COVID19 Review 2020

Weekly Series 2020

Monography n. 2: on Covid19 pandemia data

A cura di Giorgio Banchieri, Andrea Vannucci, Maurizio Dal Maso, Stefania Mariantoni

Review realizzata in collaborazione con:

Nota redazionale.

I materiali (articoli e dati) vengono selezionati da fonti accreditate:

. Per gli articoli: The Lancet, British Medicine Journal, The New York Times, Science, Nature, Oxford Review, Cambridge Review, Quotidiano Sanità, Il Corriere della Sera, Il Sole 24Ore Sanità, La Repubblica e altri;

Per le Istituzioni:

. WH0/OMS, UE Centri di Prevenzione; OCDE, ONU, Protezione Civile, ISTAT, INAIL, Ministero Salute, ISS, AGENAS, CNR, Regioni, ARS, ASL, AO, AOP, IRCCS, Centri Studi e ricerche nazionali e internazionali e altri;

Per i dati:

Criteri di selezione:

I materiali sono scelti in base ai seguenti criteri: Materiali di analisi recenti; Fonti accreditate; Tematiche inerenti a COVID19; Procedure internazionali e nazionali; Studi e ricerche epidemiologici; Studi su procedure per operatori sanitari e sociali; Linee Guida internazionali, nazionali e regionali; Linee Guida di società scientifiche e professionali.

Le traduzioni sono fatte in automatico con il software “google” per rapidità di fruizione.

Ci scusiamo se le traduzioni non sono sempre adeguate, ma riteniamo più utile la tempestività di divulgazione.

Si ringraziano l’Editore COM SRL di Roma per il supporto

I curatori

Giorgio Banchieri Segretario Nazionale del CDN ASIQUAS, Associazione Italiana per la Qualità della Assistenza Sanitaria e Sociale; Curatore con altri di COVID-19 Review daily e weekly. Docente presso il Dipartimento di Scienze Sociali ed Economiche, Progettista e Coordinatore Didattico dei Master MIAS, MEU e MaRSS, Università “Sapienza” Roma; Già Direttore dell’Osservatorio della Qualità del SSR del Molise; Docente ai master e Direttore di progetti di ricerca e di consulenza organizzativa e gestionale in aziende sanitarie (Asl e AO) presso la LUISS Business School di Roma, presso L’Università Politecnico della Marche, presso Università del Salento; Direttore di www.osservatoriosanita.it; già Direttore FIASO, Federazione Italiana Aziende Sanitarie e Ospedaliere, membro Comitato Scientifico del Programma Nazionale Esiti – PNE; Membro Comitato Scientifico del Tavolo Tecnico AGENAS e Regioni Re.Se.T., Reti per i Servizi Territoriali.

Maurizio Dal Maso Membro di ASIQUAS, Associazione Italiana per la Qualità dell’Assistenza Sanitaria e Sociale. Ha svolto la sua attività professionale come medico clinico dal 1979 al 1999. Successivamente come medico di Direzione sanitaria e Project Manager aziendale, Direttore Sanitario aziendale, Direttore Generale e Commissario straordinario. Dal luglio 2019 svolge attività di consulente in Organizzazione aziendale e formatore in Project Management per Accademia Nazionale di Medicina.

Stefania Mariantoni Membro di ASIQUAS, Associazione Italiana per la Qualità dell’Assistenza Sanitaria e Sociale. Dirigente psicologo ASL Rieti. Psicoterapeuta. Componente del Board scientifico dell’Osservatorio Psicologico in cronicità dell’Ordine degli Psicologi del Lazio. Componente Comitato Scientifico ECM di Laziocrea.. Docente Master II Livello in formazione manageriale per dirigenti di Unità Operativa Complessa Istituto “Carlo Jemolo”. Esperta in integrazione sociosanitaria. Membro di tavoli tecnici sociali e sanitari Regione Lazio. Già Coordinatore Ufficio di Piano Distretto sociosanitario Rieti 5 e referente A.T. programma inteministeriale P.I.P.P.I.. Già consulente Enti Locali per Servizi alla Persona.

Andrea Vannucci Membro di ASIQUAS, Associazione Italiana per la Qualità dell’Assistenza Sanitaria e Sociale. Già Direttore dell’Agenzia regionale di sanità della Toscana, Coordinatore della Commissione Qualità e Sicurezza del Consiglio sanitario regionale e Rappresentante per la Regione Toscana nel Comitato Scientifico del Programma Nazionale Esiti – PNE. Ad oggi Membro del Consiglio Direttivo di Accademia nazionale di Medicina e co-coordinatore della sezione Informazione Scientifica e Innovazione, Direttore Scientifico del Forum sistema salute 2019 e 2020; Vice Presidente di AISSMM - Associazione Italiana di Medicina e Sanità Sistemica; Professore a contratto per l’insegnamento di Organizzazione e programmazione delle aziende sanitarie del corso di laurea in Ingegneria gestionale dell’Università di Siena.

Contatti. [email protected] [email protected] [email protected] [email protected]

Si ringrazia la Dr.ssa Giulia D’Allestro per il database repository.

Indice:

Il Dibattito tra virologi e dintorni:  [Corriere della Sera] Coronavirus, quando finirà? La lezione (possibile) di un’oscura «influenza russa», di Sandro Modeo  [Uffpost] Virologi contro - Il mezzo televisivo è definitivamente sfuggito di mano. Covid clinicamente non esiste più, anzi no, o forse è cambiato. Nel mezzo, cittadini sempre più spaesati, di Silvia Renda;  [La Rep.[ Clementi (San Raffaele): “Il virus è mutato e la sua carica virale è inferiore rispetto a marzo”, di Alessandra Corica;  [La Rep.] Coronavirus, Zangrillo: "Il Covid non esiste più, qualcuno terrorizza il paese". Richeldi: "No, il virus circola";  [Scienza in rete] Equivoci virali, di Cesare Cislaghi;  [WHO] Il Coronavirus non è meno contagioso. Circola di meno;  [JAMA] Lo studio U di M rivela che lo “stare-a-casa”ha portato ad una significativa riduzione delle ospedalizzazioni COVID-19, di Susan Perry | 05/28/2020;  [WHO] Strumento di indagine e guida Approfondimenti comportamentali rapidi, semplici e flessibili su COVID-19.

Fonti dati su Covid 19:  Ministero della Salute,  [Ministero Salute-Cabina di regia] Fase 2: criteri di monitoraggio;  Protezione Civile;  ISS Report Covid 19;  ISTAT, Documenti Covid 19;  INAIL, Dossier Covid 19;  INPS, Report e data,  Altems Univ. Cattolica, Osservatorio Covid 19;  GEDI Visual;  [Fondazione GIMBE] Comunicato stampa;  [GIMBE] Dati Covid 19;  [Fondazione Hume] Il termometro della pandemia;  Imperial College, london, Reports on Covid19 pandemic;  ISTAT: Mortalità Covid 19 – 4° trimestre 2020.

I modelli predittivi:  [Università Genova] Un modello predittivo dello sviluppo del COVID-19, di Agostino Banchi, Andrea De Maria, Flavio Tonelli, 17 Marzo, 2020  [Covid 19 Review] Monografia su Thomas Pueyo;  [BMJ] Modelli di predizione per diagnosi e prognosi dell'infezione da covid-19: revisione sistematica e valutazione critica, di Laure Wynants,  [The Lancet] COVID-19: towards controlling of a pandemic;  [The Lancet] Stime della gravità della malattia di coronavirus 2019: un'analisi basata su modelli;  [Imperial College] Modelli predittivi e database dell’Imperial College;  [Imperial College] Previsioni a breve termine della domanda di assistenza sanitaria per i paesi nella fase iniziale delle epidemie di COVID-19;  [Imperial College] Struttura del modello;  [Imperial College] Stima del numero di infezioni e dell'impatto di interventi non farmaceutici su COVID-19 in Europa paesi: aggiornamento della descrizione tecnica;  [Imperial College] Variazione delle risposte dei governi a COVID-19;  [Imperial College] Calcolo degli indici delle politiche;  [Imperial College] Analisi di scenari sulle policy dei vari Paesi – Database.

La sanità italiana prima del Covid19 nel 2019.  Corte dei Conti: Rapporto 2020 – (Stralcio) Un primo sguardo ai risultati 2019 della sanità italiana.

Per leggere: “COVID 19 Review 2020” Daily Serie n.1 – n. 60

A cura di Giorgio Banchieri, Andrea Vannucci

Review realizzata in collaborazione con :

Per chi è interessato a leggere in numeri pregressi di Covid 19 Review 2020 li può trovare su: Volume 1 dal n. 1 al n. 14: htpps://issuu.com/comsrl/docs/banchieri_1-14_rev Volume 2 dal n. 14 al n. 29: https://issuu.com/comsrl/docs/covid19_review_from_prof_giorgio_banchieri_parte_2 Volume 3 dal n. 30 al n. 34 : https://issuu.com/comsrl/docs/covid19_review_from_prof_giorgio_banchieri_e_andre Volume 4 dal n. 35 al n. 60: https://issuu.com/comsrl/docs/covid19_review_parte_4_from_banchieri_e_vannucci

Per leggere: COVID19 Review 2020 Weekly series News, articles, trials, researches and data on Covid 19 pandemia

A cura di Giorgio Banchieri, Andrea Vannucci, Maurizio Dal Maso, Stefania Mariantoni

Review realizzata in collaborazione con:

Per chi è interessato a leggere in numeri pregressi di Covid 19 Review Weekly 2020 li può trovare su: Volume 1 dal n. 1 al numero odierno: https://issuu.com/comsrl/docs/weekly_series_covid19_review_2020_published

Il Dibattito tra virologi e dintorni

Coronavirus, quando finirà? La lezione (possibile) di un’oscura «influenza russa» Chi dovesse chiedere alla scienza la certezza di un oracolo, si sbaglierebbe. Ma in queste ore, mentre le domande sul virus (e la sua fine) si accumulano, è bene capire le origini e il funzionamento dell’epidemiologia. E guardare a quello che potrebbe essere l’unico precedente di una pandemia da coronavirus: scoppiata 130 anni fa. di Sandro Modeo

Inutile girarci intorno. La domanda è una, pur ramificata in tante sotto-domande: quando Covid-19 uscirà davvero dai nostri corpi e dalle nostre menti — dal nostro paesaggio sociale? Quando sarà possibile (ri) programmare-progettare le nostre vite in scenari che non siano slogati in asincronie e asimmetrie esasperanti (tra nazioni o tra regioni; tra generazioni; tra categorie di ogni ordine e grado)? Quando potremo muoverci con un minimo di riacquista naturalezza, fuori dalla rete di coreografie goffe e incerte tratteggiate per noi dall’impatto del patogeno sulle spiagge, nei ristoranti, negli uffici, nelle scuole, sui campi da calcio, con rintocchi da Nuovo mondo huxleyano?

Com’è noto, la risposta univoca e liberatoria (una data, anche sommaria, che segni un dopo vero, non l’ennesima stazione di questo massacrante «non più-non ancora») non c’è. Ci sono «indicazioni», anche marcate, dovute a feedback più o meno positivi: l’afflosciarsi della curva per contagi e decessi (con alcuni attriti residui, Lombardia in primis) e la minor virulenza non tanto del patogeno (la questione è controversa) quanto della patologia, dovuta al lockdown, al decongestionamento ospedaliero, a (tardive) profilassi di molte RSA…

Ma queste «indicazioni» (che pure sono state sufficienti a sdoganare forme di riapertura auto-organizzata e auto-legittimata, vedi le varie movide) a molti non bastano. Troppe ombre si allungano ancora sul percorso e all’orizzonte: sul breve periodo (gli spettri di recidive e nuovi focolai, come in Corea del Sud) e soprattutto sul lungo: le eventuali nuove ondate nell’autunno-inverno di quest’anno, in stile simil-spagnola (quindi, in teoria, più aggressive); o, peggio ancora, il ripresentarsi di queste ondate su cicli pluriennali, fino al 2024, come indica uno studio-chiave uscito su Science.

Fino alla prefigurazione (Washington Post del 27 maggio) che inquadra il Covid-19 in coabitazione con gli umani «per decadi», anche dopo l’eventuale messa a punto e diffusione di un vaccino. Il che — per inciso — non sarebbe necessariamente una «cattiva notizia», per echeggiare il famoso adagio del biologo-Nobel Peter Medawar, che definiva i virus «cattive notizie avvolte in una proteina». Il punto è che questi deficit previsionali non vengono visti come limiti intrinseci al set di scienze che cerca di contenerli, ma come colpe di quelle stesse scienze.

O meglio, nello specifico, di quelle branche o discipline direttamente coinvolte in una pandemia: la virologia, colpevole di non saper decifrare con nitidezza cambiamenti di virulenza ovvero letalità del patogeno; l’immunologia, incapace di identificare la durata di immunità dei guariti e di produrre test sierologici efficaci; e — soprattutto — l’epidemiologia, la vera Cenerentola di questi mesi, l’oggetto prediletto dell’irrisione non solo popolar-populista, in quanto la «montagna» del suo apparato metodologico-operativo (la sovrabbondanza di imponenti e impotenti simulazioni algoritmiche) avrebbe prodotto il «topolino» di una profilassi a base di quarantene «medievali», distanziamento sociale, mascherina e lavaggio delle mani.

È davvero così? O forse è il momento giusto — in questa dimensione limbica della pandemia — per andare a «vedere le carte» dell’epidemiologia (la sua storia ed evoluzione, la sua filosofia, i suoi stessi metodi)? Nella peggiore delle ipotesi, una simile verifica — su acquisizioni e fallimenti, punti di forza e debolezza — potrebbe portare alle stesse conclusioni del credo scettico, ma almeno con cognizione di causa. Nella migliore, a contemplare paesaggi nuovi o a vedere quelli consueti sotto una luce nuova, magari con qualche sorpresa proprio sulle possibili dinamiche di Covid-19 nei prossimi mesi e anni.

L’anno dei sentieri che si biforcano

Uno dei momenti decisivi nell’evolversi dell’epidemiologia è il 1906, quando i sentieri si biforcano come nel giardino del racconto di Borges. A svolta microbiologica appena avvenuta (con la riconduzione delle malattie infettive — grazie a scienziati come Pasteur, Koch, Lister — a specifici agenti patogeni), emergono due posizioni o visioni in parte contrapposte.

Da un lato, quella del medico inglese William Heaton Hamer del Royal College, che vede nelle epidemie uno «schema ciclico» (per esempio le ondate «ogni 18 mesi» del morbillo) ed è il primo a individuare nel numero di suscettibili (contagiabili) una «soglia» sopra o sotto la quale un episodio epidemico può esplodere o implodere. Non solo: nella sua ottica «puramente matematica», Hamer pensa che in una comunità la chiave sia il cosiddetto «principio dell’azione di massa», cioè la densità degli stessi suscettibili moltiplicata per quella degli infettivi; conta solo il loro potenziale contatto/contagio, con guariti e/o immuni sullo sfondo, come fattore non primario nel frenare la propagazione.

Dall’altro, abbiamo il medico scozzese John Brownlee (ospedale di Glasgow), che redige per la Royal Society di Edimburgo un impressionante regesto comparativo su oltre due secoli di patologie «locali» (dalla peste di Londra del 1665 — quella descritta da Defoe — alla scarlattina di Halifax del 1880). Anche lui studia le curve matematiche, adottando in più il metodo statistico del suo maestro Karl Pearson; ma — a differenza di Hamer— è convinto che quelle curve dipendano soprattutto dalle «condizioni del germe», da un «grado di infettività» che lo rende aggressivo in certe fasi (nel «period of energy» o «germinal vitality») e tenue o innocuo in altre, quando si affloscia come «un palloncino sgonfio».

Ora, è vero che il termine «infettività» è usato in molto ambiguo (si tratta della carica vitale? dell’efficienza di trasmissione? di un loro mix?) e che Brownlee esagera nel sostenere l’irrilevanza dell’interazione tra infettivi e suscettibili. Ma l’enfasi posta sull’agente patogeno ha il merito di ricordarci il legame tra la specificità molecolare dello stesso, la sua modalità di trasmissione e le relative implicazioni epidemiologiche e di trattamento «profilattico». È un legame che osserviamo bene nel caso del colera, a lungo combattuto — come nella pandemia all’inizio degli Anni ’30 dell’800 — con severe quarantene, ad esempio quella che abbiamo descritto nella ricostruzione del «caso svedese».

Quarantene — a posteriori — totalmente inutili, dato che la geniale ricostruzione medico-investigativa di John Snow nella Londra del 1854 (che individua il fattore di contagio nelle acque fognarie contaminate da escrementi) e l’isolamento dell’agente patogeno da parte di Koch nel 1882 (il vibrione già osservato da Filippo Pacini nel ’53, l’anno prima della scoperta di Snow) ne dimostrano la non-trasmissibilità «da uomo a uomo».

Eppure, il sentiero «biologico» di Brownlee resterà interrotto (o nascosto in una foresta) per lungo tempo, tanto che dobbiamo metterlo in stand-by e ricordarcene più avanti. Quello prevalentemente «matematico» di Hamer, invece, si dilaterà nella via maestra dell’epidemiologia.

Con un piccolo paradosso. Gli «antefatti» di quel sentiero sono altrove: gli studi statistici di Bernoulli sul rapporto costi-benefici nel vaccino del vaiolo (poco dopo metà ‘700); o la prima applicazione alle curve epidemiche delle «catene o distribuzioni binomiali» (le stesse che interpretano le serie di lanci di monete o le estrazioni del lotto) da parte del misconosciuto medico russo Petr Dimitrovich En’ko (1889). Ma il primo, lungo e decisivo tratto è scavato da scienziati /medici tutti scozzesi, proprio come Brownlee. 11

L’origine del «fattore R»

Scozzese è infatti il Nobel Ronald Ross, che attraverso i suoi studi rivoluzionari sulla malaria arriva a formulare intorno al 1916 una complessa «teoria degli eventi». Intendendo con «evento» ogni fenomeno in grado di tramettersi da individuo a individuo entro una popolazione, si tratti di pettegolezzi, panico o virus (così come Bernoulli applicava i suoi «calcoli del rischio», oltre che al vaccino del vaiolo, al moto dei fluidi o alle assicurazioni), Ross perfeziona con le sue equazioni differenziali il concetto di «soglia» di Hamer, ribaltando Brownlee e sostenendo che ogni epidemia (colera, influenza, peste…) flette la sua curva non per la «perdita d’infettività del patogeno», ma per la discesa del numero di suscettibili sotto un certo numero.

Scozzesi sono poi il medico William O. Kermack e il biochimico Anderson G. McKendrick: il primo dalla biografia più tormentata (un passaggio nella RAF e la cecità a 26 anni per un’esplosione in viso di soda caustica, che lo costringerà a farsi leggere i testi dagli studenti), il secondo dall’iter più regolare (capo di Kermack al Royal College di Edimburgo, lo stesso di Brownlee).

In uno studio-spartiacque del 1927, i due porteranno a un perfezionamento definitivo sia il concetto di «densità di soglia» (il minimum numerico di innesco epidemico in una comunità) sia la dinamica d’implosione, dimostrando come un’epidemia possa finire anche mantenendo un numero di suscettibili, nel momento in cui «scatta un certo meccanismo nel delicato gioco tra infezioni, morti e guarigioni (con immunizzazione)».

Nel cercare di decifrare quel meccanismo, formulano il famoso modello-SIR (Suscettibili - Infettivi- guariti o Recovered) e paragonano più in generale un’epidemia a un incendio potenziale, con le equazioni che cercano di leggere la curva come un fuoco che possa «accendersi, restare acceso e alla fine spegnersi». E con un corollario non da poco: quello per cui «piccoli incrementi del tasso di infezione possono causare gravi epidemie»: il primo richiamo, di fatto, su «focolai» da spegnere sul nascere e sulla necessità delle «zone rosse».

Scozzese, infine, è il malariologo George MacDonald del Ross Institute, che nel 1934-35 si trova a Ceylon per affrontare un’atipica esplosione di malaria (un terzo della popolazione contagiata e 80.000 morti): atipica perché la patologia — di casa nell’isola — si è sempre manifestata in piccoli focolai periodici, soprattutto nei bambini, immunologicamente più esposti.

Vent’anni dopo, rientrato a Londra, MacDonald cercherà di risolvere l’enigma incrociando decine di variabili sugli umani e sui vettori (le zanzare) per scovare quei minimi, ma decisivi cambiamenti «nei fattori fondamentali di trasmissione»; ovvero quei «piccoli eventi dalle grandi conseguenze» rimarcati da Kermack- McKendrick. Riuscirà a trovarli: un aumento di densità di Anopheles cinque volte il normale (conseguenza di una lunga siccità) e la loro accresciuta longevità, che permette di pungere-infettarsi-ripungere.

Ma, soprattutto, sarà proprio quello studio a fargli trovare il parametro-chiave delle sue ricerche: il «numero riproduttivo di base» ovvero il numero di infezioni che coinvolgono una comunità come conseguenza della presenza di un singolo caso primario non immune». Si tratta dell’ormai arcinoto R (dove R sta per reprodution rate, tasso di riproduzione, da non confondere con l’R del SIR, recovered=guarito), scandito dalla sua algebra tirannica (qui raccontata da Paolo Giordano): se è < a 1,0, l’epidemia si insabbia; se è di poco >, si espande; se è di molto >, esplode.

Con MacDonald, l’epidemiologia si avvicina al suo Graal matematico; per arrivarci, la leadership della disciplina dovrà passare dalla Scozia all’Australia.

Il serpente nell’erba matematica

Poco più di un mese fa, il 28 aprile, è scomparso a 84 anni — dopo una lunga convivenza con l’Alzheimer — Robert May. È un altro paradosso: May esce di scena in un sostanziale silenzio mediatico proprio nel

12 momento in cui il pianeta sta lottando contra la prima pandemia del millennio anche — se non soprattutto — grazie a certe sue intuizioni/acquisizioni.

Origini nordirlandesi da parte di padre e scozzesi (manco a dirlo) da parte di madre, May è australiano come due altre figure-chiave nello studio dei patogeni: Frank Mcfarlane Burnet (Nobel per gli studi sulla selezione clonale con cui i linfociti rispondono agli «invasori») e Frank Fenner, virologo autore di un capitale studio sulla mixomatosi, che troveremo più avanti.

Figlio di un brillante penalista, May si laurea in fisica teorica a Sydney per poi studiare matematica applicata a Harvard, disciplina che approfondisce (dal ’71) a Princeton, dove comincia a dialogare con biologi e ecologi sulla dinamica delle popolazioni, in particolare col geniale Robert MacArthur, che morirà prematuramente lasciando proprio a May la cattedra di zoologia.

In quel contesto, May torna a una (alla) sua antica ossessione, già «scolpita» sul retro di una lavagna in un corridoio di Sydney come «problema per gli studenti»: «che cosa cavolo succede quando lambda diventa maggiore del punto di accumulazione?». Traduzione: cosa succede quado il tasso di incremento di una popolazione, poniamo di pesci — la sua tendenza ad aumentare e poi a esplodere — supera un certo punto critico?

May nota infatti che al variare del parametro di crescita, il «sistema» muta (si deforma) in modo inspiegabile. A parametro basso, lo stato è stazionario: alzandolo, comincia a oscillare tra due e poi quattro valori; alzandolo ancora, diventa imprevedibile e caotico, introducendo «un’inattesa irregolarità». Perché quel caos da una semplicissima equazione deterministica, la cosiddetta «equazione logistica delle differenze finite»?

Trasferendo il problema su un grafico — secondo il suggerimento di Edward Lorenz, lo scopritore dell’«effetto farfalla» e uno dei padri della «teoria del caos» — May si imbatte in una sorpresa ulteriore: oltre il «punto di accumulazione» — quando la periodicità cede al caos — si aprono comunque delle «finestre di regolarità», «cicli stabili» , col modello di variazione della popolazione che si ripete per lo più in periodi dispari (tipo ogni 3 o 7 anni). È quello che May chiamerà «il serpente nell’erba matematica», dove l’erba sta a indicare il «rumore» entro cui si isola una figura riconoscibile.

Tutti quegli studi torneranno utili quando May incontrerà nel 1975 a York — durante un convegno sulla «stabilità ecologica» — Roy M. Anderson, allora responsabile di «epidemiologia delle malattie infettive» all’Imperial College di Londra (passerà poi a Oxford). È un fortunato crossing over: May — fisico-matematico con la passione biologico-ecologica — si imbatte in un parassitologo con vocazione matematica: tanto che i due — da lì in poi inseparabili per un ventennio — porteranno l’epidemiologia all’ultimo «salto», con decine di contributi che andranno a confluire nel monumentale Infectious Diseases of Humans del 1991.

Le tante novità introdotte da Anderson-May sono riconducibili a due, decisive. In tutti i modelli epidemiologici che abbiamo visto (Hamer 1906; Ross 1916; Kermack-McKendrick 1927; MacDonald 1956) la popolazione- ospite è ritenuta stabile, costante: se si diffonde un’epidemia di morbillo in una città di 200.000 abitanti, l’evolversi dello schema SIR (suscettibili, infettivi, guariti) non muterà quel numero, con un’ipotetica compensazione, per esempio tra morti e nascite. In Anderson-May, quel numero diventa invece una «variabile dinamica»: nel corso di un’epidemia troppi fattori lo alterano: le vittime stesse; una possibile riduzione della natalità; le emergenze sanitarie (gli «ospedali sovraffollati», proprio come con Covid- 19), e molto altro.

Tra quei fattori di alterazione — chiave nella chiave — viene considerata per la prima volta anche la «coevoluzione» tra ospite e parassita, base per le prime 2 variabili (su 5) del loro modello finale: il «tasso di trasmissione» del patogeno e «il tempo di recupero degli ospiti che non soccombono all’infezione». Intrecciandosi alle altre 3 (mortalità legata allo specifico del patogeno, mortalità legata ad altre cause, consistenza — cangiante— della popolazione ospite) vanno a comporre il citato Graal epidemiologico, la cui

13 sintesi matematica e simbolica è l’aggiornamento del «numero riproduttivo di base» di Mac Donald mutato da R in R0, ormai noto come una rockstar.

Ma la metafora del Graal, perfetta per la mistica, è evanescente nella scienza, in cui ogni teoria è falsificabile, o almeno passibile di revisioni e/o integrazioni.

La collina dei conigli

Una delle acquisizioni più notevoli nella visione di Anderson-May è la smentita della «sciocchezza» secondo cui «un parassita si evolve fino a diventare innocuo per il suo ospite».

Per consolidarla, i due mostrano la perfetta aderenza del loro modello epidemiologico alla «smentita delle smentite» sul campo, il caso straziante del mixomavirus nei conigli, oggetto di uno studio ormai classico del citato virologo Frank Fenner.

In breve: nel 1859 (anno di uscita dell’Origine delle specie di Darwin) il proprietario terriero australiano Thomas Austin importa nella sua immane tenuta 24 conigli selvatici europei, che in un contesto ecologico favorevole si moltiplicano all’impazzata in tutto il continente, arrivando in meno di un secolo — nonostante il «contrappeso» della caccia — a ben 600 milioni di esemplari, via via più nocivi nel loro competere (per erba e acqua) coi conigli locali e il bestiame. Il governo autorizza allora l’importazione dal Brasile di un poxvirus, il mixoma, che nei conigli sudamericani produce solo piccole ulcere, ma che impatta su quelli europei/australiani — cioè su un’altra specie e in un altro contesto ecologico — con una letalità iniziale del 99,6%, producendo ulcere estese e la morte in 2 settimane.

Seguendo per 30 anni (1950-1980) l’evolversi del virus e della malattia, Fenner scopre come nel tempo si diversifichino numerosi ceppi, raggruppati in 5 principali, e come la selezione naturale estingua o quasi l’I e il II (più aggressivi) e il IV e il V (più innocui), favorendo (in ben due terzi dei casi) il III, ovvero un ceppo sempre ad alta letalità (67%), ma più efficiente degli altri nel rapporto letalità-trasmissibilità.

E cioè: dato che il mixoma è un virus vettoriale (con la zanzara che lo preleva dalle ulcere), il ceppo più efficiente è quello che produce nei conigli lesioni abbastanza estese e abbastanza durature da consentire il prelievo più consistente per il maggior tempo possibile. I ceppi I e II uccidono troppo in fretta; il IV e il V fanno guarire troppo in fretta le lesioni; «solo i virus del ceppo III» — scrive Fenner — «rimanevano altamente infetti per tutto il periodo di sopravvivenza negli animali desinati a morire e per un tempo più lungo della media in quelli destinati a guarire».

Prima morale: nella competizione tra ceppi virali viene sempre selezionato quello col livello di virulenza che massimizza la trasmissione (e quindi la riproduzione). Che quel livello risulti — per noi — più o meno aggressivo o letale è irrilevante nella neutralità del processo evolutivo.

Seconda morale — riassunta da Quammen in Spillover —: la regola aurea per un virus di successo non è quindi «non uccidere il tuo ospite», ma «non tagliare i ponti prima di averli attraversati». A cui va aggiunta una postilla non trascurabile.

Come non c’è un’evoluzione verso la «benignità», non c’è — tra virus e umani— nemmeno l’approdo a forme di simbiosi o mutualismo (come succede invece con i batteri, vedi quelli della nostra flora intestinale). I virologi parlano, semmai, di «armistizio», legato a diversi fattori, tra cui i mutamenti contestuali (ecologici) o la durata dell’immunità.

Anticipata in uno studio pionieristico dallo zoologo Gordon Ball (nel lontano ’43), la smentita di quell’assunto è uno dei tratti-chiave anche di un libro-spartiacque del biologo evoluzionista americano Paul Ewald, Evolution of Infectious Disease (Oxford, 1994). È un testo che ha il merito di provare a integrare nell’epidemiologia il

14 pensiero evoluzionistico e quegli aspetti «qualitativi» delle scienze biologiche (genetica e ora genomica, immunologia, zoologia) trattati per lungo tempo come semplici variabili matematico-statistiche, prettamente quantitative.

Da Bernoulli a Ross e persino alle «teorie del caos» che hanno ispirato il lavoro di May, le «curve epidemiologiche» sono state indagate attraverso quella che si definisce in gergo «indifferenza al substrato», cioè a prescindere dalla materia (organica o no), dalle proprietà e dalle dinamiche degli oggetti in questione: cicli economici o tornadi, dicerie o — appunto — sciami virali. Invece i virus andrebbero indagati — anche sul piano epidemiologico — non solo nella loro specificità rispetto ad altri oggetti, ma anche rispetto ad altri patogeni (funghi o batteri) e nella loro unicità molecolare (genetico-genomica, di tipologia di trasmissione, di relazione col sistema immunitario dell’ospite, e così via) a livello di specie e di ceppi, che ne determinano il «comportamento» al punto da indirizzare le valutazioni predittive e le relative profilassi.

Come abbiamo già visto per le «inutili» quarantene applicate a un virus non trasmissibile da uomo a uomo come il colera. È il riaffiorare dalla foresta del sentiero «biologico» avviato — pur nella sua ingenuità — da più di un secolo fa da John Brownlee. Un sentiero che in tutte le sue branche (virologia, immunologia, zoologia, genetica-genomica) va ormai definitivamente ricongiungendosi a quello matematico-statistico, che pure sta acquisendo (si legga L’algoritmo e l’oracolo di Alessandro Vespignani e Rosita Rijtano) straordinari strumenti di calcolo-computazione, e ulteriori ne acquisirà coi computer quantistici.

Sentieri che (ri)convergono: Covid 19 dalla «spagnola» alla «russa»

Tutti vorremmo sapere.

Se davvero il patogeno stia esaurendo la sua spinta, secondo l’ingenuo dettato di Brownlee (che qualche clinico o virologo sembra — troppo disinvoltamente — assecondare); se almeno — in coerenza coi passaggi appena svolti — la selezione stia favorendo ceppi più funzionali alla trasmissione ma meno virulenti (argomento, al momento, a dir poco controverso); se infine — come si accennava in apertura —, simili mutazioni caratterizzeranno eventuali nuove «ondate» autunnali- invernali o negli anni a venire.

Alla ricercata disperata di «invarianze» epidemiologiche, fino adesso è stata evocata soprattutto la «spagnola», con esiti sfocati e frustranti per vari motivi, a partire dallo iato che separa un ortomyxovirus influenzale (H1N1) da un betacoronavirus come Sars-CoV-2.

Non a caso il citato studio di Science (14 aprile; revisione 22 maggio) svolge la sua proiezione sull’andamento di Sars-CoV-2 prendendo come modelli — per maggiore prossimità molecolare — proprio due betacorovirus umani «del raffreddore»: HCoV-HKU1 e — soprattutto —HCoV-OC 43. Quel «soprattutto» è legato a un suo possibile risvolto virologico-evoluzionistico poco noto, che potrebbe rivelarsi di un certo peso.

A rigore, non sono infatti conosciuti precedenti pandemici di coronavirus: gli unici ad aver solo «abbozzato» un outbreak in quella direzione (subito troncato) sono stati, com’è noto, Sars-CoV (2003-04: il virus «della Sars») e Mers-CoV (2012). Eppure, nel 2005 — nel corso del suo PhD sui coronavirus, uno dei tanti sull’onda dei sequenziamenti genici di Sars-CoV — la biologa belga Leen Vijgen studia coi colleghi proprio il virus umano di OC43, scoprendone le similarità con quello bovino (BCoV); e risalendo lungo l’albero comune — attraverso i calcoli dei tassi di mutazione che diano conto delle divergenze genetiche — trova il loro primo «antenato comune» intorno al 1890, anno del probabile spillover («salto di specie») dalla mucca all’uomo.

Si dà il caso — ecco il punto — che il 1890 (in realtà l’’89) sia l’anno d’esordio di una pandemia durata fino al ’95 e denominata «influenza russa» in quanto a lungo ricondotta a sottotipi di influenza A (H2N2 o H3N8), ma senza mai trovare conferme definitive; e che diversi studiosi riconducono invece ora proprio a HCoV-OC43, eleggendola a prima pandemia da coronavirus.

Anche qui — sia chiaro — siamo ancora nella teoria (manca la «pistola fumante»). Eppure, fatte salve le specificità geo-dinamiche (l’innesco a Bukhara nel maggio ’89 e l’approdo a San Pietroburgo tra ottobre e novembre prima di irradiarsi in Europa e in America) e quelle «storico-vettoriali» (il contagio attraverso la neonata rete ferroviaria), la diversa distribuzione dei decessi (tra 270 e 360.000 del milione complessivo in Europa, a fronte dei 13.000 in Usa), numerose — e a vari livelli — sono le analogie con Covid-19: la cadenza delle ondate (con 5 settimane tra il paziente 1 e il picco); il politropismo virale che coinvolge anche il sistema nervoso, con perdita di gusto e olfatto; la prevalenza, alla lunga, di vittime anziane, specie per complicanze cardiovascolari-renali (a differenza della «spagnola», che colpirà — specie nella seconda ondata — giovani maschi tra 18 e i 30 anni); la pressione sanitaria nelle fasi di picco (vedi, trai tanti esempi nelle capitali europee del tempo, le «baracche» nei cortili degli ospedali francesi).

E non dissimile, a ben guardare (anche se condiviso con molte altre epidemie) è il passaggio zoonotico, coi pipistrelli dello Yunnan sostituiti dal bestiame afflitto da pleuropolmoniti in tutto il mondo, e i molti abbattimenti — tra 1870 e 1890 — che espongono allevatori e contadini al contatto con le secrezioni respiratorie.

Se la speculazione fosse esatta, se ne potrebbe cavare una proiezione virologico-epidemiologica favorevole, dato che HCoV-OC43 è oggi (o meglio: al momento) un «banale» virus del raffreddore (con le virgolette a indicare come anche in quella veste rappresenti, per anziani e immunodepressi, comunque una complicanza); nel senso che anche Sars-CoV- 2 — oltre a potersi inabissare come Sars-CoV — potrebbe evolvere, cioè mutare, in quella direzione (come potrebbe diventare, beninteso, più aggressivo).

Nella cornice di queste possibilità, lo studio di Science (esempio tangibile dell’attuale complessità e finezza epidemiologica nell’intrecciare modelli matematico-statistici post-Anderson-May — ne esistono a decine —, scienze biologiche e scienze umane, utili a capire i comportamenti sociali e le loro conseguenze) può dare diverse indicazioni.

In generale, sulla ciclicità: modulandola soprattutto proprio su HCoV-OC43, disegna possibili recidive fino al 2025, con cadenza non dissimile, guarda caso, a quella dell’influenza (che pure Science non cita, limitandosi a trattare OC43 come virus «da raffreddore»). Nel particolare — per cercare di avvicinane durata e intensità — affina un quadro con cui abbiamo familiarizzato.

Dando per acquisite asincronie geografiche (estati e inverni nei vari emisferi) e incidenze climatiche (i possibili picchi negli autunni-inverni), individua le variabili principali sul piano dell’immunità, da valutare (con test sierologici affidabili) sia per estensione nella popolazione che per durata individuale: fattori ambivalenti, in quanto determinanti per diradare-perimetrare i lockdown, ma — se troppo accentuati — a rischio di compromettere la messa a punto del vaccino e quindi la prevenzione di recidive annuali (come per l’influenza): senza dimenticare possibili immunità incrociate (immunità a altri coronavirus «del raffreddore», proprio come OC43 che la estendano a Sars-CoV-2) o la sovrapposizione di eventuali recidive di Covid-19 con l’influenza stagionale.

Altre variabili sono date dal tracciamento, informatico e/o manuale (integrato eventualmente dai tamponi): anche questo un fattore-chiave nel poter diradare- allentare i lockdown, ma la cui scarsa estensione o inefficienza obbliga alla strategia alternativa di potenziare o almeno monitorare i reparti di terapia intensiva, al fine di prevenire i sovraccarichi già visti.

L’algoritmo e l’oracolo

Quello appena scorso è un quadro previsionale — non bisogna dimenticarlo — che sconta due condizionamenti di fondo: il fatto che l’indagine epidemiologica sui coronavirus non abbia precedenti nella metrica degli «intervalli seriali» (che non esistano cicli indicativi come invece per l’influenza, tranne —

16 eventualmente — la pandemia «russa» riconducibile a HCoV-OC43); e la dipendenza di ogni proiezione epidemiologica dai feedback resi via via dall’evolvere dell’epidemia-pandemia: un continuo aggiornamento- ridisegnamento (beninteso non esente da errori; vedi i calcoli di Neil Ferguson dell’Imperial College) scambiato da parte dell’opinione pubblica per incertezza o contraddittorietà, e magari accostata alle «dissonanze cognitive» prodotte dal narcisismo incrociato di certi virologi o infettivologi.

E qui veniamo al nodo decisivo. Quella stessa parte di opinione pubblica — accentuando per l’epidemiologia il pregiudizio e la sbrigatività nutriti per la scienza in genere — dà per scontato (o ridimensiona come «scoperta dell’acqua calda») acquisizioni e procedure che scontate non sono per nulla, lamentando invece (con un mix di fastidio e sarcasmo) l’assenza di certezze e soluzioni sui tanti «fronti aperti» di un oggetto o un processo indagato (in una pandemia, ma non solo).

Prendiamo le «banalità profilattiche» della Fase-1 di cui si diceva in apertura («il topolino» prodotto dalla montagna degli algoritmi epidemiologici). È vero, la quarantena è una pratica «medievale» (nasce a Dubrovnik nel 1377, nella coda della Morte Nera veneziana); ma ora sappiamo quando applicarla e quando no (vedi, di nuovo, il colera) e in che termini di durata e estensione in rapporto all’evolversi di un’epidemia.

Lo stesso vale per la «distanza di sicurezza»: ce n’è traccia intuitiva già nell’Antico testamento (Levitico), come antidoto alla lebbra; ma è solo nel 1930 che un giovane ricercatore di Harvard, William Wells, stabilisce in «sei piedi» la distanza anti-contagio per i droplet di tbc; e se in questi mesi aggiornamenti continui l’hanno modulata su Covid-19 (secondo le informazioni che arrivavano su modalità di contagio e carica virale) è stato per aumentare la nostra sicurezza.

Persino una protezione «elementare» come la mascherina (riconducibile alle grevi strutture a becco dei «medici della peste» secenteschi) appare nella sua modernità per forma e materiali solo nel 1897 (sul volto del chirurgo francese Paul Berger), per estendersi a uso anti-contagio nel 1911 durante la peste polmonare cinese (nel design di Wu Lien-teh del Chinese Imperial College, poi adottato durante la spagnola).

Quanto al lavaggio delle mani, anche i meno avvertiti dovrebbero conoscere la storia sublime e tragica di Ignác Semmelweiss, medico ungherese che — pur tra osteggiamenti «baronali» che lo porteranno al manicomio — riesce a far adottare quella profilassi a medici e studenti di ostetricia, salvando migliaia di vite dalla febbre puerperale. Non a caso, Cèline gli dedicherà la tesi di laurea.

E a cornice di tutto questo, tutt’altro che «scontata» è anche la scelta pro o anti-quarantenista, che in altro articolo abbiamo ricondotto anche all’identità politico-economica e storico-antropologica di ogni Paese. Non era scontato, cioè — davanti alla «coperta corta» del dilemma «health or wealth», salute o economia — «chiudere» o tentare vie più arrischiate come quella della Svezia. Può darsi che il lockdown italiano (del Paese — non scordiamolo - che ha fatto da avamposto occidentale alla pandemia) sia stato eccessivo e «tirannico».

Ma nel dubbio, sarà forse utile rileggersi una «microstoria» esemplare della spagnola in America: la chiusura di Saint Louis — sotto la guida di un medico geniale e avveduto come Max C. Starkloff — versus l’«apertura totale» di Philadelphia. Perché è vero che — oltre a subire minori danni economici — alla seconda ondata Philadelphia avrà un po’ di morti meno della città del Missouri (dovuti a una sorta di immunità di gregge); ma l’ecatombe della prima — a fronte del numero basso di decessi dovuti alla strategia di Starkloff — chiuderà il saldo delle vite risparmiate nettamente a favore di Saint Louis.

Ogni critica alla scienza, ai suoi errori, alle sue ambiguità, ai suoi deficit di chiarezza — è persino umiliante ricordarlo — non è solo auspicabile, ma necessaria, specie in una democrazia non vuotamente formale. Ma perché quella critica sia tale occorre un’opinione pubblica informata, all’altezza del compito. Chi invece sbeffeggia gli algoritmi pretendendo ciò che non possono offrire (l’infallibilità dell’oracolo) è meglio guardi altrove; dalla scienza non potrà trovare risposte che lo soddisfino. Non è necessario scomodare Dio; basterà rivolgersi a un Pappalardo qualsiasi.

Tribuna virale Virologi contro - Il mezzo televisivo è definitivamente sfuggito di mano. Covid clinicamente non esiste più, anzi no, o forse è cambiato. Nel mezzo, cittadini sempre più spaesati  By Silvia Renda

Il virus clinicamente non esiste più, anzi sì. Da quando il covid-19 è entrato nelle nostre vite, il dibattito scientifico si è spostato in televisione, con virologi e immunologi intenti a esporre le proprie previsioni sulla natura della pandemia in atto. Ultima in ordine di apparizione, ma prima per risonanza mediatica, è stata l’affermazione del primario del San Raffaele Alberto Zangrillo, che, ospite del programma Mezz’ora in più di Lucia Annunziata, ha drasticamente ridotto l’allarme sul coronavirus.

Da belva feroce è stato demansionato a gatto addomesticato, se ci passate la metafora. Pronte le smentite e gli attacchi da parte dei colleghi di opinione differente, rendendo arduo il lavoro di lettori e telespettatori, costretti a districarsi tra informazioni che partono tutte dal mondo della scienza e dunque si è portati a credere non possano essere distanti tra loro. Il linguaggio utilizzato attinge a quel mondo, per questo chi ascolta non ha spesso le chiavi (e gli studi alle spalle) per coglierne adeguatamente le sfumature. Abbiamo raccolto i principali interventi fatti dagli addetti ai lavori su giornali e televisioni nelle ultime 24 ore.

Alberto Zangrillo, primario dell’ospedale San Raffaele di Milano, a Mezz’ora in più - “Il virus dal punto di vista clinico non esiste più”. Questo lo dice l’Università Vita e Salute San Raffaele, lo dice uno studio fatto dal virologo direttore dell’Istituto di virologia, il professore Clementi, lo dice il professor Silvestri della Emory University di Atlanta. Lo dico consapevole del dramma che hanno vissuto i pazienti che non ce l’hanno fatta. Non si può continuare a portare l’attenzione in modo ridicolo come sta facendo la Grecia sulla base di un terreno di ridicolaggine, che è quello che abbiamo impostato a livello di comitato scientifico nazionale e non solo, dando la parola non ai clinici e non ai virologi veri.

“Il virus dal punto di vista clinico non esiste più. Ci metto la firma. Terrorizzare il paese è qualcosa di cui qualcuno si deve prendere la responsabilità. I tamponi eseguiti attualmente negli ultimi 10 giorni hanno una carica virale, dal punto di vista quantitativo, assolutamente infinitesimale rispetto a quelli eseguiti uno o due mesi fa”.

Fabrizio Pregliasco, virologo e ricercatore all’Università statale di Milano, su Huffpost - “Zangrillo ha ragione, ha voluto enfatizzare un aspetto attuale della questione Covid-19. Oggi registriamo meno casi e di gravità inferiore rispetto al passato, ma questo non deve tradursi in un liberi tutti. Bisogna mantenere una vigile serenità. Oggi c’è una oggettiva evidenza di casi meno rilevanti e con una carica virale inferiore. Da cosa dipenda ancora non si sa. Dobbiamo capire se si tratta di una variante genetica del virus una variante con minore aggressività è stata isolata a Brescia, ma bisogna capire se si tratta di un caso raro o se è il virus che sta circolando adesso. Serviranno altri isolamenti e nuovi confronti. Dobbiamo tornare a un Paese normale perché ci sono tutte le evidenze che questo Paese possa tornare ad avere da oggi una vita normale, ma bisogna continuare a mantenere alta la guardia perché questo virus nuovo ci ha fregati, ci ha preso alle spalle e lo conosciamo ancora troppo poco”.

Guido Silvestri, virologo docente alla Emory University di Atlanta, sul suo profilo Facebook - “La bomba Zangrillo? sulla modalità di espressione si può discutere. Sull’aspetto specifico per cui Zangrillo mi chiama in causa, cioè l’osservazione che la carica virale nei tamponi naso-faringei positivi per SARS-CoV-2 è più bassa adesso che a inizio epidemia, si tratta di dati di laboratorio molto solidi ed in corso di pubblicazione. Sulla famosa previsione dei 150.000 ricoveri in terapia intensiva entro l′8 giugno, penso che sarebbe utile usare questa vicenda come una opportunità per spiegare al pubblico, con onestà ed umiltà, i limiti concettuali dei modelli epidemiologici, ed i problemi che nascono nel caso ci siano punti deboli nei presupposti “biologici” di tali modelli”

Matteo Bassetti, direttore della clinica di Malattie infettive dell’Ospedale “San Martino” di Genova, all’Ansa - “E’ evidente che oggi la malattia Covid-19 è diversa: la presentazione clinica e il decorso sono infatti molto più lievi. Al di là delle dimostrazioni scientifiche, da medico che è quotidianamente sul campo dico che i malato di ora sono diversi da quelli di due mesi fa: prima i pazienti avevano una condizione molto più grave, ora meno. Ci fanno dire che il virus potrebbe essere diverso; il perché va studiato e chiarito, ma certamente la potenza di fuoco che questo virus aveva all’inizio non è la stessa potenza di fuoco di cui dispone oggi. Se prima aveva cioè un armamentario bellico potentissimo, per usare una metafora, ora le armi di cui dispone sono minori. Non c’entra assolutamente il fatto che noi medici siamo diventati più bravi a trattare i malati di Covid-19; questo viene dopo, ma è la presentazione clinica iniziale dei pazienti che è cambiata”.

Franco Locatelli, Presidente del Consiglio Superiore di Sanità ”Non posso che esprimere grande sorpresa e assoluto sconcerto per le dichiarazioni rese dal Professor Zangrillo con frasi quali il ‘virus clinicamente non esiste più’ e che ‘Terrorizzare il Paese è qualcosa di cui qualcuno si deve prendere la responsabilità’. Basta guardare al numero di nuovi casi confermati ogni giorno per avere dimostrazione della persistente circolazione in Italia del virus. Dovremmo tutti rallegrarci che le misure di lock-down abbiano prodotto gli effetti sperati contenendo la diffusione epidemica con risparmio di tante vite umane e questo risultato inconfutabile deve spingere a continuare sul percorso della responsabilità dei comportamenti individuali, da non disincentivare attraverso dichiarazioni pericolose che dimenticano il dramma vissuto in questo Paese. E’ altrettanto chiaro, anche a occhi non esperti che la gestione clinica dei malati è certamente oggi facilitata dal minor numero di casi rispetto a quelli osservati nei giorni di picco e da quanto si è imparato in questi mesi. Questi sono i fatti concreti, il resto opinioni personali”.

Giuseppe Ippolito, Direttore Scientifico dello Spallanzani, sul Messaggero: “Ad oggi non vi sono evidenze scientifiche che sia mutato e che sia più debole. Io non sono pessimista, sono realista. Questo virus va studiato giorno per giorno, senza pregiudizi. Il calo dei malati va attribuito all’effetto lockdown ed è presto per fare previsioni. Anche su un’eventuale seconda ondata. Quando avremo le informazioni che il virus è sparito, che il virus è diventato buono, lo leggeremo sui giornali scientifici. Per ora non abbiamo prove. Semplicemente il virus circola di meno. E se il virus circola di meno, ci sono meno persone che se lo prendono e così ci sono meno casi gravi. Attualmente non c’è nulla che faccia pensare che il virus sia cambiato. Appena saranno disponibili nuove informazioni, sarà un piacere poterle commentare”.

Luca Richeldi, direttore di Pneumologia al Policlinico Gemelli di Roma e membro del Comitato tecnico-scientifico - “Il virus circola ancora ed è sbagliato dare messaggi fuorvianti che non invitano alla prudenza. E’ indubitabilmente vero e rassicurante il fatto che la pressione sugli ospedali si sia drasticamente ridotta nelle ultime settimane. Non va scordato che questo è il risultato delle altrettanto drastiche misure di contenimento della circolazione virale adottate nel nostro Paese. E’ bene ricordare che la circolazione virale è un processo dinamico, per cui la gradualità e la cautela nella ripresa delle attività economiche e sociali devono rimanere la nostra priorità. Soprattutto alla luce delle riaperture del 3 giugno. Del resto, basta vedere come purtroppo la situazione sia molto diversa in Paesi, come Russia, Messico o India, nei quali queste misure non hanno potuto essere così efficaci e non hanno dato i confortanti risultati che vediamo nel nostro Paese”.

Clementi (San Raffaele): “Il virus è mutato e la sua carica virale è inferiore rispetto a marzo” 01 GIUGNO 2020 Il professore di Virologia ha appena concluso uno studio con il professor Guido Silvestri della Emory University di Atlanta DI ALESSANDRA CORICA

"I casi che vengono comunicati ogni giorno in Lombardia non sono nuove infezioni, bensì nuove diagnosi: questa è una differenza sostanziale. Che testimonia che, oggi, l'epidemia è in una fase molto diversa rispetto allo scorso marzo. Per questo sono a favore della riapertura dei confini regionali". Massimo Clementi è professore di Virologia dell'università Vita Salute del San Raffaele, e non ha dubbi: "In una regione come la Lombardia, nella quale c'è stata la situazione grave che abbiamo avuto tra marzo e aprile, una coda dell'epidemia come questa è normale. Il nostro auspicio è che nei prossimi mesi, complice il caldo e i raggi ultravioletti a cui questo virus ha dimostrato di essere sensibile, la situazione migliori ulteriormente. E che così l'epidemia si avvicini al suo minimo storico".

Quindi la decisione di dare il via libera agli spostamenti tra le regioni, compresa la Lombardia che ancora registra il maggior numero di pazienti positivi al virus, dal suo punto di vista è corretta? "Ovviamente io non ho poteri decisionali o politici. Ma dal punto di vista scientifico, credo si possa affermare che l'epidemia è in discesa in tutte le regioni, Lombardia compresa. E quindi sì, credo che sia giusto autorizzare gli spostamenti interregionali. Peraltro oggi ci troviamo di fronte a malati completamente diversi rispetto a quelli di due mesi fa, con un tasso di ospedalizzazione e una gravità nettamente inferiori. Anche questo va considerato".

Come mai? "Abbiamo appena concluso uno studio con il professor Guido Silvestri della Emory University di Atlanta. Nei malati "recenti" abbiamo rilevato un virus che ha una carica virale nettamente inferiore a quella che era stata riscontrata durante la prima metà di marzo. Il Sars-Cov-2 è un tipo di virus che causa più danni nel paziente, in base appunto alla carica virale: più questa è alta, più la patologia è grave. Nel momento in cui questa diminuisce, quindi, ci si trova di fronte a malati meno gravi. Già con la Sars era stata fatta un'osservazione simile, ovvero che a fronte di una carica virale bassa, media o alta, ci si trova di fronte a tre tipi di malattia differenti".

Questo ci può fare stare tranquilli in vista di un'ipotetica seconda ondata in autunno? "Non è una previsione che oggi possiamo fare con certezza. Del resto, i modelli matematici usati finora difficilmente hanno dimostrato di avere avuto ragione: ricordo per esempio che, quando è stato deciso il lockdown e molte persone sono tornate dalla Lombardia verso le regioni del Sud, le stime erano catastrofiche, si parlava addirittura di 150 mila persone che sarebbero state tanto gravi da essere ricoverate in terapia intensiva. Non è però successo niente di tutto questo, anche perché c'è stato un comportamento virtuoso da parte dei cittadini. Anche per questo credo che, oggi, si possa dare il via libera agli spostamenti tra le regioni".

La differente carica virale che avete riscontrato nei pazienti è dovuta a una mutazione del virus? "Parlare di virus indebolito e virus mutato non è la stessa cosa. Sicuramente si è osservato una modificazione del profilo della malattia, che adesso è caratterizzata da infezioni più lievi anche nei pazienti anziani. Per capire come mai questo sia avvenuto sono in corso diverse ipotesi, e sicuramente c'è quella della mutazione visto che, oltretutto, i coronavirus mutano con molta facilità, tanto che sono capaci di fare facilmente il salto di specie. Andrà approfondito".

Il distanziamento sociale, le misure di lockdown, l'utilizzo della mascherina possono aver influito su questo virus più debole?

"Sì. La guardia però non deve comunque essere abbassata, e in previsione di un'ipotetica seconda ondata dobbiamo comunque farci trovare pronti, potenziando la medicina territoriale, coinvolgendo i medici di famiglia e isolando in modo tempestivo i nuovi focolai, per evitare che l'epidemia si diffonda di nuovo".

Coronavirus, Zangrillo: "Il Covid non esiste più, qualcuno terrorizza il paese". Richeldi: "No, il virus circola"

Il primario del San Raffaele di Milano, direttore della terapia intensiva: "Sono tre mesi che sciorinano una serie di numeri che hanno evidenza zero". Il componente del comitato tecnico scientifico: "Sbagliati i messaggi fuorivianti"

Il Covid-19 "dal punto di vista clinico non esiste più". Ne è convinto il primario del San Raffaele di Milano Alberto Zangrillo, Direttore della Terapia Intensiva. Parole che hanno immediatamente infiammato la polemica tra gli esperti, con espressioni di sconcerto e di condanna soprattutto da parte degli scienziati che fanno parte del comitato tecnico scientifico

Tutto è cominciato durante la trasmissione Mezz'ora in più su Raitre, quando a proposito delle osservazioni sulla situazione della Regione Lombardia, Zangrillo ha detto: "Mi viene veramente da ridere. Oggi è il 31 di maggio e circa un mese fa sentivamo gli epidemiologi dire di temere grandemente una nuova ondata per la fine del mese/inizio di giugno e chissà quanti posti di terapia intensiva ci sarebbero stati da occupare. In realtà il virus, praticamente, dal punto di vista clinico non esiste più".

"Questo - ha aggiunto - lo dice l'Università vita-salute San Raffaele, lo dice uno studio fatto dal virologo e direttore dell'Istituto di virologia, professor Clementi, lo dice, insieme alla Emory University di Atlanta, il professor Silvestri. I tamponi eseguiti negli ultimi 10 giorni hanno una carica virale dal punto di vista quantitativo assolutamente infinitesimale rispetto a quelli eseguiti su pazienti di un mese, due mesi fa. Lo dico consapevole del dramma che hanno vissuto i pazienti che non ce l'hanno fatta, ma non si può continuare a portare l'attenzione, anche in modo ridicolo, dando la parola non ai clinici, non ai virologi veri, ma a quelli che si auto-proclamano professori: il virus dal punto di vista clinico non esiste più". Lucia Annunziata, la conduttrice della trasmissione, ha replicato: "È una frase molto forte quella che lei dice, professore". E il clinico di rimando: "La firmo".

Il primario del San Raffaele ha continuato: "Sono tre mesi che tutti ci sciorinano una serie di numeri che hanno evidenza zero, che hanno valore zero: siamo passati da Borrelli, da Brusaferro, al presidente del Consiglio superiore di sanità. Tutto questo ha portato a bloccare l'Italia mentre noi lavoravamo e adesso noi, che abbiamo visto il dramma, chiediamo di poter ripartire velocemente perché vogliamo curare le persone che altrimenti non riusciamo a curare. Non ce ne frega niente né del campionato né di dove vanno in vacanza gli italiani, ma dobbiamo ritornare a un Paese normale perché ci sono tutte le evidenze che questo Paese possa tornare ad avere da oggi una vita normale"

Secondo il professore, "c'è un solo numero che vale" ed "è l'evidenza: noi in questo Paese abbiamo sentito un mese fa un professore di Boston, che è un epidemiologo-statistico che si chiama Vespignani, condizionare le scelte del governo dicendo che andavano costruiti 151 mila posti di terapia intensiva. Domani uscirà un 21 editoriale a firma mia e del professore Gattinoni in cui diciamo ufficialmente perché questo non va bene, perché è una frenesia, perché terrorizzare il Paese è qualcosa di cui qualcuno si deve assumere le responsabilità, perché i nostri pronto soccorso e i nostri reparti di terapia intensiva sono vuoti e perché la Mers e la Sars, le due precedenti epidemie, sono scomparse per sempre e quindi è auspicabile che capiti anche per la terza epidemia da coronavirus. Dovremo stare attentissimi, prepararci, ma non ucciderci da soli".

Alle parole di Zangrillo risponde lo pneumologo Luca Richeldi, componente del Comitato tecnico scientifico: "Il virus circola ancora ed è sbagliato dare messaggi fuorvianti che non invitano alla prudenza. È indubitabilmente vero e rassicurante il fatto che la pressione sugli ospedali si sia drasticamente ridotta nelle ultime settimane. Non va però scordato - rileva - che questo è il risultato delle altrettanto drastiche misure di contenimento della circolazione virale adottate nel nostro Paese".

"Peraltro - afferma Richeldi - è bene ricordare che la circolazione virale è un processo dinamico, per cui la gradualità e la cautela nella ripresa delle attività economiche e sociali devono rimanere la nostra priorità. Soprattutto alla luce delle riaperture del 3 giugno".

"Del resto, basta vedere come purtroppo la situazione sia molto diversa in Paesi, come Russia, Messico o India, nei quali - conclude - queste misure non hanno potuto essere così efficaci e non hanno dato i confortanti risultati che vediamo nel nostro Paese".

Sulla stessa linea il direttore dell'Istituto nazionale per le malattie infettive Spallanzani di Roma, Giuseppe Ippolito: al momento "non vi è alcuna prova o studio scientifico pubblicato che dimostri che il nuovo coronavirus SarsCov2 sia mutato. Fortunatamente in Italia - rileva -abbiamo ora meno casi gravi e ciò dimostra che le misure di contenimento adottate hanno dato i loro frutti".

Si dice sconcertato Franco Locatelli, presidente del Consiglio superiore di Sanità. "Non posso che esprimere grande sorpresa e assoluto sconcerto per le dichiarazioni rese dal Professor Zangrillo con frasi quali il 'virus clinicamente non esiste più' e che 'Terrorizzare il Paese è qualcosa di cui qualcuno si deve prendere la responsabilità'. Basta semplicemente guardare al numero di nuovi casi di positività a SARS-CoV-2 che vengono confermati ogni giorno per avere dimostrazione della persistente circolazione in Italia del nuovo coronavirus".

Equivoci virali COVID-19/Epidemiologia di Cesare Cislaghi

Mi è successo nella mia casa in campagna: entravano delle formiche da una trave del tetto nella stanza da bagno e per più giorni ho cercato di bloccarle con dell’insetticida. Giorno dopo giorno, si stavano diradando tanto da farmi credere di essere sparite e quindi che ormai fosse il caso di smettere con l’insetticida. Al ritorno dopo due weekend, ahimè, la brutta sorpresa: il bagno ne era totalmente invaso e ho dovuto fare un intervento ben più radicale nel sottotetto.

Mi è tornato in mente il fattaccio delle formiche ascoltando in televisione il professor Alberto Zangrillo comunicare con molta enfasi, sino ad affermare che “questa è la verità”, che “il virus è clinicamente sparito” dicendo di fondare la sua convinzione sulla osservazione dei pazienti positivi che si presentano in questi giorni al pronto soccorso del suo ospedale con una patologia minore che “non ha neppure bisogno del medico”.

E già qui si contraddice, perché allora non è che il virus sia sparito ma lo sono, semmai, solo le patologie più gravi indotte dal virus. Zangrillo, ordinario di Anestesiologia e Rianimazione e prorettore dell’Università Vita- Salute San Raffaele, critica aspramente i ragionamenti degli epidemiologi affermando che l’unica verità sul coronavirus oggi la possono dichiarare i clinici, unici osservatori dell’evidenza.

Anni di ricerca scientifica mi fanno avere una forte allergia per quanti affermano di avere solo loro la verità ma, pur scontando l’enfasi retorica e dando alla parola verità solo l’accezione di “propria convinzione basata sui fatti osservati”, mi permetto di avanzare molte perplessità pur assumendo con molto interesse le sue osservazioni ma anche altrettanto per quelle di altri operatori che in altri ospedali lamentano ancora degli ingressi di malati seri, pur con una frequenza di sicuro ridotta rispetto alle settimane passate.

Allora il quesito “scientifico” che ci si deve porre con molta serietà, e soprattutto con sobrietà, è il seguente: è il virus che “è sparito” o sono le misure di contenimento che lo stanno bloccando? E partiamo da un dato incontestabile: la frequenza non solo di malati ma anche di soggetti positivi è in chiara ed elevata diminuzione, ma questo è un regalo del virus o una conquista delle misure preventive importanti adottate? E magari usciamo dal nostro orticello e guardiamo anche il mondo: cosa succede causa virus negli USA, in Brasile, in Corea del Sud dove dopo gli incontestabili successi hanno ripreso il lockdown, eccetera?

La riduzione dei suscettibili

Sembra che il virus circolasse in Lombardia già dalla fine del 2019, ma non si erano viste tutte le manifestazioni gravi osservate invece a partire da fine febbraio. Una delle possibili ipotesi è che il virus si sia diffuso inizialmente tra la popolazione giovane dando malattie di minore gravità e da questa si siano poi diffuse anche nelle popolazioni più anziane soprattutto in ambienti sanitari, ambulatori ospedali e RSA, e questo abbia creato l’elevato accesso alle terapie intensive e la maggioranza dei deceduti.

Si potrebbe allora ipotizzare (uso il termine ipotizzare e non dimostrare) che il numero dei soggetti maggiormente suscettibili all’evoluzione più grave della patologia si sia ridotto, vuoi perché ci hanno lasciato, vuoi perché loro sono quelli che durante il lockdown si sono maggiormente protetti. Se così fosse, come mostrato nel grafico, anche se l’incidenza del contagio rimanesse costante, diminuirebbero molto le patologie gravi che si sono viste accedere ai pronto soccorso e a esitare in decesso.

