Skip to content

Le simulazioni al computer decidono come il mondo deve fronteggiare la pandemia di Covid-19

Spesso sentiamo dire che senza misure restrittive, la pandemia di Covid-19 provocherà X numero di morti nel Paese Y. Vi sei mai chiesti come fanno gli scienziati a simulare l’evoluzione di un’epidemia? Le predizioni sono il risultato di complessi modelli matematici. Non preoccupatevi, non vedrete nessuna formula, solo il ragionamento alla base. Potreste pensare che tali previsioni non siano essenziali come le azioni concrete per prevenire la diffusione della pandemia. In tal caso, sareste fuori strada. Considerate questo esempio: quando i ricercatori dell’Imperial College di Londra hanno predetto che senza alcun distanziamento sociale il Regno Unito sarebbe andato incontro a più di 500.000 morti, il Primo Ministro ha immediatamente limitato i movimenti delle persone. Quindi, perfino Boris Johnson crede ai modelli matematici! La stessa simulazione ha previsto 2,2 milioni di morti negli Stati Uniti se non fosse stata intrapresa alcuna azione limitante.

Tali previsioni posano le fondamenta su un’infinita serie di dati raccolti ed analizzati, poiché più informazioni vengono raccolte, più la simulazione diventa affidabile.

Come viene progettata una simulazione che prevede l’evolversi di un’epidemia

Partiamo dal modello più semplice possibile, che si propone di comprendere come le persone si muovono fra tre diverse fasi, e con quale velocità. Le persone sono sensibili (S) al virus, sono infettate (I) e infine guariscono (R) o muoiono. Il gruppo R dovrebbe essere immune, quindi si assume che non possa più diffondere la malattia. Ognuno ha le stesse possibilità di ammalarsi e le persone infette sono tutte contagiose allo stesso livello.

La simulazione diventa più complicata quando si cerca di replicare il mondo reale. Per fare ciò, vengono considerati diversi parametri individuali: età, sesso, condizioni di salute, occupazione, numero di contatti intrattenuti quotidianamente e così via. È necessario includere poi ulteriori informazioni sulla società: dimensioni e densità della popolazione, pendolarismo, dimensioni dei social network e prestazioni sanitarie. Con queste informazioni, si può costruire una città, una regione o un Paese virtuale e considerare i movimenti e le interazioni nello spazio e nel tempo.

Quando si elabora tale simulazione, è possibile scegliere tra due strategie: una “basata sulle equazioni”, l’altra “basata sugli individui”. La prima considera l’intera popolazione, che viene poi suddivisa progressivamente in gruppi e sottogruppi di diverse dimensioni, seguendo la struttura di una società moderna; la seconda stabilisce che ogni individuo segue le sue regole uniche, come nel videogioco “The Sims”. La principale differenza tra le due sta nel numero di persone che si comportano allo stesso modo.

Simulazioni dell’evoluzione della Covid-19

Lavorando sulla Covid-19, si parte dal presupposto che molte informazioni richieste siano mancanti o solo approssimative, in particolare quelle riguardanti i tassi di mortalità e guarigione, infettività e tempi di incubazione. Per sopperire alla mancanza di questi input, finora sono state testate centinaia di simulazioni, modificando leggermente un parametro alla volta, per considerare tutte le possibilità. Sono state tentate sia strategie basate sulle equazioni sia basate sugli individui, ottenendo risultati simili: concentrandosi sugli Stati Uniti e assumendo che non sarebbero state prese misure restrittive, una simulazione basata sulla prima strategia ha ipotizzato 2,18 milioni di morti, sulla seconda 2,2.

Dinamismo delle simulazioni sulla Covid-19

Una simulazione è dinamica e può essere aggiornata in base ai nuovi dati raccolti. Ad esempio, i ricercatori dell’Imperial College di Londra hanno cambiato la percentuale di persone infette che necessitano di cure intensive dal 15% al ​​30%. Con solo 4000 posti letto in terapia intensiva nel Regno Unito, il sistema sanitario sarebbe collassato, secondo il modello aggiornato, costringendo i politici a introdurre misure più restrittive.

Un altro parametro progressivamente aumentato è il cosiddetto R0 (R zero), un valore che descrive l’infettività del virus. In altre parole, R0 indica quante persone possono essere contagiate da una persona malata. Inizialmente il valore era impostato su 2-2,6, poi è stato aumentato a 2,4-3,3 e infine a 3-4,7.

Incognite nelle simulazioni sulla Covid-19

Un dato che i ricercatori possono solo ipotizzare è il numero di persone infette non sintomatiche. Senza questo numero, è impossibile stimare con precisione la diffusione della malattia. I test sulle acque reflue potrebbero aiutare in questo, ma la strategia è ancora in fase di sviluppo.

Un’altra domanda aperta è come le persone reagiranno ai cambiamenti forzati delle loro abitudini? I ricercatori cinesi hanno osservato che i cittadini di Wuhan e Shanghai hanno avuto tra le sette e le nove volte meno contatti giornalieri con altre persone durante le misure di allontanamento sociale imposte dalle autorità. È ancora troppo presto per ottenere tali informazioni sui Paesi europei e gli Stati Uniti.

Un terzo punto interrogativo è rappresentato dal tempo. Per quanto tempo verranno mantenute queste condizioni restrittive? Ferguson e colleghi stimano che le attuali limitazioni impediranno l’immediato sovraccarico della capacità del sistema sanitario negli Stati Uniti, ma una seconda ondata di pandemia potrebbe essere prevista entro la fine dell’anno. Solo una strategia di test a tappeto (come è stato fatto in Corea del Sud) potrebbe impedirlo, fino a quando non sarà disponibile un vaccino.

Fonte

https://www.nature.com/articles/d41586-020-01003-6

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s

%d bloggers like this: