fbpx Incidenza di Covid-19 nelle regioni italiane: l’efficacia dei colori | Scienza in rete
Covid-19/

Covid-19 nelle regioni italiane: solo il rosso funziona (se dato in tempo)

Tempo di lettura: 8 mins

L'Associazione Italiana di Epidemiologia ha messo a confronto e analizzato i tassi di incidenza settimanale di infezione registrati in regioni in zone gialle, arancioni e rosse: solo queste ultime hanno avuto un declino importante e omogeneo dell'incidenza di Covid-19, di gran lunga superiore a quanto riscontrato nelle regioni in arancione e in giallo.

Gruppo di lavoro promosso da AIE

Paola Angelini, Serena Broccoli (Regione Emilia-Romagna); Lucia Bisceglia, Anna Maria Nannavecchia (Regione Puglia); Federica Michieletto, Eliana Ferroni, Filippo Da Re (Regione Veneto); Salvatore Scondotto, Alessandro Arrigo (Regione Sicilia); Paolo Vineis, Carlo Di Pietrantonj (Regione Piemonte); Mario Braga, Carla Rizzuti, Francesco Profili (Regione Toscana); Angelo D'Argenzio, Pietro Buono, Alessandro Perrella (Regione Campania); Daniel Fiacchini, Marco Pompili (Regione Marche); Paola Michelozzi, Federica Nobile, Francesco Vairo, Federica Asta (Regione Lazio); Marco Cristofori (Regione Umbria); Danilo Cereda, Claudia Gallana , Manuel Maffeo, Andrea Cinnirella (Regione Lombardia). Carla Ancona, Francesco Forastiere, Stefania Salmaso, Rodolfo Saracci, Paolo Vineis (AIE)

Introduzione

L’efficacia del lockdown della primavera scorsa nel diminuire l’incidenza di Covid-19 è ormai consolidata; un aggiornamento è presente sulla monografia di Epidemiologia e Prevenzione dedicata al Covid-19 (Caristia et al, 2020). Con la nuova fase epidemica all’inizio di ottobre il Consiglio dei Ministri, considerato il parere del Comitato tecnico scientifico, ha deliberato la proroga, fino al 31 gennaio 2021, dello stato d’emergenza. Sono stati approvati diversi decreti (7, 13 e 18 ottobre) che hanno introdotto misure urgenti connesse con la proroga della dichiarazione dello stato di emergenza epidemiologica da Covid-19. Il DPCM del 24 ottobre ha introdotto misure più severe quali il divieto di consumo di cibi e bevande nei luoghi pubblici e aperti al pubblico dopo le ore 18.00 e il ricorso alla didattica digitale integrata per le istituzioni scolastiche secondarie di secondo grado. Successivamente dal DPCM 3 novembre, e con le successive Ordinanze del Ministero della Salute, sono state individuate tre aree - gialla, arancione e rossa - corrispondenti ai differenti livelli di criticità presenti nelle Regioni del Paese, per le quali sono stati presi provvedimenti di restrizione specifici.

Per assegnare ogni Regione a una fascia di rischio sono stati utilizzati 21 parametri, individuati dal Comitato tecnico scientifico e dal ministero della Salute. I parametri sono stati concepiti e strutturati con l’obiettivo di tenere sotto controllo l’andamento del rischio sanitario e sono divisi in tre categorie: indicatori sulla capacità di monitoraggio; indicatori sulla capacità di accertamento diagnostico, indagine e di gestione dei contatti; indicatori sui risultato relativi a stabilità di trasmissione e alla tenuta dei servizi sanitari.

Una valutazione formale dell’efficacia dell’introduzione delle fasce di rischio sulla curva di incidenza delle settimane successive si rivelerebbe molto utile per valutare il guadagno relativo acquisito dall’osservanza delle misure restrittive specifiche di ciascuna fascia.

In questo documento, curato dall’Associazione Italiana di Epidemiologia (AIE), sono messi a confronto i tassi di incidenza settimanale di infezione registrati in 11 regioni, con lo specifico scopo di valutare l’efficacia degli interventi di restrizione presenti nelle regioni, in base alla fascia di rischio assegnata. I dati sono stati forniti da Piemonte, Lombardia, Veneto, Toscana, Emilia-Romagna, Marche, Umbria, Lazio, Campania, Puglia, Sicilia (per un totale di circa 50 milioni di abitanti). I dati settimanali, elaborati da AIE, vengono pubblicati sul sito dell’AIE e su Scienza in rete.

La figura 1 illustra l’andamento dei tassi standardizzati nelle 11 regioni oggetto della valutazione ed evidenzia la data dei due principali DPCM oggetto di questa valutazione (24 ottobre e 3 novembre).

Figura 1. Tassi incidenza, standardizzati per età, per 100.000 abitanti nelle 11 regioni dal 21 settembre al 27 dicembre

Metodi

Considerando le date di entrata in vigore dei provvedimenti, le 11 regioni sono state classificate in zona rossa (Piemonte e Lombardia dal 6 novembre, Toscana e Campania dal 15 novembre), arancione (Toscana dal 6 fino al 10 novembre, Puglia e Sicilia dal 6 novembre, Marche ed Emilia-Romagna dal 15 novembre) o giallo (Lazio e Veneto dal 6 novembre).

Da un punto di vista metodologico, tale valutazione ha bisogno di alcuni accorgimenti per rendere il confronto più valido.

  1. Occorre stabilire un periodo di riferimento pre-intervento per valutare l’andamento epidemiologico dopo l’intervento
  2. Occorre stabilire un periodo di intervallo tra l’entrata in vigore del provvedimento e la possibilità che ci sia un effetto dopo l’entrata in vigore (latenza, lag). Due settimane vengono ritenute un intervallo adeguato
  3. L’arco temporale di valutazione dell’efficacia dell’intervento deve essere abbastanza lungo per permettere di cogliere i cambiamenti, ma non troppo per evitare che altre condizioni intervengano come fattori di confondimento
  4. Occorre garantire una comparabilità delle regioni con intervento rispetto a quelle senza intervento (in questo caso l’assegnazione dei colori) per quanto riguarda il livello di maturazione dell’epidemia nel momento in cui l’intervento viene deciso
  5. Occorre garantire sistemi di rilevazione dell’incidenza della malattia omogenei tra le regioni che vengono poste a confronto.

Si è tenuto conto di questi aspetti nel disegno dello studio.  

Per valutare l’efficacia dei provvedimenti sono state considerate come riferimento la settimana relativa alla data del provvedimento (data di entrata in vigore) e la settimana immediatamente successiva (punto 1 e 2) Sono state considerate come periodo di valutazione dell’efficacia del provvedimento le quattro settimane successive (punto 3). Sono stati valutati gli andamenti della curva epidemica in ogni regione e i tassi nelle due settimane di riferimento (punto 4). Sono stati calcolati i rischi relativi di incidenza (rapporti tra tassi standardizzati) delle settimane post-intervento rispetto alle due settimane di riferimento, utilizzando un modello di Poisson (considerando come denominatore la popolazione residente specifica per ogni regione e classe d’età). Sono stati calcolati gli intervalli di confidenza al 95% dei rischi relativi, non qui riportati perché molto stretti e vicini alla stima puntuale.

La figura 2 illustra il disegno dello studio con i colori per ogni regione, le settimane di riferimento (bordi) e le 4 settimane di follow-up post-intervento in grigio.

Figura 2. Disegno dello studio con i colori per ogni regione, settimane di riferimento (bordi) e le quattro settimane di follow-up post-intervento (grigio)

Poiché l’offerta di tamponi molecolari può essere un determinante dell’incidenza per ogni regione, i rischi relativi sono stati calcolati pesando per l'inverso della probabilità (IPW Inverse Probability Weighting) di essere sottoposto ad un primo tampone in ogni regione per una specifica classe di età ed in una specifica settimana (punto 5). In questo modo il peso degli strati con una probabilità inferiore diventa maggiore e quello degli strati con probabilità maggiore diventa inferiore. Si tratta di una tecnica molto usata in epidemiologia per fornire una omogenea probabilità di tracciamento ad ogni soggetto.  Sono stati utilizzando i dati sui primi tamponi (per settimana e per età) disponibili per Lombardia, Umbria, Lazio, Campania e Puglia. Per le regioni che non hanno ancora fornito questo dato, è stata fatta l’assunzione che la probabilità di fare il primo tampone, in quella classe di età e in quella settimana, sia simile ad una regione della stessa ripartizione territoriale (Nord, Centro Sud).  I tassi di incidenza calcolati tengono, dunque, conto della diversa propensione ed offerta dei tamponi delle diverse regioni.  

Risultati

La tabella 1 descrive per ogni regione i tassi di incidenza (per 100.000) standardizzati per età nelle due settimane considerate prima dell’assegnazione a specifiche fasce di rischio.

  Pre 1 Pre 2 Pre 2 sett (media)
Regione Tasso Tasso Tasso
Piemonte 594,9 623,7 609,3
Lombardia 595,6 553,7 574,6
Veneto 429,0 431,9 430,5
Emilia-Romagna 366,9 374,9 370,9
Toscana 438,1 331,7 384,9
Marche 301,1 208,3 254,7
Umbria 448,6 317,7 383,2
Lazio 366,2 350,6 358,4
Campania 427,0 397,0 412,0
Puglia 177,4 225,1 201,2
Sicilia 184,5 203,3 193,9


Tabella 1

I tassi di incidenza pre- classificazione sono relativamente più elevati e più simili tra le regioni del Nord (Piemonte, Lombardia, Veneto ed Emilia Romagna) rispetto alle regioni del Centro Sud ad indicare una maggiore comparabilità per quanto riguarda le condizioni pre-classificazione  al Nord.

La tabella 2 seguente descrive per ogni regione di quanto, rispetto alle due settimane precedenti il provvedimento, si sia modificata l’incidenza in ciascuna delle quattro settimane successive (RR, Rischio Relativo).

      SETTIMANE
      1 2 3 4
Regione Tasso di incidenza/100.000 medio delle due settimane precedenti il provvedimento RR (rif) RR* RR* RR* RR*
Piemonte 609,3 1,0 0,7 0,5 0,3 0,3
Lombardia 574,6 1,0 0,6 0,4 0,3 0,3
Veneto 430,5 1,0 1,0 1,1 1,2 1,2
Emilia-Romagna 370,9 1,0 0,8 0,7 0,6 0,6
Toscana 384,9 1,0 0,5 0,3 0,3 0,2
Marche 254,7 1,0 0,8 0,7 0,6 0,6
Umbria 383,2 1,0 0,6 0,4 0,3 0,3
Lazio 358,4 1,0 0,7 0,6 0,5 0,5
Campania 412,0 1,0 0,7 0,5 0,4 0,3
Puglia 201,2 1,0 1,0 0,9 0,7 0,7
Sicilia 193,9 1,0 0,8 0,6 0,5 0,5


Tabella 2. RR* aggiustati per età, sesso e pesati per l'inverso della probabilità di offerta di tampone nella settimana.

In tutte le regioni rosse si è osservato un rapido declino dei tassi di incidenza, raggiungendo dei RR tra 0,2 e 0,3 alla quarta settimana (una riduzione di circa 4-5 volte). Le regioni in fascia arancione hanno mostrato una riduzione meno marcata, arrivando a RR pari a 0,3-0,6 alla quarta settimana (una riduzione di circa 2-3 volte), mentre si è osservato un andamento diverso per le uniche due regioni gialle. Il Lazio ha avuto un declino paragonabile a quello delle regioni in fascia arancione, mentre il Veneto non ha mai osservato un declino, anzi i tassi di incidenza sono aumentati nel mese successivo.  Se si valutano i dati nei due compartimenti geografici (Nord e Centro Sud), è chiara una diminuzione dell’incidenza di gran lunga maggiore nelle regioni rosse rispetto a quelle arancione. Il confronto tra le regioni in fascia gialla appare più complesso. È stata condotta anche una analisi senza l’applicazione dei pesi per la frequenza di tamponi, che ha prodotto risultati molto simili. 

La figura 3 illustra meglio gli andamenti nelle diverse regioni raggruppate per colore del provvedimento.

Figura 3. Andamenti nelle regioni raggruppate per colore del provvedimento

Conclusioni

Da una valutazione formale dell’efficacia degli interventi restrittivi emerge come solo le regioni in zona rossa abbiano mostrato un declino significativo ed omogeneo dell’incidenza di Covid-19 nelle quattro settimane successive al provvedimento. Le regioni in zona arancione hanno mostrato un comportamento disomogeneo, mentre per le due regioni rimaste in zona gialla rimangono problemi interpretativi del dato, che potrebbe risentire di altri fattori che non è stato possibile considerare in queste analisi.

Si è cercato di affrontare gli aspetti metodologici nel disegno dello studio, sebbene alcuni problemi di comparazione siano difficili da risolvere, data anche la scarsa numerosità delle regioni messe a confronto. È da considerare, inoltre, che i parametri utilizzati per l’assegnazione dei colori alle regioni sono numerosi e misurano aspetti molto diversi (dall’incidenza alla capacità delle strutture ospedaliere) e proprio questa disomogeneità tra i parametri rende difficile la confrontabilità iniziale tra le regioni. Solo una analisi approfondita, in grado di tenere conto dei valori dei 21 parametri di ciascuna regione, consentirebbe, quindi, un confronto più appropriato.

Questa valutazione ha, tuttavia, implicazioni importanti per le successive misure di contenimento della pandemia, sottolineando la necessità di indicatori precoci dell’evoluzione dell’epidemia nei contesti regionali, per consentire interventi di contenimento più immediati e come solo provvedimenti molto restrittivi possano garantire il drastico rallentamento della pandemia.

 

Aiuta Scienza in Rete a crescere. Il lavoro della redazione, soprattutto in questi momenti di emergenza, è enorme. Attualmente il giornale è interamente sostenuto dall'Editore Zadig, che non ricava alcun utile da questa attività, se non il piacere di fare giornalismo scientifico rigoroso, tempestivo e indipendente. Con il tuo contributo possiamo garantire un futuro a Scienza in Rete.

E' possibile inviare i contributi attraverso Paypal cliccando sul pulsante qui sopra. Questa forma di pagamento è garantita da Paypal.

Oppure attraverso bonifico bancario (IBAN: IT78X0311101614000000002939 intestato a Zadig srl - UBI SCPA - Agenzia di Milano, Piazzale Susa 2)

altri articoli

Guarire dal tumore: prospettive ed evidenze disponibili

Perché è difficile misurare la guarigione da un tumore? E prima ancora, cosa intendiamo quando diciamo che una persona è guarita dal tumore? Attraverso una serie di domande, in quest'articolo sono descritti i principali indicatori di guarigione dopo un tumore, illustrando il metodo di calcolo con cui si ottiene e mostrando i risultati più recenti ottenuti in Italia.

Crediti immagine: Ivan Samkov/Pexels

Il termine “guarigione” viene sempre più spesso accostato alla parola “cancro”. In questo articolo, è descritto il percorso per definire e misurare la guarigione dal tumore.