We interviewed Fabio Della Rossa, a researcher at the Politecnico di Milano and first author of the study “Intermittent yet coordinated regional strategies can alleviate the COVID-19 epidemic, a network model of the Italian case”. It is a mathematical model whose objective is to predict epidemiological scenarios of COVID-19 starting from the dynamics of the spread of contagion and the policies of restrictions adopted by the government, with a specific focus on Italy. The study is under review pending publication in a scientific journal, however it can be consulted by clicking on this pre-print link.

The model is based on the dynamics of complex systems, uses a compartment model for each Italian region and describes inter-regional connectivity with a network-based modeling approach. “Health policy in Italy is highly localized and differs from region to region. With this view in mind, we developed a data-driven model, delving into the data to uncover as much as possible, taking into account the differences between the regions and the possibility that people from different regions might or might not move”.

The model has three principal elements. The first, the epidemiological element, was designed and parameterized using an ad-hoc algorithm identified on the data made available by the Civil Protection Department, and is able to recognize significant changes in behavior (for example, those introduced by the various Ministerial Decrees) and adapt in order to maintain its predictive capacity.

The second concerns population displacement patterns: “ISTAT data reproduces a different situation to the anomalous one we find ourselves in today. For example, the most complete data on flows is the result of a 2011 survey. Over the last 9 years, even regardless of COVID, things have changed greatly (high speed, air links, socio-economic changes…) Covering this change is a work-in-progress task that has so far allowed us, with a good approximation, to describe the situation in February 2020. We started there, then we entered the GPS mobility tracking data collected between February and the start of the lockdown (identifying a 70% reduction in mobility). Each of these elements has led us to the most plausible possible estimate of the flows prior to and during lockdown, as well as those related to phase 2”.

The final piece of work is the estimated cost of the epidemic. First of all, the cost in terms of lives: we had to understand the medical evolution that has allowed us to provide an increasingly effective health care response to the virus. Secondly, the economic costs associated with the closure of manufacturing activities in the different regions. “We relied on a series of econometric analyses that were published at the beginning of the lockdown, which estimated the reduction in value-added GDP for each region. We tried to calculate a figure of merit which is as meaningful as possible and now we are starting to delve deeper into this part by involving people with more experience in economics. This figure is particularly sensitive in a situation where the government is called upon to make decisions while taking into account the health of the population and the economic needs of each family”.

After parameterization and adjustment, the model was tested to understand what epidemiological and intervention scenarios were possible. “As the weeks went by, we verified that it worked well: the identification procedure allowed for good adaptation to changes, generating a product with a good predictive ability”. One of the most relevant results is the measurement of the advantage of implementing coordinated measures at the national level where, however, they allow each region to apply tailor-made restrictions and re-openings. “The model is able to generate strategies that allow savings from the epidemiological point of view, 20-30% fewer victims, and from the economic and social cost point of view, where we are talking about a reduction of losses to GDP due to lockdowns of up to 30%”.

VERSIONE ITALIANA

Abbiamo intervistato Fabio Della Rossa, ricercatore al Politecnico di Milano, primo autore dello studio “Intermittent yet coordinated regional strategies can alleviate the COVID-19 epidemic, a network model of the Italian case”. Si tratta di un modello matematico con l’obiettivo di prevedere scenari epidemiologici di COVID-19 a partire dalle dinamiche di diffusione del contagio e dalle politiche di restrizioni adottate dal governo, con un focus specifico sul territorio italiano. Lo studio è in revisione in attesa di pubblicazione da parte di una rivista scientifica, ma potete già consultarlo a questo link, in pre-print.

Il modello si basa sulla dinamica dei sistemi complessi, utilizza un modello a compartimenti in ciascuna delle regioni italiane e descrive la connettività inter-regionale con un approccio modellistico che si basa sulle reti. “L’Italia ha una politica sanitaria fortemente localizzata e differente tra regione e regione. A partire da questa lettura, abbiamo sviluppato un modello data-driven, andando a scavare i dati per tirarne fuori tutto il possibile, che tenesse conto delle differenze tra le regioni e la possibilità che persone di regioni diverse potessero o meno spostarsi”.

I principali ingredienti del modello sono tre. Il primo, quello epidemiologico, è stato costruito e parametrizzato con un algoritmo ad-hoc identificato sui dati resi disponibili dalla protezione civile, capace di riconoscere cambiamenti di comportamento significativi (ad esempio, quelli introdotti dai vari decreti ministeriali) e di adattarsi per mantenere la sua capacità predittiva.

Il secondo è relativo ai pattern di spostamento della popolazione: “I dati ISTAT riproducono una situazione diversa da quella anomala in cui ci troviamo oggi. Per esempio, il dato più completo sui flussi è il risultato di un’indagine del 2011. Negli ultimi 9 anni, anche indipendentemente da COVID, le cose sono cambiate molto (alta velocità, collegamenti aerei, trasformazioni socioeconomiche…). Coprire questo cambiamento è un compito work-in-progress che finora ci ha permesso, con buona approssimazione, di descrivere la situazione a febbraio 2020. Siamo partiti da lì, poi abbiamo inserito i dati di tracciamento della mobilità GPS rilevati tra febbraio e l’inizio del lockdown (identificando una riduzione della mobilità del 70%). Tutti questi elementi ci hanno portato a una stima il più plausibile possibile dei flussi prima e durante il lockdown come a quelli relativi alla fase 2”.

L’ultimo pezzo del lavoro è la stima dei costi dell’epidemia. Anzitutto i costi in termine di vite: abbiamo dovuto capire l’evoluzione medica che ci ha permesso di dare una risposta ospedaliera sempre più efficace al virus. Secondariamente, i costi economici connessi alle chiusure delle attività produttive nelle diverse regioni. “Ci siamo basati su una serie di lavori di econometria usciti all’inizio del lockdown, che stimavano la riduzione del valore aggiunto sul PIL per ciascuna regione. Abbiamo cercato di stimare una cifra di merito più sensata possibile, ora stiamo iniziando a approfondire questa parte coinvolgendo persone più esperte di noi in economia. Questa cifra è particolarmente delicata in una situazione in cui il governo è chiamato a decidere tenendo conto della salute della popolazione e delle necessità economiche di ciascuna famiglia”.

Dopo averlo parametrizzato e sistemato, il modello è stato testato per capire quali fossero i possibili scenari epidemiologici e di intervento. “Col passare delle settimane abbiamo verificato che funziona bene: la procedura di identificazione permetteva un buon adattamento ai cambiamenti, generando un prodotto con una buona capacità predittiva”. Uno dei risultati più rilevanti è la misurazione del vantaggio di attuare misure coordinate a livello nazionale, dove però permettano a ciascuna regione di applicare restrizioni e aperture tagliate su misura. “Il modello è in grado di generare strategie che consentono un risparmio dal punto di vista epidemiologico, 20-30% di vittime in meno, e dal punto di vista economico e del costo sociale, dove parliamo di un risparmio di perdite sul PIL, dovute ai lockdown, fino al 30%”.

Questo sito utilizza i cookies per le statistiche e per agevolare la navigazione nelle pagine del sito e delle applicazioni web. Maggiori informazioni sono disponibili alla pagina dell'informativa sulla privacy

Accetto