Queste osservazioni, se confermate, darebbero l’indicazione dell’opportunità di limitare il lockdown alla popolazione meno fragile, rendendolo magari meno rigido agli altri.

La riduzione della carica virale

Una delle ipotesi accreditate è che la gravità della malattia nei contagiati dipenda anche dalla carica virale che hanno ricevuto. Nella fase iniziale dell’epidemia i soggetti infetti, soprattutto gli asintomatici, non erano riconosciuti e chi si contagiava aveva per lo più un rapporto con il contagiante continuo e massiccio. In molti casi proprio i malati, sia in casa che negli ospedali, non erano riconosciuti nelle prime settimane dell’epidemia come soggetti che potevano contagiare e così veniva trasmessa attorno a loro una carica virale molto elevata e comunque maggiore di quella che poi, durante il lockdown, poteva per lo più darsi durante le misure di distanziamento e l’uso di mascherine.

Anche il riconoscimento precoce di sintomi caratteristici del contagio ha permesso da una parte un trattamento migliore della malattia e dall’altra l’isolamento dei malati e quindi la riduzione della probabilità che essi potessero diffondere una importante carica virale nei loro contatti sociali.

La riduzione dei contatti e quindi dei contagi

Le misure di distanziamento hanno sicuramente avuto una elevata efficacia nella riduzione dei contagi, ottenuta appunto diminuendone la probabilità attraverso la riduzione dei contatti. Anche l’uso massiccio di 24 mascherine, nonostante le note difficoltà del loro reperimento, ha sicuramente avuto un ruolo benefico nella riduzione dei contagi. I grafici evidenziano senza discussione che l’incidenza è diminuita in tutte le Regioni, anche nelle quattro “padane” che erano state tra le più colpite e mostrano che anche l’indice di replicazione diagnostica, l’RDt, è rimasto in tutto il mese di maggio sotto l’unità.

Questa riduzione importante dei contagi può però indurre l’equivoco che sia cambiato il quadro clinico che ne deriva. Infatti i soggetti campionati nella popolazione su cui effettuare i test molecolari orofaringei (tamponi) hanno avuto una frequenza simile giorno dopo giorno ma hanno riguardato via via sempre maggiori quote di asintomatici e di soggetti negativi. Se osserviamo per esempio il trend dei casi testati in Lombardia nel mese di maggio, vediamo che il loro numero è rimasto pressoché costante; nel grafico che li descrive le frequenze sono medie mobili delle frequenze di sette giorni calcolate per togliere la variabilità dovuta alle minori attività diagnostiche nei giorni di fine settimana. Non si può quindi dire che si trovano nuovi casi perché si fanno più tamponi.

A fronte di un numero di tamponi diagnostici rimasto giornalmente pressoché costante, la percentuale di test con esito positivo è diminuita sensibilmente da un 10% di inizio maggio a un 4% di fine mese. Questa diminuzione è sicuramente segno sia di una diminuzione del contagio nella popolazione sia di un allargamento della diagnostica a fasce di popolazione con minor rischio, ma è anche il segno inequivocabile che il virus è ancora circolante nella popolazione lombarda. Questo 4% di positivi non è certo una stima che può essere trasferita a tutta la popolazione lombarda e che porterebbe all’assurdo di quattrocentomila positivi attuali, ma pur sempre indica che il bacino dei positivi si è ancora tutt’altro che esaurito.

Un virus sparito perché sfinito?

Queste considerazioni portano a concludere che, se non ci saranno altre evidenze microbiologiche e sperimentali, l’affermazione che il virus sia sparito perché sfinito non è l’unica spiegazione possibile della diminuzione delle patologie più gravi! E sicuramente l’osservazione che si può effettuare in alcune corsie non può semplicemente essere estesa all’universo e portare a dimostrare che la situazione che si è venuta a presentare non sia magari la faticosa e positiva conseguenza di una buona attività di contenimento, bensì solo una fortunata graziosità del virus che è diventato con tutti noi più buono.

Di sicuro non possiamo neppure essere sicuri del contrario e cioè che il virus sia rimasto quello che era tre mesi fa, ma in mancanza di evidenze scientifiche dobbiamo accettare di dover ragionare nell’incertezza, e nell’incertezza si deve mantenere come principio guida il principio di precauzione.

Quindi?

Quindi ricordiamoci che un'ondata epidemica, sia la prima sia la successiva, ha sempre un inizio subdolo dove i primi casi non si riconoscono e quando l’incendio si vede è ormai molto difficile intervenire per spegnerlo senza chiamare i pompieri, e di pompieri che lavorano nelle terapie intensive vorremmo rivederne il meno possibile.

Precauzione significa che distanziamento, protezione con mascherina, igiene delle mani e forse anche delle superfici devono essere continuate senza che il venir meno dell’allarme porti a rifiutare la sopportazione di questi relativamente piccoli disagi. Ritorniamo alle attività produttive, ritorniamo alle attività sociali, ritorniamo anche ai divertimenti, ma rinunciamo a tutto ciò che può innescare nuovamente il processo epidemico.

E soprattutto rendiamoci conto che lo strumento che avevamo individuato come essenziale per evitare l’innesco dei nuovi focolai, cioè in contact tracing, la tracciatura del contatti dei contagiati, non si è ancora compiutamente attivato in tutti i dipartimenti di prevenzione, sia nelle Regioni del nord considerate più a rischio sia in quelle del centro sud che oggi forse devono essere considerate ancora più a rischio perché la popolazione, e gli operatori sanitari, sono meno all’erta nel cogliere subito eventuali segnali di pericolo.

E mi si permetta di osservare, da vecchio docente della facoltà di medicina da tempo in pensione, come purtroppo nella formazione di molti ottimi clinici di oggi, eccellenti nelle loro mansioni diagnostiche e terapeutiche, è del tutto mancata, anche per colpa nostra, ai tempi dei loro studi sia in facoltà che nelle scuole di specialità, la cultura epidemiologica e preventivistica.

Auspico che come un epidemiologo non dovrebbe mai permettersi di criticare, senza averne competenza, le affermazioni di un clinico, cosi dovrebbero fare i clinici nei riguardi degli epidemiologi mentre tutti loro dovrebbero lavorare insieme nella stessa battaglia perchè è solo così che si potrebbe ottenere realmente la vittoria.

Il Coronavirus non è meno patogeno. Circola di meno La dichiarazione dell’Oms arriva all’indomani delle parole del direttore della terapia intensiva del San Raffaele di Milano Alberto Zangrillo, che aveva affermato che “clinicamente il virus non esiste più”

I casi di Covid-19 appaiono oggi meno gravi rispetto a qualche settimana fa. Un’evidenza, questa, su cui i medici concordano e che ha acceso i riflettori sull’ipotesi che la carica virale del SarsCov2 cui la popolazione è esposta possa essersi attenuata grazie alle misure di cautela adottate. Ma questo non significa che il virus sia mutato e l’Organizzazione mondiale della sanità (Oms) avverte: il nuovo coronavirus “non è diventato meno patogeno”.

La dichiarazione dell’Oms arriva all’indomani delle parole del direttore della terapia intensiva del San Raffaele di Milano Alberto Zangrillo, che aveva affermato che “clinicamente il virus non esiste più”. Una posizione che ha suscitato polemiche poiché, hanno rilevato vari membri del Comitato tecnico scientifico (Cts), se non correttamente interpretata, potrebbe indurre i cittadini ad abbandonate le misure di cautela e distanziamento fondamentali in questa fase. In questa direzione anche la posizione dell’Oms: “Dobbiamo essere estremamente attenti a non dare l’impressione che d’un tratto il virus, di sua volontà, abbia deciso di diventare meno patogeno. Non è affatto il caso”, ha avvertito Michael Ryan, capo del programma Oms per le emergenze.

Dire cioè che la carica virale può essersi attenuata non significa dire che il virus è cambiato, afferma anche lo pneumologo Luca Richeldi, componente del Cts. Attualmente, spiega, “il nuovo coronavirus sta circolando di meno, vale a dire che la carica virale in circolazione tra la popolazione si è attenuata e questo è l’effetto sia del lockdown sia delle misure tuttora in essere come uso delle mascherine e distanziamento”.

Ciò ha determinato un minor numero di casi ed una minore gravità degli stessi”. “Non ci sono invece al momento prove scientifiche che il virus sia mutato”, precisa. Le parole di Zangrillo “vanno dunque intese in questo senso: e cioè - puntualizza - che ciò che abbiamo cominciato a vedere è una diminuzione delle forme cliniche con sintomi gravi tali da richiedere il ricovero in terapia intensiva. Ma i casi che ora vediamo sono meno gravi perché presumibilmente circola meno virus e questo è appunto l’effetto diretto del lockdown e delle misure in atto”.

Una prova arriva anche da uno studio condotto dal San Raffaele, citato dallo stesso Zangrillo ed in via di pubblicazione su una rivista scientifica, che ha evidenziato come il virus SarsCov2 si replica molto meno rapidamente ora rispetto a un paio di mesi fa e la carica virale a maggio è 10 volte inferiore che a marzo. Il dato è stato osservato in 200 pazienti ricoverati nell’ospedale milanese.

Parla di un virus divenuto ora “clinicamente irrilevante” anche la virologa Ilaria Capua. Il virus, sostiene, “non è cambiato, siamo noi che siamo cambiati e siamo diventati più bravi a gestirlo”. Adesso il coronavirus, afferma, “si sta comportando come si comportava i primi di gennaio, non se n’era accorto nessuno, e la seconda ondata è legata ai nostri comportamenti”.

L’invito resta sempre però alla massima prudenza. I casi comunque “continuano ad esserci e nulla ci assicura che i casi ora in diminuzione non possano riprendere a crescere se allentiamo le misure di prudenza e

27 distanziamento - ammonisce Richeldi -. Non bisogna cioè indurre le persone a pensare che il virus non esista più, perché questo non è vero e può essere molto rischioso”.

Dal canto suo, Zangrillo conferma le proprie affermazioni, sottolineando di non aver mai detto che il virus è scomparso tout court. E rispetto alle critiche delle ultime ore commenta: “Se andiamo a vedere i parametri, io sono molto più scienziato di tanti autoproclamatosi tali nel Cts”.

Stay-at-home orders linked to significant decrease in COVID-19 hospitalizations, U of M study finds Lo studio U di M rivela che lo “stare-a-casa”ha portato ad una significativa riduzione delle ospedalizzazioni COVID-19

By Susan Perry | 05/28/2020 Lo “stare-a-casa” ha un effetto significativo sulla riduzione del numero di persone ricoverate in ospedale per COVID-19, secondo uno studio dell'Università del Minnesota pubblicato mercoledì sul Journal of American Medical Association (JAMA).

Per lo studio, i ricercatori di U of M hanno confrontato i tassi di ospedalizzazione proiettati correlati al coronavirus con quelli effettivi durante i periodi di circa un mese all'inizio di questa primavera, quando sono stati emessi ordini statali di soggiorno in quattro stati: Minnesota, Colorado, Ohio e Virginia. Questi stati furono scelti perché avevano numeri di ospedalizzazione affidabili e coerenti per quei periodi.

I tassi di crescita previsti erano basati su quante persone erano già state ricoverate in ospedale con COVID-19 prima che gli ordini di soggiorno a casa fossero implementati. I numeri effettivi sono stati ottenuti da dati di ricovero in tutto lo stato.

I risultati dello studio sono stati piuttosto sorprendenti. Circa 12 giorni dopo che le persone avevano ricevuto l'ordine di rifugiarsi sul posto, il numero di ricoveri ospedalieri correlati a COVID in ciascuno stato ha iniziato a deviare drammaticamente verso il basso dalle proiezioni.

"Abbiamo scoperto che i ricoveri ospedalieri erano circa due o tre volte inferiori a quanto ci si aspetterebbe in base alle tendenze iniziali", ha detto Soumya Sen, autore principale dello studio e professore associato presso la Carlson School of Management della U of M, in un telefono intervista a MinnPost. "I nostri risultati mostrano che gli ordini di domicilio hanno un ruolo da svolgere nel rallentamento dei ricoveri", ha aggiunto.

Quel segno di 12 giorni nei risultati è significativo. Come sottolineato dai ricercatori, il periodo medio di incubazione di COVID-19 è da quattro a cinque giorni e il tempo medio dal primo sintomo al ricovero è di sette giorni. Quindi, se gli ordini di soggiorno a casa avessero un effetto sui ricoveri, inizierebbe a presentarsi intorno al segno di 12 giorni.

Stato per stato

All'indomani dell'ordine di soggiorno a domicilio del Minnesota del 28 marzo, il numero di ricoveri ospedalieri per COVID effettivi era molto inferiore al numero previsto. Ad esempio, il 13 aprile, cinque giorni dopo la data 28 media effettiva dell'ordine di soggiorno a casa, i ricoveri ospedalieri legati al COVID del Minnesota erano 361. Il numero previsto per quella data era stato 988. Ciò significava che il 64% in meno di Minnesotan era ricoverato in ospedale con COVID-19 il 13 aprile rispetto ai dati previsti.

Simili - e ancora più grandi - sono stati osservati cali negli altri tre stati nelle date che sono scese cinque giorni dopo la data effettiva media dei loro ordini di soggiorno a casa: . In Ohio, i ricoveri previsti erano 4.353, mentre i ricoveri effettivi erano inferiori di 1.612 - 63 percento. . In Colorado, i ricoveri ospedalieri previsti per COVID erano 8.637, mentre i ricoveri ospedalieri effettivi erano inferiori di 1.632 - 81%. . In Virginia, i ricoveri previsti erano 2.335, mentre i ricoveri effettivi erano inferiori del 1.048 - 56 percento.

Altri fattori - come la chiusura delle scuole, l'adesione alle linee guida sul distanziamento sociale, le buone pratiche di igiene delle mani e la consapevolezza generale sulla pandemia - sono stati senza dubbio coinvolti anche nella riduzione dei ricoveri ospedalieri legati al COVID, riconoscono Sen e i suoi colleghi nel loro articolo. Tuttavia sottolineano anche che molte di queste misure erano già in atto prima del periodo dal quale avevano raccolto i loro dati.

Tenendo d'occhio i numeri

"Abbiamo ritenuto che si trattasse di una situazione davvero impegnativa in cui possiamo apportare il potere dei sistemi di dati e delle analisi al fine di aiutare i responsabili delle decisioni, i responsabili delle politiche e i funzionari della sanità pubblica a prendere decisioni migliori e anche a rendere il pubblico consapevole delle tendenze dati ", ha detto il Sen.

I risultati dello studio si basano su numeri reali, ha sottolineato. "Non stiamo facendo ipotesi o stime", ha detto. "Stiamo solo segnalando i numeri grezzi perché pensiamo che i numeri parlino da soli." Lo studio suggerisce che il Minnesota ha fatto relativamente bene riguardo al rallentamento dei tassi di ospedalizzazione per COVID-19. Sen ha citato un paio di possibili fattori per questo risultato.

"Abbiamo visto arrivare COVID-19 un po’ più tardi rispetto ad altri stati", ha detto. "E abbiamo avuto un ordine di soggiorno a casa emesso in tempi relativamente brevi rispetto ad alcuni degli altri stati". Ma i dati dello studio suggeriscono anche che i tassi di ospedalizzazione del Minnesota potrebbero salire rapidamente se lo stato si aprisse troppo presto.

"Sarebbe consigliabile un'apertura graduale con un occhio molto attento a questi numeri", ha affermato il sen. "La nostra speranza è che non vedremo quel tipo di crescita esponenziale che siamo stati in grado di evitare finora", ha aggiunto.

FMI: lo studio è pubblicato sul sito web di JAMA, sebbene l'intero documento sia dietro un paywall. Puoi leggere ulteriori informazioni sul progetto di monitoraggio del ricovero in ospedale COVID-19 di U of M, inclusi gli ultimi dati di stato, sul sito Web della Carlson School of Management.

Survey tool and guidance Rapid, simple, flexible behavioural insights on COVID-19

Strumento di indagine e guida Approfondimenti comportamentali rapidi, semplici e flessibili su COVID-19

Monitoraggio delle conoscenze, percezioni del rischio, comportamenti preventivi e fiducia per informare la risposta all'epidemia di pandemia introduzione

Questo documento fornisce una guida agli Stati membri della Regione Europea dell'OMS che desiderano condurre studi di approfondimento comportamentale relativi a COVID-19. L'epidemia di pandemia COVID-19 sta ponendo un onere schiacciante sui sistemi sanitari e sulle autorità per rispondere con interventi, politiche e messaggi efficaci e appropriati.

Una risposta o una fase di transizione di pandemia scaduta e gestita male può minacciare i guadagni ottenuti collettivamente. La pandemia e le sue restrizioni possono aver influito sul benessere mentale e fisico, sulla coesione sociale, sulla stabilità economica, nonché sulla resilienza e sulla fiducia individuali e comunitarie (1- 5). In questo contesto complesso, è possibile capire come, perché e il contesto in cui gli umani e le comunità rispondono . Anticipare scenari indesiderati e avviare misure di mitigazione; e …

. Implementare misure di risposta alla pandemia che siano meglio informate, situate, accettate e quindi più efficaci.

Le indagini sulla popolazione possono esplorare percezioni, accettazione di restrizioni, salute mentale e fisica, comportamenti, necessità di informazioni, percezioni errate e altro ancora.

L'Ufficio Regionale OMS per l'Europa e i partner stanno offrendo agli Stati membri uno strumento per ottenere tali approfondimenti:

. È informato delle prove; . Può essere applicato rapidamente e regolarmente; . È semplice e flessibile per adattarsi all'evolversi della situazione; . Segue elevati standard etici.

Alcuni paesi hanno avviato rapidamente studi per ottenere tali approfondimenti e altri paesi sono invitati a dare la priorità a tali sforzi per informare e sostenere altre misure di risposta.

L'approccio presentato in questo documento di orientamento è stato sviluppato sulla base di un quadro avviato dall'Università di Erfurt, in Germania, dalle autorità sanitarie nazionali tedesche e altri (Riquadro 3).

Questo documento guida introduce: Guida al processo raccomandato e passi a un consiglio metodologico di esempio per ottenere l'autorizzazione etica un questionario di esempio suggerito (allegato 1) codici per l'analisi dei dati e la creazione di un sito Web protetto per la presentazione dei risultati (allegato 2).

L'OMS Europe Insights Unit e Health Emergencies Program stanno offrendo supporto ai paesi per l'implementazione. Invitiamo tutti gli utenti dello strumento a farci conoscere i loro piani in modo da poter coordinare e condividere.

In questo modo, possiamo impedire che due istituzioni in un paese lavorino in parallelo sullo stesso tipo di studio. Si prega di contattare Katrine Bach Habersaat ([email protected]) o Martha Scherzer ([email protected]).

Riquadro 1: Approccio suggerito alla ricerca di approfondimenti comportamentali per COVID-19

Qualsiasi Paese interessato può utilizzare il questionario (Allegato 1) per raccogliere dati relativi alle percezioni, ai comportamenti, alla fiducia, alla conoscenza e ad altre variabili del rischio del pubblico. Questi dati vengono raccolti tramite panel online e un gruppo di ricerca nazionale o una società privata può essere incaricato di raccogliere i dati. Utilizzando una serie di codici (Allegato 2) i risultati possono essere automaticamente e immediatamente trasferiti su una pagina Web protetta, se lo si desidera (esempi di come appare nella Figura 1). La pagina Web può essere facilmente sviluppata come sottopagina su un sito Web esistente, come deciso dal Paese di attuazione.

Ciò consente ai gruppi nazionali di risposta alla pandemia di utilizzare i risultati per informare le misure di risposta alla pandemia.

Più in dettaglio: Si suggerisce di condurre uno studio seriale trasversale: i dati possono essere raccolti ripetutamente, ad es. settimanalmente, con partecipanti diversi, in modo che lo status quo possa essere valutato nel tempo. La valutazione ripetuta delle stesse variabili fondamentali consente di analizzare le modifiche nel tempo. Se lo si desidera, consente anche confronti tra paesi. La modifica di alcune variabili consente la ricerca adattiva a una situazione dinamica (ad esempio, chiedere l'accettazione del lavaggio delle mani può essere più importante all'inizio, mentre l'aggiunta dell'accettazione delle scuole di chiusura o un blocco potrebbe essere rilevante in seguito nell'epidemia). 31

Ciò consente il monitoraggio tempestivo e adattivo delle variabili (quali percezioni del rischio, conoscenza, fiducia, comportamenti e altro) e l'identificazione dei cambiamenti nel tempo per valutare le relazioni tra di loro. Le variabili possono essere adattate a diversi paesi, gruppi target, contesti culturali e all'evolversi della situazione e dell'epidemiologia nel tempo. La randomizzazione delle opzioni di risposta può essere effettuata dove appropriato. Un sito Web automatizzato di analisi dei dati garantisce un'analisi immediata dei dati e consente un rapido accesso ai risultati (codice commentato per l'analisi dei dati e sito Web nell'allegato 2). I cambiamenti nella percezione o nella conoscenza del rischio possono essere valutati nel tempo. I dati sull'accettazione di nuove misure di risposta possono essere resi rapidamente disponibili. La disinformazione o il possibile stigma possono essere identificati quando emergono. Le squadre nazionali che utilizzano lo strumento sono invitate a lavorare in coalizioni partner per discutere approfondimenti e implicazioni per interventi, politiche e messaggi di risposta alle epidemie. I risultati possono essere resi disponibili ai media per supportare report di alta qualità e responsabili.

Fonti dati sulla pandemia Covid 19 – 2020

Covid-19 - Situazione in Italia

La situazione in Italia: 6 giugno 2020, ore 18.00

Dati 6 giugno, ore 18

Sono 234.801 i casi totali dall'inizio della pandemia:

 35.877 persone attualmente positive  33.846 deceduti  165.078 guariti.

Variazioni rispetto al precedente bollettino:

 + 270 nuovi casi positivi  + 72 deceduti  + 1297 guariti.

Tra i 35.877 attualmente positivi (- 1099):

 30.582 si trovano in isolamento domiciliare (- 777)  5.002 ricoverati con sintomi (- 299)  293 in terapia intensiva (- 23).

Sono 4.187.057 (+ 72.485) i tamponi effettuati

Leggi le tabelle

 Situazione Italia al 6 giugno  Situazione per province al 6 giugno

Consulta la mappa

 Situazione in Italia - versione desktop  Situazione in Italia - versione mobile

Vai a

 Situazione nel mondo  Protezione civile

Avviso: a partire dal 28 febbraio il numero dei deceduti sarà confermato dall'Istituto superiore di sanità dopo aver stabilito la causa di morte per Coronavirus.

Report monitoraggio fase 2

Per la gestione della Fase 2 della pandemia in Italia è stato attivato uno specifico sistema di monitoraggio, disciplinato dal decreto del ministero della Salute del 30 aprile 2020, sui dati epidemiologici e sulla capacità di risposta dei servizi sanitari regionali. Il monitoraggio è elaborato dalla cabina di regia costituita da ministero della Salute, Istituto superiore di sanità e Regioni.

 Report 4-11 maggio - Report 11-17 maggio - Report 18-24 maggio - Report 25-31 maggio

Caratteristiche dei pazienti deceduti COVID-19 positivi

L'Istituto superiore di sanità pubblica un'analisi sui dati epidemiologici dei pazienti deceduti positivi a COVID- 19 in Italia.

Ecco le caratteristiche relative al report del 4 giugno 2020:

Età media

 80 anni

Età mediana

 82 anni (più alta di quasi 20 anni rispetto a quella dei pazienti che hanno contratto l’infezione e la cui età mediana è di 62 anni)

Sesso

 uomini 58,7%  donne 41,3%

Patologie pregresse al momento del ricovero

 Pazienti con 0 patologie pre-esistenti 4,1%  Pazienti con 1 patologia pre-esistente 14,8%  Pazienti con 2 patologie pre-esistenti 21,5%  Pazienti con 3 o più patologie pre-esistenti 59,7%

Aree geografiche con la percentuale maggiore di deceduti

 Lombardia con 49,8%  Emilia Romagna con il 12,8%  Piemonte con il 8,5%.  Veneto con il 6%

Sintomi più comunemente osservati prima del ricovero nelle persone decedute

 Febbre 76%  Dispnea 73%  Tosse 39%  Diarrea 6%  Emottisi 1%

Consulta i Report sulla pagina del sito Epicentro dell'Istituto Superiore di Sanità.

I primi casi in Italia

I primi due casi di Coronavirus in Italia, una coppia di turisti cinesi, sono stati confermati il 30 gennaio dall'Istituto Spallanzani, dove sono stati ricoverati in isolamento dal 29 gennaio. Il 26 febbraio sono stati dichiarati guariti.

Il primo caso di trasmissione secondaria si è verificato a Codogno, Comune della Lombardia in provincia di Lodi, il 18 febbraio 2020.

Sorveglianza e controlli

Nel nostro Paese è attiva una rete di sorveglianza sul nuovo coronavirus e sono stati attivati controlli e screening sotto il coordinamento della task force ministeriale.

L'Italia ha bloccato il 30 gennaio con un'Ordinanza del ministro della Salute tutti i voli da e per la Cina per 90 giorni, oltre a quelli provenienti da Wuhan, già sospesi dalle autorità cinesi.

Il Governo italiano ha dichiarato il 31 gennaio lo Stato di emergenza, stanziato i primi fondi e nominato Commissario straordinario per l'emergenza il Capo della protezione civile Angelo Borrelli.

Con il decreto del Capo del Dipartimento della protezione civile del 5 febbraio 2020 è stato istituito un Comitato tecnico-scientifico per fronteggiare emergenza, poi ampliato con ordinanza del 18 aprile 2020.

Come previsto dal Decreto legge 18 del 2020, il Presidente del Consiglio dei Ministri con decreto del 18 marzo 2020 ha nominato Domenico Arcuri Commissario straordinario per l'attuazione e il coordinamento delle misure occorrenti per il contenimento e contrasto dell'emergenza epidemiologica Covid-19.

Misure di contenimento

Il Consiglio dei ministri ha varato un primo decreto legge il 23 febbraio 2020 con misure per il divieto di accesso e allontanamento nei comuni dove erano presenti focolai e la sospensione di manifestazioni ed eventi.

Successivamente sono stati emanati i seguenti decreti attuativi: il Dpcm 25 febbraio 2020, il Dpcm 1° marzo 2020, il Dpcm 4 marzo 2020, il Dpcm 8 marzo 2020, il Dpcm 9 marzo 2020 #Iorestoacasa, il Dpcm 11 marzo 2020 che chiude le attività commerciali non di prima necessità.

Tra le misure adottate l'ordinanza 22 marzo 2020, firmata congiuntamente dal Ministro della Salute e dal Ministro dell'Interno, che vietava a tutte le persone fisiche di trasferirsi o spostarsi con mezzi di trasporto pubblici o privati un comune diverso da quello in cui si trovano, salvo che per comprovate esigenze lavorative, di assoluta urgenza ovvero per motivi di salute.

Il Governo ha poi emanato con il Dpcm 22 marzo 2020 nuove ulteriori misure in materia di contenimento e gestione dell'emergenza epidemiologica da COVID-19, applicabili sull'intero territorio nazionale. Il provvedimento prevedeva la chiusura delle attività produttive non essenziali o strategiche. Restano aperti alimentari, farmacie, negozi di generi di prima necessità e i servizi essenziali. Le stesse disposizioni si applicano, cumulativamente al Dpcm 11 marzo 2020 nonché a quelle previste dall’ordinanza del Ministro della salute del 20 marzo 2020 i cui termini di efficacia, già fissati al 25 marzo 2020, sono entrambi prorogati al 3 aprile 2020.

Con il DPCM 1 aprile 2020, tutte le misure per contrastare il diffondersi del contagio da coronavirus sono state prorogate fino al 13 aprile 2020. Il decreto entrato in vigore il 4 aprile sospende anche le sedute di allenamento degli atleti, professionisti e non professionisti, all’interno degli impianti sportivi di ogni tipo.

In seguito con il DPCM 10 aprile 2020 tutte le misure sono state prorogate fino al 3 maggio.Il Dpcm ha permesso la riapertura dal 14 aprile dei negozi per neonati e bambini, librerie e cartolibrerie.

Con il DPCM 26 aprile 2020 sono specificate le misure per il contenimento dell'emergenza Covid-19 della cosiddetta "fase due”

Le disposizioni del decreto si applicano a partire dal 4 maggio 2020 in sostituzione di quelle del DPCM 10 aprile 2020 e sono efficaci fino al 17 maggio 2020, a eccezione di quanto previsto per le attività di imprese, che si applicano dal 27 aprile 2020 cumulativamente.

Da ultimo, il Decreto legge 33 del 2020 disciplina la fine deile limitazioni agli spostamenti e la riapertura delle attività produttive, commeciali, sociali a partire dal 18 maggio e fino al 31 luglio. Con il DPCM 17 maggio 2020 sono state definite le misure di prevenzione e contenimento per la convivenza con il coronavirus.

Il Monitoraggio dei LEA

Coronavirus: la situazione dei contagi in Italia

04 giugno 2020

Confermato trend in calo degli attualmente positivi

Continua l’impegno del Dipartimento nelle attività di coordinamento di tutte le componenti e strutture operative del Servizio Nazionale della protezione civile. In particolare, nell’ambito del monitoraggio sanitario relativo alla diffusione del Coronavirus sul nostro territorio, a oggi, 4 giugno, il totale delle persone che hanno contratto il virus è di 234.013, con un incremento rispetto a ieri di 177 nuovi casi. Il numero totale di attualmente positivi è di 38.429, con una decrescita di 868 assistiti rispetto a ieri. Tra gli attualmente positivi, 338 sono in cura presso le terapie intensive, con una decrescita di 15 pazienti rispetto a ieri. 5.503 persone sono ricoverate con sintomi, con un decremento di 239 pazienti rispetto a ieri. 32.588 persone, pari all’85% degli attualmente positivi, sono in isolamento senza sintomi o con sintomi lievi. Rispetto a ieri i deceduti sono 88 e portano il totale a 33.689. Il numero complessivo dei dimessi e guariti sale invece a 161.895, con un incremento di 957 persone rispetto a ieri. Nel dettaglio, i casi attualmente positivi sono 20.224 in Lombardia, 4.556 in Piemonte, 2.688 in Emilia- Romagna, 1.319 in Veneto, 883 in Toscana, 394 in Liguria, 2.754 nel Lazio, 1.303 nelle Marche, 830 in Campania, 967 in Puglia, 207 nella Provincia autonoma di Trento, 879 in Sicilia, 213 in Friuli Venezia Giulia, 704 in Abruzzo, 112 nella Provincia autonoma di Bolzano, 31 in Umbria, 108 in Sardegna, 10 in Valle d’Aosta, 102 in Calabria, 125 in Molise e 20 in Basilicata.

Italia: classificazione dell’aumento di trasmissione ed attuale impatto di COVID-19 sui servizi assistenziali e del livello di resilienza dei servizi territoriali

Punti chiave:

1. Dall’inizio dell’implementazione del sistema di monitoraggio della fase 2 prevista nel DM Salute del 30 aprile 2020, la disponibilità dei dati utili alla compilazione degli indicatori che classificano l’aumento di trasmissione, l’attuale impatto di COVID-19 sui servizi assistenziali e la resilienza dei servizi sanitari territoriali nel caso di una recrudescenza dell’epidemia da COVID-19 nel breve termine è molto migliorata grazie all’invio rapido di dati da parte delle Regioni/PPAA.

2. Valutazione relativa all’aumento di trasmissione ed attuale impatto di COVID-19 sui servizi assistenziali:

. Valutabile in tutte le Regioni/PPAA. Permangono alcune fragilità nella settimana dal 4 al 10 maggio 2020, per la completezza dei dati in 4 Regioni/PPAA, che tuttavia pur non raggiungendo il valore soglia del 50% della completezza della disponibilità dei dati sulla data dell’inizio sintomi hanno raggiunto almeno il 30% permettendo quindi una valutazione dell’aumento di trasmissione ed attuale impatto di COVID-19 sui servizi assistenziali.

. Classificazione bassa (livello 2) in 18 Regioni/PA (bassa probabilità di aumento di trasmissione ed un basso impatto sui servizi assistenziali). o 10 Regioni/PPAA con incidenza settimanale bassa e intermedia-bassa in cui il lock-down ha impedito il diffondersi dell’infezione o 8 Regioni /PPAA ad incidenza alta e intermedia-alta con una situazione complessa ma controllata.

In 6 Regioni si segnala una situazione epidemiologica in evoluzione e fluida per la presenza di focolai di trasmissione da monitorare con attenzione.

Classificazione moderata (livello 3)

o In Molise, la classificazione settimanale è passata da bassa a moderata (probabilità moderata/alta di aumento di trasmissione ed un basso impatto sui servizi assistenziali) dovuto ad un nuovo focolaio di trasmissione attualmente in fase di controllo che ha prodotto un aumento nel numero di casi nella scorsa settimana. Questo si potrà riflettere in un aumento nella stima di Rt nelle prossime settimane. o In Umbria, la classificazione settimanale è passata da bassa a moderata (probabilità moderata/alta di aumento di trasmissione ed un basso impatto sui servizi assistenziali) per un aumento nel numero di casi ed un Rt >1 seppur in un contesto ancora con una ridotta numerosità di casi segnalati e che pertanto non desta una particolare allerta. o In Lombardia, la classificazione settimanale è moderata (bassa probabilità di aumento di trasmissione ed un moderato/alto impatto sui servizi assistenziali) ma si assiste ad una riduzione dei segnali di sovraccarico dei servizi sanitari. In questa Regione rimane elevato il numero di nuovi casi segnalati ogni settimana seppur in diminuzione.

Interpretazione:

Una classificazione bassa relativa alla valutazione dell’aumento di trasmissione ed attuale impatto di COVID- 19 sui servizi assistenziali nella maggior parte delle Regioni/PPAA è attesa, considerando che riflette la situazione epidemica di circa 2-3 settimane fa (quando i casi segnalati nella settimana 4-10 maggio 2020 si sono infettati), e quindi nella fase conclusiva di un periodo prolungato di “lock-down”. Si segnalano situazioni di gestione complessa in alcune Regioni ad alta incidenza, che presentano contesti con una situazione epidemiologica molto fluida ma al momento controllata.

Nella settimana 4-10 maggio 2020, la Regione Molise è passata da una classificazione bassa a moderata a causa di un focolaio di trasmissione identificato sul territorio e attualmente in fase di controllo, senza segnali di sovraccarico delle strutture assistenziali. La regione Umbria ha anche presentato segnali, meno preoccupanti, di aumento dei casi di infezione in un contesto a bassa incidenza.

3. Resilienza dei servizi sanitari territoriali:

. Sono valutabili nella settimana 0 solo gli indicatori che non prevedono in soglia una valutazione di trend e quindi la resilienza presentata è soggetta a rivalutazione e maggiore consolidamento nelle prossime settimane. La disponibilità di dati sul tempo tra data inizio sintomi e data di isolamento è in aumento e la valutazione di questo indicatore opzionale sarà inclusa nella prossima rilevazione settimanale. . Sono state identificate allerte in alcune Regioni/PPAA che suggeriscono un ulteriore rafforzamento della resilienza dei servizi sanitari territoriali per prepararsi a gestire in modo tempestivo ed efficace un eventuale aumento di casi di infezione nel breve termine.

Conclusione: . Le misure di lock-down in Italia hanno effettivamente permesso un controllo dell’infezione da COVID- 19 sul territorio nazionale pur in un contesto di persistente trasmissione diffusa del virus con incidenza molto diversa nelle 21 Regioni/PPAA. . Permangono segnali di trasmissione con focolai nuovi segnalati che descrivono una situazione epidemiologicamente fluida in molte regioni italiane. Questo richiede il rispetto rigoroso delle misure necessarie a ridurre il rischio di trasmissione quali l’igiene individuale e il distanziamento fisico. . È necessario un rapido rafforzamento dei servizi territoriali per la prevenzione e la risposta a COVID- 19 per fronteggiare eventuali recrudescenze epidemiche durante la fase di transizione.

Rapporti ISS Covid-19 Accessibili da https://www.iss.it/rapporti-covid-19

1) Gruppo di lavoro ISS Prevenzione e controllo delle Infezioni. Indicazioni ad interim per l’effettuazione dell’isolamento e della assistenza sanitaria domiciliare nell’attuale contesto COVID-19. Versione del 7 marzo 2020. Roma: Istituto Superiore di Sanità; 2020 (Rapporto ISS COVID-19, n. 1/2020)

2) Gruppo di lavoro ISS Prevenzione e controllo delle Infezioni. Indicazioni ad interim per un utilizzo razionale delle protezioni per infezione da SARS-CoV-2 nelle attività sanitarie e sociosanitarie (assistenza a soggetti affetti da COVID-19) nell’attuale scenario emergenziale SARS-CoV-2. Versione del 10 maggio 2020. Roma: Istituto Superiore di Sanità; 2020 (Rapporto ISS COVID-19, n. 2/2020 Rev. 2)

3) Gruppo di lavoro ISS Ambiente e Gestione dei Rifiuti. Indicazioni ad interim per la gestione dei rifiuti urbani in relazione alla trasmissione dell’infezione da virus SARS-CoV-2. Versione del 31 marzo 2020. Roma: Istituto Superiore di Sanità; 2020 (Rapporto ISS COVID-19, n. 3/2020 Rev.)

4) Gruppo di lavoro ISS Prevenzione e controllo delle Infezioni. Indicazioni ad interim per la prevenzione e il controllo dell’infezione da SARS-CoV-2 in strutture residenziali sociosanitarie. Versione del 17 aprile 2020. Roma: Istituto Superiore di Sanità; 2020 (Rapporto ISS COVID-19, n. 4/2020 Rev.)

5) Gruppo di lavoro ISS Ambiente e Qualità dell’aria indoor. Indicazioni ad per la prevenzione e gestione degli ambienti indoor in relazione alla trasmissione dell’infezione da virus SARS-CoV-2. Versione del 25 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 5/2020 Rev. 2).

6) Gruppo di lavoro ISS Cause di morte COVID-19. Procedura per l’esecuzione di riscontri diagnostici in pazienti deceduti con infezione da SARS-CoV-2. Versione del 23 marzo 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 6/2020).

7) Gruppo di lavoro ISS Biocidi COVID-19 e Gruppo di lavoro ISS Ambiente e Rifiuti COVID-19. Raccomandazioni per la disinfezione di ambienti esterni e superfici stradali per la prevenzione della trasmissione dell’infezione da SARS-CoV-2. Versione del 29 marzo 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 7/2020).

8) Osservatorio Nazionale Autismo ISS. Indicazioni ad interim per un appropriato sostegno delle persone nello spettro autistico nell’attuale scenario emergenziale SARS-CoV-2. Versione del 30 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 8/2020 Rev.).

9) Gruppo di Lavoro ISS Ambiente – Rifiuti COVID-19. Indicazioni ad interim sulla gestione dei fanghi di depurazione per la prevenzione della diffusione del virus SARS-CoV-2. Versione del 3 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 9/2020).

10) Gruppo di Lavoro ISS Ambiente-Rifiuti COVID-19. Indicazioni ad interim su acqua e servizi igienici in relazione alla diffusione del virus SARS-CoV-2 Versione del 7 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 10/2020). 11. Gruppo di Lavoro ISS Diagnostica e sorveglianza microbiologica COVID-19: aspetti di analisi molecolare e sierologica 11) Raccomandazioni ad interim per il corretto prelievo, conservazione e analisi sul tampone rino/orofaringeo per la diagnosi di COVID-19. Versione del 29 maggio 2020 Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 11/2020 Rev. 2).

12) Gabbrielli F, Bertinato L, De Filippis G, Bonomini M, Cipolla M. Indicazioni ad interim per servizi assistenziali di telemedicina durante l’emergenza sanitaria COVID-19. Versione del 13 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 12/2020).

13) Gruppo di lavoro ISS Ricerca traslazionale COVID-19. Raccomandazioni per raccolta, trasporto e conservazione di campioni biologici COVID-19. Versione del 15 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 13/2020).

14) Gruppo di lavoro ISS Malattie Rare COVID-19. Indicazioni ad interim per un appropriato sostegno delle persone con enzimopenia G6PD (favismo) nell’attuale scenario emergenziale SARS-CoV-2. Versione del 14 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 14/2020).

15) Gruppo di lavoro ISS Farmaci COVID-19. Indicazioni relative ai rischi di acquisto online di farmaci per la prevenzione e terapia dell’infezione COVID-19 e alla diffusione sui social network di informazioni false sulle terapie. Versione del 16 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 15/2020).

16) Gruppo di lavoro ISS Sanità Pubblica Veterinaria e Sicurezza Alimentare COVID-19. Animali da compagnia e SARS-CoV-2: cosa occorre sapere, come occorre comportarsi. Versione del 19 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 16/2020).

17) Gruppo di lavoro ISS Sanità Pubblica Veterinaria e Sicurezza Alimentare COVID-19. Indicazioni ad interim sull’igiene degli alimenti durante l’epidemia da virus SARS-CoV-2. Versione del 19 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 17/2020).

18) Gruppo di lavoro ISS Ricerca traslazionale COVID-19. Raccomandazioni per la raccolta e analisi dei dati disaggregati per sesso relativi a incidenza, manifestazioni, risposta alle terapie e outcome dei pazienti COVID-19. Versione del 26 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID- 19, n. 18/2020).

19) Gruppo di lavoro ISS Biocidi COVID-19. Raccomandazioni ad interim sui disinfettanti nell’attuale emergenza COVID-19: presidi medico-chirurgici e biocidi. Versione del 25 aprile 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 19/2020).

20) Gruppo di Lavoro ISS Prevenzione e Controllo delle Infezioni. Indicazioni ad interim per la sanificazione degli ambienti interni nel contesto sanitario e assistenziale per prevenire la trasmissione di SARS-CoV 2. Versione del 14 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 20/2020 Rev.).

21) Ricci ML, Rota MC, Scaturro M, Veschetti E, Lucentini L, Bonadonna L, La Mura S. Guida per la prevenzione della contaminazione da Legionella negli impianti idrici di strutture turistico recettive e altri edifici ad uso civile e industriale, non utilizzati durante la pandemia COVID-19. Versione del 3 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 21/2020).

22) Gruppo di lavoro ISS Salute mentale ed emergenza COVID-19 Indicazioni ad interim per un appropriato supporto degli operatori sanitari e sociosanitari durante lo scenario emergenziale SARS-COV-2. Versione del 28 maggio. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 22/2020 Rev.)

23) Gruppo di lavoro ISS Salute mentale ed emergenza COVID-19 Indicazioni di un programma di intervento dei Dipartimenti di Salute Mentale per la gestione dell’impatto dell’epidemia COVID-19 sulla salute mentale. Versione del 6 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 23/2020).

24) Gruppo di lavoro ISS Malattie Rare COVID-19. Indicazioni ad interim per una appropriata gestione dell’iposurrenalismo in età pediatrica nell’attuale scenario emergenziale da infezione da SARS-CoV-2. Versione del 10 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 24/2020)

25) Gruppo di Lavoro ISS Biocidi COVID-19. Raccomandazioni ad interim sulla sanificazione di strutture non sanitarie nell’attuale emergenza COVID-19: superfici, ambienti interni e abbigliamento. Versione dell’8 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19 n. 25/2020)

26) Gruppo di Lavoro ISS Ambiente e Rifiuti. Indicazioni ad interim sulla gestione e smaltimento di mascherine e guanti monouso provenienti da utilizzo domestico e non domestico. Versione del 18 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19 n. 26/2020) 48

27) Ricci ML, Rota MC, Scaturro M, Nardone M, Veschetti E, Lucentini L, Bonadonna L, La Mura S. Indicazioni per la prevenzione del rischio Legionella nei riuniti odontoiatrici durante la pandemia da COVID-19. Versione del 17 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 27/2020).

28) Gruppo di Lavoro ISS Test Diagnostici COVID-19 e Gruppo di Lavoro ISS Dispositivi Medici COVID-19. Dispositivi diagnostici in vitro per COVID-19. Parte 1: normativa e tipologie. Versione del 18 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19 n. 28/2020)

29) Gruppo di lavoro ISS Malattie Rare COVID-19. Indicazioni ad interim su malattia di Kawasaki e sindrome infiammatoria acuta multisistemica in età pediatrica e adolescenziale nell’attuale scenario emergenziale da infezione da SARS-CoV-2. Versione 21 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 29/2020)

30) Gruppo di lavoro Salute mentale ed emergenza COVID-19. Indicazioni sull’intervento telefonico di primo livello per l’informazione personalizzata e l’attivazione dell’empowerment della popolazione nell’emergenza COVID-19. Versione del 14 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19 n. 30/2020)

31) Gruppo di lavoro Salute mentale ed emergenza COVID-19. Indicazioni ad interim per il supporto psicologico telefonico di secondo livello in ambito sanitario nello scenario emergenziale COVID-19. Versione del 26 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19 n. 31/2020)

32) Gruppo di lavoro ISS Sanità Pubblica Veterinaria e Sicurezza Alimentare COVID-19. Indicazioni ad interim sul contenimento del contagio da SARS-CoV-2 e sull'igiene degli alimenti nell’ambito della ristorazione e somministrazione di alimenti. Versione del 27 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 32/2020).

33) Gruppo di Lavoro ISS Ambiente-Rifiuti COVID-19. Indicazioni sugli impianti di ventilazione/climatizzazione in strutture comunitarie non sanitarie e in ambienti domestici in relazione alla diffusione del virus SARS-CoV-2. Versione del 25 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19, n. 33/2020).

34) Gruppo di Lavoro Bioetica COVID-19. Sorveglianza territoriale e tutela della salute pubblica: alcuni aspetti etico-giuridici. Versione del 25 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19 n. 34/2020)

35) Gruppo di Lavoro Bioetica COVID-19. Il Medico di Medicina Generale e la pandemia di COVID-19: alcuni aspetti di etica e di organizzazione. Versione del 25 maggio 2020. Roma: Istituto Superiore di Sanità; 2020. (Rapporto ISS COVID-19 n. 35/2020)

Documenti con tag: covid 19

Le giornate durante il lockdown Più tempo per cura dei figli, tv e musica, relazioni sociali e attività creative Periodo di riferimento: 5-21 aprile 2020 Data di pubblicazione: 05 giugno 2020 Tipo di documento: Comunicato stampa Argomento:  Cultura, comunicazione e viaggi  Popolazione e famiglie  Vita quotidiana e opinione dei cittadini

Impatto dell’epidemia covid-19 sulla mortalità Online il secondo rapporto sulla mortalità della popolazione residente a cura di ISTAT e ISS Periodo di riferimento: i quadrimestre 2020 Data di pubblicazione: 04 giugno 2020 Tipo di documento: Comunicato stampa Argomento:  Popolazione e famiglie  Salute e sanità

Domande frequenti On line le domande frequenti relative all'attività dell'ISTAT durante l'emergenza sanitaria causata dal covid-19 Data di pubblicazione: 04 giugno 2020 L'ISTAT durante l'emergenza covid-19 L’Istituto si è attivata per assicurare continuità e qualità alla produzione statistica durante l'emergenza sanitaria. Misure adottate, dati, aggiornamenti e informazioni utili in una sezione del sito dedicata Data di pubblicazione: 04 giugno 2020

Reazione dei cittadini al lockdown L’ISTAT ha realizzato un'infografica sui comportamenti e percezioni dei cittadini durante il lockdown. Data di pubblicazione: 29 maggio 2020 Tipo di documento: Info grafiche Argomento:  Popolazione e famiglie  Vita quotidiana e opinione dei cittadini

Ricadute occupazionali dell'epidemia da covid-19 e sicurezza sanitaria Audizione del Direttore del Dipartimento per la Produzione Statistica dell’ISTAT Roberto Monducci Data di pubblicazione: 28 maggio 2020 Tipo di documento: Audizione parlamentare Argomento:  Cultura, comunicazione e viaggi  Imprese  Industria e costruzioni  Lavoro e retribuzioni

 Salute e sanità

Indagine sierologica su covid-19 ISTAT e Ministero della Salute avviano l’indagine sulla siero-prevalenza dell’infezione da virus sars-cov2 Data di pubblicazione: 26 maggio 2020 Tipo di documento: Notizia Argomento: Salute e sanità

ISTAT - Violenza di genere al tempo del Covid-19: le chiamate al numero verde 1522 Durante il lockdown sono state 5.031 le telefonate valide al 1522, il 73% in più sullo stesso periodo del 2019. Le vittime che hanno chiesto aiuto sono 2.013 (+59%). Tale incremento non è attribuibile necessariamente a maggiore violenza ma alle campagne di sensibilizzazione che hanno fatto sentire le donne meno sole.

Dossier Covid-19

Fin dall’inizio dell’epidemia da Coronavirus (Sars-CoV-2), l’INAIL ha potenziato le attività di comunicazione, veicolando quotidianamente le informazioni e gli aggiornamenti relativi all’emergenza sanitaria anche attraverso un linguaggio più vicino alle abitudini e alle esigenze dei cittadini

Lo speciale arricchito da link, video e rimandi multimediali fa il punto sulle misure adottate dall’Istituto per fronteggiare l’epidemia da coronavirus offrendo in un unico prodotto il quadro completo di tutte le 51 informazioni messe a disposizione dall’istituto per orientare i cittadini nell’attuale fase di emergenza sanitaria.

Prodotto: Opuscolo Edizioni: INAIL - 2020 Disponibilità: Consultabile solo in rete Info: [email protected]

Lavoro agile: monitoraggio periodo gennaio - aprile 2020

Avviato un monitoraggio sullo smart working nelle PA per il periodo gennaio - aprile 2020.

Il Dipartimento della Funzione pubblica, su indicazione del Ministro per la Pubblica amministrazione, ha avviato, con il supporto di Formez PA, un monitoraggio periodico per i dipendenti pubblici al fine di rilevare i dati quantitativi relativi al grado di diffusione della smart working, ai cambiamenti indotti sull’organizzazione del lavoro, allo svolgimento dell’attività amministrativa e all’erogazione dei servizi a cittadini e imprese.

Il monitoraggio relativo al periodo gennaio – aprile 2020 avviene attraverso la compilazione di un questionario online sul portale www.lavoropubblico.gov.it. Per ogni esigenza di assistenza e informazione sono disponibili le note alla compilazione ed è attivo l’help desk di Formez al quale accedere inoltrando una email all’indirizzo: [email protected]. La rilevazione è stata avviata il 25 maggio 2020 ed è attiva fino al 21 giugno 2020. I risultati sono pubblicati sul portale del Dipartimento della Funzione pubblica e su www.lavoropubblico.gov.it.

Covid-19 - fase 1: misure adottate dall'Istituto

Servizi all'utenza: esclusiva la gestione telematica

Per motivi precauzionali e al fine di limitare la presenza degli utenti agli sportelli, le richieste di informazioni e/o di servizi sono gestite esclusivamente mediante il canale di accesso telematico “INAIL RISPONDE” raggiungibile dalla sezione SUPPORTO della home page del portale. Resta attivo il servizio telefonico.

Potenziamento dei servizi informativi: contatti sedi INAIL

L’INAIL ha attivato nuovi recapiti per contattare le sedi, con l’obiettivo di fornire informazioni e supporto agli utenti anche a distanza.

Coronavirus: prorogate le misure urgenti per il contenimento dell'emergenza in tutta Italia. Massimo utilizzo del lavoro agile

In generale, deve essere incentivata la predisposizione di modalità di lavoro agile, anche in deroga alla disciplina vigente.

Valide fino al 3 maggio 2020 le misure per il contenimento dell'emergenza.

COVID-19: sospensione premi assicurativi

Vista la molteplicità della tipologia dei versamenti oggetto di sospensione, della diversa durata delle sospensioni e delle differenti condizioni, si riepilogano i versamenti ricadenti nei periodi di sospensione, per i quali è prevista la possibilità di rateizzazione:

1) Sospensione dal 23 febbraio al 30 aprile 2020 con ripresa dei versamenti dal 1° maggio 2020 (quindi entro il 31 maggio); 2) Sospensione dal 2 marzo al 30 aprile 2020 con ripresa dei versamenti entro il 31 maggio 2020; 3) Sospensione dal 2 marzo al 31 maggio 2020 con ripresa dei versamenti entro il 30 giugno 2020 4) Sospensione dall’8 marzo al 31 marzo 2020 con ripresa dei versamenti entro il 31 maggio 2020; 5) Sospensione per i mesi di aprile e maggio 2020 con ripresa dei versamenti entro il 30 giugno 2020; 6) Sospensione dal 30 aprile al 15 luglio con ripresa dei versamenti entro il 31 luglio 2020.

Infezioni sul lavoro da coronavirus: pubblicate FAQ sulla certificazione medica e sulla tutela dell’INAIL Con la circolare n. 13 del 3 aprile 2020 sono state fornite indicazioni sulle prestazioni garantite dall’INAIL ai suoi assicurati in caso di infezione da nuovo Coronavirus di origine professionale.

Sono pubblicate FAQ che rispondono alle domande più frequenti dalle modalità di riconoscimento dell’infortunio alle categorie di lavoratori per le quali vale la presunzione di esposizione professionale.

Covid-19: sospensione termini di prescrizione e decadenza prestazioni INAIL. Tutela infortunistica per infezione da coronavirus

La circolare n. 13 del 3 aprile 2020 chiarisce che l’art. 42, co. 1, del d.l. 18/2020 ha sospeso dal 23 febbraio 2020 al 1° giugno 2020 il decorso dei termini di decadenza e prescrizione relativi alle richieste di prestazioni erogate dall’INAIL, nonché dei termini di decadenza per la revisione delle rendite che scadono nel predetto periodo. La sospensione si applica anche nei casi di domande per ottenere la rendita in caso di morte in conseguenza di infortunio, nonché di richieste, sia su domanda del titolare sia su disposizione dell’INAIL, di revisione delle rendite per inabilità permanente, per infortunio e/o per malattia professionale. I termini riprendono a decorrere dalla scadenza del predetto periodo di sospensione.

Infortuni sul lavoro per medici, infermieri e altri dipendenti di strutture sanitarie

I contagi da Covid-19 di medici, infermieri e altri operatori di strutture sanitarie in genere, dipendenti del Servizio sanitario nazionale e, in generale, di qualsiasi altra Struttura sanitaria pubblica o privata assicurata con l’Istituto, avvenuti nell’ambiente di lavoro oppure per causa determinata dallo svolgimento dell’attività lavorativa, sono inquadrati nella categoria degli infortuni sul lavoro. È riconosciuto anche l’infortunio in itinere. Sono esclusi i dipendenti sanitari posti in quarantena per motivi di sanità pubblica, salvo che risultino positivi al test di conferma.

Prestazioni economiche non continuative: modalità di pagamento

Per le prestazioni economiche non continuative (indennità di temporanea assoluta e altri assegni), in sede di apertura delle pratiche, è opportuno indicare il codice iban dei beneficiari per effettuare il pagamento. Per le prestazioni continuative (rendite), occorre rispettare le prescrizioni dell’Inps, che ha disposto pagamenti anticipati e scaglionati.

Prestazione una tantum per i malati di mesotelioma non professionale: sospensione termini per covid-19

Per la presentazione delle istanze di accesso alla prestazione da parte degli eredi i termini sono sospesi fino al 1° giugno (decreto Cura Italia) e, per i decessi avvenuti entro il 1° giugno, la data ultima di presentazione della richiesta è il 29 settembre 2020. 53

I termini per le istanze di integrazione dei malati di mesotelioma non professionale o dei loro eredi che, nel periodo 2015-2019, hanno beneficiato della prestazione assistenziale una tantum in misura ridotta sono, altresì, sospesi e il termine ultimo è il 29 settembre 2020.

Competenza straordinaria INAIL: validazione dei DPI

È possibile validare dispositivi di protezione individuale, straordinariamente e per la durata dell’emergenza, in deroga alla procedura ordinaria e alla relativa tempistica.

I dispositivi devono continuare a garantire gli standard di qualità dei prodotti che si andranno a produrre, importare e commercializzare, che devono essere conformi alle norme vigenti in materia di sicurezza. Fornite indicazione dal Ministero della Salute sulle mascherine e disponibili FAQ per la validazione straordinaria dei dpi.

Avviso Pubblico ISI: sospensione dei termini

I termini ordinatori o perentori contemplati nei bandi ISI sono sospesi dal 23 febbraio al 15 maggio 2020 sia per le fasi di verifica amministrativa e tecnica sia per quelle di realizzazione e rendicontazione dei procedimenti amministrativi. Si è ritenuto necessario prorogare tutte le fasi del bando ISI 2019. Il nuovo calendario è pubblicato entro il 31 maggio 2020.

DURC On Line: validità fino al 15 giugno 2020

I documenti unici attestanti la regolarità contributiva “Durc On Line” che riportano nel campo “Scadenza validità” una data compresa tra il 31 gennaio e il 15 aprile 2020 conservano la loro validità fino al 15 giugno 2020 (le date del 31 gennaio e del 15 aprile 2020 sono incluse).

Tutela assicurativa INAIL per i percettori del Reddito di Cittadinanza impegnati nei PUC

Sono sospesi, per un periodo di due mesi decorrenti dal 17 marzo 2020, gli adempimenti e i termini previsti per la copertura assicurativa dei percettori del reddito di cittadinanza coinvolti nei progetti utili alla collettività.

Comunicazione Medico Competente: proroga termine di invio dati Allegato 3B

L'invio dell'allegato 3B da parte del medico competente è prorogato dal 31 marzo al 31 luglio 2020.

. INAIL risponde - Servizio di informazione, approfondimento e segnalazioni. . Contact center - Numero 06.6001 sia da rete fissa sia da rete mobile. . Servizi all'utenza: esclusiva la gestione telematica. Contatti Sedi INAIL - Gli utenti devono inoltrare le richieste di informazioni attraverso il canale INAIL RISPONDE. . Coronavirus: misure urgenti per il contenimento dell'emergenza in tutta Italia. Massimo utilizzo del lavoro agile - Adottate misure urgenti per il contenimento dell'emergenza fino al 3 maggio 2020. . Coronavirus: ulteriori misure urgenti per il contenimento del contagio. Informativa per il lavoro agile - E' stato pubblicato sulla Gazzetta Ufficiale il decreto del Presidente del Consiglio dei Ministri dell'8 marzo 2020 per l'adozione di misure più rigorose e contenitive del virus Covid-19. . Coronavirus: indicazioni per le pubbliche amministrazioni - Con la Direttiva n. 2 del 2020 sono forniti nuovi indirizzi operativi alle amministrazioni pubbliche . Coronavirus: misure urgenti di contenimento del contagio e informativa sulla salute e sicurezza nel lavoro agile - Emanati due decreti del Presidente del Consiglio dei Ministri per il contenimento del contagio e disponibile la "informativa sulla salute e sicurezza nel lavoro agile" 54

. Infezioni sul lavoro da Coronavirus: pubblicate FAQ sulla certificazione medica e sulla tutela dell’INAIL - Sono disponibili chiarimenti sulla compilazione del certificato di infortunio da parte del medico e sui casi che sono coperti dalla tutela INAIL. . Covid-19: Sospensione termini di prescrizione e decadenza prestazioni INAIL. Tutela infortunistica per infezione da Coronavirus - Con la circolare n. 13 del 3 aprile 2020 sono fornite indicazioni in merito alla sospensione dei termini di prescrizione e decadenza per le richieste di prestazioni e la revisione delle rendite INAIL, nonché per la tutela degli infortuni sul lavoro per infezione da nuovo coronavirus. . Covid-19: infortuni sul lavoro per medici, infermieri e altri dipendenti di strutture sanitarie - Con nota del 17 marzo 2020 sono forniti chiarimenti in merito alla gestione dell'astensione dal lavoro del personale dipendente di strutture sanitarie esposto al contagio del nuovo coronavirus. . Emergenza Covid-19. Prestazioni economiche non continuative: modalità di pagamento - Fornite le istruzioni per le modalità di pagamento delle prestazioni economiche non continuative. . Prestazione una tantum per i malati di mesotelioma non professionale: importi anni 2015-2020 e sospensione termini per Covid-19 - Con circolare n. 20 del 13 maggio 2020 sono definite le modalità e i termini per la richiesta e per l’integrazione della prestazione una tantum a favore dei malati di mesotelioma non professionale o dei loro eredi. . Decreto Cura Italia: validazione straordinaria dei dispositivi di protezione individuale - Pubblicate le FAQ - Con il decreto legge 17 marzo 2020 n. 18, all’art. 15 è prevista la validazione straordinaria ed in deroga dei dispositivi di protezione individuale. . Covid-19: sospensione termini avvisi pubblici ISI - Prolungamento fino al 15 maggio 2020 della sospensione dei termini per le fasi di verifica amministrativa e tecnica nonché per quelle di realizzazione e rendicontazione dei procedimenti amministrativi delle gestioni ISI. . Covid-19: prorogate tutte le fasi del bando ISI 2019 - Si è ritenuto necessario prorogare tutte le fasi del bando ISI 2019. Il nuovo calendario entro il 31 maggio 2020. . DURC On Line: validità fino al 15 giugno 2020 - Sono validi fino al 15 giugno 2020 i documenti attestanti la regolarità contributiva in scadenza tra il 31 gennaio e il 15 aprile 2020. . Tutela assicurativa INAIL per i percettori del reddito di cittadinanza impegnati nei PUC - La circolare n. 10 del 27 marzo 2020 fornisce indicazioni sulla tutela assicurativa INAIL dei cittadini che percepiscono il reddito di cittadinanza coinvolti nei progetti utili alla collettività. . Covid-19-Comunicazione medico competente: proroga termine di invio dati Allegato 3B - Prorogato al 31 luglio 2020 il termine per l’invio delle informazioni relative ai dati collettivi aggregati e sanitari di rischio dei lavoratori sottoposti a sorveglianza sanitaria nell’anno 2019.

Covid-19 - fase 2: misure adottate dall'Istituto

Servizi all'utenza: esclusiva la gestione telematica Per motivi precauzionali e al fine di limitare la presenza degli utenti agli sportelli, le richieste di informazioni e/o di servizi sono gestite esclusivamente mediante il canale di accesso telematico “INAIL RISPONDE” raggiungibile dalla sezione SUPPORTO della home page del portale. Resta attivo il servizio telefonico.

Potenziamento dei servizi informativi: contatti sedi INAIL L’Inail ha attivato nuovi recapiti per contattare le sedi, con l’obiettivo di fornire informazioni e supporto agli utenti anche a distanza.

Coronavirus - fase 2: misure urgenti per il contenimento dell'emergenza in tutta Italia. Lavoro agile Per la fase 2 dell’emergenza, è rimessa alle regioni e alle province autonome la valutazione della compatibilità della riapertura delle attività con l’andamento della situazione epidemiologica nei propri territori, definendo protocolli e linee guida Restano in vigore il divieto di assembramenti e l'incentivo alla modalità di lavoro agile per le attività professionali. Le nuove misure sono valide fino al 14 giugno 2020.

Covid-19: ripresa della riscossione dei versamenti dei premi e DURC La circolare n. 23 del 27 maggio 2020 fornisce le istruzioni da seguire per la ripresa dei versamenti. I versamenti sospesi devono essere effettuati, senza applicazione di sanzioni e interessi, in un'unica soluzione entro il 16 settembre 2020 o mediante rateizzazione fino a un massimo di quattro rate mensili di pari importo, con il versamento della prima rata entro il 16 settembre 2020. Resta prorogata la validità fino al 15 giugno 2020 dei documenti unici di regolarità contributiva che riportano come “Scadenza validità” una data compresa tra il 31 gennaio 2020 e il 15 aprile 2020.

