Analisi dei dati epidemiologici del coronavirus in Italia (al 17 marzo)

In questo documento sono descritti i risultati relativi all’analisi a livello regionale e per le sei province della Lombardia al momento maggiormente colpite, dei dati aggiornati alle 18 del 17 marzo 2020, che sostituiscono o integrano quelli nel documento del 16 Marzo. I dati a livello regionale sono stati scaricati dal sito https://github.com/pcm-dpc/COVID-19 e quelli a livello provinciale dal sito https://github.com/pcm-dpc/COVID-19/tree/master/dati-province.

Per quanto riguarda la Lombardia, si conferma anche per il 16-17 marzo la piccola ma progressiva riduzione del tasso di crescita della frazione dei contagiati osservati relativa ai giorni precedenti, come si può osservare nella figura 1 ed in scala semi-logaritmica nella figura 2. Vale l’usuale augurio per i prossimi giorni. Come detto in precedenza, ci aspettiamo che tale riduzione sia progressiva (se non intervengono altri fenomeni collettivi) e che sia dovuta all’introduzione delle misure restrittive sulla mobilità introdotti l’11 marzo. Rimandiamo ai prossimi giorni la verifica di questa ipotesi. Qualitativamente la situazione è la stessa per la maggioranza delle altre regioni, con differenze di tipo quantitativo. Simile alla Lombardia è per esempio il caso dell’Emilia (vedi figura 3), mentre l’evidenza aumenta passando alla Toscana, poi alle Marche e quindi al Friuli, come si può vedere nelle figure 4, 5 e 6.

Invece, per il Piemonte, l’Abruzzo e la Calabria si osserva ancora un aumento del tasso di crescita nella parte finale della curva, come mostrato nelle figure 7, 8, 9, mentre per la Sicilia il tasso di crescita nell’ultima parte della curva sembra costante (vedi figura 10). La Basilicata ed il Molise sono state escluse a causa del basso numero di contagiati osservati fino a oggi. Per la restante regione del sud, la Puglia non possiamo dire niente a causa di un errore nei dati ufficiali relativi al giorno 16 Marzo (vedi Figura 11).

Una caratteristica presente in tutte le regioni a esclusione della Lombardia, seppure in modo più o meno marcato, è l’aumento del tasso di crescita avvenuto attorno all’11-12 Marzo dopo una sua precedente diminuzione. Questo può essere apprezzato nelle figure precedenti e per il caso della Sardegna in figura 12. In quest’ultimo caso e per l’Abruzzo (vedi figura 8), abbiamo anche evidenza di una discontinuità della curva della frazione dei contagiati osservati. Una possibile spiegazione di questo trend, che sottolineiamo è presente in tutte le regioni meno la Lombardia, coinvolge l’esodo proprio dalla Lombardia avvenuto l’8 marzo, giorno in cui venne istituita la zona rossa in quella regione.

Infine, per la prima volta accade che per tutte e sei le province attualmente maggiormente colpite della Lombardia, Bergamo, Brescia, Cremona, Lodi, Milano e Pavia osserviamo una diminuzione del tasso di crescita. Infatti anche Pavia mostra una lieve riduzione del tasso relativa ai giorni 15-16 e 16-17 marzo (vedi figura 13). Questa andrà confermato nei prossimi giorni.

Figura 1. Frazione del numero di contagiati osservati in Lombardia rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figura 2. Frazione del numero di contagiati osservati in Lombardia rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo e in scala semi-logaritmica. La linea retta rappresenta il modello geometrico stimato a partire dai dati. Notiamo che gli ultimi punti sperimentali sono sotto la retta che corrisponde al miglior fit con un modello geometrico. Questo fornisce evidenza del trend di riduzione del tasso di crescita.

Figura 3. Frazione del numero di contagiati osservati in Emilia rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figure 4. Frazione del numero di contagiati osservati in Toscana rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figure 5. Frazione del numero di contagiati osservati nelle Marche rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figura 6. Frazione del numero di contagiati osservati nel Friuli rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figura 7. Frazione del numero di contagiati osservati nel Piemonte rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figura 8. Frazione del numero di contagiati osservati nell’Abruzzo rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figura 9. Frazione del numero di contagiati osservati in Calabria rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figura 10. Frazione del numero di contagiati osservati in Sicilia rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figure 11. Frazione del numero di contagiati osservati in Puglia rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figura 12. Frazione del numero di contagiati osservati in Sardegna rispetto alla popolazione della regione in funzione del tempo a partire dal 1 marzo. Il miglior fit con un modello logistico è sovrapposto ai dati.

Figura 13. Sequenza temporale della frazione dei contagiati osservati nella provincia di Pavia rispetto alla popolazione della provincia (in scala semi-logaritmica). Il miglior fit con un modello geometrico è sovrapposto ai dati.

*Giovanni Sebastiani

Istituto per le Applicazioni del Calcolo “Mauro Picone”, Consiglio Nazionale delle Ricerche*