oct [date cited].

Descrizione del modello di riferimento SIR.

Kermack WO, McKendrick AG. Contributions to the mathematical theory of epidemics--I. 1927. Bull Math Biol. 1991;53(1-2):33-55. doi: 10.1007/BF02464423.

Per saperne di più

Cos'è la cross-reattività? Può proteggermi dal COVID-19?

Letalità, mortalità, sovramortalità, R0, K: di cosa stiamo parlando?