Tutela infortunistica nei casi accertati di infezione da covid-19 in occasione di lavoro L’indennità per inabilità temporanea assoluta copre anche il periodo di quarantena o di permanenza domiciliare fiduciaria – sempre che il contagio sia riconducibile all’attività lavorativa - con la conseguente astensione dal lavoro. Gli oneri degli eventi infortunistici del contagio non incidono sull’oscillazione del tasso medio per andamento infortunistico, ma sono posti a carico della gestione assicurativa, a tariffa immutata, e quindi non comportano maggiori oneri per le imprese.

Covid-19: revoca bando ISI 2019 Il bando di finanziamento ISI 2019, già pubblicato nella GURI, parte prima, serie generale n. 297 del 19 dicembre 2019, è revocato. Le risorse economiche che si rendono disponibili sono destinate al finanziamento di misure finalizzate al contenimento e al contrasto della diffusione del coronavirus negli ambienti di lavoro.

Infortunati da covid-19: servizio di triage telefonico e/o telematico Attivato il servizio di triage telefonico e/o telematico per i lavoratori che hanno denunciato infortuni lavorativi da Covid-19, volto a garantire assistenza ai soggetti infortunati da Covid-19 o a lavoratori sottoposti a isolamento fiduciario o in quarantena, per i quali è pervenuta all’Inail denuncia di infortunio.

Validazione straordinaria dei DPI: attivo il nuovo servizio online Prosegue anche nella fase 2, e per tutta la durata dell’emergenza, la procedura di validazione straordinaria dei dispositivi di protezione individuale. Dal 13 maggio 2020 è attivo il servizio online “Art.15 Validazione DPI”, accessibile previa registrazione ai servizi online. La pec dedicata non è più attiva e le domande devono essere inoltrate esclusivamente in via telematica attraverso l’apposito servizio online.

Covid-19 - Fase 2: indicazioni operative sulle attività del medico competente La circolare del Ministero della Salute del 29 aprile 2020 definisce compiti e funzioni del medico competente nella collaborazione con il datore di lavoro e con le Rls/Rlst per l’attuazione delle misure di contrasto e contenimento della diffusione del coronavirus.

Analisi Covid19

Il decreto del 22 febbraio 2020 che istituisce le “zone rosse” in Lombardia e Veneto (Vo’ Euganeo) ha segnato l’avvio delle misure di contrasto all’emergenza COVID-19. I crescenti interventi necessari per contrastare la diffusione dell’epidemia, fino al lockdown dell’intero Paese, hanno inciso profondamente sulla vita delle persone. Allo scopo di contenere gli effetti negativi dovuti all’emergenza epidemiologica, il governo ha di conseguenza previsto misure di potenziamento del Servizio Sanitario Nazionale, della Protezione Civile e della sicurezza dei cittadini, nonché di sostegno al mondo del lavoro pubblico e privato e a favore di famiglie e imprese. I due più importanti provvedimenti normativi con effetto sul mercato del lavoro sono stati il decreto-legge 17 marzo 2020, n. 18 (decreto “Cura Italia”), e il decreto-legge 19 maggio 2020, n. 34 (decreto “Rilancio”). Il Coordinamento Generale Statistico Attuariale, in questa sezione, mette a disposizione brevi report e studi su mercato del lavoro, pensioni, prestazioni a sostegno del reddito, mortalità. Indennità 600 euro (pdf 612Kb) Malattia Covid19 (pdf 750Kb) Mortalità Covid19 (pdf 1,9 Mb) Open Data

Il progetto Open Data si sviluppa all'interno del percorso evolutivo dell'Inps, orientato all'aumento della trasparenza e della qualità dei servizi al cittadino attraverso il ricorso alle più recenti innovazioni tecnologiche. Questi obiettivi sono perseguibili anche agevolando e semplificando la divulgazione delle informazioni e dei dati che l'Istituto offre, tramite il web, a tutti gli utenti che ne abbiano necessità. In questa sezione sono progressivamente pubblicati una serie di dati gestiti dall'Istituto, categorizzati per argomento e fonte, liberamente accessibili, consultabili dai cittadini, utilizzati da operatori pubblici e privati per condurre ricerche o produrre soluzioni informatiche, o per agevolare la condivisione e il confronto di informazioni tra gli enti e le istituzioni pubbliche nazionali e comunitarie. Con la sezione Open Data, l'Inps intende aderire alle direttive europee in materia di condivisione dei dati degli enti pubblici. Il tema dell'Open data rientra all'interno delle attività previste dal Decreto Semplificazioni introdotto dal Governo Monti. La sezione ospita esclusivamente tipologie di dati che favoriscono il riutilizzo auspicato nei principi che regolano l'Open Government: reperibilità, fruibilità, riusabilità. Per riutilizzo si intende "l'uso del dato in possesso di enti pubblici da parte di persone fisiche o giuridiche a fini, commerciali o non commerciali, diversi dallo scopo iniziale per il quale il documento che lo rappresenta è stato prodotto nell'ambito dei fini istituzionali" (Direttiva 2003/98/CE del Parlamento Europeo e del Consiglio). Il riutilizzo è legato alle licenze d'uso (http://www.dati.gov.it/iodl/2.0/) indicate nelle rispettive schede di descrizione dei relativi dataset.

Cosa sono Gli Open Data sono tutti i dati prodotti e gestiti da un ente pubblico, resi liberamente accessibili a cittadini, operatori pubblici e privati, in ottica di riuso. Esistono diverse tipologie di dati che rientrano nel formato di esposizione Open Data, classificati in relazione alla loro capacità di essere riutilizzati:

. Testo ( PDF, TXT ); . Struttura proprietaria ( XLS ); . Struttura aperta ( CSV,XML ); . Struttura con URL e URI, Linked Data ( RDF + Link ).

Gli Open Data rappresentano un tema di particolare rilievo in ambito nazionale e internazionale. Una direttiva del Parlamento Europeo e del Consiglio (Direttiva 2003/98/CE) sensibilizza gli enti pubblici rispetto alla condivisione dei propri dati, al fine di utilizzare questa potenzialità sia per completare e migliorare l'offerta di "servizio pubblico" che per contribuire alla creazione di nuove opportunità produttive. Molti enti nazionali, come ad esempio il Governo Italiano (http://www.dati.gov.it) e quelli della Spagna (http://www.datos.gob.es) e dell'Inghilterra (http://www.data.gov.uk), hanno dotato i propri portali web di sezioni dedicate all'esposizione pubblica degli Open Data. L'Inps ha aderito alle direttive europee in materia di Open Data pubblicando in una prima fase i suoi dati in formato XLS e quindi, a partire da maggio 2012, anche nei formati CSV e XML. A cosa servono e come si usano I loro utilizzi sono molteplici:

. Garantire il livello di trasparenza auspicato dall'open Government, favorendo quindi la partecipazione attiva da parte dei cittadini; . Supportare organizzazioni pubbliche e private nell'utilizzo produttivo (prodotti e servizi informatici) dei dati forniti, generando nuove fonti di occupazione e garantendo/promuovendo una maggior diffusione delle informazioni stesse; . Agevolare la condivisione di dati di pubblico interesse tra gli enti locali e nazionali, favorendo anche un proficuo confronto tra le parti (obiettivo perseguibile anche grazie alla definizione di linee guida relative all'organizzazione delle informazioni fornite).

Gli Open Data possono essere consultati e/o utilizzati secondo le licenze d'uso indicate nelle rispettive schede di descrizione. Per facilitare la reperibilità dei dati di interesse, è possibile raffinare i risultati delle ricerche effettuate, selezionando le categorie di riferimento dei diversi dataset (sezione a destra "Ricerca Open Data"). La partecipazione pubblica, la divulgazione e la qualità del riuso dei dati condivisi, sono metriche basilari per valutare il successo dell'iniziativa Open Data. Per favorire la partecipazione e il raggiungimento di elevati livelli di condivisione e trasparenza, l'Istituto considera essenziale raccogliere suggerimenti e commenti degli utenti. È infatti soprattutto grazie all'analisi dei feedback collezionati, che la qualità e la potenzialità di riuso dei dati forniti possono essere raffinate nel tempo. Osservatori statistici e altre statistiche

Data la pluralità dei soggetti con cui l’INPS entra in contatto, l’Istituto rappresenta un centro di documentazione e un osservatorio privilegiato che coglie le trasformazioni del mercato del lavoro e, più in generale, del contesto sociale ed economico nazionale.

Gli Osservatori statistici, nel rispetto della privacy, forniscono alla collettività la mappa completa dell'evoluzione del mercato del lavoro, della struttura occupazionale agricola e non agricola, del sistema retributivo e pensionistico, e dei beneficiari di ammortizzatori sociali, di prestazioni alla famiglia, al fine di contribuire dinamicamente alla valutazione delle trasformazioni sociali e produttive in atto. I dati del Casellario Centrale dei Pensionati sono pubblicati sia nella sezione “Prestazioni pensionistiche e beneficiari del sistema pensionistico italiano” che offre una panoramica statistica sulle prestazioni e sui beneficiari delle prestazioni pensionistiche erogate da tutti gli Istituti e gli Enti previdenziali di base e complementari, sia nella sezione “Statistiche della previdenza e dell’assistenza sociale” che contiene la serie storica (2000-2014) delle pubblicazioni redatte in collaborazione con l’ISTAT. Studi e analisi Questa sezione presenta la documentazione relativa a studi e analisi effettuati dall'Istituto al fine di approfondire particolari aspetti sociali e previdenziali del nostro Paese:

. I settori economici essenziali nella fase 2: impatto sui lavoratori e rischio di contagio (2020) Prime evidenze sui pagamenti connessi al DL Cura Italia n.18/2020 (2020): in questo studio sono presenti le prime analisi sull’erogazione del bonus da 600 euro introdotto dal decreto “Cura Italia” per il mese di marzo a vantaggio di alcune categorie di lavoro autonomo, per i lavoratori stagionali nel settore del turismo, per i lavoratori temporanei dell’agricoltura e per i lavoratori dello spettacolo;

. Attività essenziali, lockdown e contenimento della pandemia da COVID-19 (2020): presenta uno studio che prende in considerazione i dati provinciali della Protezione Civile sulla dinamica dei contagiati Covid19, dal 24 febbraio al 21 aprile, e i dati di fonte INPS sul numero dei rapporti di lavoro nei settori essenziali. L’obiettivo è verificare l’ipotesi che le province con una maggiore quota di rapporti di lavoro nei settori essenziali abbiano registrato una crescita superiore del numero dei contagiati;

. Settori essenziali vs settori bloccati per la crisi pandemica: un’analisi dei rapporti di lavoro Uniemens (2020): contiene l’analisi delle differenze strutturali fra l’insieme dei lavoratori impiegati nei settori essenziali e nei settori bloccati, come individuati dal DPCM del 22 marzo 2020;

Recuperabili da https://altems.unicatt.it/altems-covid-19

Analisi dei modelli organizzativi di risposta al Covid-19. ALTEMS - Instant REPORT#10: 04 giugno 2020 Gruppo di Lavoro: Americo Cicchetti, Gianfranco Damiani, Maria Lucia Specchia, Eugenio Anessi Pessina, Antonella Cifalinò, Giuseppe Scaratti, Paola Sacco, Rocco Reina, Michele Basile, Rossella Di Bidino, Eugenio Di Brino, Maria Giovanna Di Paolo, Andrea Di Pilla, Carlo Favaretti, Fabrizio Massimo Ferrara, Marzia Vittoria Gallo, Luca Giorgio, Roberta Laurita, Marta Piria, Maria Teresa Riccardi, Filippo Rumi, Andrea Silenzi, Angelo Tattoli, Entela Xoxi, Marzia Ventura, Concetta Lucia Cristofaro, Walter Vesperi, Anna Maria Melina, Teresa Gentile, Giovanni Schiuma, Primiano Di Nauta, Raimondo Ingrassia, Paola Adinolfi, Chiara Di Guardo Report - Executive Summary

Analisi dei modelli organizzativi di risposta al Covid-19. ALTEMS - Instant REPORT#9: 28 maggio 2020 Gruppo di Lavoro: Americo Cicchetti, Gianfranco Damiani, Maria Lucia Specchia, Eugenio Anessi Pessina, Antonella Cifalinò, Giuseppe Scaratti, Rocco Reina, Michele Basile, Rossella Di Bidino, Eugenio Di Brino, Maria Giovanna Di Paolo, Andrea Di Pilla, Carlo Favaretti, Fabrizio Massimo Ferrara, Marzia Vittoria Gallo, Luca Giorgio, Roberta Laurita, Marta Piria, Maria Teresa Riccardi, Filippo Rumi, Andrea Silenzi, Angelo Tattoli, Entela Xoxi, Marzia Ventura, Concetta Lucia Cristofaro, Walter Vesperi, Anna Maria Melina, Teresa Gentile, Giovanni Schiuma, Primiano Di Nauta, Raimondo Ingrassia, Paola Adinolfi, Chiara Di Guardo Report - Executive Summary ------>> FLASH REPORT

Analisi dei modelli organizzativi di risposta al Covid-19. ALTEMS - Instant REPORT#8: 21 maggio 2020 Gruppo di Lavoro: Americo Cicchetti, Gianfranco Damiani, Maria Lucia Specchia, Eugenio Anessi Pessina, Antonella Cifalinò, Giuseppe Scaratti, Rocco Reina, Michele Basile, Rossella Di Bidino, Eugenio Di Brino, Maria Giovanna Di Paolo, Andrea Di Pilla, Carlo Favaretti, Fabrizio Massimo Ferrara, Marzia Vittoria Gallo, Luca Giorgio, Roberta Laurita, Marta Piria, Maria Teresa Riccardi, Filippo Rumi, Andrea Silenzi, Angelo Tattoli, Entela Xoxi, Marzia Ventura, Concetta Lucia Cristofaro, Walter Vesperi, Anna Maria Melina, Teresa Gentile, Giovanni Schiuma, Primiano Di Nauta, Raimondo Ingrassia, Paola Adinolfi, Chiara Di Guardo Report - Executive Summary

Analisi dei modelli organizzativi di risposta al Covid-19. ALTEMS - Instant REPORT#7: 14 maggio 2020 Gruppo di Lavoro: Americo Cicchetti, Gianfranco Damiani, Maria Lucia Specchia, Eugenio Anessi Pessina, Antonella Cifalinò, Giuseppe Scaratti, Rocco Reina, Michele Basile, Rossella Di Bidino, Eugenio Di Brino, Maria Giovanna Di Paolo, Andrea Di Pilla, Carlo Favaretti, Fabrizio Massimo Ferrara, Marzia Vittoria Gallo, Luca Giorgio, Roberta Laurita, Marta Piria, Maria Teresa Riccardi, Filippo Rumi, Andrea Silenzi, Angelo Tattoli, Entela Xoxi, Marzia Ventura, Concetta Lucia Cristofaro, Walter Vesperi, Anna Maria Melina, Teresa Gentile, Giovanni Schiuma, Primiano Di Nauta, Raimondo Ingrassia, Paola Adinolfi, Chiara Di Guardo Report - Executive Summary

. <> NAZIONE-Carlino-GIORNO 10 maggio 2020 60

. <> Nuovo Quotidiano di Puglia 10 maggio 2020 . << Pochi tamponi e poche Usca così le Regioni affrontano il Covid>> La Sicilia 10 maggio 2020 . <>

Analisi dei modelli organizzativi di risposta al Covid-19. ALTEMS - Instant REPORT#6: 8 maggio 2020 Gruppo di Lavoro: Americo Cicchetti, Gianfranco Damiani, Maria Lucia Specchia, Eugenio Anessi Pessina, Giuseppe Scaratti, Michele Basile, Rossella Di Bidino, Eugenio Di Brino, Maria Giovanna Di Paolo, Andrea Di Pilla, Fabrizio Massimo Ferrara, Luca Giorgio, Roberta Laurita, Marzia Vittoria Gallo, Maria Teresa Riccardi, Filippo Rumi, Angelo Tattoli, Entela Xoxi, Carlo Favaretti, Andrea Silenzi, Marta Piria, Rocco Reina, Marzia Ventura, Concetta Lucia Cristofaro, Walter Vesperi, Anna Maria Melina, Teresa Gentile, Giovanni Schiuma, Primiano Di Nauta, Raimondo Ingrassia, Paola Adinolfi, Chiara Di Guardo Report - Executive Summary

Quale futuro per la sanità italiana dopo l’emergenza Covid-19? Tre errori da evitare. Americo Cicchetti, Direttore di ALTEMS, partecipa a Frontiere, un programma televisivo italiano d'inchiesta in onda su Rai 1.

Analisi dei modelli organizzativi di risposta al Covid-19. Focus su Lombardia, Veneto, Emilia-Romagna, Piemonte, Lazio e Marche ALTEMS - Instant REPORT#5: 30 aprile 2020 Gruppo di Lavoro: Americo Cicchetti, Gianfranco Damiani, Maria Lucia Specchia, Michele Basile, Rossella Di Bidino, Eugenio Di Brino, Maria Giovanna Di Paolo, Andrea Di Pilla, Fabrizio Massimo Ferrara, Luca Giorgio, Maria Teresa Riccardi, Filippo Rumi, Angelo Tattoli, Entela Xoxi, Andrea Silenzi, Rocco Reina, Marzia Ventura, Concetta Lucia Cristofaro, Walter Vesperi, Anna Maria Melina, Teresa Gentile, Giovanni Schiuma, Primiano Di Nauta, Raimondo Ingrassia, Paola Adinolfi Report - Executive Summary

Intervista al Prof. Cicchetti alla trasmissione radiofonica Zapping, in onda sulle frequenze di Rai Radio 1 Come prepararsi a nuove emergenze (di Vincenzo Antonelli - ALTEMS)

Analisi dei modelli organizzativi di risposta al Covid-19. Focus su Lombardia, Veneto, Emilia-Romagna, Piemonte, Lazio e Marche ALTEMS - Instant REPORT#4: 22 aprile 2020 Gruppo di Lavoro: Americo Cicchetti, Gianfranco Damiani, Maria Lucia Specchia, Michele Basile, Rossella Di Bidino, Eugenio Di Brino, Maria Giovanna Di Paolo, Andrea Di Pilla, Fabrizio Massimo Ferrara, Luca Giorgio, Maria Teresa Riccardi, Filippo Rumi, Angelo Tattoli, Entela Xoxi, Rocco Reina, Marzia Ventura, Concetta Lucia Cristofaro, Walter Vesperi, Anna Maria Melina, Teresa Gentile, Giovanni Schiuma, Primiano Di Nauta, Raimondo Ingrassia, Paola Adinolfi Report - Executive Summary

Come l'emergenza Coronavirus ha accelerato alcuni cambiamenti nel mondo della sanità, intervista al Prof. Americo Cicchetti Direttore ALTEMS-UCSC Rai, La vita in diretta

Analisi dei modelli organizzativi di risposta al Covid-19. Focus su Lombardia, Veneto, Emilia-Romagna, Piemonte e Lazio ALTEMS - Instant REPORT#3: 15 aprile 2020 Gruppo di Lavoro: Americo Cicchetti, Gianfranco Damiani, Maria Lucia Specchia, Michele Basile, Rossella Di Bidino, Eugenio Di Brino, Maria Giovanna Di Paolo, Andrea Di Pilla, Fabrizio Massimo Ferrara, Luca Giorgio, Maria Teresa Riccardi, Filippo Rumi, Angelo Tattoli, Entela Xoxi Report - Executive Summary

Anche ALTEMS vuole testimoniare il contributo fornito dalla Fondazione Policlinico “A. Gemelli” - IRCCS nella gestione dell'emergenza Covid. È il nostro modo per ringraziare tutti i medici, gli infermieri e il management per aver garantito con competenza e passione la tutela della salute di tutti. Rainews24, 12 aprile 2020

Analisi dei modelli organizzativi di risposta al Covid-19. Focus su Lombardia, Veneto, Emilia-Romagna, Piemonte e Lazio ALTEMS - Instant REPORT#2: 8 aprile 2020 Gruppo di Lavoro: Americo Cicchetti, Gianfranco Damiani, Maria Lucia Specchia, Michele Basile, Rossella Di Bidino, Eugenio Di Brino, Maria Giovanna Di Paolo, Andrea Di Pilla, Fabrizio Massimo Ferrara, Luca Giorgio, Maria Teresa Riccardi, Filippo Rumi, Angelo Tattoli Report - Executive Summary

Analisi dei modelli organizzativi di risposta al Covid-19. Focus su Lombardia, Veneto, Emilia-Romagna e Lazio ALTEMS - Instant REPORT#1: 31 Marzo 2020 Gruppo di Lavoro: Americo Cicchetti, Michele Basile, Eugenio Di Brino, Maria Giovanna Di Paolo, Luca Giorgio, Filippo Rumi e Angelo Tattoli Report - Executive Summary

. Il Servizio Sanitario dopo il Coronavirus . Ora un nuovo volto al Ssn . L'impegno del Terzo settore nella sanità. Parla Petrangolini (Altems) . L'emergenza Covid-19 tra Stato e Regioni: chi fa cosa? . Telemedicina: al via una nuova iniziativa . Associazioni pazienti nell'emergenza del Coronavirus: quali attività sono state avviate?

Comunicato stampa Coronavirus, Fase 2: riaprire su dati parziali aumenta il rischio di una nuova ondata a inizio estate Se le riaperture annunciate per il 18 maggio si baseranno esclusivamente sul tasso di occupazione di posti letto in terapia intensiva e in area medica tutte le regioni sono pronte. Se invece nelle decisioni entrano in gioco i casi notificati alla protezione civile e il valore di RT, gli effetti dell’allentamento del lockdown dello scorso 4 maggio potranno essere misurati solo dalla prossima settimana. La Fondazione GIMBE lancia l’allarme: così si rischia nuovo picco all’inizio dell’estate.

14 maggio 2020 - Fondazione GIMBE, Bologna

Secondo quanto diffuso a mezzo stampa, al fine di decidere sulle riaperture differenziate annunciate per il 18 maggio, sono attesi per oggi i dati del monitoraggio del Ministero della Salute: tasso dei nuovi contagi, stima aggiornata del valore di Rt, tasso di occupazione dei posti letto in terapia intensiva e in area medica, e gli altri parametri definiti dal decreto del 30 aprile.

Il monitoraggio indipendente della Fondazione GIMBE nella settimana 7-13 maggio conferma sia il costante alleggerimento di ospedali e terapie intensive, sia il rallentamento di contagi e decessi. In sintesi: . Casi totali: +7.647 (+3,6%) . Decessi: +1.422 (+4,8%) . Ricoverati con sintomi: -3.597 (-22,8%) . Terapia intensiva: -440 (-33,0%) «Se da un lato questi numeri alimentano l’ottimismo e invitano ad anticipare riaperture di attività e servizi, – commenta Nino Cartabellotta, Presidente della Fondazione GIMBE – dall’altro bisogna essere consapevoli che l’epidemia è ancora attiva, che in Italia si stimano 3-4 milioni di persone contagiate e che i soggetti asintomatici rappresentano una fonte certa di contagio. Tuttavia, nel dibattito pubblico delle ultime settimane la vertiginosa rincorsa alle riaperture ha preso il sopravvento rispetto ad una scrupolosa programmazione sanitaria della fase 2 su cui non mancano criticità. Dall’assenza di una strategia di sistema ai problemi di approvvigionamento di mascherine e reagenti per i tamponi; dalla mancata applicazione di misure per spezzare la catena dei contagi alle autonome interpretazioni regionali delle evidenze scientifiche su test diagnostici e trattamenti». La Fondazione GIMBE riporta al centro del dibattito la gestione sanitaria della fase 2 ed esorta alla massima prudenza nelle riaperture, perché dalle proprie analisi indipendenti risulta che: . Il tempo medio tra il contagio e la comparsa dei sintomi è di 5 giorni, con un range da 2 a 14 giorni. . I tempi per la conferma della diagnosi dipendono da: richiesta del test, esecuzione del tampone, analisi di laboratorio e refertazione. Secondo i dati forniti dall’Istituto Superiore di Sanità (ISS), il tempo mediano tra

insorgenza dei sintomi e conferma diagnostica è stato di 10 giorni nel periodo 21-30 aprile e di 9 giorni nel periodo 1-6 maggio. . La comunicazione dei nuovi casi dalle Regioni alla Protezione Civile non è immediata: i frequenti ricalcoli testimoniano ritardi non quantificabili in assenza di maggiori dettagli. Sulla base di tali tempistiche l’impatto dell’allentamento del lockdown avvenuto lo scorso 4 maggio potrà essere valutato solo tra il 18 maggio e la fine del mese, peraltro presupponendo che la comunicazione dalle Regioni alla Protezione Civile avvenga in tempo reale. In sostanza i dati sull’andamento dei contagi che informeranno le eventuali riaperture del 18 maggio fotografano ancora la fase di lockdown e anche il valore di Rt viene calcolato sui dati delle due settimane precedenti come precisato dall’ISS: “Poiché la diagnosi di infezione da coronavirus SARS-CoV-2 che può avvenire anche due o tre settimane dopo l’infezione per via del tempo di incubazione (fino a 14 giorni) e dei tempi intercorsi tra l’inizio dei sintomi, la ricerca di assistenza medica e il completamento dei test di laboratorio, il valore di Rt può essere stimato solo fino a circa 15 giorni nel passato”. «Se lo scorso 8 maggio l’ISS ha reso noti i valori di Rt riferiti al 20 aprile – precisa Cartabellotta – domani potrà comunicare quelli riferiti al 27 aprile e solo tra due settimane conosceremo gli Rt conseguenti all’allentamento del 4 maggio». Dunque, se le riaperture annunciate per il 18 maggio si basano esclusivamente sul tasso di occupazione di posti letto in terapia intensiva e in area medica, tutte le Regioni sono pronte perché il dato è molto affidabile e soprattutto disponibile in tempo reale. Se al contrario entrano in gioco i casi notificati alla Protezione Civile e il valore di Rt, bisogna essere consapevoli che le decisioni in questo momento non possono per definizione essere informate dai dati perché l’impatto dell’allentamento del lockdown sarà misurabile solo a partire dalla prossima settimana. «Il “contagioso” entusiasmo per la fase 2 – conclude Cartabellotta – sta generando un pericoloso effetto domino sulle riaperture rischiando di vanificare i sacrifici degli italiani. Infatti, decidere la ripresa di attività e servizi sulla base di dati che, occupazione di posti letto a parte, riflettono ancora il periodo del lockdown, aumenta il rischio di una seconda ondata all’inizio dell’estate». Il monitoraggio GIMBE dell'epidemia di COVID-19 è disponibile a: https://coronavirus.gimbe.org

CONTATTI Fondazione GIMBE Via Amendola 2 - 40121 Bologna Tel. 051 5883920 - Fax 051 4075774 E-mail: [email protected]

Pandemia Coronavirus

Benvenuti nella pagina di monitoraggio dell'epidemia da COVID-19 nelle Regioni e Province italiane a cura della Fondazione GIMBE.

La dataroom viene alimentata dal 21 febbraio 2020 con i dati diffusi quotidianamente dalla Protezione Civile e dal Ministero della Salute.

Per ciascuna Regione vengono riportati:

 Casi di COVID-19 (pazienti isolati, ricoverati, guariti, deceduti): il grafico illustra la percentuale dei casi di infezione da Coronavirus in Italia suddivisi per setting assistenziale (isolamento domiciliare, ricovero ospedaliero, ricovero in terapia intensiva) e la percentuale di pazienti guariti e deceduti.  Andamento dei casi di COVID-19 a livello provinciale: il grafico illustra l’andamento in termini assoluti dei casi di infezione da Coronavirus in Italia.  Prevalenza e incremento percentuale dei casi di COVID-19: il grafico illustra il posizionamento delle Province in relazione alle medie regionali di prevalenza e incremento percentuale dei casi (settimana 29 maggio - 04 giugno).

La pagina viene aggiornata settimanalmente il giovedì.

Dati aggiornati al 03 giugno 2020 ore 18.00.

Benvenuti nella pagina di monitoraggio dell'epidemia da COVID-19 in Europa e nel Mondo a cura della Fondazione GIMBE.

La dataroom viene alimentata dal 21 gennaio 2020 con i dati pubblicati quotidianamente dall'Organizzazione Mondiale della Sanità.

La pagina viene aggiornata settimanalmente il giovedì.

Dati aggiornati al 06 giugno 2020 ore 10.00

Il termometro dell’epidemia - Fondazione Hume Oggi (ultimo dato disponibile, ore 18.00 del 31 maggio), la temperatura dell’epidemia è pari a 9.5 gradi pseudo-Kelvin, in diminuzione di 0.8 gradi rispetto al giorno precedente  

Il termometro dell’epidemia misura il ritmo di crescita del numero di contagiati su una scala che va da 0 a 100 gradi pseudo-Kelvin. Una temperatura 0 significa zero nuovi contagiati al giorno. Una temperatura 100 significa che il numero di nuovi contagiati al giorno è uguale al valore toccato nel momento di picco (metà marzo).

Per quanto è possibile stabilire con le informazioni attuali, un grado pseudo-Kelvin corrisponde a circa 1000 nuovi contagiati al giorno (su base nazionale, ossia su 60 milioni di abitanti). Il vantaggio del termometro è che condensa in un unico numero le informazioni contenute in 4 indicatori forniti dalla Protezione Civile: decessi, ospedalizzazioni, nuovi casi diagnosticati, tamponi.

I dati della Protezione Civile sono pre-processati per correggere le numerose anomalie e incongruenze che contengono. Poiché fra il momento del contagio e gli eventi successivi rilevati (diagnosi, ospedalizzazione, decesso) trascorre un consistente lasso di tempo, il valore della temperatura rilevato oggi non può che riflettere l’andamento dell’epidemia nelle ultime 2-3 settimane: il ritmo di crescita dei contagi in questo momento è necessariamente una grandezza sconosciuta.

Nota tecnica: Lo strumento di Fondazione Hume si fonda su 3 tipi di informazioni: 1. L’andamento dei decessi ufficialmente registrati; 2. Una stima del numero quotidiano di ingressi di pazienti covid negli ospedali; 3. L’andamento dei nuovi contagi, corretto per tenere conto del ciclo settimanale e della politica dei tamponi. 4. Il livello della temperatura è proporzionale al flusso medio giornaliero di nuovi contagi 2-3 settimane fa, epoca cui necessariamente si riferiscono tutti gli indicatori disponibili su base quotidiana.

Una temperatura zero corrisponde a una situazione in cui tutti e tre gli indicatori segnalano un sostanziale arresto dei nuovi contagi: zero nuovi morti, zero nuovi ingressi in ospedale, zero nuovi casi. Una temperatura pari a 100 corrisponde a un flusso quotidiano di nuovi contagiati intenso come quello registrato nella settimana di picco, collocata fra la fine di marzo e i primi di aprile.

Allo stato attuale dell’informazione, è impossibile stabilire con esattezza a quale temperatura corrisponde 1 grado pseudo-Kelvin. Una stima ottimistica, che assume che il tasso di letalità sia del 2% e il “numero oscuro” dei casi non rilevati sia un po’ minore di 2:1, suggerisce di interpretare ogni grado in più o in meno come una variazione pari a 1000 nuovi contagiati. Una stima meno ottimistica, che assume che il tasso di letalità sia dell’1%, suggerisce che 1 grado pseudo-Kelvin corrisponda a 2000 nuovi casi al giorno.

Reports Imperial College, London, on Covid19 pandemic.

Recuperabili su https://www.imperial.ac.uk/mrc-global-infectious-disease-analysis/covid-19/report

Covid 19 Reports:

1) Report 1 - Estimating the potential total number of novel Coronavirus (2019-nCoV) cases in Wuhan City, China 2) Report 2 - Estimating the potential total number of novel Coronavirus (2019-nCoV) cases in Wuhan City, China 3) Report 3 - Transmissibility of 2019-nCoV 4) Report 4 - Severity of 2019 novel coronavirus (nCoV) 5) Report 5 - Phylogenetic analysis of SARS-CoV-2 6) Report 6 - Relative sensitivity of international surveillance 7) Report 7 - Estimating infection prevalence in Wuhan City from repatriation flights 8) Report 8 - Symptom progression of COVID-19 9) Report 9 - Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand 77

10) Report 10 - Public response to UK Government recommendations on COVID-19: population survey, 17-18 March 2020 11) Report 11 - Evidence of initial success for China exiting COVID-19 social distancing policy after achieving containment 12) Report 12 - The global impact of COVID-19 and strategies for mitigation and suppression 13) Report 13 - Estimating the number of infections and the impact of non-pharmaceutical interventions on COVID-19 in 11 European countries 14) Report 14 - Online Community Involvement in COVID-19 Research & Outbreak Response Early Insights from a UK Perspective 15) Report 15 - Strengthening hospital capacity for the COVID-19 pandemic 16) Report 16 - Role of testing in COVID-19 control 17) Report 17 - Clinical characteristics and predictors of outcomes of hospitalised patients with COVID- 19 in a London NHS Trust: a retrospective cohort study 18) Report 18 - The potential public health impact of COVID-19 on malaria in Africa 19) Report 19 - The Potential Impact of the COVID-19 Epidemic on HIV, TB and Malaria in Low- and Middle-Income Countries 20) Report 20 - Using mobility to estimate the transmission intensity of COVID-19 in Italy: A subnational analysis with future scenarios 21) Report 21 - Estimating COVID-19 cases and reproduction number in Brazil 22) Report 22 - Equity in response to the COVID-19 pandemic: an assessment of the direct and indirect impacts on disadvantaged and vulnerable populations in low- and lower middle-income countries 23) Report 23 - State-level tracking of COVID-19 in the United States 24) Report 24 - Anonymised & aggregated rowd level mobility data from mobile phones suggests initial compliance with COVID19 social distancing interventions was high & geographically consistent across UK 25) Report 25 - Response to COVID-19 in South Korea and implications for lifting stringent interventions

Piano Nazionale della Cronicità [Stralcio] Percorsi Assistenziali che siano “personalizzati” La “personalizzazione” dei P.A. nell’ambito delle patologie croniche si rende necessaria per due motivi fondamentali, uno di natura squisitamente clinica, trattato in questo paragrafo, ed uno legato ai bisogni non- clinici (cioè connessi al più ampio tema della convivenza con la cronicità ed alla qualità di vita).

Nell’ambito di una stessa patologia cronica i pazienti possono avere caratteristiche cliniche molto diverse, legate, ad esempio, allo stadio evolutivo di malattia. Pertanto, nella programmazione degli interventi assistenziali è necessario almeno differenziare i pazienti in base alla fase di storia naturale della malattia, più o meno avanzata, correlata con la complessità assistenziale.

La letteratura scientifica fornisce uno schema molto utile, il cosiddetto “triangolo di population management” che differenzia la popolazione con patologia cronica in sottogruppi (sub-target) sulla base dello stadio di sviluppo della stessa, definendo una percentuale di prevalenza media per tali sottoclassi.

E’ del tutto evidente che anche le strategie di intervento, e quindi i percorsi assistenziali, devono essere differenziati a seconda dei differenti bisogni dei sottogruppi (sub-target), in particolare per quelli a maggiore complessità, come in quel 7-8% di pazienti più complessi posti all’apice della piramide, che rappresentano il target a “maggiori costi”, di salute ed economici (vedi figura a pagina successiva).

Uno dei più interessanti adattamenti della piramide di Kaiser, i cui contenuti sono stati tenuti presenti nella stesura del Piano, è la piramide definita dal “King’s Fund” nel Regno unito (vedi figura successiva).

Il Sistema ACG (Adjusted Clinical Groups) , è un sistema di classificazione della popolazione per livello di complessità assistenziale, partendo dalle combinazioni di diagnosi acute o croniche presenti nello stesso assistito. Si tratta di uno strumento di Risk Adjustment che consente il confronto tra gruppi di individui con problemi simili dal punto di vista dell’impatto assistenziale e del profilo generale di morbilità1 .

Il sistema, alimentato da flussi informativi correnti, consente di classificare i pazienti in categorie che raggruppano problemi di salute simili dal punto di vista assistenziale, indipendentemente dal consumo di risorse effettuato.

Le diagnosi codificate vengono aggregate in base ad alcuni parametri in modo che i gruppi finali ACG riflettano la costellazione di problemi di salute sperimentata dal paziente in un periodo di tempo definito. I gruppi ACG possono essere a loro volta raggruppati in 6 categorie (vedi figura successiva) che possono essere usate per stratificare in fasce (dette anche Resource Utilization Bands) una popolazione generale in base al carico o peso assistenziale dovuto alle malattie co-presenti.

Il sistema consente di identificare gruppi di popolazione a maggior rischio di carico assistenziale, target potenziali di intervento nell’ambito di attività di Care Management e nella medicina di iniziativa. La stratificazione per ACG permette anche di confrontare i costi sanitari di gruppi di popolazione (ULSS, Ospedali, Distretti, AFT) valutando più equamente la performance dei servizi sanitari in termini di confronto tra costi osservati e costi attesi ricavati dalla distribuzione ACG della popolazione assistita.

1 Sviluppato dalla Johns Hopkins University di Baltimora , il sistema nasce dall’osservazione di una stretta relazione tra la presenza di comorbilità nella popolazione e il consumo di risorse sanitarie. 80

Esso rappresenta quindi uno strumento a disposizione dell’organizzazione sanitaria per spiegare la quota di variabilità dei costi imputabile a differenze nelle condizioni di salute. Il risultato del confronto tra costi aggiustati per il rischio di malattia rappresenta la base informativa per poter conseguentemente avviare meccanismi di calibrazione nella distribuzione delle risorse sanitarie.

Nel 2014 il sistema ACG è stato adottato dalla Regione Veneto con l’obiettivo è di sviluppare metodologie che consentano di stratificare la popolazione, attribuire pesi proporzionati al carico di malattia e destinare le risorse in modo più coerente con i bisogni di salute, garantendo al contempo la sostenibilità del Sistema Sanitario.( Http://acg.regione.veneto.it)

Impatto dell’epidemia Covid-19 sulla mortalità totale della popolazione residente primo quadrimestre 2020

IL secondo Rapporto, prodotto congiuntamente dall’Istituto nazionale di statistica e dall’Istituto Superiore di Sanità (Iss), presenta un’analisi della mortalità totale e dei soggetti positivi al Covid-19 deceduti nel mese di aprile 2020 e un aggiornamento delle analisi relative al periodo gennaio-marzo 2020, già oggetto del primo Rapporto. Il maggiore periodo di osservazione permette, infatti, di valutare meglio e su una base dati più consolidata, gli effetti delle misure preventive di sanità pubblica messe in atto in Italia, quali soprattutto l’isolamento dei casi sospetti o positivi e il “distanziamento sociale” a partire dall’11 marzo 2020 (lockdown) ed ancora in atto a fine aprile.

I dati di mortalità totale analizzati si riferiscono ai primi quattro mesi del 2020 e riguardano 7.270 comuni (92% dei 7.904 complessivi, per una copertura del 93,5% della popolazione residente in Italia). La base dati è il risultato di un’integrazione, effettuata dall’Istat, dei decessi di fonte anagrafica (ANPR e comuni) con i dati sui deceduti risultanti all’Anagrafe tributaria.2

L’Istituto Superiore di Sanità ha il compito di coordinare la Sorveglianza Nazionale integrata Covid- 19, attraverso l’ordinanza 640 della Presidenza del Consiglio dei Ministri – Dipartimento della Protezione Civile del 27/2/2020 (Ulteriori interventi urgenti di protezione civile in relazione all’emergenza relativa al rischio sanitario connesso all’insorgenza di patologie derivanti da agenti virali trasmissibili).

La sorveglianza raccoglie dati individuali dei soggetti positivi al Covid-19, in particolare quelli anagrafici, il luogo di domicilio e residenza, alcuni dati di laboratorio, informazioni sul ricovero e sullo stato clinico (indicatore sintetico di gravità della sintomatologia), sulla presenza di alcuni fattori di rischio (patologie croniche di base) e l’esito finale (guarito o deceduto).

I dati, relativi a tutti i casi di Covid-19 diagnosticati microbiologicamente (tampone naso-faringeo positivo a SARS-Cov-2) provenienti dai laboratori di riferimento regionali, vengono raccolti dalle Regioni/Province Autonome attraverso una piattaforma web dedicata e aggiornati quotidianamente da ciascuna Regione3.

I dati commentati nel Rapporto sono in continua fase di perfezionamento. La scelta di assumere come riferimento il primo quadrimestre 2020 consente di effettuare l’analisi dell’impatto dell’epidemia Covid-19 sulla mortalità totale della popolazione residente su una base dati il più possibile consolidata4.

Sintesi dei principali risultati . Il numero di casi Covid-19 segnalati in Italia è massimo nel mese di marzo con 113.011 casi, (il picco si raggiunge il 20 marzo), quindi inizia a diminuire; ad aprile sono stati segnalati 94.257 casi, sebbene molti decessi avvenuti nel mese riguardano persone diagnosticate a marzo. Il calo prosegue ancora

2 Per le informazioni sulla qualità e copertura dei dati di mortalità si veda la Nota Metodologica allegata al Rapporto 3 Si precisa che i dati della Sorveglianza Nazionale integrata Covid-19 dell’ISS non sono perfettamente allineati con il flusso della Protezione Civile e del Ministero della Salute che riportano dati aggregati inviati giornalmente dalle regioni http://opendatadpc.maps.arcgis.com/apps/opsdashboard/index.html#/b0c68bce2cce478eaac82fe38d4138b1 4 Data di estrazione della base dati della sorveglianza integrata 25 maggio 2020 82

più marcatamente nel mese di maggio (18.706 casi, mese non completo e dati aggiornati al 25 maggio). . Dei 209.013 casi Covid-19 diagnosticati entro il 30 aprile 2020, il 53,3% (111.452) è di sesso femminile. La classe mediana di età è di 60-64 anni (rispetto al range 0-100). Nella fascia di età maggiore di 90 anni, le donne sono quasi l’80%, anche in ragione della netta prevalenza femminile in questo segmento di popolazione. Appena l’1% dei casi segnalati riguarda soggetti di età inferiore ai 14 anni, il 27% riguarda individui nella classe di età 15-49 anni, il 46% nella classe di età 50-79, il 26% individui di età superiore o uguale agli 80 anni compiuti. . La Sorveglianza Nazionale integrata ha registrato, dal 20 febbraio al 30 aprile 2020, 28.561 decessi in persone positive al Covid-19; di queste 15.114 (53%) sono decedute entro il mese di marzo (il picco si è raggiunto il 28 marzo) e 13.447 (47%) nel mese di aprile. Il continuo aggiornamento dei dati da parte delle Regioni ha permesso di recuperare, ulteriori 790 decessi (15.114 rispetto ai 14.324) avvenuti a marzo ma comunicati successivamente alla data di aggiornamento della base dati oggetto del primo Rapporto (26 aprile 2020). . Si conferma l’eterogeneità nella diffusione geografica dell’epidemia, che risulta molto contenuta nelle Regioni del Sud e nelle Isole, mediamente più elevata in quelle del Centro rispetto al Mezzogiorno e molto elevata nelle regioni del Nord. Considerando i casi e i decessi Covid-19, il 75% dei casi segnalati e l’82% dei decessi si trovano nelle province definite a diffusione “alta”, il 17% dei casi e il 13% dei morti in quelle a diffusione “media” e rispettivamente l’8% e il 5% nelle province a diffusione “bassa”. . Contemporaneamente alla diminuzione dei casi e dei decessi Covid-19 si riduce la mortalità per il complesso delle cause. A livello nazionale i decessi totali scendono da 80.623 di marzo a 64.693 di aprile e la stima dell’eccesso di mortalità passa da un aumento medio del 48,6% di marzo (26.350 decessi in più nel 2020 rispetto alla media 2015-2019) al 33,6% di aprile (16.283 decessi in più). A diminuire è proprio la mortalità delle province ad alta diffusione. Nel complesso di questa area i decessi passano da 44.998 di marzo 2020 (113,1% in più rispetto al 2015-2019) a 32.931 di aprile (73,9% in più rispetto al 2015-2019). . Il calo più importante si osserva in Lombardia: i morti per il totale delle cause diminuiscono da 24.893 di marzo a 16.190 di aprile 2020 e l’eccesso di decessi rispetto alla media degli stessi mesi del periodo 2015-2019 scende da 188,1% a 107,5%. Sono proprio le province più colpite dall’epidemia quelle in cui si osservano le riduzioni più importanti. Bergamo e Lodi sono le aree in cui il calo della mortalità è stato più accentuato, l’eccesso di mortalità scende da 571% di marzo a 123% di aprile a Bergamo e da 377% a 79,9% a Lodi. . L’eccesso di mortalità si mantiene invece ancora alto ad aprile 2020, su livelli simili a quelli di marzo, nelle province di Pavia (135% di decessi in più rispetto alla media 2015-2019), di Monza e Brianza (101%) e di Milano (98%). . L’eccesso di mortalità dei mesi di marzo e aprile 2020 è più consistente per gli uomini di 70-79 anni e di 80-89 anni per i quali i decessi cumulati dal primo gennaio al 30 aprile 2020 aumentano di oltre 52 punti percentuali rispetto allo stesso periodo della media 2015-2019; segue la classe di età 90 e più con un incremento del 48%. . L’incremento della mortalità nelle donne è invece più contenuto per tutte le classi di età; raggiunge alla fine di aprile il 42% in più della media degli anni 2015-2019 per la classe di età 90 e più, che risulta essere la più colpita dall’eccesso di mortalità. Segue la classe 80-89 con un incremento del 35% e la 70-79 (31%). . La diminuzione via via sempre maggiore del numero di decessi per il complesso delle cause negli ultimi dieci giorni di aprile 2020 riduce marcatamente la stima dell’eccesso di mortalità rispetto al 2015- 2019. Questo può accadere anche perché si è ridotta, per effetto dell’alta mortalità del periodo precedente, la popolazione più fragile e quindi più esposta al rischio di morte. . Con la diminuzione dell’eccesso di mortalità aumenta la quota spiegata dai decessi Covid-19: mentre nel mese di marzo dei 26.350 decessi stimati in eccesso il 54% sono stati riportati dalla sorveglianza integrata (14.420), nel mese di aprile dei 16.283 decessi in eccesso l’82% è riportato dalla sorveglianza (13.426).

. La riduzione della quota di eccesso di mortalità totale non spiegata dal Covid-19 è un risultato molto importante documentato nel presente Rapporto. Con i dati oggi a disposizione, si possono solo ipotizzare due possibili cause: è aumentata la capacità diagnostica delle strutture sanitarie e quindi sono stati diagnosticati in maniera più accurata i casi di COVID-19; è diminuita la mortalità indiretta non correlata al virus ma causata dalla crisi del sistema ospedaliero nelle aree maggiormente affette. Quest’ultima componente infatti migliora man mano che si riduce la pressione sui sistemi sanitari.

Le “Tre Italie” evidenziate dalla Sorveglianza Integrata Covid-19

In Italia dall’inizio dell’epidemia (20 febbraio) fino al 25 maggio 2020 (data di aggiornamento della base dati per il presente Rapporto) sono stati segnalati al Sistema di Sorveglianza Integrato, 227.719 casi positivi di Covid-19 diagnosticati dai Laboratori di Riferimento regionale, di cui 209.013 fino al 30 aprile 2020 (periodo di riferimento del presente Rapporto).

Tabella 1. Distribuzione mensile dei casi segnalati dalle Regioni al Sistema di Sorveglianza integrato dal 1° gennaio 2020 al 25 maggio 2020.

Il numero di casi di Covid-19 segnalati in Italia raggiunge il massimo nel mese di marzo, pari a 113.011, e diminuisce dal mese di aprile (94.257) e ancora più marcatamente nel mese di maggio (18.706) (mese non completo e dati aggiornati al 25 maggio).

Come già evidenziato nel precedente Rapporto4 la diffusione geografica dell’epidemia di Covid-19 è eterogenea e per questo motivo le Province italiane sono state suddivise in tre classi (“bassa”, “media” e “alta” diffusione) sulla base della distribuzione dei tassi standardizzati di incidenza cumulata5 al 30 aprile 2020.

In particolare, la distribuzione dei tassi standardizzati è stata divisa nelle seguenti tre classi: la prima, definita a diffusione ”bassa”, comprende le province con valori del tasso inferiore a 60 casi per 100mila residenti (34 84 province, principalmente Sud e Isole); la seconda, definita a diffusione “media”, comprende le province con valori del tasso tra i 60 e i 150 casi per 100mila residenti (32 province, in gran parte Italia Centrale); la terza classe, definita a diffusione “alta“, include le province con valori superiori ai 150 casi per 100mila residenti6 (41, in gran parte dell’Italia settentrionale).

La Figura 1 mostra l’andamento del numero di casi di Covid-19 segnalati in Italia per data di prelievo o diagnosi nelle aree a bassa, media e alta incidenza. La curva epidemica evidenzia un inizio anticipato dell’epidemia nelle aree ad alta incidenza, i casi segnalati raggiungono il picco il 20 marzo 2020 (4.367) per poi diminuire costantemente. Le aree a “media” e “bassa” incidenza raggiungono il picco successivamente a quelle con alta incidenza. Il 20 marzo sono stati segnalati in totale 6.106 casi di cui 4.367 (72%) nelle Province ad “alta” diffusione, 1.221 (20%) nelle Province a “media” diffusione e 518 (8%) nelle Province a “bassa” diffusione7.

Figura 1. Andamento giornaliero dei casi segnalati al Sistema di Sorveglianza Integrata Covid-19, per area di diffusione dell’epidemia. Periodo 29 gennaio-30 aprile 2020.

Fonte: Iss, Sistema di Sorveglianza integrata Covid-19, (aggiornamento 25 maggio 2020)

Complessivamente il 75% dei casi segnalati si trovano nelle Province definite a diffusione “alta”, il 17% in quelle a diffusione “media” e l’8% nelle Province a diffusione “bassa”.

Nel mese di marzo 2020 sono presenti ulteriori 1.444 casi, rispetto al precedente Rapporto, perché segnalati al Sistema di Sorveglianza Integrata Covid-19 successivamente alla data di aggiornamento del primo Rapporto (26 aprile 2020).

Se si analizza la distribuzione delle Province per le classi di diffusione aggiornate al 30 aprile 2020 si registrano solo alcune piccole variazioni rispetto al Rapporto precedente: 4 Province sono passate a una classe di diffusione più bassa (Ascoli Piceno e Livorno da “media” a “bassa”, Treviso e Bologna da “alta” a “media”), mentre 6 Province sono passate a una classificazione di diffusione più elevata (Brindisi e Chieti dalla classe “bassa” a quella “media”; Varese, La Spezia, Cuneo e Savona sono ora classificati nella classe “alta”).

Del totale dei casi diagnosticati entro il 30 aprile 2020, il 53,3% (111.452) è di sesso femminile. La classe mediana di età è di 60-64 anni (range 0-100). Nelle fasce di età 0-14 anni e 55-74 anni si osserva un numero maggiore di casi positivi tra gli uomini rispetto alle donne. Nella fascia di età superiore ai 90 anni, le donne sono quasi l’80% in più degli uomini, anche in ragione della netta prevalenza femminile in questo segmento di popolazione.

Appena l’1% dei casi segnalati riguarda soggetti di età inferiore ai 14 anni, il 27% riguarda individui nella classe di età 15-49 anni, il 46% nella classe di età 50-79, il 26% individui di età superiore o uguale agli 80 anni compiuti. Tale distribuzione per età rispecchia quella dell’insieme delle Province a diffusione alta, mentre in quelle a diffusione media e bassa si registra un minor numero di individui ultra 80enni positivi (23% nella fascia media, 14% nella fascia bassa).

L’andamento dei decessi della Sorveglianza Nazionale integrata Covid-19

La Sorveglianza integrata ha registrato, dal 20 febbraio al 30 aprile 2020, 28.561 decessi in persone positive al Covid-19; di queste 15.114 (53%) sono decedute entro il 31 marzo 2020 e 13.447 (47%) nel mese di aprile. Il continuo aggiornamento dei dati da parte delle Regioni ha permesso di recuperare, rispetto al Rapporto precedente, ulteriori 790 decessi (15.114 rispetto ai 14.324) avvenuti nel mese di marzo ma comunicati successivamente alla data di aggiornamento del primo Rapporto (26 aprile 2020).

L’andamento dei decessi riflette sostanzialmente quello dei casi segnalati (Figura 1), ma leggermente posticipato nel tempo. Il più alto numero di decessi viene osservato il 28 marzo 2020 a una settimana di distanza dal picco dei casi segnalati, con 897 decessi di cui 741 (83%) segnalati nelle Province ad “alta” diffusione, 114 (13%) nelle Province a “media” diffusione e 42 (4%) nelle Province a “bassa” diffusione (Figura 2).

Figura 2. Andamento giornaliero dei decessi segnalati al Sistema di Sorveglianza Integrata Covid-19, per aree di diffusione dell’epidemia. Periodo 29 gennaio-30 aprile 2020.

Fonte: Iss, Sistema di Sorveglianza integrata Covid-19, (aggiornamento 25 maggio 2020) Dei 28.561 decessi Covid-19 totali, nel presente Rapporto ne sono stati considerati 27.846 (97%). In alcuni casi di Covid-19 deceduti segnalati nella Sorveglianza Integrata, infatti, non era riportato il Comune di residenza (in 125 decessi). Sono stati esclusi, inoltre, alcuni casi di Covid-19 deceduti e residenti in Comuni diversi dai 7.270 resi disponibili dall’Istat (560 decessi). La maggioranza dei decessi si registra nelle Province definite a diffusione “alta” (82%); nelle aree a diffusione “media” sono stati riportati il 13% dei morti e il 5% in quelle a diffusione “bassa”. Il 39% del totale dei decessi Covid-19 riguarda le donne, questa proporzione è leggermente più alta nella classe a diffusione media (43%). Rispetto alla mortalità per il complesso delle cause, i decessi Covid-19 riportati alla Sorveglianza integrata risultano pari all’11% dei decessi totali nel periodo dal 20 febbraio al 30 aprile 2020. Se si considerano le tre aree di diffusione essi sono in media il 19% del totale dei decessi nelle province a diffusione “alta”, il 6% nelle province a diffusione “media” e il 2% in quelle a diffusione “bassa” (Tabella 2).

Come evidenziato nel precedente Rapporto, l’1% dei decessi ha riguardato persone di età inferiore ai 50 anni, motivo per cui le valutazioni sul contributo che i decessi riportati alla Sorveglianza Integrata Covid-19 hanno avuto sull’eccesso di mortalità sono limitate alle fasce di età sopra i cinquanta anni. Considerando la distribuzione per classi quinquennali di età, la classe mediana di età al decesso è la classe 80-84 (75-79 per gli uomini e 85-89 per le donne).

In questo Rapporto, oltre ai valori assoluti dei decessi Covid-19, sono stati calcolati anche i tassi standardizzati di mortalità8, che consentono di effettuare confronti tra Province a parità di struttura per età. Considerando i valori dei tassi all’interno delle aree di diffusione, le aree a diffusione “alta” hanno un tasso di mortalità per Covid-19 pari a 84,1 decessi ogni 100.000 residenti, quelle a diffusione “media” 20,2 e quelle a diffusione “bassa” 5,7 decessi ogni 100.000 residenti.

L’aumento della mortalità totale è massimo a marzo 2020

Una delle conseguenze più drammatiche degli effetti della epidemia riguarda l’incremento complessivo dei decessi. D’altra parte il dato dei morti riportati alla Sorveglianza Nazionale integrata Covid-19 fornisce solo una misura parziale di questi effetti, essendo riferito ai soli casi di deceduti dopo una diagnosi microbiologica di positività al virus. Si tratta, pertanto, di un indicatore influenzato non solo dalle modalità di classificazione delle cause di morte, ma anche dalla presenza di un test di positività al virus.

Una misura più universale dell’impatto dell’epidemia sulla mortalità della popolazione è data dall’eccesso dei decessi, per il complesso delle cause, risultanti dal confronto, a parità di periodo, del dato del 2020 con la media dei decessi del quinquennio precedente (2015-2019). In tal modo si assume implicitamente che la diffusione dell’epidemia produca un aumento dei decessi anche non direttamente riferibili alla sorveglianza Covid-19, ovvero al numero di casi positivi deceduti.

Considerando l’andamento dei decessi per il complesso delle cause nel primo bimestre del 2020 rispetto al 2015-2019, e quello nei mesi di marzo9 e aprile 2020, si può constatare come a partire da marzo ci sia una importante “rottura” della tendenza alla diminuzione della mortalità ravvisabile a inizio 2020. Anche quando non si ha una netta inversione di tendenza, infatti, la diminuzione dei decessi a marzo 2020 è comunque molto più contenuta rispetto ai due mesi precedenti (Tabella 2).

A livello regionale è in Lombardia che si riscontra l’incremento dei decessi più marcato: si passa da una diminuzione del 6,9% nel periodo gennaio-febbraio 2020 - rispetto alla media nello stesso periodo 2015-2019 - a un aumento del 188% nel mese di marzo; seguono l’Emilia-Romagna, con un aumento del 71%, il Trentino Alto-Adige (69,5%), la Valle d’Aosta (60,9%), la Liguria (54,3%), il Piemonte (51,6%) e le Marche (48,9%) (Tabella 2).

A causa della forte concentrazione del fenomeno, anche la sintesi a livello regionale non dà conto dell’intensità drammaticamente elevata che questo ha assunto in alcune aree. A tale scopo un livello di dettaglio territoriale più efficace è senz’altro quello provinciale (Tabelle 3, 4 e 5).

Come già evidenziato nel precedente Rapporto, all’interno della classe di province ad alta diffusione dell’epidemia, le più colpite hanno pagato un prezzo altissimo, con incrementi percentuali a tre cifre dei decessi nel mese di marzo 2020 rispetto al 2015-2019: Bergamo (571%), Cremona (401%), Lodi (377%), Brescia (292%), Piacenza (271%), Parma (209%), Lecco (184%), Pavia (136%), Pesaro e Urbino (125%) e Mantova (123%).

Tabella 2. Decessi per il complesso delle cause e per Covid-19 nel primo quadrimestre 2020, confronto con la media per lo stesso periodo del 2015-2019, per classe di diffusione dell’epidemia, regione, ripartizione e Italia.

Ad aprile importante diminuzione dei decessi nelle aree più colpite

Nel mese di aprile si evidenziano importanti cambiamenti nello scenario precedentemente descritto. Si osserva, infatti, una riduzione dell’eccesso di mortalità totale, misurato in termini di variazione percentuale dei decessi rispetto allo stesso periodo del 2015-2019, proprio nelle aree che per prime sono state colpite più duramente dall’epidemia (Tabella 3).

A livello nazionale i decessi totali scendono da 80.623 di marzo a 64.693 di aprile e la variazione passa da un aumento medio del 48,6% di marzo (26.350 decessi in più rispetto alla media 2015- 2019) al 33,6% di aprile (16.283 decessi in più).

Questa favorevole evoluzione è da attribuire prevalentemente alla riduzione dell’eccesso di mortalità osservata a partire dalla fine del mese di marzo in molte delle province dell’area ad alta diffusione. Nel complesso di questa area i decessi passano da 44.998 di marzo 2020 (113,1% in più rispetto al 2015-2019) a 32.931 di aprile (73,9% in più rispetto al 2015-2019).

La diminuzione più importante in termini di decessi e di variazione percentuale si osserva in Lombardia: i morti per il totale delle cause diminuiscono da 24.893 di marzo a 16.190 di aprile 2020 e l’eccesso di decessi rispetto alla media degli stessi mesi del periodo 2015-2019 scende da 188,1% a 107,5%.

Questo risultato positivo è dovuto alla diminuzione della mortalità di aprile in molte delle province che per prime sono state più colpite dall’incremento dei decessi nel mese di marzo; Bergamo e Lodi sono le aree in cui la diminuzione della mortalità è stata più accentuata, l’eccesso di mortalità scende da 571% di marzo a 123% di aprile a Bergamo e da 377% a 79,8% a Lodi (Tabella 3)

Tabella 3. Decessi per il complesso delle cause e per Covid-19 nel primo quadrimestre 2020, confronto con la media per lo stesso periodo del 2015-2019, per provincia e classe di diffusione dell’epidemia. Province della classe alta diffusione.

L’eccesso di mortalità si mantiene ancora alto ad aprile e sui livelli di marzo nella province di Pavia (135% di decessi in più rispetto alla media 2015-2019), di Monza e Brianza (101%) e di Milano (98%)

Va comunque evidenziato che In alcune delle province della classe ad alta e media diffusione (Tabella 3 e 4), si registra ad aprile un aumento di mortalità più consistente di quello del mese di marzo, rispetto alla media degli stessi mesi del periodo 2015-2019. È il caso ad esempio d Sondrio (93% di decessi in più ad aprile contro il 78% di marzo) o di Trento (83% ad aprile rispetto al 69% di marzo).

Tabella 4. Decessi per il complesso delle cause e per Covid-19 nel primo quadrimestre 2020, confronto con la media per lo stesso periodo del 2015-2019, per provincia e classe di diffusione dell’epidemia. Province della classe media diffusione.

Anche considerando le province a bassa diffusione, in alcuni casi si osservano incrementi della mortalità complessiva in aprile 2020 non riscontrati a marzo. Si segnala l’aumento del 20% dei decessi di Crotone rispetto alla media 2015-2019 e quello del 21% di Siracusa (Tabella 5).

L’analisi dei tassi provinciali di mortalità Covid-19 standardizzati riportati nelle tabelle 3-5, in cui le province sono classificate per classi di diffusione (alta, media e bassa) dell’epidemia sulla base dei tassi di incidenza standardizzati dei casi diagnosticati di Covid-19, mostra generalmente una corrispondenza tra livello di mortalità Covid-19 e classe di diffusione dell’epidemia. Ci sono alcune province, tuttavia, per le quali tale considerazione non sembra valida.

Ad esempio, la provincia di Padova, nella classe di diffusione "alta", ha un tasso di mortalità standardizzato di decessi Covid-19 che è più simile, se non più basso, di quello di alcune province classificate come diffusione "media"; all’opposto, la provincia di Genova, classificata come diffusione "media", ha una mortalità standardizzata simile a quella di diverse province classificate come "alta" diffusione.

Più in generale le differenze provinciali tra i livelli dei tassi standardizzati di mortalità di casi Covid-19, a parità di classe di diffusione dell’epidemia, possono dipendere da diversi fattori: la diversa strategia nell’effettuare la diagnosi microbiologica estensivamente o meno alla popolazione, così come la concentrazione eterogenea dell’epidemia in classi di età ad alta mortalità.

Tabella 5. Decessi per il complesso delle cause e per Covid-19 nel primo quadrimestre 2020, confronto con la media per lo stesso periodo del 2015-2019, per provincia e classe di diffusione dell’epidemia. Province della classe bassa diffusione.

L’eccesso di mortalità per età e genere

Lo scostamento della mortalità dall’andamento precedente al periodo in cui è iniziata l’emergenza è ben evidenziato per grandi classi di età e genere dai grafici successivi riferiti all’area ad alta diffusione dell’epidemia (Figura 3).

L’evoluzione giornaliera degli scostamenti dei decessi cumulati del 2020 dalla corrispondente media 2015- 2019 mostra chiaramente come la crescita dei decessi si sia innescata tra la fine di febbraio e i primi giorni di marzo. Durante il mese di marzo nelle aree più interessate dall’epidemia il numero di morti inizia rapidamente ad aumentare rispetto alla media 2015-2019 dello stesso periodo. L’eccesso di mortalità registrato nei mesi di marzo e aprile 2020 è ancora più accentuato negli uomini.

L’eccesso di mortalità più consistente si riscontra per gli uomini di 70-79 e di 80-89 anni, per i quali i decessi cumulati dal primo gennaio al 30 aprile 2020 aumentano di oltre 52 punti percentuali rispetto allo stesso periodo della media 2015-2019; segue la classe di età 90 e più con un incremento del 48%. Per gli uomini più giovani (50-59 anni) l’eccesso di mortalità è del 26%.

Figura 3. Decessi maschili cumulati a partire dal primo gennaio per classe di età. Per 100 decessi della stessa classe di età in base alla media 2015-2019. Province con alto livello di diffusione Covid-19. Periodo: 20/02/2020-30/04/2020

L’incremento della mortalità nelle donne è invece più contenuto per tutte le classi di età; raggiunge alla fine di aprile il 42% in più della media degli anni 2015-2019 per la classe di età 90 e più, che risulta la più colpita dall’eccesso di mortalità. Segue la classe 80-89 anni, con un incremento del 35% e la 70-79 (31%). Per le donne più giovani (50-59 anni) i decessi sono aumentati del 12%.

Figura 3 (segue). Decessi femminili cumulati a partire dal primo gennaio per classe di età. Per 100 decessi della stessa classe di età in base alla media 2015-2019. Province con alto livello di diffusione Covid- 19. Periodo: 20/02/2020-30/04/2020

Passando dalle aree più colpite da Covid-19 a quelle in cui la diffusione è stata caratterizzata da minore intensità, l’eccesso di mortalità si sposta in avanti nel tempo e si riduce.

Le Figure 4 e 5 si riferiscono, rispettivamente, alle classi di età in corrispondenza di province a media e bassa diffusione dell’epidemia. A causa dell’entità più contenuta del fenomeno, i decessi cumulati sono considerati per maschi e femmine nel complesso.

Figura 4. Decessi cumulati a partire dal primo gennaio per classe di età. Per 100 decessi della stessa classe di età della media 2015-2019. Province con medio livello di diffusione Covid-19. Periodo: 20/02/2020- 31/03/2020

Nelle province a media diffusione dell’epidemia si è verificato uno scostamento, rispetto all’andamento pre- crisi, iniziato dopo la fine della seconda settimana di marzo; in particolare, si osserva un aumento dei decessi cumulati nelle età più anziane: per 90 anni e più, al 30 aprile essi sono superiori di circa il 12%. Per le province a bassa diffusione si osserva un eccesso di decessi, rispetto al 2015-2019, solo riferito alle età 90 e più (3% in più al 30 aprile).

Il contributo dei decessi Covid-19 all’eccesso di mortalità delle province ad alta diffusione

Rispetto al Rapporto precedente, i decessi Covid-19 riportati alla Sorveglianza integrata spiegano in maniera più marcata l’eccesso di mortalità registrato nel mese di aprile 2020 rispetto allo stesso mese del 2015-2019: mentre nel mese di marzo, dei 26.350 decessi stimati in eccesso il 54% sono stati riportati dalla Sorveglianza integrata (14.420), nel mese di aprile dei 16.283 decessi in eccesso l’82% è riportato dalla Sorveglianza (13.426).

Considerando l’eccesso di mortalità nelle province ad alta diffusione, nel mese di aprile dei 13.989 decessi stimati in eccesso, rispetto al 2015-2019, il 72% (10.019) può essere attribuito ai decessi Covid-19.

Figura 5. Decessi cumulati a partire dal primo gennaio per classe di età. Per 100 decessi della stessa classe di età della media 2015-2019. Province con basso livello di diffusione Covid-19. Periodo: 20/02/2020- 31/03/2020

Si riduce dunque nel mese di aprile la quota di eccesso di mortalità totale non spiegata dal Covid- 19. E’ questo un risultato di grande rilievo. Con i dati oggi a disposizione, si possono solo ipotizzare due possibili cause: è aumentata la capacità diagnostica delle strutture sanitarie e quindi sono stati diagnosticati in maniera più accurata i casi di COVID-19; è diminuita la mortalità indiretta non correlata al virus ma causata dalla crisi del sistema ospedaliero nelle aree maggiormente affette.

Quest’ultima componente infatti migliora man mano che si riduce la pressione sui sistemi sanitari.

Figura 6. Andamento giornaliero periodo marzo-aprile dell'eccesso di mortalità maschile registrato nel 2020 rispetto alla media degli anni 2015-2019 e dei decessi Covid-19. Valori assoluti dei decessi. Province con alta diffusione Covid-19.

Considerando i decessi avvenuti in un’età superiore o uguale ai 50 anni nelle zone ad alta diffusione, se si confrontano gli andamenti giornalieri dei decessi Covid-19 rispetto all’eccesso stimato, essi spiegano in media il 60% nel periodo marzo aprile, mentre se si considera il solo mese di aprile tale percentuale sale al 69%.

Il contributo dei decessi Covid-19 alla spiegazione dell’eccesso è diverso tra uomini e donne nel periodo marzo- aprile: quello maschile è del 70% (diventa dell’84% nel solo mese di aprile) mentre il contributo femminile è pari al 49% (cresce al 61% considerando il mese di aprile). A partire dal 20 aprile i decessi Covid-19 registrati negli uomini sono sempre superiori al valore dell’eccesso stimato, nelle donne questa differenza è meno marcata anche se presente negli ultimi giorni di aprile (Figura 6 e 7).

Figura 7. Andamento giornaliero nel periodo marzo-aprile dell'eccesso di mortalità femminile registrato nel 2020 rispetto alla media degli anni 2015-2019 e dei decessi Covid-19. Valori assoluti dei decessi. Province con alta diffusione Covid-19

La diminuzione sempre maggiore del numero di decessi negli ultimi dieci giorni di aprile 2020 riduce la stima dell’eccesso di mortalità rispetto al 2015-2019. Ciò può significare che si è ridotta, per effetto dell’alta mortalità del periodo precedente, la popolazione più fragile e quindi più esposta al rischio di morte (fenomeno noto in epidemiologia come effetto harvesting10) o, in misura minore, che ci sono problemi di sotto-copertura dei dati di mortalità negli ultimi giorni del mese di aprile.

Riguardo a quest’ultimo punto la Figura 8 consente di apprezzare per il mese di marzo 2020 i recuperi di decessi acquisiti con oltre un mese di ritardo (porzione in rosso degli istogrammi). Questi recuperi si concentrano prevalentemente negli ultimi dieci giorni del mese e ammontano a circa il 4% dei decessi del periodo 20-31 marzo 2020.

Figura 8. Decessi totali giornalieri del mese di marzo 2020, nell’area ad alta diffusione dell’epidemia, per data di acquisizione, entro il 28 aprile (istogrammi blu) e entro il 28 maggio 2020 (istogrammi blu+rosso).

Figura 9. Andamento giornaliero nel periodo marzo-aprile dell'eccesso di mortalità totale registrato nel 2020 rispetto alla media degli anni 2015-2019 e dei decessi Covid-19. Valori assoluti dei decessi di persone in età 50 anni e più. Regione LOMBARDIA

Passando a un dettaglio regionale, la Lombardia resta la regione più colpita dall’epidemia in termini di casi e di decessi. Nella regione si è osservato il 52% dei decessi Covid-19 registrati in Italia al 30 aprile nella Sorveglianza Integrata. La quota dell’eccesso di mortalità totale spiegata dai decessi Covid-19 è in media del 58% nell’intero periodo marzo-aprile; per i decessi degli ultra 50enni tale rapporto aumenta notevolmente nel mese di aprile 69%) (Figura 9).

Osservando l’andamento della regione Emilia-Romagna, anch’essa caratterizzata da alta diffusione dell’epidemia, anche in questo caso nel mese di aprile la proporzione dei decessi Covid-19 sull’eccesso di mortalità giornaliera aumenta considerevolmente raggiungendo l’80% tra i decessi di 50 anni e oltre (69% se si considera il periodo marzo-aprile). (Figura 10).

Figura 10. Andamento giornaliero nel periodo marzo-aprile dell'eccesso di mortalità totale registrato nel 2020 rispetto alla media degli anni 2015-2019 e dei decessi Covid-19. Valori assoluti dei decessi di persone in età 50 anni e più. Regione EMILIA-ROMAGNA

Risultati analoghi si ottengono considerando le province più colpite dall’epidemia. Nella provincia di Bergamo, dove nel mese di marzo si era osservato l’eccesso di mortalità più marcato, la proporzione dei decessi riportati alla sorveglianza Covid-19 sui decessi totali degli ultra 50enni è pari al 48% nel periodo marzo-aprile. (si passa dal 45,5% nel mese di marzo al 63,5% nel mese di aprile).

Figura 11. Andamento giornaliero nel periodo marzo-aprile dell'eccesso di mortalità registrato nel 2020 rispetto alla media degli anni 2015-2019 e dei decessi Covid-19. Valori assoluti dei decessi di persone in età 50 anni e più. Provincia di Bergamo

Anche nella Provincia di Piacenza il contributo dei decessi Covid-19 alla spiegazione dell’eccesso aumenta nel mese di aprile (84% nel mese di aprile, 72% considerando il periodo marzo-aprile), fino a superare i valori giornalieri stimati in eccesso. (Figura 12).

Figura 12. Andamento giornaliero nel periodo marzo-aprile dell'eccesso di mortalità registrato nel 2020 rispetto alla media degli anni 2015-2019 e dei decessi Covid-19. Valori assoluti dei decessi di persone in età 50 anni e più. Provincia di Piacenza

Il contributo dei decessi Covid-19 all’eccesso di mortalità per età

Scomponendo l’eccesso di mortalità per classi di età, il contributo del Covid-19 alla spiegazione dell’eccesso di mortalità aumenta nelle ultime settimane di osservazione in entrambi i generi; infatti i decessi Covid-19 spiegano il 95% dei decessi in eccesso nella classe di età 60-69, l’80% nella classe 70-79, il 57% in quella 80-89 e il 34% nei deceduti di 90 anni e oltre. Queste percentuali sono diverse se si guardano i due sessi separati: per il genere maschile i decessi Covid-19 contribuiscono al 40% tra i 90 anni e oltre, mentre i decessi femminili Covid-19 ricoprono quasi la totalità dell’eccesso nella classe 60-69 (99%), il 32% nella classe 90 anni e oltre.

Figura 13. Andamento settimanale nel periodo marzo-aprile della quota di mortalità maschile 2020, in eccesso rispetto alla media 2015-2019, coperta dai decessi Covid-19. Valori assoluti per classe di età a partire dai 50 anni. Province con alto livello di diffusione Covid-19.

Figura 14. Andamento settimanale nel periodo marzo-aprile della quota di mortalità femminile 2020 in eccesso rispetto alla media 2015-2019 coperta dai decessi Covid-19. Valori assoluti per classe di età a partire dai 50 anni. Province con alto livello di diffusione Covid-19.

Nota metodologica

1. La nuova base dati di mortalità giornaliera della popolazione residente

L’Istat, grazie alla collaborazione attivata con il Ministero dell’Interno per l’acquisizione tempestiva dei dati ANPR (Anagrafe Nazionale della Popolazione Residente) e con il Ministero dell’economia e delle finanze per l’acquisizione del flusso dei deceduti tramite l’Anagrafe Tributaria, è in grado di contribuire alla diffusione di informazioni utili alla comprensione della situazione legata all’emergenza sanitaria da COVID-19.

L’utilizzo a fini statistici, e il relativo trattamento delle informazioni permette inoltre di diffondere i dati relativi alla mortalità generale di 7.270 comuni italiani, che a oggi ammontano a 7.904, il 92% del totale. La percentuale di popolazione che questi comuni rappresentano è del 93,5%.

In una situazione di normalità il dettaglio di informazioni che l’Istituto rilascia (serie giornaliera dei decessi per sesso e classe di età) necessita del completamento di un processo di acquisizione e validazione dei microdati delle cancellazioni dall’anagrafe per decesso che comporta una diffusione a circa 10 mesi di ritardo rispetto al 31/12 di ogni anno di riferimento (ad ottobre dell’anno t vengono diffusi i dati validati dell’anno t-1).

In virtù della situazione emergenziale, l’Istat si è impegnato a garantire la diffusione di queste informazioni con una tempistica molto serrata, con l’accortezza però che i dati vanno considerati provvisori e soggetti a variazione con i prossimi aggiornamenti. A differenza delle statistiche relative al bilancio della popolazione residente, che l’Istat aggiorna periodicamente, la data di decesso si riferisce alla data di evento e non a quella di cancellazione anagrafica.

La validazione dei dati dei decessi dei 7.904 comuni italiani si basa sull’ammontare dei primi quattro mesi dell’anno 2020, confrontato con i dati dello stesso periodo media 2015/2019. Sono stati utilizzate le variazioni assolute e percentuali di periodo, dei singoli mesi e l’informazione di presenza di morti Covid-19 (fonte ISS).

Alla luce di queste analisi l’Istat ha valutato di non diffondere i dati per 634 comuni per i quali il decremento registrato nel 2020 è probabilmente da attribuire ad un non completo o non tempestivo flusso delle notifiche dei dati da parte del Comune al sistema ANPR o all’Istat (per i comuni non subentrati in ANPR).

I comuni per cui si rilasciano i dati anticipatori non costituiscono un campione statistico dell’universo dei comuni italiani, la cui copertura di popolazione a livello provinciale varia da un massimo del 100% per le province di Gorizia, Sondrio, Rovigo, Trieste e Piacenza, a un minimo del 59% per la provincia di Enna; a livello regionale la copertura di popolazione varia dal 98,6% per la Lombardia al 78,7% per il Molise. A livello media nazionale la copertura è del 93,5% in termini di popolazione (cfr. tabella A1.)

100

Tabella A1. Copertura provinciale per comune e popolazione residente dei 7.270 comuni diffusi dall’Istat.

101

Tabella A2. Copertura regionale e ripartizionale per comune e popolazione residente dei 7.270 comuni diffusi dall’Istat.

2. I dati sui casi e sui decessi del Sistema Nazionale di sorveglianza

Con l’ordinanza del n. 640 del 27 febbraio 2020, l’Istituto Superiore di Sanità (ISS), dal 28 febbraio, coordina un Sistema di sorveglianza che integra a livello individuale i dati microbiologici ed epidemiologici forniti dalle Regioni e Provincie Autonome (PA) e dal Laboratorio nazionale di riferimento per SARS-CoV-2 dell’ISS. I dati vengono raccolti attraverso una piattaforma web dedicata e riguardano tutti i casi di COVID-19 diagnosticati dai laboratori di riferimento regionali.

I dati vengono aggiornati giornalmente da ciascuna Regione anche se alcune informazioni possono richiedere qualche giorno per il loro inserimento. Per questo motivo, potrebbe non esserci una completa concordanza con quanto riportato attraverso il flusso informativo della Protezione Civile e del Ministero della Salute che riportano dati aggregati.

La sorveglianza raccoglie dati individuali dei soggetti positivi al Covid-19 e in particolare le informazioni anagrafiche, i dati sul domicilio e sulla residenza, alcune informazioni di laboratorio, informazioni sul ricovero e sullo stato clinico (indicatore sintetico di gravità della sintomatologia), la presenza di alcuni fattori di rischio (patologie croniche di base), e l’esito finale (guarito o deceduto).

Un’infografica dedicata riporta - con grafici, mappe e tabelle - una descrizione della diffusione nel tempo e nello spazio dell’epidemia di COVID-19 in Italia e una descrizione delle caratteristiche delle persone affette. Una volta a settimana viene pubblicato anche un bollettino che, in maniera più estesa, approfondisce le informazioni raccolte.

Tali documenti possono essere scaricati dal sito Epicentro dell’ISS. Gli ultimi disponibili sono il report settimanale del 26 maggio 2020: https://www.epicentro.iss.it/coronavirus/bollettino/Bollettino-sorveglianza-integrata-COVID-19_26- maggio- 2020.pdf e l’infografica del 1 giugno 2020: https://www.epicentro.iss.it/coronavirus/bollettino/Infografica_1giugno%20ITA.pdf

Per quest’ultima è disponibile anche una versione in lingua inglese: https://www.epicentro.iss.it/en/coronavirus/bollettino/Infografica_1giugno%20ENG.pdf

102

Glossario

Anagrafe della popolazione: il sistema continuo di registrazione della popolazione residente. Viene continuamente aggiornata tramite iscrizioni per nascita da genitori residenti nel Comune, cancellazioni per morte di residenti e iscrizioni/cancellazioni per trasferimento di residenza da/per altro Comune o da/per l'Estero.

ANPR: Anagrafe Nazionale della Popolazione Residente (ANPR). È la banca dati nazionale nella quale confluiscono progressivamente tutte le anagrafi comunali. È stata istituita presso il Ministero dell’Interno ai sensi dell’articolo 62 del Dlgs n. 82/2005 (Codice dell’Amministrazione Digitale).

Caso positivo Covid-19: per Covid-19 (sintesi dei termini CO-rona VI-rus D-isease e dell'anno d'identificazione, 2019) l'Organizzazione Mondiale della Sanità (OMS) intende la malattia respiratoria causata dal nuovo coronavirus SARS-Cov-2. La definizione di caso confermato positivo Covid-19 secondo la Sorveglianza Integrata Covid-19 è basata su una definizione di caso definita attraverso circolari ministeriali tenendo conto delle evidenze scientifiche e delle indicazioni degli organismi internazionali quali OMS e ECDC. L’attuale definizione è di tipo microbiologico: risultato positivo con test di conferma effettuato dal/i laboratorio/i di riferimento Regionale/i effettuato su tampone naso-faringeo. (https://www.fnopi.it/wp-content/uploads/2020/03/Circolare_9_marzo_2020.pdf)

Causa di morte: si intende la causa “iniziale” di morte, ovvero la condizione morbosa direttamente responsabile del decesso. È definita e individuata tra tutte le malattie certificate dal medico sulla scheda di morte, in base a stringenti regole dettate dall’Organizzazione Mondiale della Sanità (riportate nella Classificazione Internazionale delle Malattie Icd-10) ed è l’indicatore più utilizzato e consolidato per le statistiche ufficiali e i confronti a livello nazionale e internazionale.

Classificazione internazionale delle malattie (ICD): International Classification of Diseases and Related Health Problems, è il sistema di classificazione delle malattie, stilato dall’Organizzazione Mondiale della Sanità. Con questo standard internazionale vengono classificate le informazioni sanitarie della rilevazione Istat sui decessi e le cause di morte. (https://icd.who.int/browse10/2019/en#/)

Co-morbidità: si intende la pre-esistenza di condizioni croniche al momento della diagnosi; queste includono: patologie cardiovascolari, patologie respiratorie, diabete, deficit immunitari, patologie metaboliche, patologie oncologiche, obesità, patologie renali o altre patologie croniche.

Copertura (Tasso di) dei comuni: rapporto tra il numero dei comuni considerati e il numero di tutti i comuni italiani.

Copertura (Tasso di) della popolazione: rapporto tra la somma della popolazione residente nei comuni considerati e la popolazione residente totale.

Decesso Covid-19: l’Organizzazione Mondiale della Sanità definisce un decesso da COVID-19 come segue: un decesso COVID-19 è definito per scopi di sorveglianza come una morte risultante da un quadro clinico patologico con un caso probabile o confermato (microbiologicamente) di Covid-19, a meno che ci sia una chiara causa alternativa di morte non riconducibile alla malattia associata a COVID disease (per esempio un trauma). https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200411-sitrep-82-covid- 9.pdf?sfvrsn=74a5d15_2

103

Cancellazione dall’anagrafe per decesso: la rilevazione sui cancellati dall’anagrafe per decesso raccoglie le principali caratteristiche individuali dei deceduti con le quali successivamente derivare le principali misure di sopravvivenza della popolazione residente. Le informazioni riguardanti le persone decedute sono quelle in possesso dell'Anagrafe del comune.

Eccesso di mortalità: differenza tra i decessi totali nel periodo 20/2/2020-31/3/2020 e la media dei decessi totali del quinquennio 2015-2019 nello stesso periodo.

Età mediana: età che divide una popolazione in due gruppi numericamente uguali; l'uno avente la popolazione di età inferiore a quella individuata, l'altro superiore.

Effetto harvesting: Si tratta dell’aumento della mortalità generale a seguito di fattori ambientali o climatici particolarmente sfavorevoli (ad esempio inquinamento, caldo eccessivo) o a condizioni epidemiologiche (come in caso di epidemie) dovuto ai decessi in prevalenza di persone con condizioni di salute molto compromesse; si verificherebbe in questo caso un’anticipazione di decessi che sarebbero comunque avvenuti nel breve periodo (questo fenomeno è noto col nome di harvesting, cioè “mietitura”), mentre successivamente si dovrebbe assistere a una diminuzione della mortalità.

Incidenza: rapporto tra numero di casi di una malattia sulla popolazione a rischio in un certo periodo di tempo. Se il periodo di tempo è uguale per tutta la popolazione l’incidenza viene definita cumulativa.

Letalità: rapporto tra il numero di morti e il numero di malati con una determinata malattia, relativamente a una data popolazione e a un dato intervallo.

Popolazione residente: è costituita dalle persone, di cittadinanza italiana e straniera, aventi dimora abituale nel territorio nazionale anche se temporaneamente assenti. Ogni persona avente dimora abituale in Italia deve iscriversi, per obbligo di legge, nell’anagrafe del comune nel quale ha stabilito la sua dimora abituale. In seguito ad ogni Censimento della popolazione viene determinata la popolazione legale. A tale popolazione si somma il movimento anagrafico dei periodi successivi e si calcola così la popolazione residente in ciascun comune al 31 di dicembre di ogni anno.

Tampone positivo: con tale termine si intende il risultato positivo ad un test diagnostico di riferimento su un saggio di real-time RT-PCR che consiste sostanzialmente in un’amplificazione del genoma. Nel caso del SARS- Cov-2 il prelievo del materiale biologico (campione) viene effettuato attraverso un aspirato rino-faringeo o a un tampone naso-faringeo o oro-faringeo. L’analisi dei tamponi viene effettuata in tutti i laboratori di riferimento regionali e presso i principali ospedali individuati dalle Regioni.

Tasso standardizzato di mortalità: aggiustamento del tasso di mortalità che permette di confrontare popolazioni che hanno distribuzione per età tra loro diverse. Il metodo di standardizzazione diretto per età è quello più utilizzato e consiste nel sommare i tassi che sono calcolati per ogni specifico gruppo di età su una popolazione di struttura standard.

104

Alcuni modelli predittivi

105

Un modello predittivo dello sviluppo del COVID-19 di Agostino Banchi, Andrea De Maria, Flavio Tonelli, 17 Marzo, 2020

Facciamo chiarezza su Coronavirus e COVID-19

Un nuovo Coronavirus epidemico/pandemico si è affacciato a ottobre-novembre 2019 nella regione dello Hubei in Cina. Il virus, denominato definitivamente SARS-CoV.2 dall’organo internazionale scientifico competente (ICTV - International Committee on Taxonomy of Viruses) e COVID-19 (che definisce la malattia) dall'Organizzazione Mondiale della Sanità, ha grande genoma a RNA(30Kb), pericapside, simmetria icosaedrica, si trasmette per via aerea o tramite mani portate alla bocca in seguito alla sua resistenza sulle superfici in presenza di acqua e proteine (come nei droplet). Giunto in Europa almeno il 21 gennaio 2020 (in Germania, NEJM), e in Italia immediatamente dopo, è accertato che il virus abbia un’elevata contagiosità con un fattore di contagio (frequenza di contagio * n. di contatti) R0=3 equivalente alla trasmissione al 60% dei contatti.

Sintomi, caratteristiche e gravità

SARS-CoV.2 causa una malattia paucisintomatica nell’80% dei casi (congiuntivite, sindrome simil-influenzale, diarrea, mal di gola con febbre 37,5-38,5°C), oltre a una considerevole base di infezioni asintomatiche pur sempre infettanti per soggetti suscettibili. Nel 20% dei casi la malattia progredisce alle basse vie aeree, con insufficienza respiratoria progressiva, necessità di O2-terapia standard, poi di ventilazione non invasiva e infine di respirazione in UTI (Unità di Terapia Intensiva) con respiratori dove il numero di ricoveri fra gli infetti è stimato intorno al 5-12%. La gravità della malattia è massima in età >70-90 anni, in presenza di altre malattie (BPCO, diabete, insufficienza renale, cardiopatie) con letalità >15%, mentre è meno letale in età infantile (<0,1%), nel giovane adulto (0,1-1%) e nell’adulto (2-5%). Si tratta di virus con letalità maggiore alle pandemie influenzali (letalità globale ca. 3% vs. 0,1%) e diffusibilità molto superiore (60-70% vs. 20%).

La letalità spaventa ma non è il problema principale

Il problema principale medico non è posto dalla letalità, ma dalla diffusibilità che genera un sovraccarico in operatori e strutture con l’improvviso affiorare di un elevatissimo numero di pazienti con necessità di ossigenoterapia semi-intensiva (20% degli infetti sintomatici) e di UTI con intubazione (5-12% degli infetti sintomatici). Non esiste al momento un antivirale specifico, ma solo la terapia eterotipica con farmaci sperimentali non disponibili su larga scala (Remdesivir) o con altri farmaci che vengono usati con evidenze in vitro o episodiche (diidrossiclorochina, darunavir/ritonavir), come pure antiinfiammatori eterotipici (tocilizumab, anti-IL- 6Receptor). Di fronte a una tale situazione diviene pertanto necessario capire la dinamica dell’epidemia per attuare tempestivamente le misure di contenimento e controllo necessarie.

106

I modelli di simulazione

Sebbene esista un’ampia letteratura scientifica sullo sviluppo delle epidemie, la maggioranza dei modelli esistenti assume che i parametri caratteristici dell’epidemia siano noti e stabilizzati. Adottare questi modelli a epidemia conclusa risulta un interessante esercizio di ricostruzione a posteriori ma di scarsa utilità mentre l’epidemia evolve nelle prime cruciali settimane, quelle che determinano la capacità del sistema-Paese di rispondere più o meno efficacemente in termini di misure di contenimento e controllo, arrivando all’isolamento di porzioni della popolazione, allestendo nuove Unità di Terapia Intensiva o Media Intensità (UTI/UMI), giocando su quell’anticipo temporale che si misura in qualche settimana.

Alternativamente, l’utilizzo di modelli basati semplicemente su curve di tendenza estrapolate dai dati storici, seppur diffuso e pubblicato soprattutto in queste ultime settimane, risulta decisamente impreciso e fornisce risultati con tale ampiezza di errore (al solo variare dei dati reali degli ultimi due giorni rispetto ai precedenti) da rendere l’esercizio inutile o addirittura dannoso.

Esiste una terza via che è quella adottata da un gruppo di esperti dell’Università di Genova, gruppo composto da tre competenze interdisciplinari di virologia e malattie infettive (Prof. Andrea De Maria), modellazione e simulazione di sistemi complessi per la gestione di attività operative (Prof. Flavio Tonelli), informatica computazionale (Dott. Agostino Banchi, unico membro del gruppo esterno all’Ateneo ligure ma con elevata competenza di analisi e sviluppo del modello software) insieme ad altri colleghi che hanno contribuito alla validazione del modello di simulazione e delle ipotesi su cui si basa (Prof. Federico Scarpa e Prof. Vittorio Sanguineti).

Ipotesi, deduzione, abduzione, simulazione

Il tempo è la risorsa più scarsa durante uno sviluppo epidemico repentino; se il pensiero ipotetico-deduttivo non risulta adeguato, la capacità di ragionare in modo abduttivo permette di fronteggiare, su un piano evolutivo, condizionamenti e vincoli, anche in rapido cambiamento, considerando i dati noti e arrivando a comprendere le dinamiche che li hanno generati. Il nesso tra abduzione e simulazione si colloca in una prospettiva di ‘quasi-deduzione’: i risultati sono validati empiricamente considerando che tutte le successive osservazioni confermano il ragionamento effettuato. Questo approccio offre il vantaggio della sinteticità e della rapidità, insieme alla sua efficacia. Modello di simulazione: come funziona Il modello di simulazione deduttivo-empirico sviluppato è in grado di riprodurre l’evoluzione nel tempo delle condizioni ogni singolo individuo sulla base di parametri variabili quali:  La data di inizio dell’epidemia  La capacità di contagiare altri soggetti (denominata r0) temporalmente traslati su UTI e UMI  La mortalità/letalità  I giorni necessari per l’incubazione  I giorni di degenza  Il numero di casi gravi (quelli che presumibilmente saranno gestiti in UTI) rispetto agli infetti  La distribuzione di probabilità che il decesso avvenga (a seguito di complicazioni) in un certo periodo di tempo  I giorni necessari per la guarigione .. da una data di inizio e ricostruendo il percorso dell’individuo in interazione e contatto con altri individui, calcolando per ogni giorno le percentuali dei contagiati, il processo di incubazione, l’eventuale aggravarsi fino al ricorso dell’UTI/UMI, non partendo dal dato sugli infetti/tamponati ma da quello che viene definito ‘effetto ghost’ e utilizzando come variabili di ‘calibrazione’ i dati certi di utilizzo delle UTI e il numero di decessi. Il modello stocastico lavora con variabili aleatorie in grado di cogliere l’incertezza dei processi reali tenendo conto della loro probabilità.

107

L’approccio costruttivo del modello numerico permette di variare nel tempo tutte le grandezze parametriche in gioco e di tener conto, su giorni diversi, dell’aspettativa d’efficacia delle misure di contenimento e controllo sulla distanza sociale tra gli individui, andando quindi a ipotizzare valori diversi per R0, modellabili come una curva di R0 di ‘input’ (parte dei quali calibrati sui dati storici disponibili) che permette di valutare gli effetti sulla dinamica del modello.

Sperimentazione del modello - febbraio 2020

La prima sperimentazione dell’approccio, condotta nel mese di febbraio 2020 sui dati provenienti dalla Cina (Hubei), ha prodotto risultati rilevanti con un errore medio di predizione, negli ultimi 10 giorni di febbraio, che si assestava sempre e comunque sotto al 5-7%. Diversi parametri, in quella prima simulazione, sono stati volontariamente forzati con valori diversi rispetto a quelli comunicati dalle Autorità Competenti (anche OMS); i valori assunti nella simulazione sono stati poi confermati, verso fine febbraio, da parte delle autorità competenti. In particolare, il gruppo di ricerca ‘calibra’ l’algoritmo con assunzioni che al 7 febbraio 2020 potevano sembrare difformi rispetto ai dati ufficiali:  Data di inizio epidemia a fine novembre 2019 anziché primo gennaio 2020  Fattore di riproduzione r0 = 2,8 (anziché il valore r0 = 1,5-2 originariamente stimato da OMS)  Mortalità presunta intorno al 3,7%, pur consapevoli degli problemi di conteggio dei positivi reali a causa dell’effetto ghost (incluso nel modello) che probabilmente erano al tempo 3 o 4 volte superiori a quanto identificato  Efficacia delle misure attuate in Cina a regime in grado di ridurre il fattore di riproduzione a r0 = 0,30- 0,35 A oggi le principali riviste scientifiche del settore, come ad esempio Lancet, hanno riconosciuto per la Cina praticamente questi stessi valori. Lo stesso approccio è stato quindi applicato a partire dal 16 febbraio 2020 ai primi casi in Italia con alcune assunzioni:  Andamento di R0 con valori iniziali più alti per tenere conto delle diverse abitudini sociali degli italiani, ivi compreso la non osservanza delle regole (i.e. Week-end del 7-8 Marzo)  Mortalità più elevata in misura alla maggiore età media del contesto Italia (Cina 46 anni)  Una migliore e più aderente logica di utilizzo delle terapie intensive  Una data di inizio, almeno in questo caso, nota sin dal principio Questo permette, già il 26 febbraio, di stimare i primi effetti di sovraccarico delle UTI/UMI italiane segnalando un certo livello di saturazione attesa delle UTI entro la fine della prima settimana di marzo per l’area Lombardia.

Calcolo predittivo - marzo 2020

Nei primi giorni di marzo il modello numerico permette di simulare la proiezione dell’intera epidemia sull’Italia (fino a fine aprile) generando diversi scenari che, a oggi hanno, avuto un errore medio di previsione tra il 7-9% e in particolare:  Curva dei contagiati totali = 8,82%  Curva degli infetti nel tempo = 7,96%  Curva dei decessi totali = 3,29%  Curva degli utilizzanti UTI = 5,53%  Curva dei guariti totali = 9,49%. Nel frattempo le autorità competenti governative hanno iniziato ad applicare le misure di contenimento e poi di controllo.

Gli scenari possibili

108

Considerando l’ipotesi governativa circolata come base per la Ragioneria di Stato che è stata assunta come scenario BASE sono stati elaborati altri due scenari riassumibili in:

 Scenario Base – parametri che ricostruiscono le curve utilizzate da Ragioneria di Stato per procedura richiesta risorse in divergenza da Patto di Stabilità  Scenario Peggiorativo – inosservanza parziale delle misure fino al 24 marzo 2020 poi incremento dell’osservanza ‘dettata da controlli e nuove misure’ e aumento delle UTI destinate al COVID-19 fino a 2.500 – definito fase1  Scenario Migliorativo – misure pienamente rispettate dal 12 marzo 2020 e incremento di controlli e misure il 20 marzo, con aumento delle UTI COVID-19 a 2500 – definito fase 2

109

Scenario BASE: n° nuovi casi giornalieri

Scenario PEGGIORATIVO: n° nuovi casi giornalieri Si può notare come variazioni comportamentali e misure di contenimento presentino variazioni percentuali piuttosto rilevanti e di cui preoccuparsi, soprattutto alla luce delle necessarie riorganizzazioni delle UTI e delle UMI che potrebbero vedere un picco di oltre 5.000 richieste per le UTI e di quasi 50.000 per le UMI nel

110 caso di scenario peggiorativo. Per contro, un’azione di maggiore controllo e contenimento potrebbe portare a una riduzione di entrambe le criticità (3500 UTI e 33.000 UMI) entro valori ancora gestibili dal nostro Sistema Sanitario Nazionale.

Il modello di simulazione è utile anche per considerare gli effetti di una distribuzione a “ping-pong” (fra emisfero sud e nord del pianeta e fra paesi a diversa sincronia pandemica) che possa condurre al possibile ripresentarsi del virus nella prossima stagione autunnale. Infine, le voci sulla prossima disponibilità di uno strumento vaccinale, proveniente da USA, Cina, Israele ecc., devono essere considerate con estrema cautela: un vaccino deve essere accuratamente validato per verificare che stimoli risposte immuni, che queste siano protettive nell’animale e in seguito nell’uomo. Questi processi necessitano di almeno 18 mesi di tempo, nella migliore delle ipotesi.

111

Per leggere gli articoli di Thomas Pueyo, Università di Berkley, California, USA, andare sul sito www.asiquas.it

112

[The BMJ] Prediction models for diagnosis and prognosis of covid-19 infection: systematic review and critical appraisal BMJ 2020; 369 doi: https://doi.org/10.1136/bmj.m1328 (Published 07 April 2020) Modelli di predizione per diagnosi e prognosi dell'infezione da covid-19: revisione sistematica e valutazione critica

Laure Wynants, assistant professor, Ben Van Calster, associate professor, Marc M J Bonten, professor, Gary S Collins, professor, Thomas P A Debray, assistant professor, Maarten De Vos, associate professor, Maria C Haller, medical doctor Georg Heinze, associate professor, Karel G M Moons, professor, Richard D Riley, professor, Ewoud Schuit, assistant professor, Luc J M Smits, professor, Kym I E Snell, lecturer, Ewout W Steyerberg, professor, Christine Wallisch, research fellow, Maarten van Smeden, assistant professor.

Abstract

Obiettivo: Revisionare e valutare criticamente i rapporti pubblicati e prestampati di modelli di previsione per la diagnosi della malattia di coronavirus 2019 (covid-19) in pazienti con sospetta infezione, per la prognosi di pazienti con covid-19 e per il rilevamento di persone nella popolazione generale a rischio di essere ricoverato in ospedale per polmonite covid-19.

Progettazione: Rapida revisione sistematica e valutazione critica.

Fonti di dati: PubMed ed Embase tramite Ovid, Arxiv, medRxiv e bioRxiv fino al 24 marzo 2020. Selezione dello studio: Studi che hanno sviluppato o validato un modello di predizione correlato a covid-19 multivariabile.

Estrazione dei dati: Almeno due autori hanno estratto indipendentemente i dati utilizzando la lista di controllo CHARMS (valutazione critica ed estrazione dei dati per revisioni sistematiche di studi di modellazione di previsione); il rischio di bias è stato valutato utilizzando PROBAST (modello di previsione rischio di strumento di valutazione del bias).

Risultati: Sono stati proiettati 2696 titoli e sono stati inclusi 27 studi che descrivono 31 modelli di predizione. Sono stati identificati tre modelli per prevedere il ricovero ospedaliero da polmonite e altri eventi (come esiti proxy per polmonite covid-19) nella popolazione generale; 18 modelli diagnostici per rilevare l'infezione covid- 19 (13 erano apprendimento automatico basato su scansioni di tomografia computerizzata); e 10 modelli prognostici per la previsione del rischio di mortalità, progressione a malattia grave o durata della degenza ospedaliera. Solo uno studio ha utilizzato i dati dei pazienti al di fuori della Cina. I predittori più segnalati di presenza di covid-19 in pazienti con sospetta malattia includevano età, temperatura corporea, segni e sintomi. I predittori più segnalati di prognosi grave nei pazienti con covid-19 includevano età, sesso, caratteristiche derivate da scansioni di tomografia computerizzata, proteina reattiva C, deidrogenasi lattica e conta dei linfociti. Le stime dell'indice C variavano da 0,73 a 0,81 nei modelli di previsione per la popolazione generale (riportati per tutti e tre i modelli), da 0,81 a più di 0,99 nei modelli diagnostici (riportati per 13 dei 18 modelli) e da 0,85 a 0,98 nei modelli prognostici (segnalato per sei dei 10 modelli). Tutti gli studi sono stati valutati ad alto rischio di parzialità, principalmente a causa della selezione non rappresentativa dei pazienti di controllo, dell'esclusione dei pazienti che non avevano manifestato l'evento di interesse entro la fine dello studio e dell'elevato rischio di overfitting del modello. La qualità dei rapporti variava sostanzialmente tra gli studi. La maggior parte dei report non includeva una descrizione della popolazione dello studio o l'uso previsto dei modelli e la calibrazione delle previsioni veniva raramente valutata.

113

Conclusione: I modelli di previsione per covid-19 stanno rapidamente entrando nella letteratura accademica per supportare il processo decisionale medico in un momento in cui sono urgentemente necessari. Questa recensione indica che i modelli proposti sono scarsamente segnalati, ad alto rischio di parzialità e le loro prestazioni riportate sono probabilmente ottimistiche. La condivisione immediata di dati individuali ben documentati dei partecipanti provenienti da studi covid-19 è necessaria per gli sforzi collaborativi per sviluppare modelli di previsione più rigorosi e convalidare quelli esistenti. I predittori identificati negli studi inclusi potrebbero essere considerati come predittori candidati per nuovi modelli. È necessario seguire una guida metodologica perché previsioni inaffidabili potrebbero causare più danni che benefici nel guidare le decisioni cliniche. Infine, gli studi dovrebbero aderire alla linea guida TRIPOD (segnalazione trasparente di un modello di previsione multivariabile per la prognosi o la diagnosi individuale).

Introduzione

Il nuovo coronavirus del 2019 (covid-19) rappresenta una minaccia importante e urgente per la salute globale. Dallo scoppio dei primi di dicembre 2019 nella provincia di Hubei nella Repubblica popolare cinese, il numero di pazienti che hanno confermato di avere la malattia ha superato 775.000 in oltre 160 paesi e il numero di persone infette è probabilmente molto più elevato. Più di 36000 persone sono morte per infezione da covid- 19 (fino al 30 marzo 2020) .1

Nonostante le risposte di sanità pubblica volte a contenere la malattia e ritardare la diffusione, diversi paesi hanno dovuto affrontare una crisi di terapia intensiva, e altri paesi quasi sicuramente seguiranno.234 I focolai portano a importanti aumenti della domanda di letti ospedalieri e alla carenza di attrezzature mediche, mentre anche il personale medico stesso potrebbe essere infettato. Per mitigare l'onere per il sistema sanitario, fornendo al contempo la migliore assistenza possibile ai pazienti, sono necessarie diagnosi e prognosi efficaci della malattia.

I modelli di previsione che combinano diverse variabili o caratteristiche per stimare il rischio di infezione o di esito negativo delle persone potrebbero aiutare il personale medico a valutare i pazienti durante l'assegnazione di risorse sanitarie limitate.

Modelli che vanno dai sistemi di punteggio basati su regole ai modelli avanzati di machine learning (deep learning) sono stati proposti e pubblicati in risposta a un invito a condividere rapidamente e apertamente i risultati delle ricerche relative a covid-19 per informare la risposta della salute pubblica e aiutare a salvare vite umane5. di questi modelli di previsione sono pubblicati in repository ad accesso aperto, prima della revisione tra pari.

Abbiamo mirato a rivedere sistematicamente e valutare criticamente i modelli di previsione attualmente disponibili per covid-19, in particolare i modelli diagnostici e prognostici per la malattia. Questa revisione sistematica è stata effettuata in collaborazione con il gruppo di metodi di prognosi Cochrane.

Metodi

Abbiamo cercato PubMed ed Embase attraverso Ovid, bioRxiv, medRxiv e arXiv per ricerche su covid-19 pubblicate dopo il 3 gennaio 2020. Abbiamo usato l'elenco di pubblicazioni pubblicamente disponibili della recensione sistematica vivente di covid-19.6 Questo elenco contiene studi su covid- 19 pubblicato su PubMed ed Embase attraverso Ovid, bioRxiv e medRxiv, ed è in continuo aggiornamento. Abbiamo convalidato l'elenco per esaminare se è adatto allo scopo confrontandolo con i risultati rilevanti di bioRxiv e medRxiv quando si combinano i termini di ricerca covid-19 (covid-19, sars-cov-2, novel corona, 2019-ncov) con la ricerca metodologica termini (diagnostico, prognostico, modello di predizione, apprendimento automatico, intelligenza artificiale, algoritmo, punteggio, apprendimento profondo, regressione). 114

Tutti i risultati rilevanti sono stati trovati nell'elenco delle revisioni sistematiche viventi.6 Abbiamo integrato questo elenco con i risultati di PubMed cercando "covid-19" perché quando abbiamo eseguito la nostra ricerca iniziale questo termine non è stato incluso nella revisione sistematica vivente riportata6 termini di ricerca per PubMed. Abbiamo ulteriormente integrato l'elenco con studi su covid-19 recuperati da arXiv. Il materiale supplementare online presenta le stringhe di ricerca. Inoltre, abbiamo contattato gli autori per studi che non erano disponibili pubblicamente al momento della ricerca, 78 e includevano studi che erano disponibili al pubblico ma non inclusi nell'elenco di revisione sistematica vivente6 al momento della nostra ricerca.

Inizialmente abbiamo cercato nei database il 13 marzo 2020, con un aggiornamento il 24 marzo 2020. Sono stati considerati tutti gli studi, indipendentemente dalla lingua o dallo stato della pubblicazione (articoli prestampati o sottoposti a revisione paritaria). Abbiamo incluso studi se hanno sviluppato o convalidato un modello multivariabile o un sistema di punteggio, basato su dati a livello di singolo partecipante, per prevedere qualsiasi risultato correlato a covid-19.

Questi modelli includevano modelli diagnostici e prognostici per covid-19, o quelli che miravano a identificare le persone ad aumentato rischio di sviluppare polmonite covid-19 nella popolazione generale. Non sono state fatte restrizioni sull'ambientazione (ad es. Pazienti ricoverati, ambulatoriali o popolazione generale), orizzonte di previsione (quanto in anticipo il modello prevede), inclusi predittori o risultati. Sono stati esclusi gli studi epidemiologici che miravano a modellare la trasmissione della malattia o i tassi di mortalità, l'accuratezza dei test diagnostici e gli studi di individuazione dei predittori. Titoli, abstract e testi completi sono stati proiettati in duplicato per essere ammessi da coppie di revisori indipendenti (da LW, BVC e MvS) e le discrepanze sono state risolte attraverso la discussione.

L'estrazione dei dati degli articoli inclusi è stata effettuata da due revisori indipendenti (da LW, BVC, GSC, TPAD, MCH, GH, KGMM, RDR, ES, LJMS, EWS, KIES, CW e MvS). I revisori hanno utilizzato un modulo standardizzato di estrazione dei dati basato sul CHARMS (valutazione critica ed estrazione dei dati per revisioni sistematiche di studi di modellazione di previsione )13 e PROBAST (rischio del modello di previsione dello strumento di valutazione della distorsione) .14

Abbiamo cercato di estrarre le prestazioni predittive di ciascun modello usando qualunque sono state presentate misure. Queste misure includevano tutti i riassunti della discriminazione (la misura in cui i rischi previsti discriminano tra i partecipanti con e senza il risultato) e la calibrazione (la misura in cui i rischi previsti corrispondono ai rischi osservati) come raccomandato nel TRIPOD (segnalazione trasparente di una previsione multivariabile modello per la prognosi individuale o la diagnosi) dichiarazione.15

La discriminazione è spesso quantificata dall'indice C (indice C = 1 se il modello discrimina perfettamente; indice C = 0,5 se la discriminazione non è migliore del caso). La calibrazione è spesso quantificata dall'intercetta di calibrazione (che è zero quando i rischi non sono sistematicamente sopravvalutati o sottovalutati) e dalla pendenza di calibrazione (che è uno se i rischi previsti non sono troppo estremi o troppo moderati) .16

Ci concentriamo sulle statistiche delle prestazioni come stimato dalla più forte forma disponibile di convalida. Eventuali discrepanze nell'estrazione dei dati sono state risolte da LW e MvS. Il materiale supplementare online fornisce dettagli sull'estrazione dei dati. Abbiamo considerato aspetti di PRISMA (elementi di reporting preferiti per revisioni sistematiche e meta-analisi) 17 e TRIPOD15 nel riportare il nostro articolo.

Coinvolgimento del paziente e del pubblico

Non era appropriato o possibile coinvolgere i pazienti o il pubblico nella progettazione, conduzione o comunicazione delle nostre ricerche. Il protocollo di studio e i risultati preliminari sono disponibili pubblicamente su https://osf.io/ehc47/ e medRxiv.

115

Risultati

Abbiamo recuperato 2690 titoli attraverso la nostra ricerca sistematica (figura 1; 1916 il 13 marzo 2020 e 774 durante un aggiornamento del 24 marzo 2020). Due ulteriori studi non pubblicati sono stati resi disponibili su richiesta (dopo una chiamata sui social media). Abbiamo incluso altri quattro studi che erano disponibili pubblicamente ma non sono stati rilevati dalla nostra ricerca. Dei 2696 titoli, 85 studi sono stati conservati per la proiezione astratta e full-text. Ventisette studi che descrivono 31 modelli di predizione soddisfano i criteri di inclusione e sono stati selezionati per l'estrazione dei dati e la valutazione critica

Set di dati primari

Venticinque studi hanno utilizzato dati su pazienti con covid-19 dalla Cina (tabella supplementare 1), uno studio ha utilizzato dati su pazienti provenienti da Italia, 31 e uno studio ha utilizzato dati internazionali (Stati 116

Uniti, Regno Unito e Cina, tra gli altri )35. Sulla base di 18 dei 25 studi che hanno riportato date di studio, i dati sono stati raccolti tra l'8 dicembre 2019 e il 15 marzo 2020.

La durata del follow-up non era chiara nella maggior parte degli studi, sebbene uno abbia riportato un follow- up mediano di 8,4 giorni, 19 mentre un altro ha riportato un follow-up mediano di 15 giorni.37 Alcuni centri cinesi hanno fornito dati a più studi, ma non è chiaro quanto questi set di dati si siano sovrapposti nei nostri 25 studi identificati. Uno studio ha utilizzato i dati dei reclami di Medicare negli Stati Uniti dal 2015 al 2016 per stimare la vulnerabilità a covid-19,8 due studi hanno utilizzato scansioni CT di controllo (tomografia computerizzata) dagli Stati Uniti o dalla Svizzera, 1125 e uno studio ha utilizzato dati simulati.18

Tutti tranne uno studio24 hanno sviluppato una previsione modelli per l'uso negli adulti. L'età media variava tra gli studi (da 34 a 65 anni; vedere la tabella supplementare 1), così come la proporzione di uomini (dal 41% al 61%).

Tra i sei studi che hanno sviluppato modelli prognostici per prevedere il rischio di mortalità nelle persone con infezione da covid-19 confermata o sospetta, la percentuale di decessi varia tra l'8% e il 59% (tabella 1).

Questa ampia variazione è in parte dovuta alla grave propensione al campionamento causata da studi che escludevano i partecipanti che avevano ancora la malattia alla fine del periodo di studio (cioè, non si erano né ripresi né morti) .7202122 Inoltre, la durata del follow-up avrebbe potuto variare tra gli studi (ma è stato riportato raramente), e potrebbero esserci variazioni locali e temporali nel modo in cui le persone sono state diagnosticate come covid-19 o sono state ricoverate in ospedale (e quindi reclutate per gli studi).

Tra i 18 studi modello diagnostici, solo uno ha riferito sulla prevalenza dell'infezione da covid-19 in persone con sospetto covid-19; la prevalenza era del 19% (set di dati di sviluppo) e del 24% (set di dati di validazione) .30

Uno studio ha riportato che l'8% dei pazienti presentava una malattia grave tra i pazienti pediatrici confermati con infezione da covid-19.24 Poiché 16 studi diagnostici hanno utilizzato il campionamento caso-controllo o un metodo poco chiaro di raccolta dei dati, la prevalenza in questi studi diagnostici potrebbe non essere rappresentativa della loro popolazione target.

117

118

119

120

121

Covid-19=coronavirus disease 2019; CRP=C reactive protein; CT=computed tomography; LDH=lactate dehydrogenase; NPV=negative predictive value; PPV=positive predictive value; PROBAST=prediction model risk of bias assessment tool; SD=standard deviation; SPO2=oxygen saturation. * Performance is given for the strongest form of validation reported. This is indicated in the column “type of validation.” When a training test split was used, performance on the test set is reported. Apparent performance is the performance observed in the development data. † Proxy events used: pneumonia (except from tuberculosis), influenza, acute bronchitis, or other specified upper respiratory tract infections (no patients with covid-19 pneumonia in data). ‡ Calibration plot presented, but unclear on which data were used. § Development set contains scans from Chinese patients, the testing set contained scans from Chinese cases and controls, and US controls. ¶ Data contain mixed cases and controls. Chinese data and controls from US and Switzerland. ** Describes similarity between segmentation of the CT scan by a medical doctor and automated segmentation. †† Outcome and predictor data were simulated. ‡‡ Wavelet-HLH_gldm_SmallDependenceLowGrayLevelEmphasis, wavelet-LHH_glcm_Correlation, wavelet- LHL_glszm_GrayLevelV ariance, wavelet-LLH_glszm_SizeZoneNonUniformityNormalized, wavelet- LLH_glszm_SmallAreaEmphasis, wavelet-LLH_glcm_Correlation.

122

BOX 1

Disponibilità di modelli in formato per l'uso nella pratica clinica Dodici studi hanno presentato i loro modelli in un formato per l'uso nella pratica clinica. Tuttavia, poiché tutti i modelli erano ad alto rischio di distorsione, non è consigliabile il loro uso di routine prima di essere adeguatamente validati esternamente.

Modelli per prevedere il rischio di ricovero ospedaliero per la polmonite da coronavirus 2019 (covid-19) nella popolazione generale Lo "Indice di vulnerabilità COVID-19" per rilevare il ricovero ospedaliero per polmonite covid-19 da altre infezioni respiratorie (ad es. Polmonite, influenza) è disponibile come strumento online.839

Modelli diagnostici La "APP di aiuto alla diagnosi COVID-19" è disponibile su dispositivi iOS e Android per diagnosticare covid-19 in pazienti asintomatici e in quelli con sospetta malattia.12 Il "sospetto sistema di aiuto alla diagnosi di polmonite COVID-19" è disponibile come strumento online.1040 Il “punteggio di allarme precoce COVID-19” per rilevare l'infezione da covid-19 negli adulti è disponibile come tabella dei punteggi in un articolo.30 In un articolo è disponibile anche un albero decisionale per rilevare malattie gravi per pazienti pediatrici con covid-19 confermato. 24

Modelli diagnostici basati sull'imaging tomografia computerizzata (CT) Tre dei sette modelli di intelligenza artificiale per facilitare la diagnosi basata su immagini CT sono disponibili tramite applicazioni Web.232629414243 Un modello è distribuito in 16 ospedali, ma gli autori non forniscono strumenti utilizzabili nel loro studio.33

Modelli prognostici Per aiutare nella prognosi della mortalità, negli articoli è disponibile un nomogramma (un aiuto grafico per calcolare il rischio di mortalità), 7 un albero decisionale, 21 e una regola di valutazione basata su CT.22 Inoltre esiste un nomogramma per prevedere la progressione verso grave covide- 19 malattia.32 Cinque studi hanno reso disponibile il loro codice sorgente su GitHub.811343538 Dieci studi non hanno incluso equazioni, formati o riferimenti utilizzabili per l'uso o la convalida del loro modello di previsione. ______

Modelli per prevedere il rischio di ricovero ospedaliero per polmonite covida-19 nella popolazione generale

Abbiamo identificato tre modelli che hanno predetto il rischio di ricovero ospedaliero per polmonite covida- 19 nella popolazione generale, ma hanno utilizzato l'ammissione per polmonite non tubercolotica, influenza, bronchite acuta o infezioni del tratto respiratorio superiore come esiti in un set di dati senza pazienti con covide- 19 (tabella 1) .8 Tra i predittori c'erano età, sesso, precedenti ricoveri ospedalieri, dati sulla comorbilità e determinanti sociali della salute. Lo studio ha stimato indici C di 0,73, 0,81 e 0,81 per i tre modelli.

Modelli diagnostici per rilevare l'infezione covid-19 in pazienti con sintomi

Abbiamo identificato uno studio che ha sviluppato un modello per rilevare la polmonite covid-19 nei pazienti con febbre clinica (indice C stimato 0,94) 10; uno per diagnosticare covid-19 in pazienti con sospetta malattia (indice C stimato 0,97) 30; uno per diagnosticare covid-19 in pazienti con sospetta malattia e pazienti asintomatici (indice C stimato 0,87) 12; e uno per diagnosticare covid-19 usando l'apprendimento approfondito delle sequenze genomiche (indice C stimato 0,98) .35

123

È stato sviluppato un ulteriore studio per diagnosticare una grave malattia in pazienti pediatrici con sintomi, sulla base della bilirubina diretta e dell'alanina transaminasi (riportando un punteggio F1 di 1.00, che indica la sensibilità e la specificità osservate al 100%) .24 Solo uno studio ha riferito di valutare la calibrazione, ma non è chiaro come sia stato fatto.12 I predittori utilizzati in più di un modello erano età (n = 3), temperatura corporea o febbre (n = 2) e segni e sintomi (come respiro corto, mal di testa, brividi, mal di gola e affaticamento, n = 2; tabella 1).

Tredici modelli di predizione sono stati proposti per supportare la diagnosi di polmonite covid-19 o covid-19 (e monitorare la progressione) sulla base di immagini TC. Le prestazioni predittive variano ampiamente, con valori dell'indice C stimati che vanno da 0,81 a quasi 1.

Modelli prognostici per pazienti con diagnosi di infezione covid-19

Abbiamo identificato 10 modelli prognostici (tabella 1). Di questi, sei hanno stimato il rischio di mortalità in pazienti con sospetta o confermata covid-19.71819212237 L'uso previsto di questi modelli (ovvero, quando usarli, in chi usarli, e l'orizzonte di previsione, ad esempio, la mortalità a che ora) era non chiaramente descritto.

Due modelli miravano a prevedere una degenza ospedaliera di oltre 10 giorni dal ricovero.20 Due modelli miravano a prevedere la progressione verso uno stato grave o critico.932 I predittori inclusi in più di un modello prognostico erano età (n = 5), sesso (n = 2), caratteristiche derivate dal punteggio CT (n = 5), proteina reattiva C (n = 3), deidrogenasi lattica (n = 3) e conta dei linfociti (n = 2; tabella 1). Solo due studi che hanno predetto la mortalità hanno riportato un indice C; questi studi hanno ottenuto stime di 0,9022 e 0,98,7.

Uno studio ha anche valutato la calibrazione.7 Se applicato a nuovi pazienti, il loro modello ha prodotto probabilità di mortalità che erano troppo alte per i pazienti a basso rischio e troppo basse per i pazienti ad alto rischio (pendenza di calibrazione> 1) , nonostante un'eccellente discriminazione.7 Uno studio ha sviluppato due modelli per prevedere una degenza ospedaliera di oltre 10 giorni e ha stimato indici C di 0,92 e 0,96,20

I due studi che hanno sviluppato modelli per prevedere la progressione verso uno stato grave o critico hanno stimato indici C di 0,95 e 0,85,932 Uno di questi studi ha riportato anche una calibrazione perfetta, ma non è chiaro come sia stato valutato

Rischio di parzialità

Tutti i modelli erano ad alto rischio di parzialità secondo la valutazione con PROBAST (tabella 1), il che suggerisce che le loro prestazioni predittive se utilizzate nella pratica sono probabilmente inferiori a quelle riportate. Pertanto, vi è motivo di preoccupazione che le previsioni di questi modelli non siano affidabili. Il riquadro 2 fornisce dettagli sulle cause comuni di rischio di distorsione per ciascun tipo di modello. ______

BOX 2

Cause comuni di rischio di parzialità nei 19 modelli di previsione riportati

Modelli per prevedere il ricovero in ospedale per la polmonite da coronavirus 2019 (covid-19) nella popolazione generale

Questi modelli si basavano sui dati dei reclami di Medicare e utilizzavano risultati delega per prevedere il ricovero ospedaliero per polmonite covid-19, in assenza di pazienti con covid-19,8 Modelli diagnostici Le persone senza covid-19 (o una parte di esse) sono state escluse, alterando la prevalenza della malattia.30 I controlli avevano polmonite virale, che non è rappresentativa della popolazione target per un modello di screening.12

124

Il test utilizzato per determinare il risultato variava tra i partecipanti , 12 o uno dei predittori (febbre) faceva parte della definizione del risultato.10 I predittori erano dicotomizzati, il che portava a una perdita di informazioni. 243036

Modelli diagnostici basati sull'imaging tomografia computerizzata (CT)

In generale, gli studi non riportavano chiaramente quali pazienti avevano scansioni TC durante la routine clinica ed era poco chiaro se la selezione dei controlli fosse effettuata dalla popolazione target (cioè, pazienti con sospetti covid-19) .1123293336

Spesso gli studi non riportavano chiaramente come sono state annotate le regioni di interesse. Le immagini sono state talvolta annotate da un solo marcatore senza controllo di qualità, 2527 l'output del modello ha influenzato l'annotazione, 28 o la "verità fondamentale" utilizzata per costruire il modello era un risultato composito basato sulle stesse immagini CT utilizzate per effettuare la previsione, tra altri fattori.38

Mancava un'attenta descrizione delle specifiche del modello e successiva stima, sfidando la trasparenza e la riproducibilità dei modelli. Ogni studio ha utilizzato una diversa architettura di apprendimento profondo, alcuni sono stati stabiliti e altri appositamente progettati, senza confrontare l'architettura utilizzata con altri.

Modelli prognostici

I partecipanti allo studio sono stati spesso esclusi perché non hanno sviluppato il risultato alla fine del periodo di studio ma erano ancora in follow-up (cioè erano in ospedale ma non si erano ripresi o sono morti), ottenendo un campione di studio altamente selezionato.7202122 Inoltre, solo uno studio ha giustificato la censura utilizzando la regressione di Cox.19

Uno studio ha sviluppato un modello per prevedere la gravità futura utilizzando dati trasversali (alcuni partecipanti erano gravemente malati all'inclusione) 37; questo implica che la tempistica della misurazione dei predittori non è appropriata e che il risultato (definito in modo poco chiaro) potrebbe essere stato influenzato dai valori del predittore. Altri studi hanno utilizzato predittori altamente soggettivi, 22 o l'ultima misurazione predittiva disponibile dalle cartelle cliniche elettroniche (piuttosto che misurare il valore del predittore nel momento in cui il modello era destinato all'uso) .21

Undici dei 27 studi avevano un alto rischio di parzialità per il dominio dei partecipanti (tabella 2), il che indica che i partecipanti arruolati negli studi potrebbero non essere rappresentativi delle popolazioni target dei modelli. La segnalazione poco chiara dell'inclusione dei partecipanti ha vietato il rischio di una valutazione di errore in otto studi.

Quattro dei 27 studi avevano un alto rischio di parzialità per il dominio dei predittori, il che indica che i predittori non erano disponibili al momento dell'uso previsto dei modelli, non chiaramente definiti o influenzati dalla misurazione dei risultati. Gli studi sul modello diagnostico che hanno utilizzato i predittori di imaging TC sono stati tutti considerati non chiari sul dominio dei predittori.

Spesso le pubblicazioni mancavano di informazioni chiare sulle fasi di preelaborazione (ad es. Ritaglio di immagini). Inoltre, complessi algoritmi di apprendimento automatico trasformano le immagini CT in predittori in modo non trasparente, il che rende difficile applicare completamente la sezione predittori PROBAST per tali studi di imaging.

La maggior parte degli studi ha utilizzato risultati facili da valutare (ad es. Morte, presenza di covid-19 mediante conferma di laboratorio). Tuttavia, c'era motivo di preoccuparsi della distorsione indotta dalla misurazione degli esiti in 10 studi a causa dell'uso di esiti soggettivi o per procura (ad es. Infezioni respiratorie gravi non covide-19). Tutti gli studi erano ad alto rischio di parzialità per il dominio di analisi (tabella 2). Molti studi avevano campioni di piccole dimensioni (tabella 1), che hanno portato ad un aumentato rischio di overfitting, in particolare se sono state utilizzate strategie di modellazione complesse. Tre studi non hanno riportato le prestazioni 125 predittive del modello sviluppato e uno studio ha riportato solo le prestazioni apparenti (le prestazioni esattamente negli stessi dati utilizzati per sviluppare il modello, senza aggiustamento per l'ottimismo a causa di un potenziale overfitting).

Quattro modelli sono stati validati esternamente nello studio di sviluppo del modello (in un set di dati indipendente, escluse le suddivisioni casuali dei test di addestramento e le suddivisioni temporali). 7122532 Tuttavia, in tre di questi studi, i set di dati di validazione esterna probabilmente non sono rappresentativi della popolazione target (riquadro 2 ) .71225 Di conseguenza, le prestazioni predittive potrebbero differire se i modelli fossero applicati nella popolazione target. Gong e colleghi hanno avuto una prestazione predittiva soddisfacente su due set di dati di convalida esterni imparziali ma piccoli.32 Uno studio è stato una piccola convalida esterna (n = 27) che ha riportato prestazioni predittive soddisfacenti di un modello originariamente sviluppato per la polmonite da influenza aviaria H7N9. Tuttavia, i pazienti che non si erano ripresi alla fine del periodo di studio sono stati esclusi, il che ha portato a distorsioni della selezione.22 Solo tre studi hanno valutato la calibrazione, 71232 ma il metodo per verificare la calibrazione era probabilmente non ottimale in due studi.1232

126

Discussione

In questa revisione sistematica dei modelli di previsione relativi alla pandemia covid-19, abbiamo identificato e valutato criticamente 27 studi che descrivevano 31 modelli. Questi modelli di previsione sono stati sviluppati per rilevare persone nella popolazione generale a rischio di ricovero in ospedale per polmonite covid-19, per diagnosi di covid-19 in pazienti con sintomi e per prognosi di pazienti con infezione da covid-19.

Tutti i modelli hanno riportato prestazioni predittive da buone a eccellenti, ma tutti sono stati valutati per avere un alto rischio di parzialità a causa di una combinazione di scarsa reportistica e cattiva condotta metodologica per la selezione dei partecipanti, la descrizione dei predittori e i metodi statistici utilizzati. Come previsto, in questi primi studi modello di previsione relativi a covid-19, i dati clinici di pazienti con covid-19 sono ancora scarsi e limitati ai dati provenienti da Cina, Italia e registri internazionali.

Con poche eccezioni, le dimensioni del campione disponibili e il numero di eventi per gli esiti di interesse erano limitati. Questo è un problema ben noto quando si costruiscono modelli di previsione e aumenta il rischio di overfitting del modello.44 Un alto rischio di distorsione implica che questi modelli avranno probabilmente prestazioni peggiori nella pratica rispetto alle prestazioni riportate dai ricercatori. Pertanto, gli indici C stimati, spesso vicini a 1 e indicanti una discriminazione quasi perfetta, sono probabilmente ottimisti.

Cinque studi hanno effettuato una validazione esterna, 712222532 e solo uno studio ha valutato correttamente la calibrazione Abbiamo esaminato 13 studi che hanno utilizzato la metodologia avanzata di machine learning sulle scansioni TC toraciche per diagnosticare la malattia covid-19, la polmonite correlata a covid-19 o per aiutare nella segmentazione delle immagini polmonari. Le misure di performance predittive hanno mostrato una capacità da elevata a quasi perfetta di identificare covid-19, sebbene questi modelli e le loro valutazioni presentassero anche un alto rischio di parzialità, in particolare a causa della scarsa segnalazione e di un mix artificiale di pazienti con e senza Covid 19.

Sfide e opportunità

L'obiettivo principale dei modelli di previsione è supportare il processo decisionale medico. Pertanto è essenziale identificare una popolazione target in cui le previsioni soddisfano un'esigenza clinica e un set di dati rappresentativo (preferibilmente comprendente pazienti consecutivi) su cui sia possibile sviluppare e validare il modello di previsione.

Questa popolazione target deve anche essere accuratamente descritta in modo che le prestazioni del modello sviluppato o validato possano essere valutate nel contesto e gli utenti sappiano a quali persone si applica il modello quando fanno previsioni. Tuttavia, gli studi inclusi nella nostra revisione sistematica spesso

127 mancavano di una descrizione adeguata della popolazione dello studio, il che lascia gli utenti di questi modelli in dubbio sull'applicabilità dei modelli.

Sebbene riconosciamo che tutti gli studi sono stati condotti sotto gravi limiti di tempo causati dall'urgenza, raccomandiamo che tutti gli studi attualmente in fase di prestampa e tutti gli studi futuri debbano aderire alla linea guida di segnalazione TRIPOD15 per migliorare la descrizione della loro popolazione di studio e le loro scelte di modellizzazione. Le traduzioni di TREPPIEDI (ad es. In cinese e giapponese) sono disponibili anche su https://www.tripod-statement.org.

Una migliore descrizione della popolazione in studio potrebbe anche aiutarci a capire la variabilità osservata nei risultati riportati negli studi, come la mortalità correlata a covid-19. La variabilità delle frequenze relative dei risultati previsti rappresenta una sfida importante per il modellatore della previsione.

Un modello di previsione applicato in un'impostazione con una diversa frequenza relativa del risultato potrebbe produrre previsioni erroneamente calibrate45 e potrebbe essere necessario aggiornarlo prima di poterlo applicare in sicurezza in quella nuova impostazione.1646 Tale aggiornamento potrebbe spesso essere richiesto quando i modelli di previsione sono trasportato a diversi sistemi sanitari, il che richiede che i dati provenienti da pazienti con covid-19 siano disponibili da quel sistema.

I problemi di previsione Covid-19 spesso non si presentano come un semplice compito di classificazione binaria. Le complessità nei dati dovrebbero essere gestite in modo appropriato. Ad esempio, è necessario specificare un orizzonte di previsione per gli esiti prognostici (ad es. Mortalità a 30 giorni). Se i partecipanti allo studio non si sono ripresi né sono morti entro tale periodo di tempo, i loro dati non dovrebbero essere esclusi dall'analisi, che la maggior parte degli studi esaminati ha fatto.

Invece, dovrebbe essere preso in considerazione un momento adeguato per l'analisi degli eventi per consentire la censura amministrativa.16 Censurare per altri motivi, ad esempio a causa del rapido recupero e della perdita di follow-up dei pazienti che non sono più a rischio di morte per covid-19, potrebbe richiedere analisi in un contesto di rischio concorrenziale.47

Invece di sviluppare e aggiornare le previsioni nella loro impostazione locale, i dati dei singoli partecipanti provenienti da più paesi e sistemi sanitari potrebbero consentire una migliore comprensione della generalizzabilità e dell'implementazione dei modelli di previsione in contesti e popolazioni diverse. Questo approccio potrebbe migliorare notevolmente l'applicabilità e la solidità dei modelli di previsione nelle cure di routine. 4849505152

La base di prove per lo sviluppo e la validazione di modelli di previsione relativi a covid-19 aumenterà rapidamente nei prossimi mesi. Insieme alle crescenti prove fornite dagli studi sulla ricerca dei predittori53545556575859 e alle iniziative di revisione tra pari aperte per pubblicazioni relative a covid-19, vengono creati 60 registri di dati 6162636465.

Per massimizzare le nuove opportunità e facilitare le meta-analisi dei dati dei singoli partecipanti, l'Organizzazione Mondiale della Sanità ha recentemente pubblicato una nuova piattaforma di dati per incoraggiare la condivisione di dati clinici anovimizzati covid-19.66 Per sfruttare appieno il potenziale di queste evoluzioni, internazionali e interdisciplinari la collaborazione in termini di acquisizione dei dati e costruzione di modelli è cruciale.

Limitazioni dello studio

Con le nuove pubblicazioni sui modelli di previsione relativi a covid-19 che entrano rapidamente nella letteratura medica, questa revisione sistematica non può essere vista come un elenco aggiornato di tutti i

128 modelli di previsione relativi a covid-19 attualmente disponibili. Inoltre, 24 degli studi che abbiamo esaminato erano disponibili solo come prestampe.

Questi studi potrebbero migliorare dopo la revisione tra pari, quando entrano nella letteratura medica ufficiale. Abbiamo anche trovato altri modelli di predizione attualmente in uso nella pratica clinica ma senza pubblicazioni scientifiche, 67 e calcolatori del rischio web lanciati per l'uso mentre il manoscritto scientifico è ancora in fase di revisione (e non disponibile su richiesta) .68 Questi modelli non pubblicati naturalmente non rientrano nella scopo di questa recensione della letteratura.

Implicazioni per la pratica

Tutti e 31 i modelli di predizione recensiti hanno mostrato un alto rischio di parzialità e attualmente mancano prove da una validazione esterna indipendente di questi modelli. Tuttavia, l'urgenza di modelli diagnostici e prognostici di assistenza nel triage rapido ed efficiente dei pazienti nella pandemia covida-19 potrebbe incoraggiare i medici a implementare modelli di previsione senza documentazione e validazione sufficienti. Sebbene non possiamo lasciare che il perfetto sia nemico del bene, studi precedenti hanno dimostrato che i modelli erano di uso limitato nel contesto di una pandemia, 69 e potevano persino causare più danni che benefici.70

Pertanto, non possiamo raccomandare alcun modello per l'uso in pratica a questo punto. Prevediamo che presto saranno disponibili più dati covid-19 a livello di singolo partecipante. Questi dati potrebbero essere utilizzati per convalidare e aggiornare i modelli di previsione attualmente disponibili.16 Ad esempio, un modello che prevedeva la progressione alla malattia da covid-19 grave entro 15 giorni dal ricovero in ospedale mostrava una promettente discriminazione quando convalidato esternamente su due coorti di piccole dimensioni ma non selezionate.32 Poiché i report in questo studio non erano sufficientemente dettagliati e la convalida era in piccoli set di dati cinesi, è necessaria la convalida in set di dati internazionali più grandi.

A causa delle differenze tra i sistemi sanitari (ad es. Cinese ed europeo) su quando i pazienti vengono ricoverati e dimessi dall'ospedale e i criteri di test per i pazienti con covid-19, prevediamo che la maggior parte dei modelli esistenti dovrà essere aggiornata (ovvero adattata a l'impostazione locale). Quando si costruisce un nuovo modello di previsione, si consiglia di basarsi sulla letteratura precedente e sull'opinione degli esperti per selezionare i predittori, piuttosto che selezionare i predittori in modo puramente basato sui dati16; questo è particolarmente vero per i set di dati con dimensioni del campione limitate.71

Sulla base dei predittori inclusi in più modelli identificati dalla nostra recensione, incoraggiamo i ricercatori a considerare di incorporare diversi predittori candidati: per i modelli diagnostici, questi includono l'età, la temperatura corporea e (respiratoria) segni e sintomi; per i modelli prognostici, età, sesso, proteina C reattiva, deidrogenasi lattica, conta dei linfociti e potenzialmente caratteristiche derivate dal punteggio CT.

I predittori inclusi in entrambi i modelli diagnostici e prognostici erano l'albumina (o albumina / globina), la bilirubina diretta e la larghezza di distribuzione dei globuli rossi; questi predittori potrebbero anche essere considerati. Indicando le più importanti sfide e problematiche metodologiche nella progettazione e nella comunicazione dei modelli attualmente disponibili, speriamo di aver fornito un utile punto di partenza per ulteriori studi volti a sviluppare nuovi modelli o per convalidare e aggiornare quelli esistenti.

Questa revisione sistematica mira ad essere la prima fase di una revisione vivente di questo campo, in collaborazione con il gruppo di metodi di prognosi Cochrane. Aggiorneremo continuamente questa recensione e valutazione, per fornire informazioni aggiornate ai responsabili delle decisioni e ai professionisti della sanità man mano che nel tempo emergono più ricerche internazionali.

129

Conclusione

Sono disponibili modelli diagnostici e prognostici per covid-19 che sembrano mostrare prestazioni discriminatorie da buone a eccellenti. Tuttavia, questi modelli sono ad alto rischio di parzialità, principalmente a causa della selezione non rappresentativa dei pazienti di controllo, dell'esclusione dei pazienti che non avevano manifestato l'evento di interesse entro la fine dello studio e del sovradimensionamento del modello. Pertanto, è probabile che le loro stime delle prestazioni siano ottimistiche e fuorvianti. Gli studi futuri dovrebbero affrontare queste preoccupazioni. È urgentemente necessaria la condivisione di dati e competenze per lo sviluppo, la validazione e l'aggiornamento dei modelli di previsione relativi a covid-19. ______

Cosa si sa già su questo argomento

. Il recente forte aumento delle infezioni da coronavirus nel 2019 (covid-19) ha messo a dura prova i sistemi sanitari di tutto il mondo; vi è un urgente bisogno di un'efficace diagnosi precoce, diagnosi di covid-19 in pazienti con sospetta malattia e prognosi di covid-19 in pazienti con malattia confermata . Il test dell'acido nucleico virale e la tomografia computerizzata al torace (CT) sono metodi standard per la diagnosi di covid-19, ma richiedono molto tempo . Precedenti rapporti suggeriscono che i pazienti anziani, i pazienti con comorbidità (malattia polmonare ostruttiva cronica, malattie cardiovascolari, ipertensione) e i pazienti che presentano dispnea sono vulnerabili a morbilità e mortalità più gravi dopo l'infezione da covid-19

Cosa aggiunge questo studio

. Sono stati identificati tre modelli che prevedono il ricovero ospedaliero da polmonite e altri eventi (come risultati proxy per polmonite covid-19) nella popolazione generale . Sono stati identificati 18 modelli diagnostici per rilevare l'infezione da covid-19 (13 erano apprendimento automatico basato su scansioni TC); e 10 modelli prognostici per la previsione del rischio di mortalità, progressione a malattia grave o durata della degenza ospedaliera . I modelli proposti sono scarsamente segnalati e ad alto rischio di parzialità, sollevando preoccupazione che le loro previsioni potrebbero essere inaffidabili se applicate nella pratica quotidiana

Referenze: 1. Dong E, Du H, Gardner L -. An interactive web-based dashboard to track COVID-19 in real time. Lancet Infect Dis2020:S1473-3099(20)30120-1. doi:10.1016/S1473-3099(20)30120- 1. pmid:32087114 2. Arabi YM, Murthy S, Webb S -. COVID-19: a novel coronavirus and a novel challenge for critical care. Intensive Care Med2020. doi:10.1007/s00134-020-05955-1. pmid:32125458 3. Grasselli G, Pesenti A, Cecconi M - . Critical care utilization for the COVID-19 outbreak in Lombardy, Italy: early experience and forecast during an emergency response. JAMA2020. doi:10.1001/jama.2020.4031. pmid:32167538 4. Xie J, Tong Z, Guan X, Du B, Qiu H, Slutsky AS . Critical care crisis and some recommendations during the COVID-19 epidemic in China. Intensive Care Med2020. doi:10.1007/s00134-020- 05979-7. pmid:32123994 5. Wellcome Trust. Sharing research data and findings relevant to the novel coronavirus (COVID-19) outbreak 2020. https://wellcome.ac.uk/press-release/sharing-research-data- and-findings-relevant-novel-coronavirus-covid-19-outbreak. 6. Institute of Social and Preventive Medicine. Living evidence on COVID-19 2020. https://ispmbern.github.io/covid-19/living-review/index.html. 130

7. Xie J, Hungerford D, Chen H, et al. Development and external validation of a prognostic multivariable model on admission for hospitalized patients with COVID-19. medRxiv [Preprint] 2020. doi:10.1101/2020.03.28.20045997 8. DeCaprio D, Gartner J, Burgess T, et al. Building a COVID-19 vulnerability index. arXiv e-prints [Preprint] 2020. https://ui.adsabs.harvard.edu/abs/2020arXiv200307347D. 9. Bai X, Fang C, Zhou Y, et al. Predicting COVID-19 malignant progression with AI techniques. medRxiv [Preprint] 2020. doi:10.1101/2020.03.20.20037325 10. Feng C, Huang Z, Wang L, et al. A novel triage tool of artificial intelligence assisted diagnosis aid system for suspected covid-19 pneumonia in fever clinics. medRxiv [Preprint] 2020. doi:10.1101/2020.03.19.20039099 11. Jin C, Chen W, Cao Y, et al. Development and evaluation of an AI system for covid-19 diagnosis. medRxiv [Preprint] 2020. doi:10.1101/2020.03.20.20039834 12. Meng Z, Wang M, Song H, et al. Development and utilization of an intelligent application for aiding COVID-19 diagnosis. medRxiv [Preprint] 2020. doi:10.1101/2020.03.18.20035816 13. Moons KG, de Groot JA, Bouwmeester W, et al -. Critical appraisal and data extraction for systematic reviews of prediction modelling studies: the CHARMS checklist. PLoS Med2014;11:e1001744. doi:10.1371/journal.pmed.1001744. pmid:25314315 14. Moons KGM, Wolff RF, Riley RD, et al . PROBAST: a tool to assess risk of bias and applicability of prediction model studies: explanation and elaboration. Ann Intern Med2019;170:W1- 33. doi:10.7326/M18-1377. pmid:30596876 15. Moons KGM, Altman DG, Reitsma JB, et al - . Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis (TRIPOD): explanation and elaboration. Ann Intern Med2015;162:W1-73. doi:10.7326/M14-0698. pmid:25560730 16. Steyerberg EW -. Clinical prediction models: a practical approach to development, validation, and updating.Springer US, 2019doi:10.1007/978-3-030-16399-0. 17. Liberati A, Altman DG, Tetzlaff J, et al . The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: explanation and elaboration. PLoS , Med2009;6:e1000100. doi:10.1371/journal.pmed.1000100. pmid:19621070 18. Caramelo F, Ferreira N, Oliveiros B. Estimation of risk factors for COVID-19 mortality - preliminary results. medRxiv [Preprint] 2020. doi:10.1101/2020.02.24.20027268 19. Lu J, Hu S, Fan R, et al. ACP risk grade: a simple mortality index for patients with confirmed or suspected severe acute respiratory syndrome coronavirus 2 disease (COVID-19) during the early stage of outbreak in Wuhan, China. medRxiv [Preprint] 2020. doi:10.1101/2020.02.20.20025510 20. Qi X, Jiang Z, YU Q, et al. Machine learning-based CT radiomics model for predicting hospital stay in patients with pneumonia associated with SARS-CoV-2 infection: a multicenter study. medRxiv [Preprint] 2020. doi:10.1101/2020.02.29.20029603 21. Yan L, Zhang H-T, Xiao Y, et al. Prediction of criticality in patients with severe Covid-19 infection using three clinical features: a machine learning-based prognostic model with clinical data in Wuhan. medRxiv [Preprint] 2020. doi:10.1101/2020.02.27.20028027 22. Yuan M, Yin W, Tao Z, Tan W, Hu Y - Association of radiologic findings with mortality of patients infected with 2019 novel coronavirus in Wuhan, China. PLoS One2020;15:e0230548. doi:10.1371/journal.pone.0230548. pmid:32191764 23. Song Y, Zheng S, Li L, et al. Deep learning enables accurate diagnosis of novel coronavirus (covid-19) with CT images. medRxiv [Preprint] 2020. doi:10.1101/2020.02.23.20026930 24. Yu H, Shao J, Guo Y, et al. Data-driven discovery of clinical routes for severity detection in covid-19 pediatric cases. medRxiv [Preprint] 2020. doi:10.1101/2020.03.09.20032219 25. Abstract/FREE Full TextGoogle Scholar

131

26. Gozes O, Frid-Adar M, Greenspan H, et al. Rapid AI development cycle for the coronavirus (covid-19) pandemic: initial results for automated detection & patient monitoring using deep learning CT image analysis. arXiv e-prints [Preprint] 2020. https://ui.adsabs.harvard.edu/abs/2020arXiv200305037G 27. Chen J, Wu L, Zhang J, et al. Deep learning-based model for detecting 2019 novel coronavirus pneumonia on high-resolution computed tomography: a prospective study. medRxiv [Preprint] 2020. doi:10.1101/2020.02.25.20021568 28. Xu X, Jiang X, Ma C, et al. Deep learning system to screen coronavirus disease 2019 pneumonia. arXiv e-prints [Preprint] 2020. https://ui.adsabs.harvard.edu/abs/2020arXiv200209334X 29. Shan F, Gao Y, Wang J, et al. Lung infection quantification of covid-19 in CT images with deep learning. arXiv e-prints 2020. https://ui.adsabs.harvard.edu/abs/2020arXiv200304655S 30. Wang S, Kang B, Ma J, et al. A deep learning algorithm using CT images to screen for corona virus disease (covid-19). medRxiv [Preprint] 2020. doi:10.1101/2020.02.14.20023028 31. Song C-Y, Xu J, He J-Q, et al. COVID-19 early warning score: a multi-parameter screening tool to identify highly suspected patients. medRxiv [Preprint] 2020. doi:10.1101/2020.03.05.20031906 32. Barstugan M, Ozkaya U, Ozturk S. Coronavirus (COVID-19) classification using CT images by machine learning methods. arXiv e-prints [Preprint] 2020. https://ui.adsabs.harvard.edu/abs/2020arXiv200309424B 33. Gong J, Ou J, Qiu X, et al. A tool to early predict severe 2019-novel coronavirus pneumonia (covid-19): a multicenter study using the risk nomogram in Wuhan and Guangdong, China. medRxiv [Preprint] 2020. doi:10.1101/2020.03.17.20037515 34. Jin S, Wang B, Xu H, et al. AI-assisted CT imaging analysis for COVID-19 screening: building and deploying a medical AI system in four weeks. medRxiv [Preprint] 2020. doi:10.1101/2020.03.19.20039354 35. Li L, Qin L, Xu Z, et al Artificial intelligence distinguishes covid-19 from community acquired pneumonia on chest CT. Radiology2020:200905. doi:10.1148/radiol.2020200905. pmid:32191588 36. Lopez-Rincon A, Tonda A, Mendoza-Maldonado L, et al. Accurate identification of SARS-CoV- 2 from viral genome sequences using deep learning. bioRxiv [Preprint] 2020. doi:10.1101/2020.03.13.990242 37. Shi F, Xia L, Shan F, et al. Large-scale screening of covid-19 from community acquired pneumonia using infection size-aware classification. arXiv e-prints [Preprint] 2020. https://ui.adsabs.harvard.edu/abs/2020arXiv200309860S 38. Shi Y, Yu X, Zhao H, Wang H, Zhao R, Sheng J - Host susceptibility to severe COVID-19 and establishment of a host risk score: findings of 487 cases outside Wuhan. Crit Care2020;24:108. doi:10.1186/s13054-020-2833-7. pmid:32188484 39. Zheng C, Deng X, Fu Q, et al. Deep learning-based detection for covid-19 from chest CT using weak label. medRxiv [Preprint] 2020. doi:10.1101/2020.03.12.20027185 40. ClosedLoop.ai. Covid-19 vulnerability index (CV19 index) 2020. https://closedloop.ai/cv19index/. 41. Chinese PLA General Hospital. Suspected covid-19 pneumonia diagnosis aid system 2020. https://intensivecare.shinyapps.io/COVID19/. 42. Renmin Hospital of Wuhan University & Wuhan EndoAngel Medical Technology Co. AI diagnostic system for 2019-nCoV 2020. http://121.40.75.149/znyx-ncov/index. 43. National Supercomputing Center of Tianjin 44. . Peunomnia CT 2020. https://ai.nscc-tj.cn/thai/deploy/public/pneumonia_ct.

132

45. Sun Yat-sen University. Discriminating covid-19 pneumonia from CT images 2020. http://biomed.nscc-gz.cn/server/Ncov2019. 46. Riley RD, Ensor J, Snell KIE, et al - Calculating the sample size required for developing a clinical prediction model. BMJ2020;368:m441. doi:10.1136/bmj.m441. pmid:32188600 47. Van Calster B, McLernon DJ, van Smeden M, Wynants L, Steyerberg EW - Topic Group ‘Evaluating diagnostic tests and prediction models’ of the STRATOS initiative 48. . Calibration: the Achilles heel of predictive analytics. BMC Med2019;17:230. doi:10.1186/s12916-019-1466-7 pmid:31842878 49. Steyerberg EW - . Clinical prediction models: a practical approach to development, validation, and updating.Springer US, 2009doi:10.1007/978-0-387-77244-8. 50. Austin PC, Lee DS, Fine JP - Introduction to the analysis of survival data in the presence of competing risks. Circulation2016;133:601- 9. doi:10.1161/CIRCULATIONAHA.115.017719. pmid:26858290 51. Riley RD, Ensor J, Snell KI, et al External validation of clinical prediction models using big datasets from e-health records or IPD meta-analysis: opportunities and challenges [correction: BMJ 2019;365:l4379]. BMJ2016;353:i3140. doi:10.1136/bmj.i3140. pmid:27334 381 52. Debray TP, Riley RD, Rovers MM, Reitsma JB, Moons KG, Cochrane IPD Meta-analysis Methods group . Individual participant data (IPD) meta-analyses of diagnostic and prognostic modeling studies: guidance on their use. PLoS Med2015;12:e1001886. doi:10.1371/journal.pmed.1001886. pmid:26461078 53. Steyerberg EW, Harrell FE Jr. - Prediction models need appropriate internal, internal- external, and external validation. J Clin Epidemiol2016;69:245- 7. doi:10.1016/j.jclinepi.2015.04.005. pmid:25981519 54. Wynants L, Kent DM, Timmerman D, Lundquist CM, Van Calster B - Untapped potential of multicenter studies: a review of cardiovascular risk prediction models revealed inappropriate analyses and wide variation in reporting. Diagn Progn Res2019;3:6. doi:10.1186/s41512- 019-0046-9. pmid:31093576 55. Wynants L, Riley RD, Timmerman D, Van Calster B - Random-effects meta-analysis of the clinical utility of tests and prediction models. Stat Med2018;37:2034- 52. doi:10.1002/sim.7653. pmid:29575170 56. Zhou F, Yu T, Du R, et al - Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet2020;395:1054- 62. doi:10.1016/S0140-6736(20)30566-3. pmid:32171076 57. Li K, Wu J, Wu F, et al - The clinical and chest CT features associated with severe and critical covid-19 pneumonia. Invest radiol2020. doi:10.1097/RLI.0000000000000672. pmid:32118615 58. Li B, Yang J, Zhao F, et al - Prevalence and impact of cardiovascular metabolic diseases on COVID-19 in China. Clin Res Cardiol2020. doi:10.1007/s00392-020-01626-9. pmid:32161990 59. Jain V, Yuan J-M. Systematic review and meta-analysis of predictive symptoms and comorbidities for severe COVID-19 infection. medRxiv [Preprint] 2020. doi:10.1101/2020.03.15.20035360 60. Rodriguez-Morales AJ, Cardona-Ospina JA, Gutiérrez-Ocampo E, et al., - Latin American Network of Coronavirus Disease 2019-COVID-19 Research (LANCOVID-19). Electronic address: https://www.lancovid.org 61. . Clinical, laboratory and imaging features of COVID-19: A systematic review and meta- analysis. Travel Med Infect Dis2020:101623. doi:10.1016/j.tmaid.2020.101623. pmid:32179124 62. Lippi G, Plebani M, Henry BM - Thrombocytopenia is associated with severe coronavirus disease 2019 (COVID-19) infections: a meta-analysis. Clin Chim Acta2020;506:145- 8. doi:10.1016/j.cca.2020.03.022. pmid:32178975

133

63. Zhao X, Zhang B, Li P, et al. Incidence, clinical characteristics and prognostic factor of patients with covid-19: a systematic review and meta-analysis. medRxiv [Preprint] 2020. doi:10.1101/2020.03.17.20037572 64. Johansson MA, Saderi D - Open peer-review platform for COVID-19 preprints. Nature2020;579:29. doi:10.1038/d41586-020-00613-4 pmid:32127711 65. CrossRefPubMedGoogle Scholar 66. Xu B, Kraemer MU, Gutierrez B, et al - Open access epidemiological data from the COVID-19 outbreak. Lancet Infect Dis2020. doi:10.1016/s1473-3099(20)30119-5 67. CrossRefGoogle Scholar 68. Società Italiana di Radiologia Medica e Interventistica. COVID-19 database 2020. https://www.sirm.org/category/senza-categoria/covid-19/. 69. Kaggle. COVID-19 Kaggle community contributions 2020. https://www.kaggle.com/covid-19- contributions. 70. Cohen JP, Morrison P, Dao L. COVID-19 image data collection. arXiv [Preprint] 2020. doi:2003.11597, https://github.com/ieee8023/covid-chestxray-dataset. 71. Dutch CardioVascular Alliance. European registry of patients with covid-19 including cardiovascular risk and complications 2020. https://capacity-covid.eu/. 72. World Health Organization. Coronavirus disease (COVID-19) technical guidance: early investigations protocols 2020. https://www.who.int/emergencies/diseases/novel- coronavirus-2019/technical-guidance/early-investigations. 73. Infervision. Infervision launches hashtag#AI-based hashtag#Covid-19 solution in Europe 2020. https://www.linkedin.com/posts/infervision_ai-covid-medicine-activity- 6650772755031613440-TqLJ. 74. Surgisphere Corporation. COVID-19 response center 2020. https://surgisphere.com/covid- 19-response-center/. 75. Enfield K, Miller R, Rice T, et al - Limited utility of SOFA and APACHE II prediction models for ICU triage in pandemic Influenza. Chest2011;140:913A. doi:10.1378/chest.1118087. 76. CrossRefGoogle Scholar 77. Van Calster B, Vickers AJ - Calibration of risk prediction models: impact on decision-analytic performance. Med Decis Making2015;35:162- 9. doi:10.1177/0272989X14547233. pmid:25155798 78. van Smeden M, Moons KG, de Groot JA, et al - Sample size for binary logistic prediction models: beyond events per variable criteria. Stat Methods Med Res2019;28:2455- 74. doi:10.1177/0962280218784726. pmid:29966490

134 www.thelancet.com Vol 395 March 28, 2020 COVID-19: towards controlling of a pandemic

COVID-19: verso il controllo di una pandemia

Nelle ultime 3 settimane, nuovi importanti focolai epidemici della malattia di coronavirus 2019 (COVID-19), alcuni senza origine rintracciabile, sono stati identificati e si stanno rapidamente espandendo in Europa, Nord America, Asia e Medio Oriente, con i primi casi confermati identificati nei paesi dell'Africa e dell'America Latina.

Entro il 16 marzo 2020, il numero di casi di COVID-19 fuori dalla Cina era aumentato drasticamente e il numero di paesi, stati o territori colpiti che riportavano infezioni all'OMS era 143,1 sulla base di "livelli allarmanti di diffusione e gravità, e di i livelli allarmanti di inazione ”, l'11 marzo 2020, il Direttore Generale dell'OMS ha definito la situazione COVID-19 come una pandemia.2

Il Gruppo di consulenza strategica e tecnica dell'OMS per i pericoli infettivi (STAG-IH) rivede e aggiorna regolarmente la sua valutazione del rischio di COVID-19 per formulare raccomandazioni al programma di emergenza sanitaria dell'OMS. La riunione formale più recente di STAG-IH del 12 marzo 2020, ha incluso un aggiornamento della situazione globale COVID-19 e una panoramica delle priorità di ricerca stabilite dal gruppo di consulenza scientifica del progetto di ricerca e sviluppo dell'OMS che si è riunito il 2 marzo 2020 in Ginevra, Svizzera, per dare la priorità alle raccomandazioni di una precedente riunione sulla ricerca COVID-19 tenutasi all'inizio di febbraio 2020.3

In questo commento, delineiamo la comprensione delle attività di controllo da parte di STAG-IH con la valutazione del rischio e le raccomandazioni del gruppo. Per rispondere a COVID-19, molti paesi stanno utilizzando una combinazione di attività di contenimento e mitigazione con l'intenzione di ritardare le impennate dei pazienti e livellare la domanda di letti ospedalieri, proteggendo nel contempo i più vulnerabili dalle infezioni, compresi gli anziani e quelli con comorbilità .

Le attività per raggiungere questi obiettivi variano e si basano su valutazioni del rischio nazionali che molte volte includono un numero stimato di pazienti che richiedono il ricovero in ospedale e la disponibilità di letti ospedalieri e il supporto di ventilazione.

La maggior parte delle strategie di risposta nazionali includono livelli variabili di tracciamento dei contatti e autoisolamento o quarantena; promozione di misure di sanità pubblica, inclusi lavaggio delle mani, etichetta respiratoria e distanziamento sociale; preparazione di sistemi sanitari per un'ondata di pazienti gravemente malati che richiedono isolamento, ossigeno e ventilazione meccanica; rafforzare la prevenzione e il controllo delle infezioni delle strutture sanitarie, con particolare attenzione alle strutture delle case di cura; e il rinvio o la cancellazione di raduni pubblici su larga scala.

Alcuni paesi a basso e medio reddito richiedono supporto tecnico e finanziario per rispondere con successo a COVID-19 e molte nazioni africane, asiatiche e latinoamericane stanno rapidamente sviluppando la capacità di test PCR per COVID-19.

Sulla base di oltre 500 sequenze genetiche inviate a GISAID (l'iniziativa globale sulla condivisione di tutti i dati sull'influenza), il virus non è passato a significative differenze di deformazione e i cambiamenti nella sequenza sono minimi. Non ci sono prove per collegare le informazioni sulla sequenza con la trasmissibilità o la virulenza della sindrome respiratoria acuta grave coronavirus 2 (SARS-CoV-2), 1 il virus che causa COVID-19.

135

SARS-CoV-2, come altri agenti patogeni emergenti ad alta minaccia, ha infettato operatori sanitari in Cina4,5 e in molti altri paesi. Ad oggi, tuttavia, in Cina, dove la prevenzione e il controllo delle infezioni sono stati presi sul serio, la trasmissione nosocomiale non è stata un grande amplificatore della trasmissione in questa epidemia.

I registri epidemiologici in Cina suggeriscono che fino all'85% della trasmissione da uomo a uomo si è verificato in gruppi familiari4 e che 2055 operatori sanitari sono stati infettati, con un'assenza di gravi focolai nosocomiali e alcune prove a sostegno che alcuni operatori sanitari infezione acquisita nelle loro famiglie.4,5 Questi risultati suggeriscono che è necessaria un'esposizione ravvicinata e non protetta per la trasmissione per contatto diretto o per contatto con fomiti nell'ambiente immediato di quelli con infezione.

Rapporti continui dall'esterno della Cina suggeriscono gli stessi mezzi di trasmissione per chiudere contatti e persone che hanno partecipato agli stessi eventi sociali o che si trovavano in aree circoscritte come spazi per uffici o navi da crociera. e vengono intrapresi per tentare di individuare i casi e di interrompere la trasmissione. Attualmente la conferma dell'infezione consiste nella PCR per l'infezione acuta e sebbene siano in fase di sviluppo numerosi test sierologici per identificare gli anticorpi, essi richiedono la convalida con sieri ben caratterizzati prima di essere affidabili per l'uso generale.

Dagli studi sullo spargimento virale in pazienti con infezioni lievi e più gravi, lo spargimento sembra essere maggiore durante la fase iniziale della malattia (Myoung-don Oh e Gabriel Leung, Centro di collaborazione per l'epidemiologia e il controllo delle malattie infettive dell'OMS, School of Public Health, LKS Facoltà di Medicina, Università di Hong Kong, Hong Kong, Regione Amministrativa Speciale, Cina, comunicazione personale) .8,9 Il ruolo, se del caso, dei portatori asintomatici nella trasmissione di infezione non è ancora completamente compreso.4 L'infettività presintomatica è una preoccupazione (Myoung-don Oh e Gabriel Leung, comunicazione personale) 8,9 e molti paesi utilizzano ora 1-2 giorni di insorgenza dei sintomi come giorno di inizio per l'identificazione dei contatti.

Un rapporto completo pubblicato dal Centro cinese per il controllo e la prevenzione delle malattie sulle caratteristiche epidemiologiche di 72 314 pazienti con COVID-19 ha confermato la comprensione precedente che le infezioni più conosciute causano malattie lievi, con un rapporto di mortalità che variava dal 2 al 9% in Hubei provincia al 04% nelle altre province cinesi.5 Questo rapporto ha anche suggerito che le persone anziane, in particolare quelle di età superiore agli 80 anni, e le persone con comorbidità, come malattie cardiache, malattie respiratorie e diabete, sono maggiormente a rischio di malattie gravi e Morte.

La definizione del caso usata in Cina è cambiata più volte con il progredire di COVID-19, rendendo difficile caratterizzare completamente la storia naturale dell'infezione, incluso il rapporto di mortalità.4

Le informazioni sulla mortalità e sui fattori che contribuiscono ai siti di epidemia in altri paesi variano notevolmente e sembrano essere influenzato da fattori quali l'età dei pazienti, le comorbilità associate, la disponibilità di strutture di isolamento per le cure acute per i pazienti che necessitano di supporto respiratorio e la capacità di sovraccarico del sistema sanitario. Gli individui nelle strutture di assistenza per le persone anziane sono particolarmente a rischio di malattie gravi, come mostrato nel rapporto di una serie di decessi in una struttura di assistenza agli anziani negli Stati Uniti.10

La pandemia di COVID-19 è chiaramente entrata in una nuova fase con una rapida diffusione nei paesi al di fuori della Cina e tutti i membri della società devono comprendere e mettere in atto misure di autoprotezione e prevenzione trasmissione dell'infezione ad altri. STAG-IH formula le seguenti raccomandazioni.

1. In primo luogo, i paesi devono aumentare rapidamente e con fermezza la preparazione, la prontezza e le azioni di risposta basate sulla valutazione del rischio nazionale e sui quattro scenari di trasmissione dell'OMS11 per i paesi senza casi, primi casi, primi gruppi e trasmissione e diffusione della comunità (4C)).

136

2. In secondo luogo, tutti i paesi dovrebbero prendere in considerazione una combinazione di misure di risposta: individuazione di casi e contatti; contenimento o altre misure che mirano a ritardare l'insorgenza delle ondate di pazienti ove possibile; e misure quali sensibilizzazione del pubblico, promozione dell'igiene protettiva personale, preparazione di sistemi sanitari per un'ondata di pazienti gravemente malati, maggiore prevenzione e controllo delle infezioni nelle strutture sanitarie, nelle case di cura e nelle strutture di assistenza a lungo termine e rinvio o cancellazione di grandi dimensioni incontri pubblici.

3. In terzo luogo, i paesi con nessun o pochi primi casi di COVID-19 dovrebbero prendere in considerazione la sorveglianza attiva per la rilevazione tempestiva dei casi; isolare, testare e tracciare ogni contatto nel contenimento; praticare il distanziamento sociale; e preparano i loro sistemi sanitari e le popolazioni per la diffusione dell'infezione.

4. In quarto luogo, i paesi a basso e medio reddito che richiedono il sostegno dell'OMS dovrebbero essere pienamente sostenuti tecnicamente e finanziariamente.

Il sostegno finanziario dovrebbe essere richiesto dai paesi e dall'OMS, compreso lo strumento per il finanziamento dell'emergenza pandemica della Banca mondiale e altri meccanismi.12 Infine, le lacune di ricerca su COVID-19 dovrebbero essere indirizzati e mostrati nel pannello di accompagnamento e includono alcuni identificati dalla comunità globale e dal gruppo di consulenza scientifica del progetto di ricerca e sviluppo.

Lo STAG-IH sottolinea l'importanza della continua e rapida condivisione di dati di rilevanza per la salute pubblica nelle riviste mediche che forniscono una rapida consultazione e pubblicazione online senza paywall. È la condivisione di informazioni in questo modo, così come la collaborazione tecnica tra clinici, epidemiologi e virologi, che ha fornito al mondo la sua attuale comprensione di COVID-19.

Bibliografia 1. WHO. Coronavirus disease (COVID-2019) situation reports. Situation report—55. March 15, 2020. https://www.who.int/docs/default-source/ coronaviruse/situation-reports/20200315-sitrep-55- covid-19. pdf?sfvrsn=33daa5cb_6 (accessed March 16, 2020). 2. WHO. WHO Virtual press conference on COVID-19. March 11, 2020. https://www.who.int/docs/default-source/coronaviruse/transcripts/who-audio-emergencies- coronavirus-press-conference-full-and-final-11mar2020.pdf?sfvrsn=cb432bb3_2 (accessed March 16, 2020). 3. WHO. A coordinated global research roadmap. 2020. https://www.who.int/blueprint/priority- diseases/key-action/Roadmap-version-FINAL-for-WEB. pdf?ua=1 (accessed March 16, 2020). 4. WHO. Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19). February, 2020. https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19- final-report.pdf (accessed March 13, 2020). 5. Wu Z, McGoogan JM. Characteristics of and important lessons from the coronavirus disease 2019 (COVID-19) outbreak in China: summary of a report of 72 314 cases from the Chinese Center for Disease Control and Prevention. JAMA 2020; published online Feb 24. DOI:10.1001/jama.2020.2648. 6. Rothe C, Schunk M, Sothmann P, et al. Transmission of 2019-nCoV infection from an asymptomatic contact in Germany. N Engl J Med 2020; 382: 970–71. 7. The National Institute of Infectious Diseases, Japan. Field briefing: Diamond Princess COVID-19 cases. Feb 19, 2020. https://www.niid.go.jp/ niid/en/2019-ncov-e/9407-covid-dp-fe-01.html (accessed March 16, 2020). 8. Zou L, Ruan F, Huang M, et al. SARS-CoV-2 viral load in upper respiratory specimens of infected patients. New Engl J Med 2020; published online Feb 19. DOI:10.1056/NEJMc2001737.

137

9. Kim JY, Ko JH, Kim Y, et al. Viral load kinetics of SARS-CoV-2 infection in first two patients in Korea. J Korean Med Sci 2020; 35: e86. 10. Public Health King County, Seattle. Update: increasing King County COVID-19 case numbers for March 10, 2020 point to importance of social distancing. March 10, 2020. https://www.kingcounty.gov/depts/health/news/2020/March/10-covid-case-updates.aspx (accessed March 13, 2020). 11. WHO. Critical preparedness, readiness and response actions for COVID-19. March 7, 2020. https://www.who.int/publications-detail/critical-preparednessreadiness-and-response-actions-for- covid-19 (accessed March 13, 2020). 12. WHO. 2019 Novel Coronavirus (2019‑nCoV): strategic preparedness and response plan. February, 2020. https://www.who.int/docs/default-source/coronaviruse/srp-04022020.pdf (accessed March 16, 2020).

138

COVID-19: The latest information

Kaiser Permanente sta lavorando a stretto contatto con agenzie locali, statali e nazionali per rispondere alla pandemia e reprimere l'ulteriore diffusione del virus. Negli Stati Uniti, come in molte parti del mondo, la nuova pandemia di coronavirus continua ad evolversi.

Poiché i casi di COVID-19 aumentano in alcune aree, il tasso di nuove infezioni sta iniziando ad appiattirsi o diminuire in altre aree. David Witt, MD, leader nazionale delle malattie infettive al Kaiser Permanente, continua a raccomandare un approccio cauto e calmo mentre gli stati di tutto il paese iniziano a sollevare lentamente le restrizioni poste in atto per rallentare la diffusione del virus.

La risposta di Kaiser Permanente

Da febbraio, il Kaiser Permanente National Command Center ha supervisionato ogni aspetto della nostra risposta coordinata a COVID-19 - dalla consegna di maschere e abiti al posizionamento dei ventilatori, all'apertura di spazio extra nei nostri centri medici per l'elevato numero di membri che necessitano di circolare - assistenza ospedaliera 24 ore su 24. Stiamo trattando in sicurezza migliaia di pazienti che sono stati infettati da COVID-19, con un rischio limitato per altri pazienti, membri e dipendenti.

"Siamo profondamente grati ai nostri team medici, al personale e ai dipendenti che si occupano e proteggono con competenza e compassione dei nostri membri, pazienti, comunità e a vicenda", ha affermato il dott. Witt.

Mentre la maggior parte dei nostri centri di assistenza e cure urgenti rimangono aperti e operativi e sono luoghi sicuri dove stare, abbiamo temporaneamente chiuso alcuni dei nostri edifici per uffici medici e consolidato in un numero inferiore di sedi per garantire la capacità di fornire assistenza di alta qualità per i nostri membri e prepararci per l'aumento previsto del numero di pazienti con COVID-19. Abbiamo anche esteso l'uso degli appuntamenti di telehealth per telefono e video e incoraggiato l'uso dei nostri servizi di farmacia per corrispondenza.

Come sempre, i dipartimenti di emergenza di Kaiser Permanente rimangono completamente aperti, disponibili e sicuri per coloro che hanno bisogno di ricevere assistenza durante questa pandemia. Siamo sempre aperti a coloro che hanno bisogno di cure per condizioni gravi come infarti, ictus e appendicite. Le persone che necessitano di cure di emergenza non dovrebbero evitarlo o ritardarlo.

"Stiamo lavorando su piani per valutare quando possiamo riaprire gradualmente le strutture appropriate, in linea con la guida delle autorità sanitarie federali, statali e locali", ha affermato il dott. Witt.

Utilizzando la stessa guida, Kaiser Permanente sta lavorando per riprendere gli interventi chirurgici non chirurgici ed elettivi in modo sicuro, rapido e coordinato che continuerà a proteggere i nostri pazienti, il personale e le comunità. Quel lavoro include la rivalutazione e la ri-valutazione dei pazienti per dare la priorità a coloro le cui procedure sono state ritardate a causa della pandemia.

Guardando avanti

La fase successiva della risposta di Kaiser Permanente a COVID-19, chiamata soppressione, è ora in corso. 139

Quando la trasmissione virale rallenta e il tasso di nuove infezioni diventa gestibile, per tradizione facciamo affidamento su test, vaccini e trattamenti per fermare la diffusione di un virus. Per COVID-19, ci manca ancora un vaccino e farmaci di trattamento ampiamente efficaci.

Senza di essi, la nostra efficace strategia di soppressione include 3 componenti critiche: . Prevenire la diffusione utilizzando gli strumenti della comunità e della sanità pubblica per identificare rapidamente nuovi casi a livello locale e punti caldi a livello nazionale. Questi strumenti includono test, monitoraggio e traccia dei contatti per riconoscere e preparare potenziali hot spot. . Flettere il sistema di consegna per consentire agli ospedali, ai gruppi di medici e ad altri di separare i pazienti COVID-19 da altri pazienti e di rispondere alle mutevoli esigenze man mano che si sviluppano i punti caldi. . Conservare le capacità di trattamento estese, inclusa la capacità di aumentare lo spazio di trattamento, il personale e le forniture per gestire le ondate, anche quando riapriamo il sistema sanitario con nuove misure di distanziamento sociale in atto.

Come parte di questo sforzo, Kaiser Permanente continua a investire nella capacità interna di supportare ulteriori test, incluso l'acquisto di strumenti aggiuntivi e la collaborazione con i fornitori per aumentare il numero di kit di test. Abbiamo istituito test attraverso i nostri laboratori clinici per aumentare la capacità di test.

E Kaiser Permanente sta costruendo un laboratorio di 7.700 piedi quadrati a Berkeley, in California, che dovrebbe essere in grado di elaborare 10.000 test al giorno quando aprirà a giugno. Infine, continuiamo a fare affidamento sul nostro ampliato servizio di telemedicina e di vendita per corrispondenza per limitare la possibile trasmissione del virus.

Circa il 75% delle nostre visite di assistenza in tutto il sistema sono ora completate virtualmente, compresi oltre 30.000 al giorno tramite video. Inoltre, la nostra distribuzione di farmacie per corrispondenza è al massimo volume della nostra storia - 3,6 milioni di prescrizioni ad aprile - un balzo del 61% da marzo.

"La nostra priorità continua a garantire la salute e la sicurezza dei pazienti, dei membri e dei nostri dipendenti", ha affermato il dott. Witt. "I nostri esperti in malattie infettive continuano a lavorare a stretto contatto con le autorità sanitarie pubbliche per sostenere pratiche che ci aiuteranno a sopprimere questa malattia e prevenire un altro aumento dei casi COVID-19".

Continua a proteggere te stesso e gli altri

Se è un membro che manifesta sintomi tra cui febbre, tosse, respiro corto, brividi, agitazione ripetuta con brividi, dolore muscolare, mal di testa, mal di gola o nuova perdita di gusto o olfatto, o se ha domande sul test del coronavirus o copertura, si prega di chiamare il medico o il numero sul retro della carta medica Kaiser Permanente. Ulteriori indicazioni sono disponibili sulla pagina Coronavirus e COVID-19 su kp.org.

Tutti possiamo svolgere un ruolo nel rispondere a questa minaccia alla salute in evoluzione, secondo il dott. Witt. Continuiamo a incoraggiare tutti a praticare abitudini sane per proteggere se stessi e gli altri: . Riposati molto, bevi molti liquidi, mangia cibi sani e gestisci lo stress per mantenere forte l'immunità. . Rispettare gli ordini di assistenza sanitaria a domicilio. Lasciare la casa solo per cure mediche o fare acquisti per gli oggetti essenziali. Se tu o qualcuno nella tua famiglia sviluppa uno dei sintomi sopra elencati, chiama il medico. . Indossare una maschera quando ci si trova in un ambiente comunitario. I Centers for Disease Control and Prevention ora raccomandano alle persone di indossare una copertura in tessuto per coprire il naso e la bocca quando si trovano in ambienti pubblici. 140

Questa è un'ulteriore misura di salute pubblica in aggiunta al distanziamento sociale, alla frequente pulizia delle mani e ad altre azioni preventive quotidiane per aiutare a ridurre la diffusione di COVID-19.

141

Lancet Infect Dis 2020 Published Online March 30, 2020 https://doi.org/10.1016/S1473- 3099(20)30243-7 Estimates of the severity of coronavirus disease 2019: a model-based analysis Stime della gravità della malattia di coronavirus 2019: un'analisi basata su modelli

Robert Verity*, Lucy C Okell*, Ilaria Dorigatti*, Peter Winskill*, Charles Whittaker*, Natsuko Imai, Gina Cuomo- Dannenburg, Hayley Thompson, Patrick G T Walker, Han Fu, Amy Dighe, Jamie T Griffin, Marc Baguelin, Sangeeta Bhatia, Adhiratha Boonyasiri, Anne Cori, Zulma Cucunubá, Rich FitzJohn, Katy Gaythorpe, Will Green, Arran Hamlet, Wes Hinsley, Daniel Laydon, Gemma Nedjati-Gilani, Steven Riley, Sabine van Elsland, Erik Volz, Haowei Wang, Yuanrong Wang, Xiaoyue Xi, Christl A Donnelly, Azra C Ghani, Neil M Ferguson*

Summary

Background

Di fronte a dati che cambiano rapidamente, sono state prodotte una serie di stime del rapporto di mortalità dei casi per la malattia di coronavirus 2019 (COVID-19) che differiscono sostanzialmente per grandezza. Abbiamo mirato a fornire stime affidabili, tenendo conto dei pregiudizi di censura e accertamento.

Metodi

Abbiamo raccolto dati su casi individuali per pazienti deceduti a causa di COVID-19 a Hubei, Cina continentale (riportato dalle commissioni sanitarie nazionali e provinciali all'8 febbraio 2020), e per i casi al di fuori della Cina continentale (dai siti web del governo o del ministero della salute e rapporti dei media per 37 paesi, nonché Hong Kong e Macao, fino al 25 febbraio 2020).

Questi dati sui singoli casi sono stati utilizzati per stimare il tempo che intercorre tra l'insorgenza dei sintomi e l'esito (morte o dimissione dall'ospedale). Successivamente abbiamo ottenuto stime stratificate per età del rapporto di mortalità dei casi mettendo in relazione la distribuzione aggregata dei casi con i decessi cumulativi osservati in Cina, ipotizzando un tasso di attacco costante in base all'età e adattando la demografia e la sottovalutazione basata sull'età e sulla posizione.

Abbiamo anche stimato il rapporto di mortalità dei casi dai singoli dati dell'elenco di linee su 1334 casi identificati al di fuori della Cina continentale. Utilizzando i dati sulla prevalenza di casi confermati dalla PCR in residenti internazionali rimpatriati dalla Cina, abbiamo ottenuto stime stratificate per età del rapporto di mortalità per infezione. Inoltre, i dati sulla gravità stratificata per età in un sottogruppo di 3665 casi provenienti dalla Cina sono stati utilizzati per stimare la percentuale di individui infetti che potrebbero richiedere il ricovero in ospedale.

Risultati

Utilizzando dati su 24 decessi verificatisi nella Cina continentale e 165 recuperi al di fuori della Cina, abbiamo stimato che la durata media dall'esordio dei sintomi alla morte fosse di 17 · 8 giorni (intervallo credibile del 95% [CrI] 16 · 9–19 · 2 ) e alle dimissioni in ospedale di 24 · 7 giorni (22 · 9–28 · 1).

In tutti i casi confermati in laboratorio e diagnosticati clinicamente dalla Cina continentale (n = 70117), abbiamo stimato un rapporto di mortalità per caso grezzo (aggiustato per la censura) del 3-67% (IC al 95% 3 · 142

56–3 · 80). Tuttavia, dopo ulteriori aggiustamenti per la demografia e la sottovalutazione, abbiamo ottenuto una migliore stima del rapporto di mortalità del caso in Cina dell'1,8% (1 · 23–1 · 53), con rapporti sostanzialmente più elevati nelle fasce di età avanzata (0 · 32% [0 · 27–0 · 38] in persone di età pari o superiore a 80 anni.

Introduction

Al 25 marzo 2020 erano stati segnalati in tutto il mondo 414179 casi e 18440 decessi dovuti alla malattia di coronavirus 2019 (COVID-19), causata dalla nuova sindrome respiratoria acuta grave coronavirus 2 (SARS-CoV- 2) in tutto il mondo.1 È iniziata l'epidemia nella Cina continentale, con un focus geografico nella città di Wuhan, Hubei.

Tuttavia, il 26 febbraio 2020, il tasso di aumento dei casi è aumentato nel resto del mondo rispetto alla Cina. Focolai gravi si verificano in Italia (69 176 casi), negli Stati Uniti (51914 casi) e in Iran (24 811 casi) e l'espansione geografica dell'epidemia continua.

Studi clinici su pazienti ospedalizzati hanno dimostrato che, all'inizio del COVID-19, i pazienti mostrano frequentemente sintomi associati a polmonite virale, più comunemente febbre, tosse, mal di gola, mialgia e affaticamento.2–6 La definizione del caso adottata in Cina e altrove include un'ulteriore stratificazione dei casi come gravi (definiti come tachipnea [≥30 respiri al minuto], saturazione di ossigeno ≤93% a riposo o fallimento del rapporto PaO2 / FiO2 che richiede ventilazione meccanica, shock settico o altre disfunzioni o altri organi che richiedono terapia intensiva ) .7

Secondo il rapporto della Missione congiunta OMS-Cina su COVID-19, l'80% dei 55924 pazienti con COVID-19 confermato in laboratorio in Cina fino al 20 febbraio 2020, presentava una malattia da lieve a moderata, inclusa la non polmonite e la polmonite casi, mentre il 13,8% ha sviluppato una malattia grave e il 6,1% ha raggiunto uno stadio critico che richiede terapia intensiva.8 In uno studio sulla progressione clinica in 1099 pazienti, 4 tra quelli a più alto rischio di malattia grave e morte includevano persone di età superiore di 60 anni e quelli con condizioni di base, tra cui ipertensione, diabete, malattie cardiovascolari, malattie respiratorie croniche e cancro.

Valutare la gravità di COVID-19 è cruciale per determinare l'adeguatezza delle strategie di mitigazione e per consentire la pianificazione delle esigenze sanitarie mentre si manifestano le epidemie. Tuttavia, i rapporti di mortalità per caso grezzo ottenuti dividendo il numero di decessi per il numero di casi possono essere fuorvianti.

Innanzitutto, ci può essere un periodo di 2-3 settimane tra una persona che sviluppa sintomi, il caso successivamente rilevato e segnalato e l'osservazione dell'esito clinico finale. Durante un'epidemia in crescita, l'esito clinico finale della maggior parte dei casi segnalati è in genere sconosciuto.

La semplice divisione del numero cumulativo di decessi riportati per il numero cumulativo di casi segnalati sottostimerà quindi il rapporto di mortalità dei casi reali all'inizio di un'epidemia.9-11 Questo effetto è stato osservato nelle epidemie passate di agenti patogeni respiratori, inclusa la sindrome respiratoria acuta grave (SARS) 12 e influenza H1N19, e come tale è ampiamente riconosciuta.

Pertanto, molte delle stime del rapporto di mortalità del caso che sono state ottenute finora per COVID-19 sono corrette per questo effetto.13–16 Inoltre, tuttavia, durante la fase di crescita esponenziale di un'epidemia, il tempo osservato è in ritardo tra l'inizio di i sintomi e gli esiti (recupero o morte) sono censurati e stime ingenue dei tempi osservati dall'esordio dei sintomi agli esiti forniscono stime distorte delle distribuzioni effettive.

143

Ignorare questo effetto tende a distorcere il rapporto di mortalità stimato del caso verso il basso durante la fase iniziale di crescita di un'epidemia. In secondo luogo, la sorveglianza di un patogeno appena emerso è in genere orientata a rilevare casi clinicamente gravi, specialmente all'inizio di un'epidemia quando la capacità diagnostica è bassa (figura 1). Le stime del rapporto di mortalità del caso possono quindi essere distorte verso l'alto fino a quando non viene determinata l'estensione della malattia clinicamente più lieve.9

I dati dell'epicentro dell'epidemia a Wuhan sono stati ottenuti principalmente attraverso la sorveglianza ospedaliera e, quindi, probabilmente rappresentano i pazienti con moderata o malattia grave, con polmonite atipica o difficoltà respiratoria acuta utilizzata per definire casi sospetti ammissibili al test.7 In questi individui, i risultati clinici sono probabilmente più gravi, quindi qualsiasi stima del rapporto di mortalità del caso sarà più elevata.

Altrove nella Cina continentale e nel resto del mondo, i paesi e le regioni amministrative avvertono del rischio di importazione di infezione attraverso i viaggi, inizialmente istituita una sorveglianza per COVID-19 con una serie più ampia di criteri clinici per la definizione di un caso sospetto. Questi criteri includevano in genere una combinazione di sintomi (ad es. Tosse e febbre) combinati con la storia recente di viaggio nella regione interessata (Wuhan o provincia di Hubei) 2,17.

È probabile che tale sorveglianza rilevi casi clinicamente lievi ma, limitando inizialmente i test a quelli con una storia o un collegamento di viaggio, potrebbe aver perso altri casi sintomatici.

Qui cerchiamo di correggere questi pregiudizi nelle fonti di dati per ottenere stime del rapporto di mortalità (proporzione di tutti i casi che alla fine porterà alla morte) e rapporto di mortalità per infezione (la proporzione di tutte le infezioni che alla fine porterà alla morte) usando entrambi dati di casi individuali e conteggi di casi complessivi e decessi dalla Cina continentale, da Hong Kong e Macao e casi internazionali.

Adattandosi sia per la demografia sottostante sia per il potenziale sottoservizio a diversi livelli della piramide della gravità (figura 1), queste stime dovrebbero essere ampiamente applicabili in una serie di impostazioni per informare la pianificazione sanitaria mentre si accumulano dati più dettagliati sul caso.

Ricerca nel contesto

Prove prima di questo studio Abbiamo cercato PubMed, medRxiv, bioRxiv, arXiv, SSRN, Research Square, Virological e Wellcome Open Research per articoli peer-reviewed, prestampe e rapporti di ricerca sulla gravità della malattia di coronavirus 2019 (COVID-19), usando i termini di ricerca "coronavirus", "2019- nCoV", e termini simili, e "fatalità", fino al 6 marzo 2020.

Numerosi studi hanno stimato il rapporto di mortalità (la percentuale di individui con malattia sintomatica o confermata che muoiono di malattia) e il rapporto di mortalità per infezione (la percentuale di tutti gli individui infetti che muoiono di malattia, compresi quelli con malattia lieve) di COVID- 19 utilizzando una gamma di diversi metodi statistici e di modellizzazione.

Gli studi condotti esclusivamente su pazienti ospedalizzati riportano i più alti rapporti di mortalità (8-28%), che rappresentano il risultato per i pazienti più gravemente malati. Le stime del rapporto di mortalità dei casi a livello di popolazione di tutti i casi riportati sono comprese tra il 2 e l'8%.

Le stime del rapporto di mortalità per infezione in media per tutte le fasce d'età vanno dallo 0 al 2% all'1,6%, mentre le stime del rapporto di mortalità per infezione nella fascia di età più avanzata (≥80 anni) vanno

144

dall'8% al 36%. Nessuno degli studi identificati era stato adeguato per le differenze tra le popolazioni denominatore per ottenere stime che potevano essere applicate tra le popolazioni.

Nessun altro studio ha stimato la percentuale di individui infetti che richiederanno il ricovero in ospedale. Valore aggiunto di questo studio Sintetizzando i dati provenienti da una vasta gamma di impostazioni di sorveglianza, abbiamo ottenuto stime del rapporto di mortalità dei casi stratificato per età e del rapporto di mortalità per infezione che tengono conto delle diverse popolazioni di denominatori nei set di dati.

La nostra ipotesi di base, secondo cui i tassi di attacco (cioè la probabilità di contrarre l'infezione) non variano sostanzialmente in base all'età, è coerente con studi precedenti di infezioni respiratorie. In base a questa ipotesi, le differenze nei modelli di età tra i casi a Wuhan rispetto a quelli in altre parti della Cina sarebbero probabilmente dovute alla sottovalutazione dei casi, dati i diversi sistemi di sorveglianza in atto.

I nostri risultati sono coerenti con questa ipotesi, con casi a Wuhan osservati in soggetti più anziani, che sarebbero stati identificati attraverso la frequenza in ospedale, mentre i casi altrove in Cina erano complessivamente più giovani, il che sarebbe spiegato dalla politica di testare quelli con una storia di viaggio a Wuhan. Dopo aver corretto questi pregiudizi, abbiamo scoperto che le stime del rapporto di mortalità per caso dalla Cina sono coerenti con quelle ottenute dai primi casi internazionali.

Le nostre stime stratificate per età del rapporto di mortalità per infezione possono essere applicate a qualsiasi demografia per fornire una stima del rapporto di mortalità per infezione nelle popolazioni più anziane e più giovani. Queste stime possono essere combinate con le stime del tasso di attacco di infezione (circa l'80% per un'epidemia non mitigata) per fornire proiezioni approssimative di scala. Allo stesso modo, le nostre stime della percentuale di infezioni che richiedono il ricovero possono essere combinate con il tasso di attacco di infezione per prevedere i requisiti di assistenza sanitaria.

Implicazioni di tutte le prove disponibili Le nostre stime del rapporto di mortalità per caso per COVID-19, sebbene inferiori ad alcune delle stime grezze fatte finora, sono sostanzialmente più alte rispetto alle recenti pandemie influenzali (ad esempio, l'influenza H1N1 nel 2009). Con la rapida diffusione geografica finora osservata, COVID-19 rappresenta quindi una grave minaccia per la salute globale nelle prossime settimane e mesi. La nostra stima della percentuale di individui infetti che richiedono il ricovero in ospedale, se combinata con probabili tassi di attacco di infezione (circa il 50-80%), mostra che anche i sistemi sanitari più avanzati saranno probabilmente sopraffatti. Queste stime sono quindi cruciali per consentire ai paesi di tutto il mondo di prepararsi al meglio mentre la pandemia globale continua a svilupparsi.

Metodi

Dati a livello individuale sui decessi precoci dalla Cina continentale Abbiamo identificato informazioni sulle caratteristiche di 48 pazienti deceduti a causa di COVID-19 a Hubei, riportate dalla National Health Commission e dal sito web della Commissione sanitaria della provincia di Hubei fino all'8 febbraio 2020.

Abbiamo registrato i seguenti elementi di dati, ove disponibili: sesso, età, data di insorgenza dei sintomi, data di ricovero e data del decesso. Dei 48 casi, né la data di insorgenza dei sintomi né la data della segnalazione erano disponibili per 13 casi.

Abbiamo anche rimosso otto casi con esordio prima del 1 ° gennaio 2020 o decesso prima del 21 gennaio 2020 e tre decessi dopo il 28 gennaio 2020, che erano le date coerenti con la segnalazione affidabile di insorgenza e decesso in questo contesto, rispettivamente, considerando il i tempi di insorgenza fino alla morte (compresi l'insorgenza precoce creano un pregiudizio verso i tempi di insorgenza prolungati fino alla morte, che riflettono il mancato accertamento delle morti all'inizio).

145

Ciò ha lasciato 24 morti, che abbiamo usato per stimare la distribuzione dall'inizio alla morte. Dati a livello individuale su casi al di fuori della Cina continentale Abbiamo raccolto dati sui casi del 2010 segnalati in 37 paesi e due regioni amministrative speciali della Cina (Hong Kong e Macao), dai siti Web e dai rapporti del governo o del ministero della sanità, fino al 25 febbraio 2020.

Figura 1: Spettro dei casi COVID-19 Nella parte superiore della piramide, è probabile che quelli che soddisfano i criteri del caso OMS per i casi gravi o critici siano identificati in ambito ospedaliero, presentando polmonite virale atipica. Questi casi saranno stati identificati nella Cina continentale e tra quelli classificati a livello internazionale come trasmissione locale. È probabile che molti più casi siano sintomatici (cioè con febbre, tosse o mialgia), ma potrebbero non richiedere il ricovero in ospedale. Questi casi saranno identificati attraverso collegamenti a viaggi internazionali verso aree ad alto rischio e attraverso la ricerca dei contatti dei casi confermati. Potrebbero anche essere identificati attraverso la sorveglianza della popolazione, ad esempio di malattie simil-influenzali. La parte inferiore della piramide rappresenta casi lievi (e forse asintomatici). Questi casi potrebbero essere identificati attraverso la traccia dei contatti e successivamente tramite test sierologici

Abbiamo registrato le seguenti informazioni ove disponibili: paese o regione amministrativa in cui è stato rilevato il caso, se l'infezione è stata acquisita in Cina o all'estero, data del viaggio, data di insorgenza dei sintomi, data di ricovero, data di conferma, data di recupero, e data della morte. Abbiamo utilizzato i dati di 165 soggetti recuperati con date di recupero segnalate e date di inizio segnalate o imputate per stimare la distribuzione da inizio a recupero, dopo aver escluso 26 recuperi senza informazioni appropriate sulle date di recupero, rapporto o località. Abbiamo utilizzato i dati su 1334 casi internazionali per ottenere stime del rapporto di mortalità dei casi, esclusi i casi senza date di segnalazione.

146

Figura 2: Distribuzioni dall'inizio alla morte e dall'inizio alla ripresa (A) Dati dall'inizio alla morte di 24 casi nella Cina continentale all'inizio dell'epidemia. (B) Dati dall'inizio alla ripresa di 169 casi al di fuori della Cina continentale. Le linee rosse mostrano le migliori distribuzioni gamma (modalità posteriore), non corrette per la crescita dell'epidemia, che sono orientate verso durate più brevi. Le linee blu mostrano le stesse distribuzioni corrette per la crescita dell'epidemia. La linea nera (pannello A) mostra la stima posteriore della distribuzione dall'inizio alla morte dopo l'adattamento ai dati del caso aggregato.

147

I dati sui casi aggregati e sui decessi nella Cina continentale I dati su 70 117 casi confermati dalla PCR e diagnosticati clinicamente per data di inizio a Wuhan e altrove in Cina dal 1 gennaio all'11 febbraio 2020, sono stati estratti dal rapporto Missione congiunta OMS-Cina. 8 Durante questo periodo in Cina sono stati segnalati 1023 decessi in totale, con questi dati disponibili disaggregati in fasce di età di 10 anni tra 0-9 anni e 70-79 anni e un'ulteriore fascia di età per persone di età pari o superiore a 80 anni. 7

Utilizzando i dati raccolti sui decessi segnalati quotidianamente ottenuti ogni giorno dai siti Web regionali della National Health Commission, abbiamo stimato che il 74% dei decessi si è verificato a Wuhan e il resto fuori da Wuhan. Inoltre, le stime cumulative disponibili più recenti (3 marzo 2020) di 80304 casi confermati e 2946 decessi all'interno della Cina sono state estratte dal rapporto sulla situazione dell'OMS COVID-19 (numero 43) .1 Una precedente prestampa di un sottoinsieme di questi casi fino al 26 gennaio 2020 riportava la distribuzione per età dei casi classificati in base alla gravità per 3665 casi.18 Secondo la definizione del caso cinese, un caso grave è definito come tachipnea (≥30 respiri al minuto) o saturazione di ossigeno 93% o superiore a riposo o rapporto PaO2 / FiO2 inferiore a 300 mm Hg.7

Supponendo che i casi gravi richiedessero il ricovero in ospedale (al contrario di tutti i pazienti ricoverati in Cina, alcuni dei quali sarebbero stati ricoverati in ospedale per ridurre la trasmissione in seguito), abbiamo usato la percentuale di casi gravi per età in questi pazienti per stimare la percentuale di casi e infezioni che richiedono il ricovero in ospedale.

Dati sull'infezione in residenti internazionali rimpatriati di Wuhan

I dati sulla prevalenza delle infezioni negli espatriati rimpatriati che ritornano nei loro paesi di origine sono stati ottenuti dai siti web e dai media dei governi e dal ministero della salute. Per corrispondere all'incidenza riportata a Wuhan il 30 gennaio 2020, abbiamo utilizzato i dati di sei voli in partenza tra il 30 gennaio e il 1 febbraio 2020 incluso.

Dati su casi e morti sulla nave da crociera Diamond Princess

All'inizio di febbraio 2020 una nave da crociera di nome Diamond Princess è stata messa in quarantena dopo che un passeggero sbarcato era risultato positivo per il virus. Successivamente tutti i 3711 passeggeri a bordo furono testati durante il mese successivo. Abbiamo estratto i dati sull'età dei passeggeri a bordo il 5 febbraio 2020, le date dei rapporti positivi sui test, disponibili per 657 casi su 712 confermati dalla PCR e le date dei dieci decessi tra questi casi dai rapporti del Giappone Ministero della sanità, del lavoro e del welfare19 e dei media internazionali.

Dati demografici

I dati sulla popolazione stratificati per età per il 2018 sono stati ottenuti dal National Bureau of Statistics of China.20 Secondo questi dati, la popolazione di Wuhan nel 2018 era di circa 11 milioni di persone.

Panoramica dell'analisi statistica

Tutte le analisi sono state condotte con il software R (versione 3.6.2), con la Bayesian Marko-Chain Monte Carlo tramite il pacchetto drjacoby (versione 1.0.0) .21 Dati e codice sono disponibili online su GitHub.

Stima degli intervalli di tempo tra l'insorgenza dei sintomi e l'esito

Nella stima degli intervalli di tempo tra l'insorgenza dei sintomi e l'esito, è stato necessario tenere conto del fatto che, durante un'epidemia in crescita, una percentuale più elevata di casi sarà stata infettata di recente (appendice p 7). Pertanto, abbiamo parametrizzato una gamma modello per tenere conto della crescita

148 esponenziale utilizzando un tasso di crescita di 0 · 14 al giorno, ottenuto dai dati di insorgenza precoce del caso (appendice p 6).

Usando i metodi bayesiani, abbiamo adattato le distribuzioni gamma ai dati in tempo dall'esordio alla morte e dall'esordio al recupero, a condizione di aver osservato il risultato finale. Le date di insorgenza mancanti sono state calcolate sulla base delle date del rapporto, ove disponibili.

Stima del rapporto di mortalità del caso, rapporto di mortalità per infezione e percentuale ricoverata in ospedale in base ai dati aggregati del caso Le stime della distribuzione dei tempi dall'esordio alla morte sono state utilizzate per proiettare il numero cumulativo previsto di decessi, dato l'insorgenza osservata a Wuhan e fuori Wuhan, assumendo un'uniforme tasso di attacco tra i gruppi di età. Utilizzando la distribuzione per età della popolazione, abbiamo ottenuto una stima del numero atteso di infezioni in ciascuna fascia d'età.

La sottovalutazione è stata stimata all'interno e all'esterno di Wuhan confrontando il numero di casi osservati per età con questa distribuzione prevista, ipotizzando un accertamento perfetto nella fascia di età 50-59 in quanto questo gruppo presentava il numero più elevato di casi rilevati rispetto alla dimensione della popolazione. Abbiamo anche effettuato un'analisi di sensibilità ipotizzando un tasso di attacco differenziale per età (appendice p 9).

Per Wuhan, abbiamo aggiunto il ridimensionamento per tenere conto di ulteriori sotto-risultati rispetto all'esterno di Wuhan. Questi passaggi ci hanno fornito l'attesa distribuzione dell'età dei casi. Per una data distribuzione dall'inizio alla morte, abbiamo ottenuto una stima modellata del numero cumulativo di decessi per età in base a un rapporto di mortalità del caso dipendente dall'età (adattato rispetto al rapporto di mortalità del caso nella fascia di età più anziana, che rappresentava il più alto greggio rapporto di mortalità del caso).

149

Figura 3: stime del rapporto di mortalità dei casi per età, ottenute da dati aggregati provenienti dalla Cina continentale (A), distribuzione per età dei casi a Wuhan e altrove in Cina. (B) Stime del rapporto di mortalità del caso per fascia di età, adeguate per demografia e sotto-accertamento. Le caselle rappresentano la mediana (linea orizzontale centrale) e IQR, le linee verticali rappresentano 1 · 5 × IQR e i singoli punti rappresentano qualsiasi stima al di fuori di questo intervallo. (C) Proporzioni stimate di casi accertati nel resto della Cina e a Wuhan rispetto alla fascia d'età 50-59 anni altrove in Cina. Le barre di errore rappresentano CRI al 95%.

Questa stima è stata confrontata con i decessi osservati per età usando una probabilità di Poisson. Questi dati sono stati poi raccolti congiuntamente ai più recenti decessi e casi aggregati per età nella Cina continentale.

Dato che il numero di casi osservati e decessi sono diminuiti sostanzialmente dopo un picco alla fine di gennaio, il rapporto tra i casi cumulativi attuali e il numero attuale di decessi, una volta corretto per sottovalutazione, dovrebbe fornire una buona stima del rapporto di mortalità del caso finale. 11 Per stimare il rapporto di mortalità per infezione abbiamo adattato ai dati sulla prevalenza dell'infezione da residenti internazionali di Wuhan che sono stati rimpatriati nei loro paesi d'origine.

150

Il nostro rapporto di mortalità del caso stratificato per età e il modello del rapporto di mortalità per infezione sono stati adattati congiuntamente ai dati del caso e ai dati di prevalenza dell'infezione con l'uso dei metodi bayesiani, utilizzando la nostra precedente stima della distribuzione dall'inizio alla morte come precedente. I dettagli matematici completi sono forniti nell'appendice (p 8).

Supponendo un tasso di attacco uniforme per fasce di età, abbiamo utilizzato i tassi di sotto-accertamento corretti per la demografia calcolati sopra per ottenere una stima della percentuale di individui infetti che richiederebbero il ricovero in ospedale.

Per convalidare in modo indipendente la nostra stima del rapporto di mortalità per infezione, abbiamo analizzato i dati dello scoppio sulla nave da crociera Diamond Princess prendendo le date dei test positivi riportati come proxy per la data di inizio. Abbiamo calcolato la percentuale attesa di decesso osservata fino al 25 marzo 2020, dati i tempi di insorgenza e la stima della distribuzione dall'inizio alla morte (appendice p 13).

Stima del rapporto di mortalità dei casi dai dati dei singoli casi

Abbiamo utilizzato metodi parametrici e non parametrici11,22 per stimare il rapporto di mortalità nei casi segnalati al di fuori della Cina continentale utilizzando dati a livello individuale. I casi in cui il risultato era sconosciuto sono stati trattati come osservazioni censurate.

Per le analisi parametriche e non parametriche, le date di insorgenza mancanti sono state imputate in modo multiplo utilizzando le informazioni sulla distribuzione da inizio a rapporto e i recuperi non segnalati sono stati imputati utilizzando distribuzioni da inizio a risultato e dati di riepilogo per paese.

I modelli parametrici sono stati adattati ai dati usando metodi bayesiani (appendice p 12). Ruolo della fonte di finanziamento Il finanziatore dello studio non ha avuto alcun ruolo nella progettazione dello studio, nella raccolta dei dati, nell'analisi dei dati, nell'interpretazione dei dati o nella stesura del rapporto. L'autore corrispondente aveva pieno accesso a tutti i dati dello studio e aveva la responsabilità finale della decisione di presentare per la pubblicazione.

Risultati

Nel sottogruppo di 24 decessi per COVID-19 verificatisi nella Cina continentale all'inizio dell'epidemia, con correzione della distorsione introdotta dalla crescita dell'epidemia, abbiamo stimato che il tempo medio dall'esordio alla morte fosse di 18 · 8 giorni (95% intervallo credibile [CrI] 15 · 7–49 · 7; figura 2) con un coefficiente di variazione di 0 · 45 (95% CrI 0 · 29–0 · 54).

Con il piccolo numero di osservazioni in questi dati e dato che provenivano dall'inizio dell'epidemia, non abbiamo potuto escludere molti decessi che si verificano con tempi più lunghi dall'inizio alla morte, quindi l'alto limite superiore dell'intervallo credibile. Tuttavia, dato che l'epidemia in Cina da allora è diminuita, la nostra stima posteriore del tempo medio dall'inizio alla morte, informata dall'analisi dei dati aggregati provenienti dalla Cina, è più precisa (media 17 · 8 giorni [16 · 9–19 · 2]; figura 2).

151

Da allora l'epidemia in Cina è diminuita, la nostra stima posteriore del tempo medio dall'inizio alla morte, informata dall'analisi dei dati aggregati provenienti dalla Cina, è più precisa (media 17 · 8 giorni [16 · 9–19 · 2]; figura 2).

Utilizzando i dati sugli esiti di 169 casi segnalati al di fuori della Cina continentale, abbiamo stimato un tempo medio di recupero onsetto di 24 · 7 giorni (95% CrI 22 · 9–28 · 1) e un coefficiente di variazione di 0 · 35 (0 · 31–0 · 39; figura 2). Entrambe queste stime di esito-esito sono coerenti con uno studio separato in Cina.23 I rapporti di mortalità dei casi sono stati stimati da dati aggregati su casi e decessi nella Cina continentale (tabella 1).

152

Una gran parte dei casi, compresi tutti quelli che hanno avuto inizio nell'epidemia, sono stati segnalati a Wuhan, dove il sistema sanitario locale è stato rapidamente sopraffatto. Di conseguenza, la distribuzione per età dei casi segnalati a Wuhan differiva da quella nel resto della Cina (figura 3A). I casi segnalati a Wuhan sono stati più frequenti nei gruppi di età più avanzata, forse riflettendo una maggiore gravità (e quindi la definizione delle priorità per il ricovero in ospedale a Wuhan), mentre i casi al di fuori di Wuhan potrebbero anche mostrare un pregiudizio in termini di relazione tra età e viaggio. Adattandosi alle differenze nella demografia sottostante e non assumendo alcuna differenza complessiva nel tasso di attacco per età, abbiamo stimato un'elevata sottovalutazione dei casi nelle fasce di età più giovani sia all'interno che all'esterno di Wuhan (figura 3C, D). Inoltre, abbiamo stimato un livello più alto di sottovalutazione complessiva a Wuhan rispetto all'esterno di Wuhan (figura 3C). Tenendo conto di questa sottovalutazione, abbiamo stimato il più alto indice di mortalità (13,4% [11 · 2–15 · 9%]) negli 80 anni e nella fascia di età più avanzata (figura 3B, tabella 1), con mortalità minuscola rapporti associati ai gruppi di età inferiore e il più basso nella fascia di età 0-9 anni (0 · 00260% [0 · 000312–0 · 0382]). Nei casi segnalati al di fuori della Cina continentale, abbiamo stimato un rapporto di mortalità globale modale del caso del 2 · 7% (95% CrI 1 · 4–4 · 7) utilizzando il modello parametrico (tabella 2). In coloro che hanno riferito di viaggiare nella Cina continentale (e che sarebbero stati pertanto rilevati nel sistema di sorveglianza), abbiamo stimato un rapporto di mortalità per caso modale complessivo dell'1,1% (0,4-4,1) e in quelli senza segnalazioni viaggiando in Cina (quindi rilevati attraverso la tracciabilità dei contatti o attraverso la sorveglianza ospedaliera), abbiamo stimato un rapporto di mortalità del caso del 3,6% (1-7-9,5) utilizzando il modello parametrico. Il rapporto di mortalità stimato per il caso era inferiore nei soggetti di età inferiore ai 60 anni (1 · 4% [0 · 4–3 · 5]) rispetto a quelli di età pari o superiore a 60 anni (4 · 5% [1 · 8–11 · 1]). Stime simili sono state ottenute utilizzando metodi non parametrici (tabella 2). Nei residenti internazionali di Wuhan rimpatriati su sei voli, abbiamo stimato una prevalenza di infezione dello 0-87% (IC 95% 0 · 32–1 · 9; sei di 689).

Aggiustando per demografia e sotto-accertamento, stimiamo un rapporto di mortalità per infezione di 0 · 66% (95% CrI 0 · 39–1 · 33). Per quanto riguarda il rapporto di mortalità, questo è fortemente dipendente dall'età, con stime in forte aumento dall'età di 50 anni in poi (tabella 1). La percentuale aggiustata per la demografia e la sottovalutazione degli individui infetti che richiedono il ricovero ospedaliero vanno dall'1,1% nella fascia di età 20-29 anni fino al 18,4% in quella di età pari o superiore a 80 anni (tabella 3).

Usando queste stime del rapporto di mortalità per infezione stratificata per età, stimiamo che il rapporto di mortalità per infezione nella popolazione Diamond Princess sia del 2,9%. Dato il ritardo dall'esordio dei sintomi alla morte, ci aspetteremmo che il 97% di questi decessi si sia verificato entro il 25 marzo 2020, fornendo una stima dell'attuale rapporto di mortalità per infezione dell'8,8%, rispetto alla stima empirica dell'1 · 4% (IC al 95% 0 · 7–2 · 6; dieci di 712).

Discussione

Da un'estesa analisi dei dati provenienti da diverse regioni del mondo, la nostra migliore stima al momento attuale per il rapporto di mortalità per caso di COVID-19 in Cina è dell'1,38% (95% CrI 1 · 23–1 · 53). Sebbene questo valore rimanga inferiore alle stime per altri coronavirus, tra cui la SARS24 e la sindrome respiratoria del Medio Oriente (MERS) 25, è sostanzialmente superiore alle stime della pandemia di influenza H1N1 del 2009. 26,27 La nostra stima di un rapporto di mortalità per infezione dello 0,66% in Cina è stata informata dai test PCR sui residenti internazionali di Wuhan che ritornavano sui voli di rimpatrio.

Questo valore era coerente con il rapporto di mortalità per infezione osservato nei passeggeri della nave da crociera Diamond Princess fino al 5 marzo 2020, sebbene sia leggermente superiore al limite superiore di confidenza del 95% del rapporto di mortalità per infezione aggiustato per età osservato entro il 25 marzo (di 712 casi confermati, 601 sono stati dimessi, dieci sono morti e 11 rimangono in condizioni critiche). 153

Questa differenza potrebbe essere dovuta ai dati sui voli di rimpatrio che sottostimano leggermente le infezioni più lievi o che i passeggeri delle crociere hanno risultati migliori a causa di una qualità dell'assistenza sanitaria potenzialmente superiore alla media. Le nostre stime della probabilità di richiedere il ricovero in ospedale presuppongono che solo i casi gravi richiedano il ricovero in ospedale.

Questa ipotesi è chiaramente diversa dal modello di ospedalizzazione che si è verificato in Cina, dove il ricovero è stato utilizzato anche per garantire l'isolamento dei casi. Si può anche prevedere che la mortalità varierà con la salute di base di popolazioni specifiche, dato che i rischi associati a COVID-19 saranno fortemente influenzati dalla presenza di comorbilità sottostanti.

La nostra stima del rapporto di mortalità dei casi è sostanzialmente inferiore al rapporto di mortalità dei casi grezzi ottenuto dalla Cina sulla base dei casi e dei decessi osservati fino ad oggi, che è attualmente del 3 67%, così come molte delle stime attualmente in letteratura. Il motivo principale di questa differenza è che la stima grezza non tiene conto della gravità dei casi.

Ad esempio, sono state fatte varie stime da popolazioni di pazienti che vanno da quelle con sintomi generalmente più lievi (ad esempio viaggiatori internazionali rilevati attraverso lo screening della storia dei viaggi) 13 fino a quelli identificati in ambito ospedaliero.14,15 Dai dati emerge che dalla Cina è emerso che il rapporto di mortalità aumenta notevolmente con l'età. I nostri risultati suggeriscono un rapporto di mortalità molto basso in quelli di età inferiore ai 20 anni.

Poiché ci sono pochissimi casi in questa fascia d'età, non è chiaro se ciò rifletta un basso rischio di morte o una differenza di suscettibilità, anche se i primi risultati indicano che i giovani non hanno un rischio inferiore di infezione rispetto agli adulti.28 Test sierologici in questa età il gruppo sarà cruciale nelle prossime settimane per comprendere il significato di questa fascia d'età nel guidare la trasmissione della popolazione.

L'aumento stimato della gravità con l'età si riflette chiaramente nei casi clinici, in cui l'età media tende a essere compresa tra 50 e 60 anni. Diversi sistemi di sorveglianza rileveranno una diversa combinazione di casi di età e scopriamo che quelli con sintomi più lievi rilevati in una storia di viaggio sono in media più giovani di quelli rilevati attraverso la sorveglianza ospedaliera.

La nostra correzione per questo errore di sorveglianza ci consente quindi di ottenere stime che possono essere applicate a diversi mix di casi e strutture demografiche della popolazione. Tuttavia, va notato che questa correzione è applicabile presupponendo un tasso di attacco di infezione uniforme (cioè esposizione) in tutta la popolazione.

Abbiamo anche ipotizzato un perfetto accertamento dei casi al di fuori di Wuhan nella fascia di età, con il maggior numero di casi relativi alla loro popolazione (50-59 anni); tuttavia, se mancassero molti casi, le stime sul rapporto di mortalità e sulla mortalità per infezione potrebbero essere inferiori. In assenza di indagini casuali sulla popolazione sulla prevalenza dell'infezione, il nostro aggiustamento dal rapporto di mortalità per caso al rapporto di mortalità per infezione si basava su dati di volo di rimpatrio, che non erano specifici dell'età.

La proporzione di individui infetti che erano asintomatici con Diamond Princess non variava considerevolmente in base all'età, supportando questo approccio, ma i futuri sondaggi sulla prevalenza della popolazione rappresentativa più ampia e quelli sulla sieroprevalenza informeranno ulteriormente tali stime. Gran parte dei dati che informano attualmente le stime globali del rapporto di mortalità del caso provengono dallo scoppio precoce a Wuhan.

Dato che il sistema sanitario in questa città è stato rapidamente travolto, le nostre stime suggeriscono che vi è una sostanziale sottovalutazione dei casi nelle fasce di età più giovani (che stimiamo di avere una malattia più lieve) rispetto ad altre parti della Cina continentale. Questa sottovalutazione è il principale fattore che guida la differenza tra la nostra stima del rapporto di mortalità per caso grezzo proveniente dalla Cina (3 · 67%) e la nostra migliore stima del rapporto di mortalità complessiva del caso (1 · 38%). 154

È probabile che il rapporto di mortalità del caso sia fortemente influenzato dalla disponibilità di strutture sanitarie. Tuttavia, sorprendentemente, sebbene la disponibilità di assistenza sanitaria a Wuhan sia stata allungata, le nostre stime da casi internazionali sono di entità simile, suggerendo una differenza relativamente piccola nei risultati sulla salute. Infine, con l'aumentare delle conoscenze cliniche su questa nuova malattia, è possibile che i risultati migliorino. Sarà quindi importante rivedere queste stime man mano che si manifestano le epidemie. Il mondo sta attualmente vivendo le prime fasi di una pandemia globale.

Sebbene la Cina sia riuscita a contenere la diffusione della malattia per 2 mesi, è improbabile che tale contenimento sia realizzabile nella maggior parte dei paesi. Pertanto, gran parte del mondo sperimenterà epidemie di comunità molto grandi di COVID-19 nelle prossime settimane e mesi. Le nostre stime del rapporto di mortalità per infezione sottostante di questo virus informeranno le valutazioni degli effetti sulla salute che potrebbero verificarsi in diversi paesi, e quindi le decisioni sulle appropriate politiche di mitigazione da adottare.

Referenze

1. WHO. Coronavirus disease 2019 (COVID-19) situation report—43. March 3, 2020. https://www.who.int/docs/default-source/ coronaviruse/situation-reports/20200303-sitrep-43- covid-19. pdf?sfvrsn=2c21c09c_2 (accessed March 5, 2020). 2. Chan JFW, Yuan S, Kok KH, et al. A familial cluster of pneumonia associated with the 2019 novel coronavirus indicating person-to-person transmission: a study of a family cluster. Lancet 2020; 395: 514–23. 3. Chen N, Zhou M, Dong X, et al. Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study. Lancet 2020; 395: 507–13. 4. Guan WJ, Ni ZY, Hu Y, et al. Clinical characteristics of coronavirus disease 2019 in China. N Engl J Med 2020; published online Feb 28. DOI:10.1056/NEJMoa2002032. 5. Huang C, Wang Y, Li X, et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet 2020; 395: 497–506. 6. Li Q, Guan X, Wu P, et al. Early transmission dynamics in Wuhan, China, of novel coronavirus-infected pneumonia. N Engl J Med 2020; published online Jan 29. DOI:10.1056/NEJMoa2001316. 7. Novel Coronavirus Pneumonia Emergency Response Epidemiology Team. The epidemiological characteristics of an outbreak of 2019 novel coronavirus diseases (COVID-19) in China. Zhonghua Liu Xing Bing Xue Za Zhi 2020; 41: 145–51 (in Chinese). 8. WHO. Report of the WHO-China Joint Mission on coronavirus disease 2019 (COVID-19). Feb 28, 2020. https://www.who.int/ publications-detail/report-of-the-who-china-joint-mission-oncoronavirus- disease-2019-(covid-19) (accessed March 26, 2020). 9. Garske T, Legrand J, Donnelly CA, et al. Assessing the severity of the novel influenza A/H1N1 pandemic. BMJ 2009; 339: b2840. 10. Lipsitch M, Donnelly CA, Fraser C, et al. Potential biases in estimating absolute and relative case-fatality risks during outbreaks. PLoS Negl Trop Dis 2015; 9: e0003846. 11. Ghani AC, Donnelly CA, Cox DR, et al. Methods for estimating the case fatality ratio for a novel, emerging infectious disease. Am J Epidemiol 2005; 162: 479–86. 12. Donnelly CA, Ghani AC, Leung GM, et al. Epidemiological determinants of spread of causal agent of severe acute respiratory syndrome in Hong Kong. Lancet 2003; 361: 1761–66. 13. Jung S, Akhmetzhanov AR, Hayashi K, et al. Real-time estimation of the risk of death from novel coronavirus (COVID-19) infection: inference using exported cases. J Clin Med 2020; 9: E523. 14. Mizumoto K, Kagaya K, Chowell G, Yoshida-Nakaadachi-cho U. Early epidemiological assessment of the transmission potential and virulence of 2019 novel coronavirus in Wuhan City: China, January–

155

February, 2020. medRxiv 2020; published online March 13. DOI:10.1101/2020.02.12.20022434 (preprint). 15. Famulare M. 2019-nCoV: preliminary estimates of the confirmedcase-fatality-ratio and infection- fatality-ratio, and initial pandemic risk assessment. Feb 19, 2020. https://institutefordiseasemodeling. github.io/nCoV-public/analyses/first_adjusted_mortality_ estimates_and_risk_assessment/2019- nCoV-preliminary_age_and_ time_adjusted_mortality_rates_and_pandemic_risk_assessment. html (accessed March 26, 2020). 16. Wu P, Hao X, Lau EHY, et al. Real-time tentative assessment of the epidemiological characteristics of novel coronavirus infections in Wuhan, China, as at 22 January 2020. Euro Surveill 2020; 25: 1–6. 17. Xu XW, Wu XX, Jiang XG, et al. Clinical findings in a group of patients infected with the 2019 novel coronavirus (SARS-Cov-2) outside of Wuhan, China: retrospective case series. BMJ 2020; 368: m606. 18. Yang Y, Lu Q, Liu M, et al. Epidemiological and clinical features of the 2019 novel coronavirus outbreak in China. medRxiv 2020; published online Feb 21. DOI:10.1101/2020.02.10.20021675 (preprint). 19. Government of Japan. Ministry of Health, Labour and Welfare. 2020. https://www.niid.go.jp/niid/en/2019-ncov-e.html (accessed March 26, 2020). 20. National Bureau of Statistics of China. China statistical yearbook 2018. http://www.stats.gov.cn/tjsj/ndsj/2018/indexeh.htm (accessed Feb 14, 2020). 21. Verity R, Winskill P. drjacoby. https://mrc-ide.github.io/drjacoby/ index.html (accessed March 26, 2020). 22. Griffin J, Ghani A. CASEFAT: Stata module for estimating the case fatality ratio of a new infectious disease. Boston College of Economics. May 7, 2009. https://ideas.repec.org/c/boc/bocode/ s454601.html (accessed March 26, 2020). 23. Zhou F, Yu T, Du R, et al. Clinical course and risk factors for mortality of adult inpatients with COVID- 19 in Wuhan, China: a retrospective cohort study. Lancet 2020; published online March 11. https://doi.org/10.1016/S0140-6736(20)30566-3. 24. Lau EHY, Hsiung CA, Cowling BJ, et al. A comparative epidemiologic analysis of SARS in Hong Kong, Beijing and Taiwan. BMC Infect Dis 2010; 10: 50. 25. Lessler J, Salje H, Van Kerkhove MD, et al. Estimating the severity and subclinical burden of middle east respiratory syndrome coronavirus infection in the Kingdom of Saudi Arabia. Am J Epidemiol 2016; 183: 657–63. 26. Riley S, Kwok KO, Wu KM, et al. Epidemiological characteristics of 2009 (H1N1) pandemic influenza based on paired sera from a longitudinal community cohort study. PLoS Med 2011; 8: e1000442. 27. Kwok KO, Riley S, Perera RAPM, et al. Relative incidence and individual-level severity of seasonal influenza A H3N2 compared with 2009 pandemic H1N1. BMC Infect Dis 2017; 17: 337. 28. Bi Q, Wu Y, Mei S, et al. Epidemiology and transmission of COVID-19 in Shenzhen China: analysis of 391 cases and 1,286 of their close contacts. medRxiv 2020; published online March 19. DOI:10.1101/2020.03.03.20028423 (preprint).

156

Modelli predittivi e database dell’Imperial College

I contenuti e gli algoritmi

Per le epidemie COVID-19 in diversi paesi europei, stime di . Il numero di infezioni e . L'impatto di interventi non farmaceutici.

Presupposti chiave / proprietà del modello . Utilizziamo un modello bayesiano che calcola all'indietro dalle morti osservate nel tempo per stimare la trasmissione avvenuta diverse settimane prima. . I cambiamenti nel numero riproduttivo - una misura della trasmissione - sono una risposta immediata agli interventi. . Ogni intervento ha lo stesso effetto sul numero di riproduzione tra paesi e nel tempo, escluso l'intervento di blocco. Per il blocco, stimiamo ora un effetto globale e un effetto specifico per Paese. . Gli interventi che consideriamo hanno dettagli di implementazione diversi nei vari paesi, di cui non teniamo conto. . Facciamo varie ulteriori ipotesi su cui dipendono i risultati del nostro modello (ad esempio circa il tempo che intercorre tra le infezioni, la capacità di osservare tutti i decessi correlati a COVID, il tempo che intercorre tra infezione e morte e il rapporto infezione-mortalità).

Fonte dei dati: dati delle serie temporali giornaliere dall'ECDC.

157

Percentuale della popolazione totale infetta

In tutti i paesi, stimiamo che siano stati rilevati ordini di grandezza in meno di infezioni rilevate rispetto alle infezioni vere, probabilmente dovute a infezioni lievi e asintomatiche nonché a capacità di test limitate. Segnaliamo la percentuale totale della popolazione infettata nel corso della pandemia, non la popolazione al momento.

Stime modello posteriori della percentuale della popolazione totale infettata nel corso della pandemia. Stime al 2020-05-07.

158

Italia

Numero giornaliero di infezioni, sono state segnalate infezioni da barre marroni, bande blu sono infezioni previste, intervallo credibile (CI) blu scuro del 50%, CI blu chiaro al 95%.

Il numero di infezioni giornaliere stimate dal nostro modello diminuisce immediatamente dopo un intervento, poiché supponiamo che tutte le persone infette diventino immediatamente meno infettive attraverso l'intervento. Successivamente, se Rt è superiore a 1, il numero di infezioni riprenderà a crescere.

Numero giornaliero di decessi, sono segnalate morti per le barre marroni, bande blu sono decessi previsti, intervallo credibile (CI) blu scuro del 50%, IC blu 95%.

159

Previsione

Il ritardo tra decessi e infezioni significa che ci vuole tempo perché le informazioni si propagino all'indietro dai decessi alle infezioni, e infine alla Rt. Una conclusione di questo rapporto è la previsione di un rallentamento della RT in risposta a importanti interventi.

Per ottenere l'intuizione che questo è guidato dai dati e non semplicemente una conseguenza di ipotesi di modello fortemente vincolate, mostriamo le previsioni di morte su una scala log-lineare. Su questa scala una linea che curva sotto una tendenza lineare è indicativa di rallentamento nella crescita dell'epidemia.

USA - Per l'epidemia di COVID-19 negli Stati Uniti, stime a livello statale

. Il numero effettivo di individui infetti, . L'attuale velocità di trasmissione, . Numero totale di persone che sono state infettate e . L'impatto delle variazioni della mobilità sulla velocità di trasmissione in assenza di interventi aggiuntivi presupposti chiave / proprietà del modello . Utilizziamo un modello bayesiano che calcola all'indietro dalle morti osservate nel tempo per stimare la trasmissione avvenuta diverse settimane prima e per prevedere l'attuale velocità di trasmissione.

160

. I cambiamenti nel numero riproduttivo (una misura della trasmissione) sono parametrizzati dai cambiamenti nella mobilità. . Gli effetti sono condivisi in tutti gli stati, ma sono inclusi anche i singoli effetti per gli effetti specifici per stato e regione. . La variazione rimanente è modellata come un processo autoregressivo, di secondo ordine, settimanale, specifico per lo stato. . I nostri scenari di mobilità non tengono conto di ulteriori interventi che possono essere implementati, come test e tracciabilità dei contatti, o modificatori comportamentali aggiuntivi, come un maggiore uso di maschere e come tali, i nostri scenari devono essere considerati pessimistici.

Facciamo varie ulteriori ipotesi su cui dipendono i risultati del nostro modello (ad esempio circa il tempo che intercorre tra le infezioni, la capacità di osservare tutti i decessi correlati a covid, il tempo che intercorre tra infezione e morte e il rapporto infezione-mortalità). Fonte dei dati: New York Times per lo stato di New York e John Hopkins University per gli altri Stati.

161

Previsioni a breve termine della domanda di assistenza sanitaria per i paesi nella fase iniziale delle epidemie di COVID- 19

COVID-19 sta attualmente causando epidemie su larga scala in molti paesi, in particolare in Europa e in Asia, dove molti paesi hanno registrato un livello di domanda di assistenza sanitaria che ha messo a dura prova i sistemi sanitari. In risposta, i paesi hanno implementato interventi non farmaceutici su larga scala come misure di allontanamento sociale e la chiusura di scuole, aziende e luoghi di incontro.

Nel frattempo ci sono molti paesi, in particolare i paesi a reddito inferiore o medio (LMIC) (mostrati di seguito) che, come una probabile funzione dei modelli di movimento globali, sono in una fase precedente dell'epidemia e non sono ancora stati segnalati i principali fabbisogni sanitari e mortalità. Ci sono un totale di 140 paesi che hanno riportato meno di 100 morti COVID-19, con 100 in cui anche i morti totali COVID-19 rappresentano meno del 10 / milione della loro popolazione.

Le seguenti previsioni a breve termine sono progettate per fornire a questi paesi un'indicazione di dove si trovano nella loro epidemia in termini di probabile numero di infezioni all'interno del loro paese e della traiettoria futura a breve termine. Presentiamo traiettorie di due settimane del numero di persone che potrebbero richiedere il ricovero in ospedale e il numero previsto di pazienti che richiedono ossigeno ad alta pressione o ventilazione meccanica per sopravvivere.

Tali relazioni saranno aggiornate quotidianamente utilizzando gli ultimi dati disponibili al pubblico su COVID- 19 del Centro europeo per la prevenzione e il controllo delle malattie. Tali relazioni mireranno ad aiutare i paesi a comprendere: 1. Il numero totale di infezioni COVID-19 2. Il numero previsto di decessi entro i prossimi 14 giorni 3. Il numero di individui che richiedono ossigeno o ventilazione meccanica nei prossimi 14 giorni 4. L'impatto della modifica della loro attuale politica di intervento

162

Metodologia

Come nelle nostre proiezioni per gli ambienti ad alto reddito nelle fasi più avanzate dell'epidemia, piuttosto che basarci su casi segnalati che potrebbero essere soggetti a un livello elevato e variabile di segnalazione, usiamo i decessi segnalati come un indicatore più affidabile della malattia diffusione.

Questi dati vengono quindi utilizzati per calcolare a posteriori un "numero inferito di infezioni COVID-19" che stimiamo si siano verificate all'interno di ciascun paese fino al giorno corrente, adeguate ai dati demografici e ai modelli rappresentativi di social mix all'interno di ciascun paese.

Quindi, utilizzando i dati sul rischio di richiedere ospedalizzazione, ossigeno e ventilazione meccanica per età osservati finora in altri paesi, utilizziamo il nostro modello per proiettare in avanti la probabile domanda di assistenza sanitaria nelle prossime due settimane.

Questi dati provengono esclusivamente da paesi ad alto reddito e, di conseguenza, probabilmente sotto stima del vero onere. I metodi completi utilizzati, con i valori dei parametri sono disponibili nella sezione Metodi.

Abbiamo anche tentato di catturare l'impatto degli interventi che sono stati messi in atto utilizzando i dati del tracker di risposta del governo del Coronavirus di Oxford. Attualmente formuliamo ipotesi sull'efficacia di questi interventi e quindi le proiezioni dovrebbero essere interpretate come scenari piuttosto che previsioni. È in corso un lavoro per integrare l'adeguamento statistico formale per migliorare queste proiezioni.

163

Struttura del modello

I report LMIC vengono generati utilizzando un modello SEIR strutturato per età. Il modello sviluppato è un'estensione del modello utilizzato nel nostro rapporto precedente (vedere il Rapporto 12) e il codice sorgente per il modello è disponibile all'indirizzo https://github.com/mrc-ide/squire. In questo modello, la classe infettiva è divisa in diversi stadi che riflettono la progressione attraverso diversi percorsi di gravità della malattia.

Questi scomparti sono: • S = suscettibili • E = esposto (infezione latente) • IMild = Infezioni lievi (ricovero non necessario), inclusa infezione asintomatica • ICase = Infezioni che successivamente richiederanno il ricovero in ospedale • IHospital = infezione ospedalizzata (richiede un letto d'ospedale generale) • IICU = infezione ospedalizzata in terapia intensiva / terapia intensiva (richiede terapia intensiva / letto in terapia intensiva) • IRec = Infezione ospedalizzata in fase di recupero da terapia intensiva / degenza in terapia intensiva (richiede un letto d'ospedale generale) • R = ripristinato • D = morto

Dati gli input iniziali della capacità del letto ospedaliero / ICU e il tempo medio trascorso in ospedale, il modello traccia dinamicamente i letti ospedalieri e ICU disponibili nel tempo. Le persone che necessitano di un nuovo ricovero ospedaliero (un ospedale o un letto in terapia intensiva) vengono quindi assegnate a ricevere assistenza (se il letto pertinente è disponibile) o meno (se la capacità massima sarebbe superata altrimenti). Il fatto che un individuo riceva o meno le cure necessarie modifica la probabilità di morire.

Abbiamo incorporato l'impatto degli interventi che sono stati messi in atto utilizzando i dati del Tracker di risposta del governo del Coronavirus di Oxford. Attualmente formuliamo ipotesi sull'efficacia di questi interventi. Partiamo dal presupposto che le proiezioni debbano essere interpretate come scenari piuttosto che previsioni. 164

È in corso un lavoro per integrare l'adeguamento statistico formale per migliorare queste proiezioni. In sintesi, si presume che le chiusure scolastiche causino una riduzione del 10% nei contatti. Si presume che la chiusura del lavoro causi una riduzione del 30% dei contatti.

Si presume che il divieto di eventi pubblici porti a una riduzione del 5% dei contatti mentre non sono in vigore restrizioni sui movimenti o un blocco. Si presume che le restrizioni ai movimenti causino un'ulteriore riduzione del 37,5% dei contatti oltre alla riduzione del 40% dovuta alla chiusura della scuola e del lavoro, con una riduzione totale del 77,5%.

Parametri del modello

La tabella dei parametri seguente riassume le migliori stime attuali incorporate nel pacchetto al 2020-05-28. Questi saranno aggiornati man mano che si sviluppa la nostra comprensione dell'epidemia.

Parametri Valore Referenze

Numero riproduttivo di base 3.0 Report 13

Periodo medio di incubazione 4.6 Report 9; Linton et al.; Li et al. Gli ultimi 0,5 giorni sono inclusi negli stati GG I_MILD e I_CASE per acquisire l'infettività pre-sintomatica

Tempo di generazione 6.75 Report 9 GG

Durata media in I_MILD 2.1 Incorpora 0,5 giorni di infettività prima dei sintomi; con parametri inferiori al GG ~ 95% di tutte le infezioni sono lievi. In combinazione con la durata media in I_CASE, ciò fornisce un tempo di generazione medio come sopra

Durata media in I_CASE 4.5 Insorgenza media all'ammissione di 4 giorni dai dati del Regno Unito. GG Include 0,5 giorni di infettività prima dell'insorgenza dei sintomi

Durata media del ricovero in 9.5 Basato su dati non pubblicati nel Regno Unito ospedale per casi non critici GG (I_HOSP) se sopravvive

Durata media del ricovero in 7.6 Basato su dati non pubblicati nel Regno Unito ospedale per casi non critici GG (I_HOSP) se sopravvive

Durata media delle cure 11.3 critiche (I_ICU) se sopravvive GG Basato su dati del Regno Unito corretti per la censura

Durata media delle cure 10.1 Basato su dati del Regno Unito critiche (I_ICU) se muore GG

Durata media dell'ICU 3.4 Stepdown (I_Rec) GG Basato su dati non pubblicati nel Regno Unito

Durata media del ricovero in 1 G Working assumption ospedale se richiesto ICU ma non lo ricevono

Probabilità di morire in terapia 50% Basato su dati del Regno Unito intensiva

165

Parametri Valore Referenze

Probabilità di morte se 95% Working assumption basato sul parere clinico di esperti * richiedono cure critiche ma non la ricevono

Probabilità di morte se è 60% Working assumption basato sul parere clinico di esperti * necessario il ricovero in ospedale ma non lo riceve

Moltiplicatore della durata del 50% Working assumption basato sul parere clinico di esperti * soggiorno per le impostazioni LIC e LMIC rispetto a HIC

Numero riproduttivo di base, R0 Periodo medio di incubazione Tempo di generazione Durata media in I_MILD Durata media in I_CASE Durata media del ricovero in ospedale per casi non critici (I_HOSP) per sopravvivere Durata media del ricovero per casi non critici (I_HOSP) se muore Durata media delle cure critiche (I_ICU) se sopravvive Durata media delle cure critiche (I_ICU) se muore Durata media dell'ICU Stepdown (I_Rec) Durata media del ricovero in ospedale se richiesto ICU ma non lo ricevono Probabilità di morte in terapia intensiva Probabilità di morte Se la cura è critica ma non la ricezione Probabilità di morte se è necessario il ricovero in ospedale ma non lo riceve Moltiplicatore della durata del soggiorno per le impostazioni LIC e LMIC rispetto a HIC N.B. Dati i sistemi sanitari sostanzialmente più deboli in LIC e LMIC, è probabile che i risultati della malattia differiscano dal Regno Unito. Le stime sopra elencate per i parametri chiave che determinano gli esiti di gravità sono il risultato di una rapida revisione clinica da parte di esperti. A otto esperti clinici con esperienza sia nel trattamento di pazienti COVID-19 nel Regno Unito che con precedenti esperienze nella pratica clinica in LIC / LMIC è stato chiesto di fornire la loro valutazione degli esiti di gravità in LMIC. Sebbene vi sia stato un ampio consenso su questi risultati, va notato che è stato anche concordato che ciò potrebbe essere altamente eterogeneo sia all'interno che tra i paesi a causa di altri fattori che sono difficili da quantificare e per i quali le fonti di dati non esistono prontamente come del 2020-05-28.

Parametri specifici dell'età

Gruppo Proporzioni di infezioni Proporzione di casi ospedalizzati che Proporzione di casi di cure non critiche che d’età ospedalizzate richiedono cure critiche muoiono

0 to 4 0.001 0.050 0.013

5 to 9 0.001 0.050 0.013

10 to 0.001 0.050 0.013 14

15 to 0.002 0.050 0.013 19

20 to 0.005 0.050 0.013 24

25 to 0.010 0.050 0.013 29

30 to 0.016 0.050 0.013 34

35 to 0.023 0.053 0.013 39

166

Gruppo Proporzioni di infezioni Proporzione di casi ospedalizzati che Proporzione di casi di cure non critiche che d’età ospedalizzate richiedono cure critiche muoiono

40 to 0.029 0.060 0.015 44

45 to 0.039 0.075 0.019 49

50 to 0.058 0.104 0.027 54

55 to 0.072 0.149 0.042 59

60 to 0.102 0.224 0.069 64

65 to 0.117 0.307 0.105 69

70 to 0.146 0.386 0.149 74

75 to 0.177 0.461 0.203 79

80+ 0.180 0.709 0.580

Fonte Verity et al. 2020 corretto per Aggiustato dalla forma distributiva IFR in Calcolato da IFR in Verity et al. 2020 corretto tasso di attacco non uniforme Verity et al. 2020 per fornire una per tasso di attacco non uniforme in Cina in Cina (vedi rapporto 12) percentuale complessiva di casi che (vedi rapporto 12) dato il tasso di mortalità richiedono cure critiche del ~ 30% per del 50% in terapia intensiva. abbinare i dati del Regno Unito

Stima del numero di infezioni e dell'impatto di interventi non farmaceutici su COVID-19 nei Paesi europei: aggiornamento della descrizione tecnica

Seth Flaxman, Swapnil Mishra, Axel Gandy, H Juliette T Unwin, Helen Coupland, Thomas A Mellan, Harrison Zhu, Tresnia Berah, Je rey W Eaton, Pablo N P Guzman, Nora Schmit, Lucia Callizo, Imperial College COVID-19 Response Team, Charles Whittaker, Peter Winskill, Xiaoyue Xi, Azra Ghani, Christl A. Donnelly, Steven Riley, Lucy C Okell, Michaela A C Vollmer, Neil M. Ferguson e Samir Bhatt; 1

. Dipartimento di epidemiologia delle malattie infettive, Imperial College di Londra . Dipartimento di Matematica, Imperial College di Londra . Centro di collaborazione dell'OMS per la modellistica delle malattie infettive . Centro MRC per l'analisi globale delle malattie infettive . Abdul Latif Jameel Institute for Disease and Emergency Analytics, Imperial College London . Dipartimento di Statistica, Università di Oxford 167

Contribuito equamente. 1 Corrispondenza: [email protected]

Breve introduzione

In seguito alla nascita di un nuovo coronavirus (SARS-CoV-2) e alla sua diffusione al di fuori della Cina, l'Europa ha sperimentato grandi epidemie. In risposta, molti paesi europei hanno implementato senza precedenti interventi farmaceutici tra cui l'isolamento dei casi, la chiusura di scuole e università, il divieto di massa raduni e / o eventi pubblici e, più recentemente, il distanziamento sociale su larga scala, inclusi locali e nazionali lockdowns.

In questo aggiornamento tecnico, estendiamo un modello gerarchico bayesiano semi-meccanicistico che influenza l'impatto di questi interventi e stima il numero di infezioni nel tempo.

I nostri metodi presuppongono che i cambiamenti nel numero riproduttivo {una misura di trasmissione - sono una risposta immediata a questi interventi essere implementato piuttosto che cambiamenti graduali più ampi nel comportamento. Il nostro modello stima questi cambiamenti calcolando all'indietro dai dati temporali osservati per stimare il numero di infezioni e il tasso di trasmissione avvenuta diverse settimane prima, consentendo un intervallo di tempo probabilistico tra infezione e Morte.

In questo aggiornamento estendiamo il nostro modello originale [2] per includere (a) effetti di saturazione della popolazione, (b) precedente incertezza sul rapporto di mortalità per infezione, (c) un effetto più equilibrato prima degli interventi e (d) il raggruppamento parziale di la covariata di intervento di blocco.

Abbiamo anche (e) incluso altri 3 paesi (Grecia, Paesi Bassi e Portogallo). Il codice modello è disponibile su https://github.com/ImperialCollegeLondon/covid19model. Lo siamo adesso riportando online i risultati del nostro modello aggiornato su https://mrc-ide.github.io/covid19estimates/. Noi parametri stimati congiuntamente per tutti i paesi M = 14 in un unico modello gerarchico. L'inferenza viene eseguita in il linguaggio di programmazione probabilistico Stan [1] usando un campionatore adattivo Hamiltoniano Monte Carlo (HMC).

Descrizione del modello

Osserviamo decessi giornalieri Dt; m per giorni t 2 f1; :::; ng e paesi m 2 f1; :::; Mg. Queste morti quotidiane lo sono modellato usando una funzione positiva valutata dt; m = E [Dt; m] che rappresenta il numero atteso di morti attribuito a COVID-19. Si presume che le morti giornaliere Dt; m seguano una distribuzione binomiale negativa con media dt; m e varianza dt; m + dt; m , dove segue una distribuzione mezza normale positiva, ad es.

Qui, N (;) indica una distribuzione normale con deviazione media e standard. Diciamo che X segue a distribuzione mezza normale positiva N + (;) se X jY j, dove Y N (;).

Il numero previsto di decessi d in un determinato paese in un determinato giorno dipende dal numero di infezioni che si verificano nei giorni precedenti. Qui le infezioni sono sia sintomatiche che asintomatiche.

All'inizio dell'epidemia, i decessi derivanti da individui infetti all'estero possono distorcere le stime del numero di riproduzione iniziale R0. Per garantire che stiamo modellando i decessi derivanti da acquisizioni locali 168 infezioni che includiamo solo decessi osservati dal giorno successivo a quello in cui un paese ha osservato cumulativamente 10 decessi il nostro modello. Abbiamo testato la sensibilità di questo parametro utilizzando Pareto ha smussato l'importanza del campionamento lasciare uno validazione (PSIS-LOO) [5] e ho riscontrato insigni insensibilità alla nostra scelta.

Per collegare meccanicamente la nostra funzione per i decessi alla nostra funzione latente per i casi di infezione, usiamo in precedenza stima di infezione COVID-19-fatalità-rapporto ifr (probabilità di morte per infezione) insieme a una distribuzione di volte dall'infezione alla morte. L'ifr deriva dalle stime presentate in Verity et al [6] che ipotizzavano tassi di attacco omogenei tra le fasce d'età.

Per abbinare meglio le stime dei tassi di attacco in base all'età generata utilizzando informazioni più dettagliate sui modelli di miscelazione nazionali e specifici per età, ridimensioniamo queste stime (le non rettificate) ifr, indicato qui come ifr0) nel modo seguente come nel lavoro precedente [3]. Sia il numero di infezioni generato nella fascia d'età a, lascia che Na sia la dimensione sottostante della popolazione in quella fascia d'età e lascia che ARa = ca = Na essere il tasso di attacco specifico per fascia d'età. L'ifr corretto è quindi dato da:

dove AR50 59 è il tasso di attacco previsto nella fascia di età 50-59 anni dopo l'incorporazione delle specifiche del paese modelli di contatto e miscelazione. Questa fascia d'età è stata scelta come riferimento in quanto aveva il più basso previsto livello di sottostima nelle precedenti analisi dei dati dell'epidemia cinese [6].

Abbiamo ottenuto country-stime specifiche del tasso di attacco per età, ARa, per i paesi M nella nostra analisi da un precedente studio che incorpora informazioni sui contatti tra individui di età diverse in paesi di tutta Europa [7]. Noi ha quindi ottenuto stime ifr complessive per ciascun paese adattandosi sia alla demografia che agli attacchi specifici per età aliquote. I dettagli di questo calcolo sono disponibili in [6] [7].

Da quanto sopra, ogni paese ha un rapporto specifico infezione-mortalità ifrm. Incorporare l'incertezza inerente a questa stima, consentiamo all'ifrm di ogni paese di avere un rumore aggiuntivo attorno alla media.

In particolare ipotizziamo

Utilizzando le informazioni epidemiologiche stimate da studi precedenti [6, 7], ipotizziamo la distribuzione dei tempi da infezione da morte (infezione da morte) per essere la somma di due tempi casuali indipendenti: il periodo di incubazione (infezione da insorgenza dei sintomi o infezione da insorgenza) distribuzione e il tempo tra l'insorgenza dei sintomi e morte (dall'inizio alla morte). La distribuzione da infezione a insorgenza è gamma distribuita con media 5: 1 giorni e coerente di variazione 0:86.

La distribuzione dall'inizio alla morte è anche Gamma distribuita con una media di 17: 8 giorni e un coerente di variazione 0:45. La distribuzione dell'infezione fino alla morte è quindi data da:

Il numero previsto di decessi dt; m, in un dato giorno t, per paese, m, è dato dalla seguente somma discreta:

R s + 0: 5 s 0: 5 () d per s = 2; 3; :::; e 1 = R 1: 5 0 () d, dove () è la densità di. 3 169

Il numero di morti oggi è la somma delle infezioni passate ponderata dalla loro probabilità di morte, dove il la probabilità di morte dipende dal numero di giorni trascorsi dall'infezione e dalla mortalità per infezione specifica per paese rapporto (con un po 'di rumore).

Il numero reale di individui infetti, c, viene modellato utilizzando un processo di rinnovo discreto. Questo approccio è stato utilizzato in numerosi studi precedenti e ha una solida base teorica nel conteggio basato sull'individuo stocastico processi come il processo di Hawkes, il modello Erland Susceptible-Exposed-Infected- Recovered e il Bellman-Processo di Harris. Per modellare il numero di infezioni nel tempo, è necessario specificare una distribuzione di generazione g con densità g (), (il tempo che intercorre tra quando una persona viene infettata e successivamente ne infetta un'altra altre persone).

La distribuzione della generazione non è nota, ma possiamo approssimarla supponendo che sia la stessa come distribuzione dell'intervallo seriale (tempo dall'esordio all'esordio). Scegliamo questi per essere distribuiti Gamma:

Data la distribuzione generazionale, il numero di infezioni ct; m in un dato giorno t, e paese, m, è dato da la seguente funzione di convoluzione discreta:

dove, simile alla probabilità della funzione di morte, la distribuzione della generazione è discretizzata da gs = R s + 0: 5 s0: 5 g () d per s = 2; 3; :::; e g1 = R 1: 5 0 g () d. La popolazione del paese m è indicata da Nm. Includiamo l'adeguamento fattore di mentalità St; m = 1 Pt 1 i = 1 ci; m nm per tenere conto del numero di soggetti sensibili rimasti nella popolazione: cioè anche in assenza di interventi, l'immunità da gregge ridurrà il numero di infezioni quotidiane.

Questo ovviamente presume che la reinfezione nell'orizzonte temporale del nostro modello sia impossibile. Notiamo qui che potremmo includere un fattore nell'intervallo seriale che tiene conto delle persone che muoiono prima di poter infettare gli altri ma che hanno ricevuto il distribuzione dell'infezione fino alla morte questo fattore è trascurabile e abbiamo scelto di escluderlo.

Le infezioni oggi dipendono dal numero di infezioni nei giorni precedenti, ponderate dalla generazione discretizzata distribuzione. Questa ponderazione viene quindi ridimensionata dal numero di riproduzione variabile in base al paese, Rt; m, quello modella il numero medio di infezioni secondarie in un determinato momento.

La forma funzionale per il tempo che varia il numero di riproduzione è stato scelto per essere il più semplice possibile per ridurre al minimo l'impatto di forti assunzioni precedenti: usiamo una funzione costante a tratti che scala Rt; m da una linea di base precedente a R0; m ed è guidata da maggiore noto interventi non farmaceutici che si verificano in diversi paesi e tempi.

Abbiamo incluso 6 interventi, uno dei quali è costruito dagli altri 5 interventi, che sono tempistiche di chiusure scolastiche e universitarie (k = 1), autoisolanti in caso di malattia (k = 2), divieto di eventi pubblici (k = 3), qualsiasi intervento del governo in atto (k = 4), attuazione di un blocco parziale o completo (k = 5) e incoraggiante distanza sociale e isolamento (k = 6).

170

Indichiamo la variabile indicatore per l'intervento k 2 f1; :::; 6g di Ik; t; m, che è 1 se l'intervento k è in atto nel paese m al momento t e 0 altrimenti. La covariata \ qualsiasi governo intervento "(k = 4) indica se uno qualsiasi degli altri 5 interventi è in e etto, ovvero I4; t; m è uguale a 1 alla volta t se presente degli interventi k 2 f1; 2; 3; 5; 6 g sono in e etto nel paese m al momento te uguale a 0 altrimenti.

Covariata 4 ha l'interpretazione di indicare l'inizio di un importante intervento del governo. L'e etto di ogni intervento 4 si presume che sia moltiplicativo. Rt; m è quindi una funzione degli indicatori di intervento Ik; t; m in atto a tempo t nel paese m:

La forma esponenziale è stata utilizzata per garantire la positività del numero di riproduzione, con R0; m vincolato ad essere positivo come appare al di fuori dell'esponenziale. Gli impatti k sono condivisi tra tutti i paesi M e quindi sono informati da tutti i dati disponibili.

L'intervento di un blocco ha un altro paese specifico, oppure raggruppamento parziale, e etto casuale dato da m. Giustifichiamo l'inclusione di questo e etto parzialmente aggregato come blocco è l'unico parametro identificabile in un modello a pool completo.

La distribuzione precedente per R0; m è stata scelta per essere:

dove è lo stesso in tutti i paesi per condividere informazioni sulla variabilità di R0; m. Il valore di 3:28 è stato scelto sulla base di una precedente meta analisi osservando il numero riproduttivo di base [4].

Il precedente sulla riduzione totale attraverso un intervento (cioè exp ( k)) che non è bloccato e attivo la riduzione una volta che tutti gli interventi sono in atto, ovvero su exp ( P6 k = 1 k), viene visualizzato nella riga superiore della Figura 1.

La riga inferiore illustra il precedente sull'e etto del blocco (ovvero exp ( k m)) e l'e etto completo di tutti gli interventi insieme (exp P6 k = 1 k m in basso a destra). I dettagli delle singole scelte precedenti che ne risultano sono sotto. L'impatto di un intervento su Rt; m è caratterizzato da un insieme di parametri 1; :::; 6, con indipendente distribuzioni precedenti scelte per essere:

cioè il precedente su ciascun e etto è una distribuzione Gamma con parametro di forma 1/6 e parametro di scala 1, spostato per consentire valori negativi. Questo precedente è stato scelto in modo tale che la probabilità che ogni singolo intervento non riduce Rt; m, cioè P (k <0), è di circa il 48% e tale che l'e etto congiunto di 1; :::; k su Rt; m una volta tutto sono in atto interventi (ovvero la distribuzione di exp ( P6 k = 1 k)) è una distribuzione uniforme su [0; 01:05].

Il l'intuizione alla base di questo precedente è che codifica la nostra nulla convinzione che gli interventi potrebbero ugualmente aumentare o diminuire Rt, ei dati dovrebbero indicare quale.

Il precedente sulle specifiche del paese di blocco 1; :::; M è dato da

171

Abbiamo incluso solo un e etto casuale specifico per paese per il blocco, poiché l'e etto di blocco è il più forte in la nostra analisi e come altri interventi non hanno effetti identificabili.

Partiamo dal presupposto che la semina di nuove infezioni inizia 30 giorni prima del giorno dopo che un paese ha cumulativamente osservato 10 morti. Da questa data, seminiamo il nostro modello con 6 giorni sequenziali di un uguale numero di infezioni: c1; m = = c6; m esponenziale (1), dove esponenziale (0:03). Queste infezioni da semi sono inferite nel nostro Distribuzione posteriore bayesiana.

Abbiamo stimato i parametri congiuntamente per tutti i paesi in un unico modello gerarchico. Il montaggio è stato eseguito nel linguaggio di programmazione probabilistico Stan [1] usando un campionatore adattivo Hamiltoniano Monte Carlo (HMC).

Figura 1: Funzione di distribuzione cumulativa della riduzione totale prima di un intervento attraverso il xed e ect (exp ( k), in alto a sinistra), sull'intervento di blocco (exp ( k m), in basso a sinistra) xed e ect attraverso tutti gli interventi insieme (exp P6 k = 1 k , in alto a destra) e il pieno effetto di tutti gli interventi insieme (exp P6 k = 1 k m in basso a destra).

Referenze [1] B. Carpenter et al. \Stan: A probabilistic programming language". In: Journal of statistical software 76.1 (2017). [2] Estimating the number of infections and the impact of non-pharmaceutical interventions on COVID-19 in 11 European countries. 2020. doi: doi:10.25561/77731. [3] N. Ferguson et al. Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand (Report 9). Tech. rep. url: https://www.imperial.ac.uk/mrc-global-infectious- disease-analysis/news--wuhan-coronavirus/ (visited on 03/25/2020). [4] Y. Liu et al. \The reproductive number of COVID-19 is higher compared to SARS coronavirus". In: Journal of Travel Medicine 27.2 (Feb. 2020). taaa021. issn: 1195-1982. doi: 10 . 1093 / jtm / taaa021. eprint: https://academic.oup.com/jtm/article-pdf/27/2/taaa021/32902430/taaa021.pdf. url:

172 https://doi.org/10.1093/jtm/taaa021. [5] A. Vehtari, A. Gelman, and J. Gabry. \Practical Bayesian model evaluation using leave-one-out cross- validation and WAIC". In: Statistics and computing 27.5 (2017), pp. 1413{1432. [6] R. Verity et al. \Estimates of the severity of COVID-19 disease". In: Lancet Infect Dis in press (2020). doi: https://doi.org/10.1101/2020.03.09.20033357. [7] P. G. T. Walker et al. Report 12: The Global Impact of COVID-19 and Strategies for Mitigation and Suppression. url: https://www.imperial.ac.uk/mrc-global-infectious-disease-analysis/news-- wuhan-coronavirus/.

Variazione delle risposte dei governi a COVID-19

Versione 6.0 27 maggio 2020

Questo documento di lavoro viene aggiornato frequentemente.

Controlla la versione più recente qui: www.bsg.ox.ac.uk/covidtracker

La versione più aggiornata della documentazione tecnica sarà sempre disponibile sul repository GitHub del progetto: www.github.com/OxCGRT/covid-policy-tracker

Dr. Thomas Hale, Professore associato, Scuola di governo Blavatnik, Università di Oxford Sig. Noam Angrist, dottorando presso la Blavatnik School of Government, Università di Oxford Beatriz Kira, ricercatrice senior e responsabile delle politiche, Blavatnik School of Government, Università di Oxford Dott.ssa Anna Petherick, docente dipartimentale, Blavatnik School of Government, Università di Oxford Toby Phillips, Blavatnik School of Government, Università di Oxford Dott. Samuel Webster

Riassunto: COVID-19 ha suscitato una vasta gamma di risposte da parte dei governi Intorno al mondo. Vi è una necessità urgente di informazioni politiche aggiornate come queste le risposte proliferano e i governi valutano le decisioni sulla rigidità delle loro politiche contro altre preoccupazioni. Presentiamo il governo Oxford COVID-19 Response Tracker (OxCGRT), che fornisce un modo sistematico di tracciare il governo risposte a COVID-19 attraverso paesi e tempi. Uniamo questi dati in una serie di nuovi indici che aggregano varie misure delle risposte del governo. Questi indici sono usati per descrivere le variazioni nelle risposte del governo, esplorare se la risposta del governo influenza il tasso di infezione e identifica i correlati di più o risposte meno intense. Citazione raccomandata per questo articolo: Hale, Thomas, Noam Angrist, Beatriz Kira, Anna Petherick, Toby Phillips, Samuel Webster. “Variazione delle risposte del governo a COVID-19 "Versione 6.0. Blavatnik School of Government Working Paper. 25 maggio 2020. Disponibile: www.bsg.ox.ac.uk/covidtracker Citazione raccomandata per il set di dati: Thomas Hale, Sam Webster, Anna Petherick, Toby Phillips e Beatriz Kira. (2020). Tracker di risposta governativa COVID-19 di Oxford.

173

Scuola di governo Blavatnik. Disponibile: www.bsg.ox.ac.uk/covidtracker

1. Introduzione

La rapida diffusione di COVID-19 a livello globale ha creato una vasta gamma di risposte da governi. Misure comuni includono chiusure di scuole, restrizioni di viaggio, divieti incontri pubblici, investimenti di emergenza in strutture sanitarie, nuove forme di social previdenza sociale, tracciabilità dei contatti e altri interventi per contenere la diffusione del virus, aumentare i sistemi sanitari e gestire le conseguenze economiche di questi Azioni. Tuttavia, i governi hanno variato sostanzialmente nelle misure che hanno adottato e con quale velocità li hanno adottati.

Questa variazione ha creato dibattito mentre i politici e l'opinione pubblica deliberano sul livello di risposta che dovrebbe essere perseguito e quanto velocemente implementarli o ripristinarli e come salute pubblica gli esperti apprendono in tempo reale le misure più o meno efficaci. Oxford COVID-19 Government Response Tracker (OxCGRT) fornisce un sistema sistematico misura transnazionale e transnazionale per comprendere le risposte del governo si è evoluto per l'intero periodo di diffusione della malattia.

Il progetto tiene traccia dei governi " politiche e interventi attraverso una serie standardizzata di indicatori e crea una suite degli indici compositi per misurare l'estensione di queste risposte. I dati vengono raccolti e aggiornato in tempo reale da un team di oltre cento studenti, ex studenti e personale di Oxford.

Questo documento di lavoro descrive brevemente i dati raccolti da OxCGRT e ne presenta alcuni di base misure di variazione tra i governi. Sarà aggiornato regolarmente come la pandemia e le risposte dei governi si evolvono, e come le specifiche tecniche del il database si evolve. Tuttavia, per il tecnico più attuale e aggiornato documentazione, fare riferimento al nostro repository GitHub.5

2. Dati e misure

OxCGRT riporta informazioni disponibili al pubblico su 18 indicatori (vedi tabella 1) di risposta del governo. Gli indicatori sono di tre tipi: • Ordinale: questi indicatori misurano le politiche su una scala semplice di gravità / intensità. Questi indicatori sono riportati per ogni giorno in cui una politica è in atto.

Molti hanno un'ulteriore bandiera da notare se sono "presi di mira", applicando solo a sotto regione di una giurisdizione o di un settore specifico; o "generale", applicando in tutta quella giurisdizione o in tutta l'economia. (Nota, la bandiera per l'indicatore E1 significa qualcosa di diverso.)

Numerico: questi indicatori misurano un numero specifico, in genere il valore in USD. Questi indicatori vengono segnalati solo il giorno in cui vengono annunciati.

Testo: questo è un indicatore di "risposta libera" che registra altre informazioni di interesse. Tutte le osservazioni hanno anche una cella di "note" che riporta fonti e commenti per giustificare e comprovare la designazione.

Tabella 1: indicatori OxCGRT Vedere l'appendice per descrizioni dettagliate e informazioni sulla codifica.)

5 https://github.com/OxCGRT/covid-policy-tracker 174

I dati vengono raccolti da fonti pubblicamente disponibili come articoli di notizie e governo comunicati stampa e briefing. Questi vengono identificati tramite ricerche su Internet da un team di oltre cento studenti e personale dell'Università di Oxford. OxCGRT registra la fonte originale materiale che consenta di verificare e comprovare la codifica.

Tutti i dati OxCGRT sono disponibili secondo lo standard Creative Commons Attribution CC BY.

OxCGRT ha aggiunto nuovi indicatori e perfezionato vecchi indicatori come ha fatto la pandemia evolved.6 Le iterazioni future potrebbero includere ulteriori indicatori o versioni più sfumate indicatori esistenti. Le risposte dei governi a COVID-19 mostrano sfumature ed eterogeneità significative. Si consideri, ad esempio, C1, chiusura della scuola: in alcuni luoghi, tutte le scuole sono state chiuse; in in altri luoghi, le università hanno chiuso su un calendario diverso rispetto alle scuole primarie; in altro posti ancora, le scuole rimangono aperte solo per i figli dei lavoratori essenziali.

Inoltre, mi piace qualsiasi intervento politico, è probabile che il loro effetto dipenda fortemente dalle politiche locali e contesti sociali. Questi problemi creano notevoli difficoltà di misurazione quando si cerca di farlo confrontare le risposte nazionali in modo sistematico. Misure composte - che combinano indicatori diversi in un indice generale - inevitabilmente astratto lontano da queste sfumature.

Questo approccio porta entrambi i punti di forza e limitazioni. Utilmente, le misure transnazionali consentono confronti sistematici tra loro paesi. Misurando una gamma di indicatori, mitigano la possibilità che uno qualsiasi l'indicatore può essere interpretato in modo errato o errato.

Tuttavia, anche le misure composte tralasciano molte informazioni importanti e fare forti assunzioni su quali tipi di l'informazione "conta". Se le informazioni tralasciate sono sistematicamente correlate con risultati di interesse, o sistematicamente sottovalutati o sopravvalutati rispetto ad altri indicatori, tali indici compositi possono introdurre distorsioni di misurazione.

6 Per una descrizione di queste modifiche, consultare questo link.

175

In generale, ci sono tre modi comuni per creare un indice composito: un semplice additivo o indice moltiplicativo che aggrega gli indicatori, potenzialmente ponderandone alcuni; Principal Component Analysis (PCA), che pondera i singoli indicatori di quanto ulteriori variazioni spiegano rispetto alle altre; Analisi del fattore principale (PFA), che cerca di misurare un fattore non osservabile sottostante di quanto influenza gli indicatori osservabili.

Ogni approccio presenta vantaggi e svantaggi per le diverse domande di ricerca. In questo documento ci basiamo su indici semplici e additivi non ponderati come misura di base perché questo approccio è più trasparente e più facile da interpretare. PCA e PFA gli approcci possono essere usati come controlli di robustezza.

3. Indici politici del governo COVID-19 risposte

Al momento della stesura di questo documento, OxCGRT ha raccolto informazioni a livello di governo risposte per oltre 150 paesi. Altri paesi verranno aggiunti nelle iterazioni future. Queste informazioni sono aggregate in una serie di quattro indici politici, con la loro composizione ha descritto l'appendice. . Indice di risposta generale del governo . Indice di stringenza . Indice di contenimento e salute . Indice di sostegno economico

Ogni indice è composto da una serie di singoli indicatori di risposta politica. Per ciascuno indicatore, creiamo un punteggio prendendo il valore ordinale e aggiungendo un mezzo punto in più se la politica è generale piuttosto che mirata, se applicabile. Quindi ridimensioniamo ciascuno di questi dal loro valore massimo per creare un punteggio tra 0 e 100, con un valore mancante valore che contribuisce 0.7

Questi punteggi vengono quindi mediati per ottenere gli indici compositi (Figura 1). È importante sottolineare che gli indici non dovrebbero essere interpretati come una misura dell'adeguatezza o efficacia della risposta di un governo. Non forniscono informazioni su come bene le politiche sono applicate, né cattura caratteristiche demografiche o culturali che può influenzare la diffusione di COVID-19.

Inoltre, non sono completi misure di politica. Riflettono solo gli indicatori misurati da OxCGRT (vedere la tabella 1) e quindi mancheranno importanti aspetti di una risposta del governo. Ad esempio, il L '"indice di sostegno economico" non include il sostegno alle imprese o alle imprese, e non lo è tenere conto del valore fiscale totale del sostegno economico.

Il valore e lo scopo di gli indici devono invece consentire confronti transnazionali efficienti e semplici di interventi governativi. Qualsiasi analisi di un paese specifico dovrebbe essere effettuata sul base della politica sottostante, non su un solo indice.

7 Usiamo un presupposto prudente per calcolare gli indici. Dove sono i dati per uno dei componenti mancano degli indicatori, contribuiscono con "0" all'indice. Un'ipotesi alternativa sarebbe quella di non contare indicatori mancanti nel punteggio, presupponendo essenzialmente che siano uguali alla media degli indicatori per per cui disponiamo di dati. Il nostro approccio conservativo quindi “punisce” i paesi per i quali meno le informazioni sono disponibili, ma evita anche il rischio di un'eccessiva generalizzazione da informazioni limitate.

176

Figura 1: valori dell'indice medio globale per 165 paesi nel tempo

4. Variazione delle risposte del governo

In che modo hanno variato le risposte dei governi? In generale, le risposte del governo hanno diventare più forte nel corso dell'epidemia, in particolare aumentando oltre mese di marzo (vedi figura 1). Tuttavia, la variazione può essere vista tra i paesi (Figura 2). Questa variazione sta diventando meno pronunciata nel tempo man mano che vengono implementati più paesi suite complete di misure.

Prevediamo che le misure di risposta seguano ampiamente la diffusione della malattia. Però, il tasso di adozione di tali misure svolge un ruolo fondamentale nel determinare il infezione. Basandosi sui dati raccolti principalmente dal Centro europeo per le malattie Controllo, la Figura 3 confronta il tasso di decessi confermati (la linea nera) dal primo ha riportato la morte per cambiamenti nell'indice di risposta del governo di un paese (la linea rossa). Alcuni governi aumentano immediatamente le misure man mano che si diffonde un focolaio,

177 mentre all'interno altri paesi l'aumento della rigidità delle risposte è in ritardo rispetto alla crescita in nuovi casi.

Le risposte differenziali possono anche essere viste durante l'intero periodo. Una misura di l'interesse è il rapporto rischio-risposta, che confronta la risposta di un governo al rischio deve affrontare. Il rischio è difficile da misurare, poiché il numero di casi registrati è nella parte a funzione di quanti test vengono eseguiti, che di per sé è una misura che varierà in qualche misura con l'indice di risposta generale del governo (dato che lo sono i test riflesso nell'indicatore H2).

Il numero di decessi è meno correlato con il regime di test (ma dipende ancora da come ciascun paese definisce le morti per COVID-19). La figura 4 presenta il rapporto rischio-risposta reso operativo come il livello massimo di risposta del governo raggiunta da un Paese rispetto al numero totale di casi in quel paese. I paesi sopra la linea possono essere interpretati come più rigorosi misure rispetto al paese medio (o almeno, hanno adottato misure in misura maggiore numero di dimensioni a un livello superiore), dato il loro numero di casi confermati.

Al contrario, i paesi al di sotto della linea mostrano un livello inferiore di azione politica rispetto al paese medio dato il numero di casi confermati. Quindi, più un paese è vicino nell'angolo in alto a sinistra della Figura 4, maggiore è il livello della loro risposta alla luce del rischio volti e viceversa, più un paese è vicino all'angolo in basso a destra, più piccolo è risposta dato il suo rischio. Nel corso del tempo, stiamo osservando un numero maggiore di paesi che implementano un sistema più ampio risposta a carico minuscolo.

Figura 3: decessi riportati su COVID-19 e indice di risposta del governo, selezionati paesi

178

Figura 4: Rapporto rischio-risposta (a)

al 1o marzo 2020 (b) al 27 maggio 2020

Un altro modo di pensare a questo è di considerare a che punto l'infezione di un paese traiettoria che scelgono di implementare politiche più rigorose. Lo vediamo generalmente i paesi aumentano la loro risposta politica con il numero di casi confermati COVID-19 aumento, tuttavia vi è una variazione significativa nel tasso e nei tempi di questa relazione. La Figura 5 confronta questa relazione per gli stessi sei paesi considerati nella Figura 3 sopra.

Figura 5. Modifica del rischio di risposta per i paesi selezionati

179

5. conclusione

Poiché i governi continuano a rispondere a COVID-19, è indispensabile studiare cosa le misure sono efficaci e quali non lo sono. Mentre i dati qui presentati lo fanno, di Naturalmente, non misurare direttamente l'efficacia, possono essere utili input per gli studi che analizzare i fattori che influenzano la progressione della malattia. OxCGRT cerca di contribuire a questo divario di conoscenza fornendo anche misure comparabili di singole azioni politiche come diversi indici aggregati comparabili. Troviamo una variazione significativa in entrambi misure che i governi adottano e quando li adottano.

Andando avanti, i governi trarranno beneficio dall'adozione di un approccio basato sulle prove delle misure si schierano. OxCGRT continuerà ad evolversi nei prossimi mesi con il progredire della pandemia. Prevediamo non solo di aggiornare i dati su base regolare, ma anche di perfezionare e migliorare gli indicatori che registriamo per ciascun paese. Il tecnico più aggiornato la documentazione è sempre disponibile sul nostro repository GitHub La nostra speranza è che studiosi, professionisti medici, responsabili delle politiche e cittadini interessati utilizzerà i dati OxCGRT per migliorare le risposte di tutti i paesi al COVID-19 pandemia. Accogliamo con favore feedback costruttivi e collaborazione su questo progetto così com'è si evolve.

Codebook

Questo schema di codifica viene modificato e rivisto di volta in volta. Si prega di fare riferimento al nostro Repository GitHub per la documentazione tecnica più aggiornata: https://github.com/OxCGRT/covid-policy-tracker/blob/master/documentation/codebook.md

180

181

182

183

184

185

Calcolo degli indici delle politiche

La composizione e il calcolo dei nostri indici vengono aggiornati di volta in volta. per favore fare riferimento al nostro repository GitHub per la documentazione tecnica più aggiornata: https://github.com/OxCGRT/covid- policy-tracker/blob/master/documentation/index_methodology.md Indici politici Tutti i nostri indici sono medie semplici degli indicatori dei singoli componenti. Questo è descritto nell'equazione 1 di seguito in cui k è il numero di indicatori componenti in un index e Ij è il punteggio dell'indice secondario per un singolo indicatore.

I diversi indici sono composti come segue:

Nel database sono presenti due versioni di ciascun indicatore. Una versione normale che lo farà restituisce valori null se non ci sono abbastanza dati per calcolare l'indice e un "display" in base alla versione che verrà estrapolata per attenuarsi negli ultimi sette giorni dell'indice i dati completi più recenti. Questo è spiegato di seguito.

Calcolo dei punteggi degli sottoindici per ciascun indicatore

Tutti gli indici utilizzano indicatori ordinali in cui le politiche sono classificate su un semplice numero scala. Il progetto registra anche cinque indicatori non ordinali - E3, E4, H4, H5 e M1 – ma questi non sono utilizzati nei nostri calcoli dell'indice. Alcuni indicatori - C1-C7, E1 e H1 - hanno una variabile flag binaria aggiuntiva che può essere 0 o 1. Per C1-C7 e H1 ciò corrisponde all'ambito geografico di politica. Per E1, questa variabile flag corrisponde all'ambito settoriale del sostegno al reddito. Il codebook contiene dettagli su ciascun indicatore e quali sono i diversi valori rappresentare. Perché diversi indicatori (j) hanno valori massimi diversi (Nj) nel loro ordinale scale e solo alcuni hanno variabili flag, è necessario calcolare ogni punteggio di sottoindice separatamente. I diversi indicatori sono:

186

Ogni punteggio sottoindice (I) per un dato indicatore (j) in un dato giorno (t), viene calcolato da la funzione descritta nell'equazione 2 in base ai seguenti parametri:

. Il valore massimo dell'indicatore (Nj) . Se quell'indicatore ha un flag (Fj = 1 se l'indicatore ha una variabile flag, o 0 se l'indicatore non ha una variabile flag) . Il valore di politica registrato sulla scala ordinale (vj, t) . Il flag binario registrato per quell'indicatore, se quell'indicatore ha un flag (fj, t)

Ciò normalizza le diverse scale ordinali per produrre un punteggio di sottoindice tra 0 e 100 dove ogni punto completo sulla scala ordinale è equidistante. Per gli indicatori che lo fanno avere una variabile flag, se questo flag è registrato come 0 (ovvero se la politica è geograficamente mirato o per E1 se il sostegno si applica solo ai lavoratori del settore informale), questo è vero trattato come un mezzo passo tra i valori ordinali.

Si noti che il database contiene valori flag solo se l'indicatore ha un valore diverso da zero. Se un governo non ha una politica per un dato indicatore (cioè l'indicatore è uguale a zero) allora il flag corrispondente è vuoto / nullo nel database. Ai fini del calcolo del indice, questo equivale a un punteggio di sottoindice pari a zero. In altre parole, Ij, t = 0 se vj, t = 0.

187

Ecco un esempio esplicito del calcolo per un determinato paese in un solo giorno:

Affrontare le lacune nei dati a scopo di visualizzazione

Perché i dati vengono aggiornati su cicli bisettimanali, ma non tutti i paesi vengono aggiornati ad ogni ciclo, le date recenti potrebbero essere soggette a dati mancanti. Se sono inferiori a k-1 indicatori presente per un indice in un dato giorno, il calcolo dell'indice viene rifiutato e nessun valore lo è restituito. Per l'indicatore di sostegno economico, dove k = 2, il calcolo dell'indice è respinto se manca uno dei due indicatori.

Per aumentare la coerenza dei punti dati recenti che sono forse a metà contributo, i valori dell'indice relativi agli ultimi sette giorni vengono rifiutati se hanno meno criteri indicatori di un altro giorno negli ultimi sette giorni, ovvero se sono presenti altri dati recenti punto con tutti gli indicatori k inclusi, quindi nessun indice verrà calcolato per le date con k-1. Inoltre, produciamo due versioni di ciascun indice.

Uno con l'indice calcolato grezzo valori, in più produciamo una versione "display" che "liscia" negli spazi vuoti negli ultimi sette giorni, popolando ogni data con l'ultimo punto dati "buono" disponibile. Ad esempio, la data al momento della scrittura era il 22 maggio. La tabella seguente fornisce un esempio di quali calcoli dell'indice verrebbero respinti in base al numero di polizza indicatori con dati su ciascun dato.

In questa tabella, considereremo il complesso indice di risposta del governo dove k = 13.

188

Indice di rigidità legacy

Segnaliamo anche un indice di rigidità legacy che approssima la logica della prima versione dell'indice di stringenza, che aveva solo sette componenti nel nostro vecchio database struttura con i vecchi indicatori S1- S7. In genere non consigliamo di utilizzare questo indice legacy, ma può essere utile per motivi di continuità.

L'indicatore legacy utilizza solo sette indicatori e sceglie un singolo indicatore tra C3 e C4 e tra C6 e C7, selezionando quale di queste coppie fornisce un punteggio subindice più alto. Questo perché C3 e C4 mirano a misurare il informazioni precedentemente misurate da S3 e similmente per C6, C7 e il vecchio S6. Questo Il metodo, mostrato nell'equazione 3, ricrea fedelmente la logica del vecchio indice di rigidità.

I punteggi dei singoli sottoindici per l'indice legacy vengono calcolati leggermente formula diversa da quella descritta nell'equazione 2 sopra. Questa formula è descritta in equazione 4 di seguito (con una formula separata per C8, l'unico indicatore in questo indice senza una variabile contrassegnata).

189

Analisi di scenari sulle policy dei vari Paesi – Database

190

191

192

193

194

195

196

La sanità italiana prima del Covid19 …

197

Rapporto 2020 sul coordinamento della finanza pubblica [Sintesi parte sanità]

Il Rapporto si basa sui dati disponibili al 30 aprile 2020 ed è stato approvato nell’adunanza delle Sezioni riunite in sede di controllo del 15 maggio 2020. È stato redatto da: Vincenzo Chiorazzo, Maria Letizia D’Autilia, Enrico Flaccadoro, Lucia Marra e Massimo Romano. Vi hanno contribuito: Paolo Liberati, Enza Maltese, Renato Manzoni, Lucia Mauta, Maria Grazia Pazienza, Nicoletta Rizzi e Prometeia S.p.A. Analisi e approfondimenti tematici sono stati realizzati con la collaborazione di: Daniela Buzzi, Rosanna Vasselli. Alcune elaborazioni sono state realizzate con il contributo di Daniele Tassa. Un ringraziamento va a Giampiero Gallo e Maurizio Pala per i sempre preziosi commenti e suggerimenti. L’editing è stato curato da Marina Mammola, Giuseppina Scicolone e Giuliano Nolè.

Un primo sguardo ai risultati del 2019

21. Ancorché non rielaborati in base ai criteri previsti dalla contabilità nazionale, i dati trasmessi dalle regioni al NSIS relativi al 4° trimestre 20198 consentono una prima lettura degli andamenti per le principali variabili a livello nazionale e dei risultati economici a livello territoriale. L’esame dei dati tratti dai conti economici consolidati restituisce un’immagine sostanzialmente coerente con quanto rilevato in termini di contabilità nazionale. Nel complesso i costi delle aziende sanitarie hanno registrato nel 2019 una crescita, anche se di poco inferiore all’un per cento. È una variazione delle entrate complessive più contenuta a determinare un, seppur limitato, peggioramento del risultato netto del settore.

Sono due i risultati a cui guardare a sintesi della gestione 2019. Il primo è quello registrato prima delle coperture già previste nei conti economici e degli ulteriori trasferimenti disposti dalle Province autonome e dalle regioni a statuto speciale.

Tra il 2018 e il 2019 si è registrato un peggioramento del disavanzo del 10 per cento: dai 990 milioni del 2018 si è passati a poco meno di 1,1 miliardi nell’esercizio appena concluso. Un dato che risente dei diversi andamenti regionali che portano a sottostimare il fenomeno. Non considerando le regioni che presentano un risultato positivo, l’aumento del disavanzo cresce, infatti, del 17 per cento, passando a 1,1 a 1,3 miliardi.

Il peggioramento è da ricondurre in prevalenza alle regioni non in Piano e a statuto ordinario, che vedono ampliarsi il disavanzo dai 69,1 milioni del 2018 ai 165,5 del 2019. Un risultato dovuto soprattutto al Piemonte,

8 Si tratta dei risultati a fine febbraio 2020, che recepiscono tutte le modifiche apportate ai CE dalle Regioni fino a questa data. Nella tavola che segue si considerano i risultati di gestione come emergono dai CE prima delle correzioni apportate in sede di monitoraggio. Va considerato che queste possono portare ad un risultato di gestione in alcuni casi diverso da quello evidenziato nel CE. E ciò in relazione a mancati allineamenti contabili tra contabilità finanziaria ed economico patrimoniale, ai risultati delle aziende in utile e a rischi in alcune voci gestionali. I risultati al momento disponibili, quindi, devono essere considerati solo provvisori in attesa della chiusura dei verbali dei Tavoli. 198 che quest’anno sembra chiudere l’esercizio con uno squilibrio di circa 79 milioni. Più limitati gli squilibri di Liguria, Toscana e Basilicata.

Le regioni a statuto speciale segnano un incremento più contenuto (+6,6 per cento), pur confermando il risultato fortemente negativo a cui fanno fronte con risorse aggiuntive.

Infine, le regioni in Piano nel complesso continuano a registrare un riassorbimento degli squilibri. Un dato che deve essere meglio qualificato: guardando alle sole regioni in disavanzo si registra, infatti, un peggioramento, ma in gran parte legato al forte incremento di quello del Molise, dai 30 milioni del 2018 ai 120 milioni del 2019. Puglia e Calabria presentano segnali di rientro dagli squilibri: la prima riduce il disavanzo da 45 a 39 milioni, la seconda pur confermando la criticità della gestione riduce lo squilibrio dai 179,4 milioni del 2018 a 116,7 milioni.

In pur lieve peggioramento anche l’esito della gestione, guardando al risultato al netto delle coperture disposte dalle regioni a statuto speciale e di quelle previste nei CE delle altre regioni.

Nel complesso si passa da un avanzo di 84,2 milioni del 2018 ad un disavanzo di 57,5 milioni. Anche in questo caso, tuttavia, le cifre complessive nascondono esiti diversi.

Le regioni in piano ancora in perdita (dopo le coperture già scontate nei conti economici regionali) vedono ampliarsi lo squilibrio di oltre il 24 per cento. Ancora maggiore l’incremento, da 69 milioni a 165 milioni, di quelle non in piano a statuto ordinario. Mentre sostanzialmente nullo è il risultato di quelle a statuto speciale, in cui le risorse aggiuntive già stanziate consentono di riassorbire la perdita inizialmente rilevata.

Si tratta, è bene sottolinearlo, di valori ancora preliminari perché forniti a due mesi dalla chiusura dell’esercizio e che sono pertanto soggetti a modifiche da parte delle regioni oltre che alle verifiche dei Tavoli di monitoraggio.

Nel complesso, tuttavia, si conferma il sostanziale equilibrio del comparto: gli squilibri registrati sono ben inferiori a quelli che caratterizzavano i primi anni 2000 e hanno dimensioni che, in generale, appaiono gestibili ricorrendo alle capacità di entrata delle regioni.

I risultati dal lato dei costi

22. I dati relativi ai costi al netto delle voci economiche (ammortamento, rivalutazioni ed attività intramoenia) evidenziano, nel complesso dei conti regionali, una variazione dell’1,4 per cento, inferiore a quella registrata nel 2018.

In aumento dell’1,1 per cento la spesa per il personale (delle aziende sanitarie, delle aziende ospedaliere, delle aziende Ospedaliere Universitarie, degli IRCCS pubblici), che raggiunge poco meno di 35,2 miliardi. Continuano a registrare una crescita, pur di solo lo 0,7 per cento, anche le regioni in piano di rientro, che hanno visto riduzioni particolarmente rilevanti negli ultimi anni, come effetto del blocco del turn-over e delle manovre di contenimento della dinamica della spesa.

Il risultato è l’esito di andamenti differenti guardando ai ruoli e per regione: superiore alla media l’aumento del costo del personale professionale (+3,9 per cento) e di quello tecnico (+1,9 per cento); solo dell’1 per cento quello sanitario.

Diverso l’andamento tra regioni in piano e non. Nelle prime, la variazione per il ruolo sanitario è dello 0,6 per cento; superiore alla media (come lo scorso anno) l’aumento della spesa per il ruolo professionale e tecnico (rispettivamente del 5,8 e del 2,7 per cento), mentre registra un’ulteriore flessione quello amministrativo.

199

Tra queste regioni continuano a registrare una contrazione della spesa quelle che presentano ancora difficoltà a raggiungere un equilibrio dei conti (Molise e Calabria) e nelle quali, dal 2013, la flessione è stata rispettivamente del 15,4 e del 5,5 per cento.

Nelle regioni non in piano, l’aumento dell’1,3 per cento del ruolo sanitario si accompagna ad una variazione di poco meno del 3 per cento di quello professionale. Sono le regioni a statuto speciale del Nord a presentare gli incrementi maggiori per le figure professionali e amministrative.

23. Rallenta la crescita nel 2019 degli acquisti di beni e servizi. Si tratta di un insieme composito: gli acquisti di beni, le manutenzioni, gli altri servizi sanitari e non, gli oneri per il godimento di beni di terzi e i servizi appaltati.

Nel complesso, essi raggiungono i 32,3 miliardi, con un aumento dell’1,2 per cento (l’incremento era stato del 2,2 per cento nell’esercizio precedente). Dal 2013 l’aumento registrato è stato di poco inferiore al 18 per cento.

Un risultato che sembra indicare il mantenimento di una particolare attenzione alle misure di contenimento introdotte a partire dal 2011 fino a quelle previste nelle ultime leggi di bilancio (si veda al Riquadro 5).

200

Un risultato che, tuttavia, presenta andamenti molto diversi tra enti territoriali: si riduce la spesa nelle regioni in piano di rientro (-0,8 per cento), mentre cresce in media del 2,5 per cento nelle altre regioni. Sono soprattutto quelle a statuto speciale e ordinarie del Nord a registrare gli incrementi più consistenti (rispettivamente +3,3 e +2,9 per cento), mentre le regioni a statuto ordinario del Centro-Sud aumentano del solo 0,6 per cento.

201

RIQUADRO 5 - GLI STRUMENTI PER LA GESTIONE DELLA SPESA

Su più fronti, in particolare, è continuata, anche nel 2019, l’attività volta mettere a disposizione di operatori e istituzioni strumenti per rendere più efficienti ed efficaci le decisioni di spesa.

Le misure di controllo della spesa per gli acquisti di beni e servizi

E’ proseguita nell’anno l’attività del Tavolo Tecnico dei Soggetti aggregatori, coordinato dal Ministero dell’economia e delle finanze, per sostenere gli interventi di razionalizzazione della spesa per l’acquisto di beni e servizi in ambito sanitario9.

Il Gruppo di Lavoro Sanità è stato articolato in diversi Sottogruppi operativi, dedicati alle differenti merceologie progressivamente individuate e nel 2019 - relativamente agli Stent coronarici, Pulizia per il SSN, Manutenzione

9 Continua infatti ad operare il vincolo per gli enti del Servizio Sanitario Nazionale di ricorrere a Consip S.p.A. o agli altri Soggetti Aggregatori per lo svolgimento delle procedure di fornitura per determinati beni e servizi (farmaci, vaccini, medicazioni aghi e siringhe, ausili per incontinenza, servizi integrati per la gestione delle apparecchiature elettro medicali, servizi di pulizia, ristorazione, lavanderia e smaltimento rifiuti sanitari vigilanza e guardiania) per importi superiori a 40.000 euro, nonché per quelli (stent, protesi d’anca, defibrillatori, pace maker e servizi di gestione pulizia e manutenzione degli immobili) che presentino importi sopra soglia comunitaria 202

apparecchiature elettromedicali, Medicazioni, Aghi e Siringhe - sono state rilasciate le Linee Guida allo scopo di favorire lo sviluppo delle migliori pratiche per le procedure di acquisto da parte dei soggetti aggregatori.

Nell’attività di supporto ai Sottogruppi, il Ministero della salute ha sviluppato analisi sul consumo di alcuni dispositivi medici elaborando i relativi indicatori, mentre per i servizi appaltati, per i quali non è disponibile una rilevazione mirata dei dati dimensionali e qualitativi, per la costruzione degli indicatori i dati relativi alla spesa sono stati posti in relazione con le informazioni rilevate dal NSIS10. L’Anac ha provveduto a pubblicare i dati relativi alle procedure di affidamento per stazione appaltante su base quadrimestrale. Nel 2018 le procedure superiori ai 40.000 euro di Aziende sanitarie regionali Asl o AO sono state oltre 29.400 (poco meno di 27.000 nel 2017), per complessivi 17,4 miliardi (14,3 nel 2017). Nei primi due quadrimestri del 2019 le procedure registrate sono state oltre 17.700 (oltre 19.400 nello stesso periodo del 2018) per circa 14 miliardi (11,3 miliardi nel 2018). Nell’anno sono stati attivati alcuni accordi quadro per la sanità: si tratta di quello per la fornitura di stent vascolari, per tomografi a risonanza magnetica e computerizzati per un importo complessivo a base d’asta di circa 57 milioni; sono state definite convenzioni per la fornitura di angiografi fissi e tomografi a risonanza magnetica e computerizzati con base d’asta di oltre 53 milioni. Inoltre sono state pubblicate, ma non aggiudicate nell’anno, bandi per accordi quadro con base d’asta per poco meno di 800 milioni. Si tratta anche in questo caso di dispositivi medici (suture chirurgiche, dispositivi impiantabili per la funzionalità cardiaca) ma anche tomografi e mammografi.

I progressi nei sistemi informativi

Sono proseguite nell’anno le attività svolte nell’ambito dei due progetti finanziati nell’ambito del PON 2014-2020 a supporto delle scelte di programmazione sanitaria nazionale. Tali iniziative, dirette a potenziare gli strumenti già disponibili per la valutazione dell’assistenza erogata in ambito ospedaliero e che saranno essere estese all’assistenza territoriale, si traducono in indicatori di monitoraggio delle performance dei diversi SSR sia sotto il profilo qualitativo e quantitativo dell’assistenza, sia dal punto di vista dell’assorbimento dei fattori produttivi e dei relativi costi connessi all’erogazione dell’attività. Il primo progetto, varato dal Ministero sul finire del 2018, denominato “Analisi dei fattori di produzione per resilienza e sviluppo del Servizio sanitario nazionale”, ha la finalità di realizzare un “modello predittivo” per l’analisi dei principali trend evolutivi in atto, simulando sia le possibili evoluzioni dell’assistenza sanitaria, il conseguente fabbisogno di prestazioni e la relativa copertura finanziaria, in funzione del modificarsi delle variabili socio-economiche, demografiche, epidemiologiche, sia il potenziale effetto delle azioni previste in fase di programmazione, al fine di poter valutare la soluzione migliore tra le alternative sviluppate. E ciò al fine di rispondere in maniera appropriata e adeguata ad una domanda di assistenza sanitaria che si evolve in funzione del progressivo invecchiamento della popolazione, del calo della natalità o dell’introduzione di nuovi farmaci innovativi.

Finalità dell’intervento è l’elaborazione di metodologie che consentano l'analisi dei livelli di efficacia e di efficienza operativa delle aziende sanitarie, supportandole nell’individuazione delle criticità, nell'erogazione dell'assistenza, anche attraverso il benchmark con le altre aziende sanitarie operanti sul territorio regionale e nazionale. A tal fine, le due linee di intervento del progetto (“Sviluppo e test di un modello predittivo a supporto della programmazione sanitaria, basato su big data” e “Sviluppo di metodologie e strumenti utili per la definizione dell’adeguato impiego dei

10 Per i Servizi di Ristorazione per il SSN, è stato calcolato l’indicatore “Costo STND per GG degenza”, ottenuto correlando il totale dei costi sostenuti (dati dai Modelli Conto Economico e Conto Annuale per la quota di Buoni Pasto ai dipendenti) alle giornate di degenza rilevate nei flussi SDO e STS 24. Per i Servizi di Lavanolo, è stato calcolato l’indicatore “Costo per Giornata di Degenza ottenuto correlando il totale dei costi sostenuti (dati dai Modelli Conto Economico) alle giornate di degenza rilevate nei flussi SDO e STS 24. Per i Servizi di Pulizia, è stato calcolato l’indicatore “Costo per MQ Ponderato per area di rischio” ottenuto correlando il totale dei costi sostenuti (dati dai Modelli Conto Economico) con i MQ ponderati per area di rischio. E’ stato inoltre calcolato l’indicatore “Costo per Posto Letto” ottenuto correlando il totale dei costi sostenuti (dati dai Modelli Conto Economico) con i Posti Letto Ospedalieri delle diverse Aziende Sanitarie e Aziende Ospedaliere. Per i Servizi di Smaltimento rifiuti è stato calcolato l’indicatore, “Costo per Posto Letto Equivalente” ottenuto correlando il totale dei costi sostenuti (dati dai Modelli Conto Economico) con i Posti letto equivalenti derivati dal numero delle giornate di degenza erogate dalle aziende per assistenza ospedaliera in regime DO e DH e Assistenza Territoriale. E’ stato inoltre calcolato l’indicatore del “Costo per KG ponderato per codice C.E.R. ottenuto correlando il totale dei costi sostenuti (dati dai Modelli Conto Economico) con quantità di rifiuti (base dati ISPRA) "pesati" rispetto alla diversa composizione di codici C.E.R. del mix di rifiuti per singola azienda sanitaria. 203

fattori produttivi nell’erogazione dei LEA”) 11, utilizzano i flussi NSIS interconnettibili (SDO, dati TS per la specialistica ambulatoriale e farmaceutica12 nonché EMUR) insieme con le informazioni sul bisogno di salute, con altri indicatori socio-economici (per es. reddito) e con quelli sullo stato in vita degli assistiti e sulla mortalità. Il secondo progetto “Sostenere la sfida alla Cronicità con il supporto dell’ICT” punta a fornire indirizzi strategici, metodologie e strumenti volti a individuare modelli innovativi di gestione della salute con particolare riguardo al problema della cronicità; supportare con l’ICT gli investimenti effettuati con i Fondi strutturali; sviluppare le azioni relative all’e-Government; evidenziare gli opportuni interventi normativi sul tema.

In collaborazione con AGENAS sono stati svolti gli incontri con la rete dei referenti regionali e, utilizzando la scheda messa a punto dall’Istituto Superiore della Sanità già utilizzata a livello internazionale13, sono state rilevate circa 40 pratiche regionali innovative di gestione della cronicità con il supporto della connected care. Esse saranno analizzate da AGENAS con l’aiuto di un gruppo di esperti appositamente costituito con l’obiettivo di individuare le best practices in coerenza con il Piano Nazionale. Nel corso dell’anno 2019 è proseguito il potenziamento delle basi informative sanitarie. E’ aumentato, infatti, il numero delle regioni18 che, ai sensi del d.m. n. 262 del 2016, hanno provveduto al recupero dei dati riferiti agli anni pregressi

11 Per la prima linea di intervento sono stati istituiti quattro sottogruppi di lavoro: il “Core model” (costituito dai referenti delle regioni Lombardia, Veneto, Emilia-Romagna, Umbria, Liguria, Molise, Piemonte, Puglia, Campania, Lazio, Provincia Autonoma di Bolzano, degli Istituti ISS e ISTAT e di altri enti quali Azero Veneto, Usl Nord Ovest Toscana e Usl Sud Est Toscana) finalizzato a strutturare il nucleo centrale del modello di stratificazione della popolazione, classificando gli individui in base a diversi profili di consumo, e proiettare le dinamiche di tipo epidemiologico, demografico e degli stili di vita per simulare il fabbisogno di salute della popolazione in un orizzonte di medio-lungo termine; il Gruppo “Economico- finanziario” (composto dai referenti delle regioni Emilia-Romagna, Basilicata, Puglia, Piemonte, Veneto e del Ministero dell’Economia e delle Finanze) analizza il costo delle malattie individuate e classificate all’interno della stratificazione e valuta il fabbisogno atteso in termini di spesa sanitaria, a normativa e organizzazione vigente. Obiettivo finale è quello di ottenere come output modelli economico-finanziari costruiti sulla base dell’evoluzione delle patologie e del loro costo, alla luce delle evidenze di analisi emerse; il Gruppo “Patologie e Innovazione” simula gli effetti delle azioni programmatiche su tre classi di patologia: oncologia, cardiovascolari e diabete e valuterà l’impatto delle possibili innovazioni in arrivo nel settore farmaceutico, dispositivi medici e tecnologie sanitarie. Ad oggi sono stati coinvolti l’AIFA e centri di ricerca universitari come l’ALTEMS (Università Cattolica del Sacro Cuore), il CREA (Università degli Studi di Roma “Tor Vergata”) e il CERGAS (Università Bocconi). Con particolare riferimento alla quantificazione del valore aggiunto che soluzioni innovative possono generare a beneficio dell’intero Servizio Sanitario Nazionale, è in corso di attivazione uno specifico tavolo (Forum di Ascolto Attivo) per la presentazione delle principali soluzioni innovative ideate da imprese operanti nel settore sanitario con la partecipazione ed il coordinamento delle relative associazioni rappresentative come Confindustria Dispositivi Medici, Farmindustria e Assobiotec; il Gruppo “Alimentazione modello e analisi dati” (composto dai referenti delle Regioni Lazio, Lombardia e dell’Istat) lavora a supporto dei precedenti, occupandosi della creazione dell’infrastruttura tecnologica, l’individuazione e la costituzione del set di dati necessari per l’alimentazione del modello. Alla luce delle criticità che si sono via via presentate durante l’esecuzione dei primi mesi delle attività progettuali, in accordo con il Dipartimento della Funzione Pubblica (DFP) si è proceduto a formalizzare la rimodulazione del progetto, con la proroga dell’attività fino al 30 aprile 2020 e il ricorso all’affidamento in house ad Invitalia per lo svolgimento delle attività di comunicazione. Tale rimodulazione è stata approvata dal DFP in data 29 aprile 2019. Per l’attuazione delle attività progettuali, oltre al servizio esterno acquisito con contratto stipulato il 3 agosto 2018 con il RTI Almaviva S.p.A. in adesione alla Convenzione Consip SPC Cloud - Lotto 3, si è concluso l'iter amministrativo per la selezione di 13 collaboratori nell’ambito della procedura avviata con Avviso Pubblico del 24 agosto 2018. Le attività previste dalla Linea di intervento 2 sono realizzate, di concerto con il Ministero dell’economia e delle finanze, attraverso una sinergia con il “Tavolo dei Soggetti Aggregatori”, a cui partecipano i referenti del Ministero della Salute ed i rappresentati dei Soggetti Aggregatori nonché gli esperti regionali identificati con l’obiettivo di individuare l’elenco delle categorie merceologiche sulle quali avviare le misure di razionalizzazione dei fabbisogni ed ottimizzazione delle procedure di approvvigionamento. 12 L’utilizzo incrociato di informazioni a livello individuale per finalità di programmazione sanitaria richiederà l’autorizzazione dell’autorità del Garante come previsto dall’articolo 4 del d.m. 7 dicembre 2016, n. 262. 13 La scheda “QCR Tool Recommendations to improve prevention and quality of care for people with chronic diseases”, elaborata nell’ambito della Joint Action “Chrodis” e poi “Chrodis Plus” identifica criteri di qualità e raccomandazioni per sostenere l’implementazione di buone pratiche e per migliorare, monitorare e valutare la qualità delle cure e della prevenzione delle malattie croniche, presentando quindi vantaggi sia per il PON GOV Cronicità, che usufruisce di uno strumento già validato a livello internazionale, sia per il Progetto Chrodis, in quanto consente di estendere la sperimentazione dello strumento arricchendo la raccolta di buone pratiche. 204

(2012-2018) ed è stato possibile completare per 10 dei 12 flussi informativi previsti14 l’adeguamento dei sistemi informativi su base individuale del NSIS alle modalità di interconnessione, consentendo di ricostruire a livello nazionale il percorso dell’assistito tra i diversi setting assistenziali15. L'utilizzo di tali dati consentirà valutazioni integrate, a livello nazionale, relative all’uniforme erogazione dei LEA, alla qualità e all’appropriatezza delle cure. Alle analisi separate per ogni singola tipologia di prestazioni si affiancherà un approccio integrato, in grado di assicurare il corretto monitoraggio della qualità dell’assistenza sanitaria erogata nell’ambito di un percorso di cura. Sarà possibile, per esempio, valutare l’efficacia dell’assistenza territoriale e l’appropriatezza del ricorso all’ospedalizzazione nel paziente cronico, l’efficacia della gestione dell’emergenza, della cura e della riabilitazione. Sarà inoltre possibile, nel rispetto della privacy, estrarre ed elaborare i soli dati sanitari necessari a sviluppare, a livello nazionale, algoritmi di classificazione degli individui in termini di età, presenza di patologie, consumo di farmaci, ecc., con l’obiettivo di misurare la fragilità e la polimorbilità della popolazione. L’utilizzo dei dati sanitari individuali presenti nei flussi informativi NSIS interconnettibili, nonché quelli derivanti dal registro AIFA, è strumentale anche nella valutazione degli effetti sul costo del pecorso terapeutico assistenziale dell’utilizzo dei farmaci innovativi ed innovativi oncologici. Nelle more dell’interconnessione, il gruppo di lavoro appositamente costituito nel novembre 201921 utilizzerà le metodologie adottate a livello locale per valutare l’impatto sulla coorte dei pazienti presi a riferimento e proiettare le risultanze sulle altre regioni. Un altro contributo in materia potrà essere fornito dal progetto Sanità 2.0, che vede coinvolte le Università Bocconi, Cattolica e Tor Vergata.

Tale progetto ha lo scopo di ideare soluzioni innovative che costituiscano un modello per la valutazione degli impatti dell’innovazione tecnologica sugli outcomes e sulla spesa, rispettivamente in materia di patologie oncologiche, diabete e obesità, malattie cardiovascolari, attraverso la creazione di tre modelli di analisi e stima integrata, fondati sullo studio e ricerca nell’ambito delle specifiche patologie prescelte.

E’ stata data implementazione all’Anagrafe vaccinale16 con il conferimento nel 2019 dei dati rilevanti da parte di tutte le regioni. Ancora molto eterogeneo, invece, lo stato di implementazione del fascicolo sanitario elettronico (FSE), nonostante con la legge di bilancio 2017 si sia previsto di utilizzare l’infrastruttura del Sistema Tessera Sanitaria per la sua operatività23. Secondo i dati pubblicati e aggiornati periodicamente sul portale dedicato, ad oggi sono attivi circa 13 milioni di FSE. Un freno ad una maggiore diffusione è costituito sia dalla necessità da parte del cittadino di tre differenti consensi (per l’attivazione e alimentazione del FSE, per la consultazione da parte degli operatori sanitari e per l’acquisizione della documentazione sanitaria pregressa), sia dalla scarsa alimentazione dello stesso da parte dei medici di medicina generale e dai pediatri. Al riguardo, nel Nuovo Patto della Salute si propone, da un lato, di rivedere la normativa sul consenso e, dall’altro, di far riferimento al FSE negli Accordi collettivi nazionali di categoria non solo quale strumento di consultazione per i medici ma anche per il ruolo che essi devono svolgere nell’aggiornamento del medesimo. Elemento importante per la realizzazione dei FSE è costituito anche dell’Anagrafe Nazionale degli Assistiti (ANA), in corso di costituzione17. Con il d.m. 8 febbraio 2019 è stata resa obbligatoria la ricetta elettronica per i farmaci veterinari: ciò ha consentito, insieme all’estensione del monitoraggio della distribuzione intermedia, il potenziamento.

14 L’Abruzzo, la Provincia autonoma di Bolzano e la Sardegna non hanno ancora completato il recupero per tutti i flussi o per tutti i periodi temporali. 15 Ad esclusione del Sistema informativo relativo al certificato di assistenza al parto e di quello delle prestazioni farmaceutiche effettuate in distribuzione diretta o per conto; per il secondo, l’interconnessione del flusso informativo dovrebbe essere possibile dal 2020. 16 La procedura di interconnessione riguarda: le schede di dimissione ospedaliera; le prestazioni erogate nell'ambito dell'assistenza sanitaria in emergenza-urgenza - Pronto soccorso; i certificati di assistenza al parto; le prestazioni erogate nell'ambito dell'assistenza sanitaria in emergenza-urgenza - Sistema 118; l'assistenza domiciliare; le prestazioni residenziali e semiresidenziali; le prestazioni farmaceutiche effettuate in distribuzione diretta per conto; l'assistenza erogata presso gli Hospice; la salute mentale e le dipendenze e il sistema informativo tessera sanitaria del MEF per quanto riguarda le prestazioni di specialistica ambulatoriale e di assistenza farmaceutica convenzionata, oltre ai sistemi informativi sanitari delle regioni e delle province autonome 17 Nel novembre 2019 è stato attivato un gruppo di lavoro interistituzionale (MdS, ISS, AIFA e regioni Lombardia, Veneto, Toscana, Emilia-Romagna a APSS della provincia di Trento) con il compito di predisporre una metodologia di valutazione di impatto per il sistema sanitario nazionale, in termini di spesa, di organizzazione e di diversa allocazione delle risorse, derivante dall’introduzione dei farmaci innovativi sul costo del percorso clinico dell’assistito, che potrà essere utilizzata anche in ambito regionale/provinciale e aziendale quale strumento di programmazione e di analisi clinica dei pazienti presi in carico. 205

Sembra rallentare significativamente la crescita della spesa per acquisti di beni, con una variazione nel complesso del solo 0,7 per cento (3,7 per cento nel 2018). Un dato che tuttavia deve essere letto con attenzione: le due componenti più rilevanti sono i prodotti farmaceutici e i dispositivi medici.

Essi, pur presentando tassi di crescita inferiori rispetto al recente passato, continuano ad aumentare: del 4,2 (8,9 nel 2018) i primi e del 2,4 (2,8 nel 2018) per cento i secondi. Sul risultato complessivo incide il forte incremento nell’anno delle entrate da payback, raddoppiato rispetto al 2018, che riduce la spesa netta di poco meno di 1,1 miliardi.

Tra le voci minori, si conferma in riduzione nell’anno la dinamica della spesa per vaccini che registra un aumento di solo il 2,5 per cento (6,8 per cento nel 2018, +34 per cento nel 2017), mentre continua ad aumentare quella per prodotti dietetici (10,9 per cento), in parte compensata dal calo di quelli alimentari (-7,1 per cento).

Diverso l’andamento tra aree e tipologie di enti.

Le regioni in Piano registrano una flessione complessiva degli acquisti (-0,9 per cento). Un risultato su cui incide la forte crescita del payback che consente di più che compensare variazioni del 4,4 e del 3,8 per cento di farmaci e dispositivi medici. L’acquisto diretto dei farmaci è cresciuto in queste regioni dal 2013 di quasi il 58 per cento (45 per cento nelle altre regioni).

Nelle regioni non in Piano il risultato complessivo segna una crescita dell’1,7 per cento. Anche in questo caso, tuttavia, incide sul dato complessivo la crescita del payback che contiene gli effetti di un aumento degli acquisti per farmaci del 4 per cento e una variazione più contenuta di quella delle regioni in piano di rientro per i dispositivi medici (+1,7 per cento).

In merito alla spesa per farmaci si veda il Riquadro 6.

RIQUADRO 6 - I TETTI ALLA SPESA FARMACEUTICA E AI DISPOSITIVI MEDICI NEL 2019

La verifica del rispetto dei tetti per la spesa farmaceutica tiene conto delle modifiche introdotte con la legge di bilancio per il 2017, che ha disposto una revisione dei meccanismi che regolano il sistema: dal 2017 la spesa per farmaci di classe A in distribuzione diretta e per conto è ricompresa tra quella ospedaliera e non più tra quella territoriale; di conseguenza sono mutate le quote previste per i tetti di spesa (da 11,35 a 7,96 per cento per la territoriale e da 3,5 a 6,89 per cento per l’ospedaliera); lo stesso provvedimento ha disposto l’istituzione di due fondi, ciascuno con una dotazione di 500 milioni, per il concorso al rimborso alle regioni per l’acquisto di medicinali innovativi (non oncologici) e oncologici. Più di recente la legge di bilancio per il 2019 (legge 145/2018 articolo 1 commi 574 e seguenti) ha stabilito, nell’ambito della spesa farmaceutica per acquisti diretti, un tetto pari allo 0,2 per cento relativo agli acquisti di gas medicinali. Il tetto per i farmaci è stato rideterminato al 6,69 per cento del fabbisogno sanitario nazionale.

I risultati del monitoraggio della spesa farmaceutica sono al momento in cui il Rapporto chiude ancora parziali. Essi si basano sul Report di monitoraggio del 24 marzo relativo ai primi 11 mesi dell’anno. Essi consentono tuttavia una prima valutazione dell’operare del sistema nell’ultimo esercizio.

Per la farmaceutica convenzionata25 il tetto di spesa pari a poco meno di 8,3 miliardi è stato nel complesso rispettato: la spesa si è mantenuta al di sotto del limite per circa 822 milioni. Le regioni che presentano eccessi di spesa sono solo 4 superando il limite per circa 5 milioni (Calabria, Abruzzo, Puglia e Campania). In media l’incidenza è del 7,2 per cento. Anche nel 2019 due regioni presentano una spesa convenzionata inferiore di oltre 2 punti rispetto al tetto previsto: si tratta dell’Emilia-Romagna e della provincia di Bolzano, che registrano una incidenza del 5,63 e del 5,0 per cento del Fondo sanitario. Va rilevato nell’anno il forte calo del ticket fisso in Emilia e Piemonte.

206

In Emilia ciò è dovuto alla rimodulazione della compartecipazione alla spesa entrata in vigore dal primo gennaio 2019: ai residenti e non residenti con scelta del medico di medicina generale nella regione e reddito familiare minore di 100.000 euro non è richiesta la quota fissa di partecipazione alla spesa.

In Piemonte è stata eliminata la quota fissa di compartecipazione da parte degli assistiti dal 1° marzo 2019.

La spesa per acquisti diretti, invece, eccede il limite previsto per oltre 2,6 miliardi. Tale importo risulta come differenza tra il dato di tracciabilità trasmesso dalle aziende (esclusi quello di fascia C a carico del cittadino), al netto dei payback e della spesa che è coperta con il fondo farmaci innovativi ed oncologici, per un totale di circa 9,6 miliardi, e il tetto previsto (circa 7 miliardi). Lo scostamento rispetto all’obiettivo riguarda tutte le regioni per importi molto differenziati. Sono ben 5 le regioni che segnano scostamenti di oltre 4 punti rispetto al limite.

Va poi considerato che la spesa per farmaci innovativi supera il miliardo e 575 milioni. La spesa tracciata per quelli non oncologici ha raggiunto i 1040 milioni e quella per quelli oncologici i 536 milioni. Al netto del payback tali somme sono pari a 431,5 e 458,3 milioni.

207

24. Particolare attenzione merita la spesa per dispositivi medici, aumentata del 2,4 per cento (2,8 nel 2018). Si conferma il diverso andamento per i principali aggregati: la spesa per dispositivi cresce del 3,5 per cento mentre continua a flettere quella per impiantabili attivi (-1,1 per cento nel 2019; -3,6 per cento nel 2018). Solo marginale la variazione di quelli diagnostici in vitro.

Si accentuano le differenze per area territoriale: nelle regioni in Piano la crescita come si è visto è del 3,8 per cento (2,8 per cento nel 2018) ed è da ricondurre al forte incremento registrato negli altri dispositivi medici (+4,6 per cento), cui si accompagna un aumento sopra media sia di quelli impiantabili che diagnostici in vitro. Una variazione che caratterizza quasi tutte le regioni fatta eccezione del Molise.

Tra le altre regioni, sono soprattutto quelle del Nord-Est, cui si aggiunge la Liguria, a presentare gli aumenti maggiori (superiori al 5 per cento), tutti riconducibili agli altri dispositivi medici e a quelli diagnostici in vitro. Sotto media o in riduzione le spese nelle altre regioni del Centro Nord.

208

Va sottolineato come nel 2019 sia diventato operativo il payback sui dispositivi medici (si veda al riguardo il Riquadro 7).

RIQUADRO 7 –IL TETTO SUI DISPOSITIVI MEDICI

Nel corso del 2019 si è raggiunto l'Accordo Stato-Regioni sui meccanismi di recupero nel caso di superamento del tetto sui dispositivi medici ai sensi dell'articolo 9-ter del d.l. 78/2015 (legge 6 agosto 2015 n. 125). Sono stati sottoscritti due accordi: uno riguarda la spesa per i dispositivi medici per gli anni 2015–2018, l’altro il tetto ai dispositivi per il 2019.

Il primo definisce i criteri di individuazione dei tetti di spesa regionali per gli anni 2015, 2016, 2017 e 2018 per l’acquisto dei dispositivi medici, dei dispositivi impiantabili attivi e dei dispositivi medico diagnostici in vitro. Inoltre, definisce le modalità procedurali di individuazione del superamento dei tetti di spesa regionale, fissati nella misura del 4,4 per cento dei fabbisogni sanitari regionali.

209

L'eventuale superamento del tetto di spesa è calcolato sulla base dei dati di costo rilevati a consuntivo

per ciascuno dei predetti anni, e risultanti dal modello CE consolidato regionale nella voce BA0210. Devono ancora essere definite, tuttavia, le modalità procedurali del ripiano su proposta del Ministero della salute con apposito accordo in sede di Conferenza Stato-Regioni.

Riguardo al 2019 si è stabilito che il superamento del tetto di spesa a livello nazionale e regionale per l'acquisto di dispositivi medici, coerentemente con quanto previsto dall'art. 9-ter del d.l. 78/2015 come modificato dall'art. 1, comma 557, della legge 30 dicembre 2018, n. 145, sia calcolato sulla base dei dati risultanti dalla fatturazione elettronica di ciascuna azienda, al lordo dell'IVA18.

Inoltre, è obbligatorio indicare nella fatturazione elettronica, in modo separata, il costo del bene e il costo del servizio. Anche in questo caso le modalità procedurali del ripiano saranno definite su proposta del Ministero della salute con apposito accordo in sede di Conferenza Stato-Regioni.

Il base alla modifica introdotta con la legge di bilancio per il 2019 “il superamento del tetto di spesa a livello nazionale e regionale… per l'acquisto di dispositivi medici, rilevato sulla base del fatturato di ciascuna azienda al lordo dell'IVA è dichiarato con decreto del Ministro della salute, di concerto con il Ministro dell'economia e delle finanze, entro il 30 settembre di ogni anno. La rilevazione per l'anno 2019 è effettuata entro il 31 luglio 2020 e, per gli anni successivi, entro il 30 aprile dell'anno seguente a quello di riferimento, sulla base dei dati risultanti dalla fatturazione elettronica” (comma 8) e inoltre "l'eventuale superamento del tetto di spesa regionale…. è posto a carico delle aziende fornitrici di dispositivi medici per una quota complessiva pari al 40 per cento nell'anno 2015, al 45 per cento nell'anno 2016 e al 50 per cento a decorrere dall'anno 2017. Ciascuna azienda fornitrice concorre alle predette quote di ripiano in misura pari all'incidenza percentuale del proprio fatturato sul totale della spesa per l'acquisto di dispositivi medici a carico del Servizio sanitario regionale. (comma 9).

Si va, quindi, verso l’attivazione di una misura di controllo della spesa rimasta per troppo tempo inattuata.

Come si può osservare nella tavola che segue la spesa per dispositivi medici è cresciuta in maniera rilevante negli ultimi anni (+7,7 l’aumento tra il 2015 e il 2018). Il tetto previsto è stato superato in misura crescente: la spesa eccedente è passata dai circa 900 milioni del 2015 a poco meno di 1,3 miliardi del 2018 (+28 per cento), nel quadriennio l’importo eccedente ha superato i 4 miliardi. Solo 3 regioni hanno sempre mantenuto la spesa entro il tetto previsto (Lombardia, Lazio e Campania).

Gli sfondamenti maggiori hanno riguardato le regioni a statuto speciale del Nord, la Toscana, l’Umbria, le Marche e l’Abruzzo.

18 Con riferimento al 2020 è in corso di predisposizione una circolare a firma congiunta del Ministero della salute e della Ragioneria Generale dello Stato che dia indicazioni a tutti gli assessorati e, per il loro tramite, ai fornitori dei dispositivi medici delle modalità di compilazione delle fatture elettroniche e degli ordini per consentire una corretta applicazione della normativa vigente. 210

Anche nel 2019 la spesa per dispositivi medici è stata superiore del 24 per cento rispetto all’obiettivo. Sono 3 le Regioni che presentano una spesa coerente con il tetto previsto (Lombardia, Lazio e Campania). Si accentuano gli scostamenti particolarmente marcati (tra il 62 e il 74 per cento rispetto al tetto) che caratterizzano nel Nord le regioni a Statuto speciale (tranne la Valle d’Aosta) e tutte le regioni centrali (tranne il Lazio). Nel Mezzogiorno, superiori al 50 per cento del limite previsto l’Abruzzo e la Sardegna.

25. I servizi sanitari e non sanitari (trasporti sanitari, consulenze, formazione, etc.) presentano andamenti diversi.

I primi si riducono dell’1 per cento, per effetto di una sostanziale invarianza dei rimborsi, assegni e contributi sanitari ( tra cui sono ricomprese le cure all’estero e i contributi ad associazioni di volontariato) e del calo di servizi sanitari da privato solo in parte compensato dagli aumenti registrati nelle spese per lavoro interinale

211 dell’area sanitaria (+2 per cento, l’importo è più che raddoppiato dal 2013) e dalle altre collaborazioni e prestazioni di lavoro nell’area sanitaria (+5,3 per cento).

Nettamente diverso il risultato tra regioni in Piano e non: nelle prime, la variazione complessiva è molto netta (-9,4 per cento). Un andamento da ricondurre alla flessione di tutte le principali voci di spesa, fatta eccezione per le consulenze sanitarie e sociosanitarie da privati. Il lavoro interinale (in flessione del 2 per cento) rimane su livelli doppi rispetto al 2013.

Nelle altre regioni, si registra una crescita del 4,3 per cento, da ricondurre soprattutto alle consulenze e collaborazioni da privato, per lavoro interinale (+4,2 per cento), altre prestazioni e collaborazioni di lavoro in area sanitaria (+7,1 per cento) e gli altri servizi da privato, che più che compensano le flessioni nelle collaborazioni coordinate e continuative da privato (-9,3 per cento).

Limitata la flessione dei servizi non sanitari (-0,2 per cento), ma come risultato di andamenti differenti tra regioni in Piano e non. Le regioni in Piano segnano una crescita dell’1,2 per cento legata alle collaborazioni e lavoro interinale non sanitario da privato in aumento rispettivamente del 10,4 e del 25,7 per cento, in parte compensato dalla flessione delle consulenze (-12,5 per cento). In flessione nel complesso le altre regioni (-1 per cento), proprio per il calo delle collaborazioni coordinate e continuative non sanitarie (-17,6 per cento dal 2018, dimezzatesi tra il 203 e il 2019). Continuano a crescere, anche se a tassi contenuti, sia il lavoro interinale che le collaborazioni nell’area non sanitaria. (+3,7 e 2,2 per cento rispettivamente).

I costi per il godimento di beni di terzi registrano anche nel 2019 una crescita del 4,5 per cento (3,7 per cento nel 2018). Un risultato da attribuire, anche in questo esercizio, alla crescita dei canoni di noleggio dell’area sanitaria (+1,8 per cento, +32 per cento dal 2013) e dei fitti passivi, solo in parte compensata dalla forte flessione dei canoni di noleggio dell’area non sanitaria e da quelli di leasing. Inferiore alla media è la crescita nelle regioni in Piano (+3,2 per cento), in ragione di tassi di crescita dei noleggi sia sanitari che non sanitari, rispettivamente del 5,5 e del 3,4 per cento, compensati da minori fitti passivi per l’1,8 per cento. Nelle altre regioni, la variazione è di poco inferiore al 5 per cento: aumentano i fitti passivi, ma soprattutto i canoni di leasing e di project financing, il cui importo raddoppia.

I servizi appaltati presentano una crescita del 2,9 per cento (2,3 per cento nel 2018). Il dato complessivo è frutto di andamenti diversi nelle sue principali componenti, tutte in crescita: di rilievo particolare il costo per l’assistenza informatica (+7,1 per cento a fronte del 5 per cento del 2018, + 25 per cento rispetto al 2013), gli altri servizi non sanitari (+4,4 per cento), lo smaltimento rifiuti (+4,1 per cento), il trasporto (+4,8 per cento) e la mensa (+3,3 per cento); si mantiene stabile solo la spesa per servizi di pulizia lavanderia. Simili i risultati delle regioni in piano e non. Le prime crescono del 3,2 per cento, soprattutto per il forte incremento dei servizi informatici (+14,6 per cento) e delle spese per il riscaldamento. Le seconde, che registrano un aumento più contenuto (+ 2,7 per cento), vedono crescere in particolar modo i servizi di mensa, quelli di trasporto e di smaltimenti rifiuti (+5,2 per cento). La crescita registrata in tali aree di spesa giustifica l’impegno assunto nell’attività di monitoraggio svolto dall’amministrazione centrale non solo sulle tariffe e i costi pagati per singola prestazione, ma sulla quantità correlata al volume delle prestazioni rese.

26. Le prestazioni riconducibili a soggetti market (assistenza sanitaria di base, farmaceutica, specialistica, riabilitativa, integrativa protesica ospedaliera e altre prestazioni) assorbono nel 2019 costi per 40,5 miliardi, in crescita rispetto al 2018 dell’1,8 per cento. Nel complesso, questa voce di spesa ha registrato dal 2013 un incremento molto contenuto (+2,9 per cento).

Anche nel 2019 l’assistenza di base presenta un costo complessivo pari a 6,6 miliardi, sostanzialmente stabile rispetto al precedente esercizio. Tale andamento sconta il mancato rinnovo delle convenzioni con i medici di base.

212

Sostanzialmente invariata la farmaceutica convenzionata. Nell’esercizio, la spesa si ferma a 7,5 miliardi, con un aumento solo dello 0,3 per cento (dal 2013 la flessione è stata di oltre il 12 per cento). Un calo da ricondurre all’effetto combinato di diversi fattori (farmaci generici19, sconti a carico di grossisti e farmacisti, compartecipazione alla spesa dei cittadini). Ad essi si aggiunge il potenziamento della distribuzione diretta - soprattutto nelle regioni soggette a Piano di rientro – che ha determinato lo spostamento verso di essa di parte dei consumi dal canale convenzionale. Limitate le differenze tra regioni in piano e non, mentre più nette sono quelle tra regioni: agli estremi, le province autonome in crescita rispettivamente del 4,1 e 5 per cento e l’Abruzzo e la Basilicata in riduzione del 6,1 e del 5,1.

Per la specialistica convenzionata20, i costi subiscono un aumento del 2 per cento (il 2,3 per cento nel 2018). La maggiore crescita è registrata nelle regioni non in Piano (+2,6 per cento) ed è riconducibile prevalentemente alle regioni a statuto speciale, che crescono in media del 5,3 per cento (e per importi particolarmente elevati nelle Province autonome), e a Emilia, Toscana e Umbria tutte con variazioni superiori al 7 per cento. Nelle regioni in piano la variazione è più contenuta (+1,4 per cento in media), con valori più marcati in Sicilia (+5,4 per cento) e Calabria (+4,7 per cento).

Nel 2019 l’assistenza ospedaliera, aggregato che comprende le spese per l’assistenza da Ospedali convenzionati, classificati, IRCCS privati, Policlinici universitari privati e Case di cura private accreditate, registra una variazione del 3,4 per cento contro l’1,1 per cento del 2018. Tra il 2013 e il 2018 tale voce di spesa aveva subito una variazione molto contenuta (3,1 per cento). Un aumento trainato soprattutto nelle regioni non in piano dalla spesa per assistenza ospedaliera da privato per cittadini non residenti. Sembra attenuarsi l’efficacia delle misure assunte a partire dal 2012 (d.l. n. 95 del 2012 e d.l. n. 78 del 2015), che prevedevano una riduzione complessiva degli acquisti da erogatori privati (volumi e corrispettivo) e la definizione di accordi contrattuali a livello regionale. Ciò è particolarmente vero in alcune regioni che registrano variazioni ben maggiori: Lombardia (+6,5), Lazio (+7,5 per cento) e Umbria (+8,9 per cento).

Nel 2019 gli acquisti di prestazioni di assistenza riabilitativa convenzionata da strutture private accreditate rallentano: dal 2,3 per cento del 2018 al 1,3 per cento. Come nel 2018, sono le regioni non in Piano a registrare l’aumento maggiore (+2 per cento) seppur più contenuto dell’anno precedente (+3,9 per cento). La crescita interessa soprattutto le regioni a statuto ordinario del Nord e del Centro.

La spesa per l’integrativa e la assistenza protesica ricomprende le prestazioni che comportano l'erogazione dei prodotti destinati ad una alimentazione particolare per le persone affette da determinate malattie e dei prodotti destinati alle persone con patologia diabetica. Contiene, altresì, le prestazioni che comportano l'erogazione di protesi ed ausili monouso e tecnologici inclusi in appositi elenchi. I relativi costi ammontano, complessivamente, a circa 1,9 miliardi, sostanzialmente invariati nell’ultimo biennio. Nel 2019 il limitato aumento dell’assistenza integrativa assicurata da privati è compensato dal calo della protesica.

L’aggregato “Altre prestazioni” ricomprende quelle relative alle cure termali, alla medicina dei servizi, all'assistenza psichiatrica, all'assistenza agli anziani, ai tossicodipendenti, agli alcolisti, ai disabili, alle comunità terapeutiche. Si tratta nel complesso di 8,7 miliardi, in crescita del 3,2 per cento, variazione che cresce al 4,5 per cento nelle regioni in Piano. Va considerato che tale voce di spesa è cresciuta del 22,4 per cento dal 2013. Sono quattro le principali voci di spesa ricomprese nell’aggregato.

Si tratta, innanzitutto, degli acquisti di prestazioni sociosanitarie in crescita nel 2019 del 3,8 per cento (del 4,6 e del 3,5 per cento rispettivamente nelle regioni in Piano e non).

19 Va tuttavia ricordato che almeno guardando agli ultimi dati diffusi dall’OCSE, l’Italia è uno dei Paesi europei con una quota più bassa di prodotti generici sul totale a carico dello Stato: poco più del 18 per cento contro valori superiori al 90 per cento della Germania. 20 La specialistica convenzionata comprende gli acquisti di prestazioni da convenzionati SUMAI, da Ospedali classificati, IRCCS privati, Policlinici privati e da altri operatori privati accreditati. 213

Tali acquisti pesano per oltre il 48 per cento sull’aggregato e presentano una crescita sostenuta (dal 2013 +34 per cento). Superiori alla media anche gli acquisti per prestazioni di trasporto sanitario (+3,8 per cento); a cui è riferibile il 12,3 per cento dell’aggregato, specie nelle regioni non in Piano.

Limitata la variazione nell’anno degli acquisti di prestazioni di psichiatria residenziale e semiresidenziale che comunque rappresenta oltre un ottavo della spesa.

Una forte crescita presentano le prestazioni per la distribuzione dei farmaci File F, circa il 10 per cento dell’aggregato. Tale tipologia di spesa continua ad aumentare a ritmi sostenuti: nell’anno è aumentata del 8,4 per cento. Dal 2013 l’aumento è stato di poco meno del 73 per cento. Nell’anno la crescita nelle regioni in piano è stata superiore al 13 per cento.

I risultati dal lato delle entrate

27. Le entrate (al netto delle coperture e ulteriori trasferimenti per assicurare la copertura dei LEA da Province e Regioni a statuto speciale) crescono nel 2019 dello 0,9 per cento. Limitate le differenze tra il complesso delle regioni in piano e non: le prime crescono poco sopra lo 0,6 per cento, mentre le seconde registrano un incremento superiore all’1 per cento. Sono le regioni a statuto ordinario del nord e del centro a presentare la crescita maggiore (+1,1 per cento), soprattutto per l’aumento di alcune di esse (Veneto, Liguria ed Emilia nel Nord e Toscana e Lazio al Centro), tutte superiori alla media.

Un risultato su cui ha inciso il contributo da regione relativo al fondo sanitario indistinto e vincolato. Tali somme crescono nel complesso dell’1 per cento. Solo marginali le differenze tra regioni in piano e non. Sono le regioni a statuto speciale del Nord a registrare le variazioni maggiori (+1,3 per cento).

Nell’anno si registra un’ulteriore ricomposizione tra finanziamenti indistinti e vincolati: i primi crescono dell’1,1 per cento mentre i secondi si riducono del 5,4 per cento. Confermate le risorse destinate a medicina penitenziaria, al superamento degli ospedali psichiatrici e ai farmaci innovativi oncologici e non (in quest’ultimo caso con limitate variazioni nella ripartizione tra regioni), si riducono quelli che nel 2018 erano vincolati all’assistenza a extra comunitari, alla revisione delle tariffe termali, all’emergenza avicola e all’esclusività.

Sostanzialmente confermate quelle per gli obiettivi di piano, crescono, invece, quelle vincolate alla sperimentazione e alla remunerazione delle prestazioni e delle funzioni assistenziali erogate dalle farmacie. Si tratta della sperimentazione avviata in nove Regioni relativa alla possibilità, concessa alle farmacie, di fornire una serie di prestazioni (esami di laboratorio e altri test, prestazioni professionali infermieristiche e fisioterapiche, ma anche monitoraggio dell’aderenza alle terapie, distribuzione diretta dei farmaci e prenotazione delle prestazioni specialistiche del SSN).

A tale sperimentazione sono vincolati 36 milioni in tre anni del Fondo sanitario nazionale. La sperimentazione, sottoposta al monitoraggio del Comitato permanente per la verifica dei LEA e del Tavolo tecnico per la verifica degli adempimenti, potrebbe essere estesa all’intero territorio nazionale.

Differenti gli andamenti tra regioni, con quelle non in piano che registrano una flessione delle somme vincolate del 6,6 per cento a fronte di una riduzione inferiore al 4 per cento di quelle in piano. Sono soprattutto le regioni a statuto speciale a ridurre le risorse vincolate (-15 per cento) a fronte della crescita dell’1,35 di quelle indistinte.

Solo alcune regioni aumentano gli importi vincolati: sono Liguria, Toscana, Marche e Lazio.

214

Nel complesso sono in riduzione pressoché tutte le altre componenti di entrata fatta eccezione per i ricavi per prestazioni sanitarie da pubblici della regione non soggetti a compensazione.

Tra le componenti maggiori, flettono gli introiti delle compartecipazioni (-0,7 per cento), quelli per contributi in conto esercizio da enti pubblici (-3,1 per cento), da concorsi, recuperi per attività tipiche (-5 per cento) e da ricavi per prestazioni sanitarie a privati (-1,3 per cento).

Diversi gli andamenti delle componenti tra regioni non in Piano e in Piano.

Le prime vedono crescere i ricavi per prestazioni sanitarie da pubblico (+25 per cento). Un aumento che riguarda le prestazioni sociosanitarie che rimangono, tuttavia, su livelli di molto inferiori al livello registrato nel 2013. Crescono anche le entrate varie (+6 per cento) e le quote dei contributi in conto capitale imputata all’esercizio. Si tratta nel primo caso, dei proventi per affitti e altre entrate e, nel secondo, soprattutto, di quote di finanziamenti da regione imputati nell’esercizio, importo che è cresciuto nell’anno di oltre il 17,5 per cento compensando le flessioni delle quote riferite allo Stato.

215

Flettono invece tutte le altre componenti. Si tratta, innanzitutto, degli altri contributi da pubblico, che si riducono di oltre il 13 per cento soprattutto a causa della flessione dei contributi da regione extra LEA (-31,8 per cento), di quelli da parte del Ministero della salute (-7,2 per cento) e dei fondi per la ricerca finalizzata (- 18,3 per cento). Andamento solo in parte compensato dall’aumento di quelli per la ricerca corrente. In flessione anche le entrate da compartecipazione al gettito (-1,4 per cento), ma con andamenti diversi tra regioni: sono le regioni maggiori a presentare le riduzioni più consistenti.

Nelle regioni in piano crescono i contributi da pubblico, oltre che per contributi da regione extra Lea, soprattutto, per i trasferimenti dell’amministrazione centrale per ricerca sia corrente che finalizzata (rispettivamente in crescita del 34,7 e del 19,5 per cento). In aumento anche le entrate da compartecipazioni (+1,7 per cento) in tutte le regioni, fatta eccezione del Lazio. Flettono invece le entrate per concorsi, recuperi e rimborsi di oltre il 15 per cento: si tratta soprattutto di quelli da soggetti pubblici (-27 per cento), ma anche dei rimborsi assicurativi e da regione. Sempre in riduzione anche i ricavi per prestazioni sanitarie da privati (-3 per cento): si tratta di ricavi per prestazioni sanitarie e sociosanitarie erogate a privati e di quelle per consulenze condotte in intramoenia; sono i cali delle prime a spiegare l’andamento complessivo.

Infine, si riducono in queste regioni anche le quote di contributi in c/capitale imputate all’esercizio. La flessione (-4 per cento) riguarda soprattutto le quote imputate all’esercizio dei finanziamenti per investimenti da regione e Stato, mentre la quota imputata all’esercizio dei contributi in c/esercizio FSR rimane sostanzialmente invariata.

28. Le compartecipazioni alla spesa contabilizzate nei CE riguardano quelle relative alla specialistica ambulatoriale, per il pronto soccorso e per altre prestazioni. Si tratta nel complesso di oltre 1.353 milioni, 22,4 euro pro capite in media nazionale.

Come si è visto, esse hanno registrato una seppur limitata flessione (-0,7 per cento), riconducibile alle prestazioni in pronto soccorso (-6,2 per cento), mentre quella ambulatoriale, che presenta le maggiori criticità e per la quale con la legge di bilancio si è disposta una riduzione a partire dall’autunno 2020 con l’eliminazione del super ticket si conferma nell’anno sui livelli dello scorso esercizio: 1.295 milioni (+0,2 per cento).

Si confermano le già forti differenze tra regioni e aree territoriali: le regioni in piano presentano importi in media inferiori alla metà delle altre regioni (circa 13 euro pro capite contro i 28,7 delle altre regioni); le regioni a statuto speciale del Nord incassano in media 40 euro pro capite ben superiori alla media nazionale, mentre quelle insulari registrano importi di poco superiori ai 10 euro.

Molto limitato il contributo offerto dai ticket sul pronto soccorso: dei 46,3 milioni incassati (in flessione rispetto al 2018 di 3 milioni), poco meno dell’80 per cento è riconducibile a cinque regioni (Veneto, Lombardia, Emilia, Toscana e Puglia), che contano per il 45 per cento della popolazione.

Sulla definizione di un nuovo assetto ha inciso anche il complesso lavoro di ridefinizione e di aggiornamento delle tariffe per le prestazioni specialistiche disposto con l’approvazione dei nuovi LEA. Anche nel 2019, nonostante l’impegnativo lavoro condotto dall’amministrazione e ottenuto il consenso dell’amministrazione finanziaria sulle coperture, non è stato completato l’aggiornamento. Il ritardo nell’adozione delle nuove tariffe, oltre a incidere sull’onere riconosciuto per prestazioni che possono contare sui vantaggi del progresso tecnico (creando rendite non motivate), incide sull’aggiornamento delle prestazioni ricomprese nell’ambito dei LEA.

216

Per avere un quadro completo del contributo richiesto al cittadino vanno considerati anche i ticket sui farmaci che, incassati al momento della fornitura della prestazione, vanno in riduzione di quanto dovuto dalla regione per la farmaceutica convenzionata. Al momento in cui il Rapporto va in stampa non sono ancora disponibili i dati di consuntivo relativi a tali compartecipazioni per l’intero 2019. Una prima indicazione della spesa sostenuta dai cittadini nell’anno è, tuttavia, derivabile dai risultati relativi ai primi 11 mesi estesi ad anno29. Essi evidenziano una riduzione dello 0,7 per cento dei ticket, che si collocano al di sotto dell’1,6 miliardi. Un dato su cui hanno inciso in misura particolare le modifiche apportate da alcune regioni al regime dei ticket fisso sui farmaci30.

217

Nel complesso, quindi, le compartecipazioni ammonterebbero nel 2019 a 2,9 miliardi con una crescita di 1,2 per cento nelle regioni in Piano di rientro e un calo nelle altre dell’3,1 per cento. Diverso il risultato guardando alle regioni a statuto ordinario e speciali nelle diverse aree: nel Nord, sostanzialmente invariato il dato nelle Regioni a statuto speciale le cui entrate nel complesso si mantengono le più elevate (58 euro pro capite), si riduce del 3,7 per cento l’importo in quelle a statuto ordinario (50 euro pro capite) ma su cui incide significativamente il dato dell’Emilia, la regione che ha rivisto la normativa relativa al prelievo in quota fissa sui farmaci. In flessione dello 1,2 per cento il dato delle regioni centrali, ma anche in questo caso con andamenti diversi tra regioni: invariato il dato del Lazio, la flessione della Toscana più che compensa l’aumento registrato sia in Umbria che nelle Marche. Nelle regioni del Mezzogiorno, in calo quello della Sicilia e, soprattutto, della Sardegna (-2,7 per cento) che segna come nel passato il dato pro capite più contenuto del paese, crescono gli importi delle regioni a statuto ordinario in media del 2,6 per cento. In attesa della definizione di un nuovo quadro complessivo di regolazione del sistema delle compartecipazioni, non si può che guardare con favore alle esperienze che fanno evolvere tale strumento da semplice sostituto della spesa pubblica a contributo per un upgrade qualitativo dei servizi. In tal senso, infatti, esso può rappresentare, diversamente da come è stato finora percepito, uno strumento per la diffusione di nuovi servizi e tecnologie, liberando così risorse pubbliche per servizi essenziali e prioritari.

29. In attesa di una più complessiva revisione del sistema di controllo della spesa farmaceutica e dei dispositivi medici, e di abbandono del sistema dei tetti e del conseguente meccanismo di ripiano nel 2019, si ha una ripresa delle entrate del payback. In media, l’aumento è superiore al 50 per cento.

Esse non riguardano ancora quelle relative alla definizione del meccanismo per i dispositivi medici (per i quali si è pervenuti di recente alla definizione dei criteri d’attuazione). Un andamento che dipende dalla ripresa delle contabilizzazioni del payback per il superamento dei tetti degli acquisti diretti, che più che compensa la riduzione degli ulteriori payback.

La crescita relativa al ripiano degli sfondamenti negli acquisti diretti è da ricondurre ai versamenti effettuati nel 2019 a chiusura del contenzioso relativo agli anni 2013–17, che le imprese del settore farmaceutico hanno finito di pagare nell’anno.

Gli aumenti più consistenti si registrano tra le regioni del Sud (solo il Molise presenta variazioni inferiori alla media). Più contenuti quelli nelle regioni settentrionali, soprattutto in quelle a statuto ordinario.

Continua anche nel 2019 la riduzione delle altre forme di payback dopo il forte calo del 2018 (-37,5 per cento)

La flessione è di poco inferiore al 9 per cento e, con poche eccezioni, interessa tutte le regioni. Come è noto, si tratta di quelli relativi alla assistenza non convenzionata corrisposti alle regioni dalle case farmaceutiche in relazione alla sospensione delle riduzioni di prezzo del 5 per cento dei medicinali di fascia A e H; di quelli previsti a ripiano degli sfondamenti dei tetti definiti con delibera CIPE 3/2001; di quelli versati dalle aziende in applicazione di procedure di rimborsabilità condizionata ex articolo 48 c. 33 del d.l. 269/2003; di quelli a riduzione di spesa del SSN ai sensi dell’articolo 48 del d.l. 269/2003 e del monitoraggio di cui al d.l. 113/2016. Nonostante i ripetuti interventi la regolazione del sistema, basata su budget predeterminati e rimborso degli sforamenti in parte a carico delle aziende farmaceutiche, non sembra aver trovato un assetto stabile.

Le imprese hanno più volte richiesto la rideterminazione dei tetti di spesa per gli acquisti ospedalieri diretti.

218

Il monitoraggio dei LEA

30. Il 2018 si presenta come un anno in miglioramento in numerosi settori, anche se rimangono molte delle criticità e limiti riscontrate negli anni precedenti.

Guardando alla qualità delle prestazioni, si rileva in numerose regioni, in piano e non, l’insufficienza della rete di assistenza domiciliare o di strutture specifiche rivolte ad anziani e disabili, così come il persistere di un numero eccessivo di parti cesarei primari con una percentuale ancora elevata di quelli che avvengono in strutture che non garantiscono un’adeguata sicurezza; al di sotto della soglia critica in alcune regioni meridionali (Campania, Puglia, Calabria, Sicilia) i livelli di prevenzione misurati dalla popolazione sottoposta a screening oncologici.

In recupero invece, dopo il drastico calo osservato negli anni precedenti, la copertura delle vaccinazioni in età pediatrica, a seguito dell’emanazione del d.l. 70/2017 che ha subordinato l’accesso a scuola alla presentazione della relativa certificazione.

Il miglioramento delle prestazioni offerte ha portato tutte le regioni in piano a raggiungere lo status di adempienti secondo la “Griglia” LEA, con l’Abruzzo che con 209 punti si avvicina alle regioni del Centro Nord. Per quanto riguarda le regioni non in Piano, esse presentano un punteggio complessivo superiore alla soglia, con valori compresi tra i 191 punti della Basilicata e i 222 del Veneto.

Risultati, tuttavia, solo in parte confermati dagli indicatori che costituiscono il Nuovo Sistema di Garanzia dei LEA, che entrerà in vigore in relazione ai risultati del 2020 e di cui è stata avviata dal Ministero della salute una sperimentazione sugli esercizi 2016 e 2017.

219

RIQUADRO 8 – IL NUOVO SISTEMA DI GARANZIA DEI LEA

L’erogazione dei LEA è monitorata, dall’apposito Comitato, attraverso una “Griglia” di indicatori, aggiornata annualmente al fine di consentirne l’adattamento ai nuovi indirizzi politici-programmatori e di cogliere gli aspetti ritenuti più rilevanti.

La metodologia in vigore, riferita a tre aree di assistenza (ospedaliera, distrettuale e prevenzione), prevede di assegnare ad ogni indicatore un peso di riferimento e di calcolare un punteggio rispetto al valore raggiunto dalla regione nei confronti dello standard nazionale. Una regione è considerata adempiente se presenta un punteggio ≥160 o compreso tra 140 e 160 senza alcun indicatore al di sotto della soglia definita critica; mentre è inadempiente se il punteggio complessivo è <140 o compreso tra 140 e 160 ma con almeno un indicatore critico. Tale valutazione complessiva è al momento disponibile per il 2018, in via provvisoria, per tutte le regioni ad eccezione di Valle d’Aosta, FV, P.A. di Bolzano e Trento, Sardegna non sottoposte a verifica degli adempimenti.

Dal 2020 sarà in vigore il Nuovo Sistema di Garanzia dei LEA, approvato nel dicembre 2018 in Conferenza Stato-Regioni. La nuova metodologia valuta distintamente le tre aree di assistenza e attribuisce loro un valore compreso in un range 0-100. La garanzia di erogazione dei LEA si intende raggiunta qualora, entro ciascun livello, sia raggiunto un punteggio pari o superiore a 60, in modo da non consentire la compensazione tra livelli. Il punteggio di ogni area è determinato dalla media pesata dei 22 indicatori core (con un peso pari a 1 qualora la soglia è data dalla mediana dei valori regionali, e un peso pari a 2 se è fissato dalla normativa di riferimento). I restanti 56 indicatori condivisi dal Gruppo di lavoro saranno oggetto di ulteriori approfondimenti.

I 22 indicatori core sono così suddivisi: sei per l’area della prevenzione (copertura vaccinale pediatrica a 24 mesi per esavalente e MPR, controllo animali e alimenti, stili di vita, screening oncologici); nove per l’attività distrettuale (tasso di ospedalizzazione di adulti per diabete, Bpco e scompenso cardiaco e tasso di ospedalizzazione di minori per asma e gastroenterite, intervallo chiamata-arrivo mezzi di soccorso, tempi d’attesa, consumo di antibiotici, percentuale re- ricoveri in psichiatria, numero decessi da tumore assistiti da cure palliative, anziani non autosufficienti nelle RSA); sei per l’attività ospedaliera (tasso di ospedalizzazione standardizzato rispetto alla popolazione residente, interventi per tumore maligno al seno eseguiti in reparti con volumi di attività superiore a 150 interventi annui, ricoveri a rischio inappropriatezza, quota di colecistectomie con degenza inferiore ai 3 giorni, over 65 operati di frattura al femore entro 2 giorni; parti cesarei in strutture con più e meno di 1000 parti l’anno).

Dalla rilevazione per il 2017 (che comprende anche le RSS e le P.A.), di recente pubblicata dal Ministero della Salute, emerge un miglioramento rispetto all’esercizio precedente: risultano infatti adempienti 11 regioni rispetto alle 9 del 2016. Si tratta di Piemonte, Lombardia, PA di Trento, Veneto, Liguria, Emilia-Romagna, Toscana, Umbria e Marche - le stesse che si trovavano nell’anno in testa alla classifica della vigente Griglia LEA - cui si aggiungono ora Abruzzo e Puglia. Friuli-Venezia Giulia, Lazio, Basilicata e Sicilia non raggiungono il punteggio minimo in una sola area, mentre nelle altre due presentano un valore compreso tra i 70 e gli 86 punti. Nel FVG è carente la prevenzione per l’insufficiente copertura vaccinale a fronte di valori di screening oncologici elevati; nel Lazio e nella Basilicata la distrettuale, ma con valori che nella prima (57,99 si collocano vicino alla soglia mentre nella seconda sono sotto al 50. Ciò a fronte di un valore complessivo della vigente Griglia LEA pari, rispettivamente, a 193, 189 e 180. Anche in Sicilia risulta carente la prevenzione, dove l’insufficienza della copertura dei vaccini si accompagna ad un livello degli screening al di sotto della soglia critica della Griglia, che segna un punteggio complessivo pari a 170.

In VdA e Sardegna sempre la distrettuale si colloca intorno al 35 rispetto alla soglia di garanzia del 60: in queste regioni anche il complessivo punteggio della Griglia non raggiungeva nell’anno il valore minimo richiesto: rispettivamente i 149 e 140 rispetto a 160. Nelle altre due aree il punteggio risulta compreso tra 64 e 76.

Livelli insufficienti in due livelli di assistenza si riscontrano nella P.A. di Bolzano (prevenzione e distrettuale), in Molise e Campania (ospedaliera e distrettuale) e Calabria (prevenzione e distrettuale). Inadempienze confermate per il 2017 dalla vigente Griglia, con l’eccezione del Molise che risultava adempiente. l NSG sembra quindi confermare, sia pure con gradazioni diverse, che le inadempienze più gravi e peraltro più diffuse si riscontrano nell’assistenza territoriale e nell’insufficienza degli screening e della copertura vaccinale già rilevate dalla Griglia LEA in vigore; mentre l’attività ospedaliera, a fronte della riorganizzazione intervenuta sia pure con ritardi in tutte le regioni, presenta punteggi generalmente più alti.

220

221

La qualità dell’assistenza secondo gli indicatori della Griglia LEA e i dati SDO

31. Guardando ai singoli indicatori, per quanto riguarda l’assistenza ospedaliera, nel 2018 tutte le Regioni in Piano hanno rispettano con largo margine il parametro costituito dal tasso totale standardizzato di dimissione inferiore o uguale a 160 per 1000 residenti. Hanno inoltre migliorato i tempi relativi all’indicatore che misura l’efficacia della rete dell’emergenza territoriale, riferito all’intervallo intercorrente tra la ricezione delle chiamate da parte della Centrale Operativa e l'arrivo del primo mezzo di soccorso: il tempo massimo di 18 minuti è stato superato nel 2018 da Molise (20 minuti) e Campania e Calabria (19 minuti); sotto la soglia si situa il Lazio, con tempi di intervento pari a 17 minuti. Nelle regioni non in Piano, al di sopra della soglia si situano l’Umbria (22 minuti), e la Basilicata che, con 26 minuti, evidenzia uno scostamento “non accettabile” ai sensi della Griglia LEA.

Al di sopra del valore medio nazionale, sceso a 1,63 giorni rispetto all’1,77 del 2017 e l’1,70 del 2016, risulta nelle regioni in piano la durata della degenza media preoperatoria21, che costituisce un indicatore di appropriatezza dell’utilizzo delle sale operatorie e dei servizi di supporto all’attività chirurgica: in miglioramento la Sicilia (da 2,12 a 1,79) e la Campania (da 2,05 a 1,91), stabili il Lazio (da 1,89 a 1,87) e la Puglia (da 1,99 a 1,94), mentre in Molise e Calabria, pur riducendosi, la durata rimane al di sopra dei due giorni (2,23 e 2,04); l’Abruzzo, in peggioramento (da 1,71 a 1,78), continua a collocarsi poco al di sopra della media. Nelle restanti regioni, si osservano al Centro-Nord valori intorno all’1,5, con una performance particolarmente buona di Piemonte e Toscana (1,27 e 1,25) e con l’eccezione della Liguria che presenta una durata di 1,92 giorni, mentre tra quelle meridionali Basilicata e Sardegna superano i due giorni (2,21 e 2,04).

Miglioramenti sono rilevati dall’indicatore costituito dal rapporto tra le dimissioni attribuite a DRG ad alto rischio di inappropriatezza e i ricoveri attribuiti a DRG che non presentano tale rischio, la cui soglia è rispettata da tutte le regioni. Parallelamente si riduce l’utilizzo improprio dei reparti chirurgici come evidenziato dalla riduzione dei i ricoveri diurni di tipo diagnostico e degli accessi con DRG medico, con solo tre regioni (Molise, Campania e Liguria) che presentano valori superiori alla soglia.

32. In riduzione rispetto all’esercizio precedente il valore dell’indicatore relativo alla frequenza di utilizzo del ricovero ordinario di pazienti in età pediatrica per specifiche patologie trattabili, invece, a livello territoriale. Solo due delle regioni in Piano (Abruzzo e Puglia) si pongono al di sopra del limite di riferimento. Tra le altre, criticità si colgono in Lombardia, dove l’indicatore anche se in riduzione è circa il doppio della soglia (233 rispetto al limite di 141).

In riduzione rispetto all’esercizio precedente anche il valore degli indicatori relativi ai ricoveri ospedalieri di pazienti adulti per malattie croniche, segnale quindi di una minore criticità in termini di appropriatezza clinico- organizzativa e di migliore qualità dell’assistenza fornita dai servizi territoriali.

21 Tale indicatore, non compreso nella Griglia LEA, è preso in considerazione dai Tavoli di monitoraggio ai fini della valutazione complessiva dei SSR. La fonte è costituita dalle SDO e il valore di riferimento è la media nazionale nell’esercizio. 222

223

Aumenta tuttavia all’11,15 per cento mila abitanti dall’8,16 del 2017 il tasso di ospedalizzazione per influenza nell’anziano, quale risultato di valori estremamente diversi nel Paese: da un range del 2 - 6 nelle regioni meridionali (con l’eccezione della Sardegna che segna un 21,4) e del Centro (con l’eccezione dell’Umbria con il 13), ai valori più elevati del Nord che passano da un minimo del 7,4 in Piemonte al 16,9 del Veneto, al 32,5 dell’Emilia-Romagna, con un massimo del 70 per cento nella Provincia autonoma di Bolzano.

Si riduce in quasi tutte le regioni rispetto all’anno precedente il tasso di ospedalizzazione della popolazione ultrasettantacinquenne32, che passa in media nazionale da 265 a 259 su 1000 abitanti anziani. Nelle regioni in piano, restano sopra la soglia solo due regioni Abruzzo e Puglia (273,4 e 266,7), mentre nelle altre regioni si collocano su punte elevate le Province autonome di Trento e Bolzano (rispettivamente, 281,4 e 349,5), FVG (289,9), VdA (281,9), Emilia-Romagna (312,2), Umbria (284) e Sardegna (277,6), mentre Piemonte (con il valore più basso, pari a 221), Lombardia e Basilicata si situano invece al di sotto della media.

Nonostante i significativi i miglioramenti, solo quattro delle regioni in piano (Lazio, Abruzzo, Puglia e Sicilia) superano nel 2018 la soglia del 60 per cento dei casi di intervento per rottura del collo del femore entro il secondo giorno dal ricovero, mentre nelle restanti tale percentuale scende significativamente, ponendosi al 54,7 per cento della Campania, al 35,2 della Calabria e al 29,8 del Molise. Nelle altre aree del Paese si evidenziano valori intorno al’70 per cento, con l’eccezione di Marche, Umbria e Basilicata intorno al 65 per cento e della Liguria che con il 57,5 per cento è al di sotto della soglia minima.

Persiste, infine, un ricorso eccessivo al taglio cesareo nei parti primari, pari in media a oltre il 20 per cento del totale, valore che viene superato da tutte le regioni in piano di rientro, con il Lazio che segna il 24,4 per cento, la Campania il 26,6 per cento e la Puglia il 23,2, mentre il Molise con il 19,6 si pone sotto la media. Le regioni non in piano evidenziano tutte valori più contenuti, con l’eccezione al Nord della Liguria (23,5 per cento) e a Sud la Sardegna (24,4 per cento). Guardando poi al complesso dei parti cesarei, non ancora risolta in numerose regioni, in piano e non, è la questione dei punti nascita con meno di 500 parti l’anno che, oltre a comportare costi più elevati, non garantiscono adeguati standard di sicurezza. Situazione aggravata dal fatto che nella maggior parte dei casi si tratta comunque di strutture di piccola dimensione, come gli ospedali pubblici a gestione diretta o le case di cura private accreditate.

33. La riorganizzazione della rete di assistenza e l’uso complessivamente più appropriato delle strutture ospedaliere non sempre sono stati accompagnati in questi anni da una adeguata offerta dell’assistenza territoriale rivolta alla parte “più debole” della popolazione, cioè anziani e disabili. A fronte di un miglioramento dell’indicatore che misura la percentuale della popolazione ultrasessantacinquenne residente presa in carico da parte dei servizi di assistenza domiciliare integrata delle ASL e che tiene conto delle diverse modalità organizzative delle regioni (nel 2018 risultava infatti ancora insufficiente solo la Calabria con l’1,5 rispetto al valore richiesto di 1,88 per 1000), nello stesso anno risultava inadeguata in tutte regioni in Piano l’offerta di posti equivalenti (espressione delle giornate di assistenza effettivamente erogate) in strutture residenziali per anziani non autosufficienti, con punte minime dell’1,3 in Molise e in Campania rispetto al valore considerato normale del 9,8 per mille ed una soglia critica del 4,81. Vicino al valore richiesto, invece, il dato riscontrato in Calabria (9,6). Delle restanti regioni, nel 2018 si poneva sotto la soglia la Basilicata (1,1).

Sempre nell’ambito dell’assistenza territoriale, il monitoraggio evidenzia una carenza, nelle regioni in Piano e non, di dotazione di posti equivalenti nelle strutture residenziali e semiresidenziali per disabili. Migliora invece la dotazione di posti letto in strutture hospice, risultata sufficiente in tutte le regioni nonché il numero di assistiti presso il Dipartimento di salute mentale.

224

225

226

34. Ancora fortemente critica l’area degli screening oncologici in alcune regioni in Piano (Campania, Puglia, Calabria e Sicilia), che presentano scostamenti non accettabili secondo la Griglia LEA, mentre Lazio, Abruzzo e Molise si attestano sul valore normale. Tali criticità sono ascrivibili sia ad una percentuale di estensione alla partecipazione (numero di inviti rispetto alla popolazione target) ancora molto inferiore all’obiettivo del 100 per cento, sia ad un’adesione (numero di soggetti sottoposti a screening rispetto al numero dei soggetti invitati) spesso estremamente contenuta. Pari o al di sopra la soglia richiesta si pongono le restanti regioni.

227

Sempre per quanto riguarda il livello della prevenzione, importanti passi avanti sono stati compiuti nel corso del 2017 e del 2018 per quanto riguarda le vaccinazioni. Alla luce della riduzione della copertura riscontrata negli ultimi anni, che denotava un calo di fiducia nei vaccini come principale strumento per prevenire casi di malattia e relative complicazioni, sono state adottate diverse azioni.

A seguito dell’approvazione del Piano Nazionale della Prevenzione Vaccinale 2017-2019 (PNPV), le nuove vaccinazioni sono state incluse nei LEA33 e, con la legge di bilancio 2017, sono stati stanziati i fondi per il parziale rimborso alle regioni della spesa sostenuta per l’acquisto dei vaccini previsti dal nuovo calendario. Misure straordinarie sono state poi adottate con il d.l. n. 73/201734, che ha portato a dieci il numero delle vaccinazioni obbligatorie, subordinando l’accesso a scuola alla certificazione delle stesse, cui si aggiunge l’offerta attiva e gratuita, senza obbligo, di ulteriori quattro vaccinazioni.

È stato inoltre destinato un fondo ad hoc all’implementazione dell’Anagrafe vaccinale, strumento fondamentale per il monitoraggio puntuale dei dati di copertura e la valutazione dei programmi ed interventi.

Tali misure hanno portato a un significativo aumento della copertura vaccinale, anche se non mancano criticità. Per quanto riguarda l’esavalente a 24 mesi (relativamente a bambini nati nel 2016), al 31 dicembre 2018 il target del 95 per cento raccomandato dall’OMS era stato raggiunto in quindici regioni rispetto alle dieci nel 2017 e in due (VdA e PA Trento) la copertura è superiore al 94 per cento. Si è invece al di sotto della soglia ritenuta accettabile in base alla Griglia LEA (copertura inferiore al 92 per cento in più di un caso) nella PA di Bolzano e in Sicilia, mentre Marche e FVG si attestano sul 93,6 e 92,9 per cento.

Il gap non sempre è recuperato in età prescolare evidenziando così un’elevata esposizione al rischio dei bambini non vaccinati. Seppure in miglioramento rispetto alla rilevazione a 24 mesi della medesima coorte di bambini, la copertura a 36 mesi (relativa ai nati nel 2015) risulta infatti ancora inadeguata in tre regioni e quella a 48 mesi in cinque.

Tali criticità si accentuano nelle altre tre vaccinazioni obbligatorie a 24 mesi richieste già da tempo (morbillo, parotite e rosolia) che, in media nazionale, si attestano al 93,2 per cento: valore in aumento rispetto al 2017 (90,7 per cento), ma che vede quattro regioni (VdA, FVG, Molise e Sicilia) ancora al di sotto della soglia critica del 92 per cento ed una (PA di Bolzano) inferiore al 71 per cento. Solo tre regioni (Veneto, Emilia-Romagna e Toscana) hanno raggiunto il 95 per cento e una (Lazio) si situa poco al di sotto. A fronte di tale situazione, nel Patto della salute si conferma l’impegno alla realizzazione di un Piano nazionale con l’obiettivo di giungere all’eradicazione di morbillo e rosolia.

Significativo il miglioramento per quanto riguarda il vaccino antivaricella di nuova introduzione che ha quasi raggiunto in media nazionale il target del 75 per cento previsto per il 2018, come risultato tuttavia di valori molto differenziati a livello regionale. Questa vaccinazione, infatti, era stata già avviata in sette regioni con il Piano vaccinale 2012-14 e solo successivamente, con il Piano 2017-19, è stata resa obbligatoria e offerta gratuitamente e attivamente.

Aumentano infine le coperture di due delle quattro vaccinazioni offerte dal SSN a partire dal 2017, quella antipneumococcica (91,89 per cento) e quella contro il meningococco C (84,9 per cento), mentre restano indietro rispetto agli obiettivi le altre di recente introduzione.

Anche la copertura per vaccinazione antinfluenzale negli anziani presenta valori non adeguati rispetto alla soglia del 75 per cento della popolazione interessata e lontani dal 68 per cento raggiunto nel 2005-2006: negli anni successivi tale percentuale si è ridotta in quasi tutte le regioni, arrivando nel 2014-15 al 48,6 per cento in media nazionale, per poi risalire lentamente al 52,7 nel 2017-18 e al 53,1 nel 2018-19. Migliori, ma comunque inadeguati, i risultati nell’ultimo anno della Basilicata (66,6 per cento), Umbria (64,8 per cento), Molise (61,7), Campania (60,3) e Calabria (59,8).

228

Tale insufficiente copertura è posta in relazione alla più elevata morbilità rilevata in questi ultimi anni, con conseguenze particolarmente gravi per gli anziani e le persone affetti da patologie croniche preesistenti.

La qualità dell’assistenza come misurata dalla mobilità

35. Un indicatore generale della qualità dei SSR è costituito dalla mobilità sanitaria, con quella in entrata che misura il grado di attrazione della regione e quella in uscita che quantifica la propensione della popolazione ad allontanarsi dalla regione di residenza per usufruire delle prestazioni. Nel Nuovo Patto della Salute si sottolinea come essa costituisca espressione del principio di unitarietà del Servizio sanitario nazionale e del diritto dei cittadini di scegliere il luogo di cura.

L’evoluzione del fenomeno evidenzia, tuttavia, situazioni di criticità nelle aree di confine e nei flussi interregionali, in particolare dal Sud al Nord del Paese, conseguenti a carenze dell’offerta di prestazioni, sia dal punto di vista organizzativo delle strutture presenti nel territorio che di qualità delle prestazioni. Evidenti le ricadute sia sugli equilibri economico-finanziari delle regioni che in termini di accesso e costi finanziari e sociali a carico dei pazienti.

Nel Patto ci si propone pertanto di definire un nuovo quadro nazionale di riferimento a sostegno degli accordi regionali, di elaborare specifici programmi regionali rivolti alle aree critiche per potenziare i servizi in loco, definendo piani di sviluppo delle strutture pubbliche e di quelle privare accreditate e coordinando i piani regionali con gli obiettivi del Piano nazionale liste di attesa, e di avviare un percorso di armonizzazione dei sistemi di controllo dell’appropriatezza degli erogatori accreditati. (si veda al riguardo il Riquadro 9).

RIQUADRO 9 - LA MOBILITÀ EXTRA-REGIONALE: UN ESAME DEL FENOMENO NEL 2018

In materia di mobilità sanitaria extraregionale il Patto per la salute 2019-2021 sottoscritto il 18 dicembre scorso prevede di elaborare un programma nazionale Governo-Regioni, al fine di valutare e migliorare i processi di mobilità nell’ottica di salvaguardare una mobilità “fisiologica” e recuperare un più equo e trasparente accesso alle cure. Il Ministero della salute a tal fine ha effettuato a fine 2019 un’analisi per inquadrare e misurare correttamente il fenomeno della mobilità, distinguendo la componente fisiologica da quella determinata da carenze dell’offerta della regione di residenza del paziente.

L’obiettivo è fornire uno strumento di analisi innovativo, che consenta di individuare le criticità e le carenze di offerta che costringono i residenti ad allontanarsi dalla propria regione per accedere più velocemente alle cure o ricevere assistenza di qualità migliore.

Usualmente le analisi sulla mobilità si basano sul semplice confronto dei flussi tra la regione di residenza e la regione di ubicazione dell’istituto di ricovero. Una analisi che fornisce una valutazione corretta del fenomeno e degli oneri che la regione di residenza del paziente si trova a dovere rimborsare alla regione che ha erogato le prestazioni.

Si tratta di una analisi che, tuttavia, non consente di porre in evidenza con chiarezza la dimensione del fenomeno dovuto alle criticità della regione di residenza. Occorre, infatti, escludere i casi riconducibili alla componente fisiologica della mobilità, ovvero quella dovuta ad una scelta dal paziente che non origina da carenze dell’offerta della propria regione di residenza anagrafica.

Va pertanto esclusa la mobilità fisiologica nelle aree di confine, dovuta ai flussi di pazienti che varcano il limite amministrativo della propria regione di residenza per essere ricoverati in un ospedale che si trova in una provincia adiacente e appartenente a un’altra regione. Una mobilità che difficilmente può essere ricondotta a carenze nella rete di offerta della regione di residenza, ma più verosimilmente a una scelta del paziente basata su comodità di tipo logistico. L’analisi del Ministero ha posto in evidenza che questa componente della mobilità extraregionale rappresenta, a livello nazionale, circa il 34 per cento dei casi di ricoveri fuori regione, con percentuali anche superiori al 60 per cento nelle regioni di piccole dimensioni (Valle d’Aosta, Provincia autonoma di Trento, Umbria e Molise) e in Emilia-Romagna per l’elevato numero di regioni confinanti.

229

Vi è poi una mobilità da ricondurre a soggetti che, pur ancora residenti nelle regioni di origine, risultano domiciliati nella regione di ricovero. Pur figurandosi come paziente extra-regione, in realtà la persona compie la scelta naturale di ricoverarsi nella regione vicino a casa. Anche in questo caso, il luogo di ricovero non ha alcuna relazione con lo stato della rete di offerta della regione di origine.

Secondo le stime dell’amministrazione si tratta nel complesso di circa 34 mila ricoveri, il 6 per cento della mobilità complessiva in termini di casi, il 5,1 del valore dei ricoveri in degenza ordinaria. Una quota che potrebbe essere anche superiore ove una quota dei casi per cui non si è riusciti a identificare la domiciliazione effettiva rientrasse in questa fenomenologia (il 7 per cento dei casi e il 4,5 per cento del valore).

Al netto di tali due fenomeni, la mobilità risulta ridimensiona da 576.729 a 342.390 casi, inferiore del 40 per cento (va poi considerato che esiste anche una componente stagionale legata al periodo feriale in cui un assistito si trova nella condizione di ricoverato in altra regione in quanto villeggiante. Un fenomeno che può riguardare una parte della mobilità nel mese di agosto).

L’analisi svolta appare propedeutica all’esame delle cause delle criticità nella rete di offerta di alcune regioni alla base della mobilità infraregionale. In alcuni casi il fenomeno netto risulta molto ridimensionato, mentre in altri la dimensione rimane in ogni caso di rilievo.

230

Le criticità richiamate dal Patto emergono dall’esame delle schede di dimissione ospedaliera, che evidenziano nel 2018 una mobilità passiva extra-regionale (misurata dall’incidenza dei ricoveri fuori regione dei residenti sul totale dei ricoveri per acuti in regime ordinario), pari in media all’8,3 per cento35 e che coinvolge oltre 500.000 ricoveri su un totale di 6 milioni.

Tuttavia, mentre nelle regioni non in piano essa è spesso accompagnata da un’elevata mobilità attiva, in quelle in piano il saldo resta negativo, con valori particolarmente elevati in Calabria che evidenzia una mobilità passiva del 20,2 per cento nel 2018, da correlare alla scarsa qualità delle erogazioni prestate; in Campania, a un valore della mobilità passiva in aumento e pari al 9,9 per cento, fanno riscontro ricoveri da fuori regione per il 3 per cento; la Sicilia, con una mobilità passiva al di sotto del parametro di riferimento (7,4 per cento), evidenzia un saldo negativo data una mobilità attiva estremamente contenuta (1,8 per cento); anche nel Lazio il flusso in entrata (8,3 per cento) non riesce a compensare quello in uscita (9 per cento).

Si conferma il caso del Molise che, a fronte di una mobilità passiva pari al 28 per cento, presenta una mobilità attiva del 29,3 per cento, da ricondurre alla presenza nel territorio della sede di una delle strutture ospedaliere italiane di maggior prestigio.

Tra le regioni non in Piano, si confermano quali poli di attrazione Lombardia, Veneto, FVG, la PA di Bolzano ed Emilia-Romagna nel Nord Italia, Toscana e Umbria al Centro. Evidenziano invece una mobilità passiva elevata ed un saldo negativo, oltre alla Sardegna, anche la VdA, il Piemonte, la Liguria, la Provincia autonoma di Trento, le Marche e la Basilicata, nonostante attraggono un flusso significativo da fuori regione.

Il quadro è sostanzialmente confermato se si guarda non soltanto agli acuti in RO, ma al complesso dei circa 726.000 ricoveri fuori regione, compresi quindi gli acuti in Day Hospital, lungodegenza e riabilitazione. Fa eccezione il Lazio con un saldo di mobilità che diventa positivo in termini di numero di pazienti; dato il livello di specializzazione delle cure, tuttavia, il valore delle prestazioni resta negativo. Anche la Provincia autonoma di Bolzano, per cui si conferma un numero più elevato di ricoveri in entrata, presenta un bilancio negativo.

Guardando ai flussi direzionali, al Nord la mobilità riguarda principalmente le regioni di confine, fenomeno che si può considerare fisiologico e che si conferma al Centro nelle regioni caratterizzate da un buon livello della qualità delle cure; mentre dal Sud i pazienti si dirigono verso il Lazio, Emilia-Romagna, Toscana e Lombardia.

231

È quest’ultima in ogni caso il luogo di preferenza per i ricoveri per particolari patologie, come nel caso di tumori e terapie collegati, che vedono affluire il 29 per cento dei pazienti che si curano fuori regione, mentre il Lazio ne assorbe il 12,4 per cento, provenienti principalmente dal Sud.

Lazio, Emilia-Romagna, Toscana insieme alla Liguria si confermano, per i particolari livelli di eccellenza delle strutture sanitarie pediatriche presenti nel territorio, il centro di riferimento per i ricoveri da fuori regione della popolazione tra 0 e 17 anni.

36. Si continuano a ridurre in tutte le regioni i ritardi nei tempi dei pagamenti ai fornitori: in media nazionale, si è passati dai 211 giorni per i tempi minimi e 285 per i massimi del 2013, l’anno precedente all’adozione del dPCM del 22 settembre 2014 che ha posto vincoli più stringenti in materia, ai 110 e 125 giorni nel 2018 e ai 99 e 114 nel 2019.

Risultato, peraltro, di valori estremamente diversificati, ben più contenuti nelle regioni non in piano del Nord e del Centro (che oscillano per i minimi dai 51 giorni della VdA, 54 del FVG e 59 della Lombardia fino ai 91 della Toscana e per i massimi, sempre per queste tre regioni, tra i 61e i 76 giorni fino ai 123 della Toscana) e quelli sopra media delle regioni in piano.

Nel Lazio essi sono risultati pari, rispettivamente, a 116 giorni per i tempi minimi e a 142 giorni per i massimi (123 e 144 dell’esercizio precedente). Nettamente superiori, ma comunque in riduzione, in Sicilia con 144 e 169 giorni (rispetto ai 166 e 171 giorni del 2018), Campania (151 e 164 giorni rispetto a 164 e 205 del 2018) e Molise (con 126 e 174 giorni rispetto ai 148 e 231 del 2018). La Calabria (286 e 302 rispetto ai 299 e 341 giorni nel 2018), pur in miglioramento, continua a segnare ritardi elevati.

I valori più contenuti si riscontrano in Abruzzo (104 e 113 giorni nel 2019 rispetto ai 105 e 117 del 2018) e in Puglia (108 e 129 giorni rispetto ai 117 e 128 giorni del 2018). Al di sopra della media nazionale anche le due regioni meridionali non in piano, la Basilicata con 115 e 148 giorni nel 2019 (134 e 148 nel 2019) e la Sardegna con 128 e 148 giorni (134 e 149 nell’anno precedente).

RIQUADRO 10 – LISTE D’ATTESA

Il 21 febbraio 2019 è stato approvato in sede di Intesa Stato Regioni il Piano Nazionale di Governo delle Liste di Attesa (PNGLA) 2019-2021. A fine 2019 l’Intesa è stata recepita da tutte le Regioni e Province Autonome ed il Piano Regionale è stato adottato da 20 Regioni/PPAA.

Il Piano Nazionale prevede il rispetto, da parte delle Regioni e delle Province Autonome, dei tempi massimi di attesa individuati nei Piani Regionali (PRGLA) per tutte le prestazioni erogate sul proprio territorio; individua, inoltre, tra i vari monitoraggi riportati nella sezione I, il monitoraggio in modalità ex post e in modalità ex ante delle prestazioni di specialistica ambulatoriale erogate in attività istituzionale.

Ai fini della verifica del rispetto dei tempi di attesa sono prese in considerazione, come previsto dal Piano nazionale, solo le prime visite e le prime prestazioni diagnostiche/terapeutiche, ovvero quelle che rappresentano il primo contatto del paziente con il sistema relativamente al problema posto, mentre sono escluse tutte le prestazioni di controllo e gli screening.

Il tempo di attesa, quindi, si basa innanzitutto sulla severità del quadro clinico, incluso il sospetto diagnostico. Quindi il Medico prescrittore, sia esso di base o specialista, per le prime visite e prime prestazioni strumentali ambulatoriali, deve sempre indicare una delle quattro classi di priorità: U urgente– con attesa massima 72 ore; B Breve – con attesa massima 10 gg; D Differibile – con attesa massima 30 gg per le visite e 60 gg per gli esami; P Programmata– con attesa massima 180 gg (fino al 31/12/2019, poi 120 gg).

Per i ricoveri l’inserimento in lista d’attesa deve essere effettuato tramite procedura informatizzata. Al momento dell’inserimento in lista d’attesa, al cittadino devono essere comunicate le informazioni sul suo ricovero, sulla classe

232 di priorità e sui tempi massimi di attesa. Per i ricoveri sono previste quattro classi di priorità, che corrispondono ad altrettante attese massime: A - con attesa massima 30 gg; B - con attesa massima 60 gg; C - con attesa massima 180 gg; D - con attesa massima 12 mesi.

Con il nuovo Piano si prevede la visibilità delle Agende di prenotazione delle strutture pubbliche e private accreditate, nonché quelle dell’attività istituzionale e della libera professione intramuraria, da parte dei sistemi informativi aziendali e regionali. Tutte le Agende di prenotazione devono essere gestite dai sistemi CUP e devono essere suddivise per Classi di priorità. Attraverso il CUP on-line i pazienti dovrebbero poter consultare in tempo reale l’attesa relativa a visite e esami erogati in regime istituzionale o in libera professione, nonché prenotare e modificare le loro prenotazioni.

Si prevede poi che se per una prestazione specialistica (prime prestazioni in classe di priorità) verrà superato il tempo massimo di attesa previsto per legge, il paziente potrà recarsi, secondo una specifica procedura, in una struttura privata convenzionata senza costi aggiuntivi.

Il rispetto degli impegni assunti dai Direttori Generali per il superamento delle criticità legate ai lunghi tempi di attesa costituisce elemento prioritario della loro valutazione, secondo quanto previsto dalle disposizioni vigenti in materia e fermo restando quanto disposto dall’articolo 3 bis, comma 7 bis, del decreto legislativo 30 dicembre 1992, n. 502 e s.m.

Non sono oggetto di monitoraggio da parte del Ministero della salute le prestazioni erogate nell’ambito della prevenzione attiva: per queste le Regioni e le Province Autonome prevedono specifiche modalità di offerta e di prenotazione e ne assicurano i tempi dandone ampia visibilità.

Di recente con l’art. 1, comma 510, della legge 145/2018, sono stati previsti interventi volti a ridurre i tempi di attesa nell'erogazione delle prestazioni sanitarie mediante l'implementazione e l'ammodernamento delle infrastrutture tecnologiche legate ai sistemi di prenotazione elettronica per l'accesso alle strutture sanitarie. A tal fine è stato disposto un finanziamento di 150 milioni per il 2019 e di 100 milioni per ciascuno degli anni 2020 e 2021. Somma che si va ad aggiungere a quella prevista con l’articolo 23-quater del d.l. 119/2018 per interventi volti a ridurre i tempi di attesa (50 milioni) nel 2020. Il monitoraggio degli effetti derivanti dagli interventi è affidato al Comitato LEA.

Tali fondi sono stati ripartiti dal Ministero della salute, di concerto con il Ministero dell’economia e delle finanze, previa Intesa raggiunta in Conferenza Stato Regioni il 1° agosto 2019 (si veda la tavola che segue). Il riparto punta a mettere a disposizione delle regioni risorse tenendo conto anche di 4 indicatori a cui è vincolata gradualmente l’erogazione delle somme. Nel corso del triennio 2019-2021 l’erogazione delle somme stanziate mira, infatti, ad accompagnare la digitalizzazione dei CUP regionali.

La corresponsione delle somme prevede la predisposizione del programma delle attività e relativo cronogramma coerente con il Piano regionale per il governo delle liste d’attesa da presentare entro il 30/10/2019; la crescita della quota di erogatori (pubblici/privati accreditati) collegati al sistema CUP interaziendale o regionale; l’aumento graduale della percentuale delle agende pubbliche/private inserite nel sistema CUP interaziendale o regionale; l’attivazione di canali di accesso digitalizzati.

L’Osservatorio nazionale sulle liste d’attesa dovrà verificare il raggiungimento delle soglie previste per i diversi criteri. La mancata realizzazione almeno il 20 per cento degli obiettivi comporta l’obbligo di restituzione allo Stato delle somme ricevute

233

Nella tavola che segue sono riassunti i risultati resi disponibili dal Ministero della salute sul monitoraggio relativo agli anni 2016-2018. Per il 2019 i dati raccolti sono al momento parziali e non consentono una valutazione del fenomeno nei mesi più vicini. Il monitoraggio ha riguardato 8 prestazioni: visita ortopedica; visita oculistica; visita cardiologica; mammografia; ecografia ostetrica–ginecologica; ecocolordoppler dei tronchi sovraortici; RMN della colonna vertebrale; TAC Torace senza e con contrasto. L’esame delle prestazioni ambulatoriali punta a valutare il tempo intercorso tra la data di effettiva erogazione della prestazione e quella di prenotazione e quindi di valutare l’efficacia delle misure assunte per garantire l’erogazione di prestazioni entro i tempi appropriati alle condizioni cliniche dei pazienti.

Nella lettura dei risultati per area territoriale si deve tener conto che non sono disponibili i risultati di alcune regioni. Oltre che delle regioni a statuto speciale del Nord, non è noto il dato relativo a Molise Basilicata Calabria e Sardegna. Ciò che emerge dal confronto è che pur confermandosi livelli di prestazioni garantite abbastanza elevati, nell’ultimo biennio si registra un diffuso peggioramento delle quote.

Ciò è particolarmente netto per le prestazioni urgenti, quelle che dovrebbero essere garantite entro 10 giorni. Fatta eccezione per le ecografie ginecologiche, registrano un peggioramento tutte le altre prestazioni. Anche nel caso delle prestazioni differibili la quota peggiora in 5 delle otto specialità (oltre alle ecografie ostetriche, segnano un miglioramento le visite cardiologiche e quelle ortopediche).

Un risultato che deve essere letto con molto prudenza anche perché, specie nel caso delle prestazioni urgenti, la numerosità dei casi rilevati nei due anni risulta molto differente, con un aumento consistente nel 2018 rispetto al 2016 che sembra più attribuibile a una variazione nella estensione della rilevazione piuttosto che a modifiche nelle caratteristiche della assistenza offerta ai cittadini. Una variazione che può aver inciso sulla quota di casi trattati entro i tempi previsti.

234

Il confronto tra i risultati nelle diverse aree territoriali evidenzia, poi, una maggiore difficoltà di garantire i tempi richiesti nelle strutture delle regioni del sud. Ma si tratta di un dato relativo alle sole prestazioni brevi. Nel caso di quelle differibili le differenze tra aree si riducono in maniera consistente: in 5 delle 8 prestazioni la quota di prime visite soddisfatta nei termini nelle regioni meridionali eccede il dato medio complessivo.

235

La spesa per investimenti nel 2019

37. Nel 2019 i pagamenti per investimenti delle aziende sanitarie crescono rispetto al 2018 dell’11,4 per cento, segnando così una ripresa a lungo attesa dell’accumulazione del settore.

Si tratta di un risultato che assume caratteri e intensità diverse per tipologia di bene e per area territoriale. Si conferma nell’anno l’aumento degli esborsi per attrezzature sanitarie e scientifiche (+14,6 per cento) e, soprattutto, di impianti e macchinari il cui incremento supera il 34 per cento. Un incremento cui si aggiunge quello per fabbricati (+5,3 per cento) e per immobilizzazioni immateriali che registrano una crescita di oltre il 22,4 per cento. In flessione solo gli acquisti di mezzi di trasporto (-13,5 per cento).

Diversi i risultati a livello territoriale. Più accentuato l’andamento nelle regioni non in Piano di rientro. L’aumento rispetto lo scorso anno è del 15,1 per cento. Crescono del 36 per cento impianti e macchinari, del 18,4 le attrezzature sanitarie e scientifiche. Doppia rispetto al dato nazionale la crescita dei fabbricati (+10,6 per cento). Si tratta di una crescita trainata dalle regioni a statuto ordinario che crescono del 15,4 per cento contro il 13,3 di quelle ad ordinamento speciale.

Sono sempre quest’ultime, tuttavia, a presentare i livelli pro capite più elevati (38,6 euro pro capite rispetto ai 30 euro delle regioni a statuto ordinario). Si discostano dal trend di crescita solo due regioni di cui la maggiore, il Piemonte, conferma comunque il livello dello scorso anno, mentre le Marche, che registra una flessione più consistente, mantengono, tuttavia, un livello pro capite superiore alla media, provenendo da livelli molto elevati dello scorso anno. Si discostano dal trend di crescita solo due regioni di cui la maggiore, il Piemonte, conferma comunque il livello dello scorso anno, mentre le Marche, che registra una flessione più consistente, mantengono, tuttavia, un livello pro-capite superiore alla media, provenendo da livelli molto elevati dello scorso anno.

Più limitata la crescita nelle regioni in piano: +3,1 per cento rispetto al 2018. Diversa anche la composizione della spesa: flettono gli investimenti in fabbricati e ad una più contenuta crescita delle attrezzature sanitarie (+7,3 per cento) si accompagna un aumento particolarmente sostenuto sia in impianti e macchinari, che in immobilizzazioni immateriali (rispettivamente in crescita del 30,3 e del 50,3 per cento). Aumenta tuttavia il distacco delle regioni in piano dalle altre in termini di spesa pro capite.

Tra le regioni in piano presentano risultati particolarmente negativi le due regioni con maggiori difficoltà finanziarie, il Molise e la Calabria. In queste si contrae la spesa di investimento, rispettivamente del 38 e del 30 per cento, e la spesa pro capite è pari al 50 per cento della media nazionale.

38. Limitati i progressi registrati nell’anno nella attuazione degli interventi di infrastrutturazione finanziati sulla base di norme specifiche e fondi di sostegno.

Al 31 dicembre 2019 erano stati sottoscritti 85 Accordi di programma per un importo pari a 12,5 miliardi, di cui 10,9 già ammessi a finanziamento. In particolare, nel corso dell’anno 2019 è stato sottoscritto un Accordo di Programma con la Regione Campania.

Le risorse ancora da utilizzare per la sottoscrizione di Accordi di programma sono pari a 2,7 miliardi, a cui si aggiungono i 4 miliardi ripartiti dalla delibera CIPE n. 51/2019 e i 2 miliardi assegnati a partire dal 2020 con l’ultima legge di bilancio e che devono essere ancora ripartiti.

Nella tavola che segue le somme destinate a tali finalità sono distinte per regione. In crescita il valore degli accordi sottoscritti solo in Campania, dove crescono di 1.186 milioni. In flessione a ragione delle revoche, gli importi sottoscritti con il Piemonte (-2 milioni), Lombardia (-32,4 milioni), Toscana (-12,7 milioni) e Basilicata (-29,7 milioni).

236

Le somme richieste e ammesse a finanziamento hanno superato i 10.891 milioni. Si tratta del 87 per cento dei valori sottoscritti e riguarda 2.472 interventi (92 più del 2018). L’incremento dell’anno (214,2 milioni) riguarda solo otto regioni tutte del Centro-Nord: Piemonte Lombardia, Veneto, Liguria, Emilia-Romagna, Toscana, Umbria e Lazio. Le risorse ancora disponibili per la sottoscrizione di Accordi sono pari a 6,7 miliardi, di cui 3,8 miliardi relativi alle regioni in Piano di rientro.

Per il potenziamento delle strutture di radioterapia dei 15,5 milioni ripartiti sono stati ammessi a finanziamento 28 interventi, per un importo a carico dello Stato di 13,7 milioni, pari all’88,2 per cento delle disponibilità.

Per le strutture sanitarie alternative agli Ospedali Psichiatrici Giudiziari al 31 dicembre 2019 erano stati sottoscritti i decreti delle regioni: Piemonte, Lombardia-Valle D’Aosta, Veneto, Friuli-Venezia Giulia, Liguria, Emilia-Romagna, Toscana-Umbria, Marche, Lazio, Abruzzo-Molise, Campania, Puglia, Basilicata, Calabria, Sicilia e Sardegna.

Del “Programma di investimento per la riqualificazione dell'assistenza sanitaria nei grandi centri urbani” nell’esercizio sono state erogate alle regioni risorse per un totale di 0,2 milioni (dei 314,7 in perenzione), riassegnate in bilancio in conto competenza nell’anno 2019.

237

Migliore il grado di realizzazione del programma nazionale per la creazione di strutture residenziali di cure palliative (hospice) (legge 39/2009) in tutte le regioni, con una disponibilità finanziaria pari a circa 206 milioni. Al 31 dicembre 2019, si registra un utilizzo non omogeneo dei finanziamenti previsti. A fronte di impegni totali per 206,5 milioni, l’erogazione dei finanziamenti al 31/12/2019 era di 194,4 milioni, il 94,1, con residui passivi perenti per 10,8 milioni. Si tratta in prevalenza di finanziamenti destinati alle regioni in Piano di rientro (Abruzzo 1,1 milioni, Lazio 1,6 Campania 3,2 Calabria 1,9 Sicilia 0,9), a cui si aggiungono 1,4 milioni al Piemonte e 0,5 milioni alla Toscana).

Ancora in corso di valutazione i progetti per la riqualificazione e l’ammodernamento tecnologico dei servizi di radioterapia oncologica di ultima generazione nelle regioni Abruzzo, Molise, Puglia, Campania, Calabria, Basilicata, Sicilia e Sardegna, con particolare riferimento all’acquisizione di apparecchiature dotate di tecnologia robotica o rotazionale a cui il d.l. 243/2016 riservata una quota pari a 100 milioni delle somme per gli Accordi di programma. La delibera CIPE 32/2018 ha assegnato gli importi alle regioni. Al 31 dicembre 2019, le regioni interessate hanno presentato tutte i loro progetti.

238

Le risorse assegnate per il programma libera professione intramuraria erano pari a 826,1 milioni ripartiti tra le regioni nel 2001 e per i quali sono stati ammessi a finanziamento 437 interventi per un importo a carico dello Stato di 768,4 pari al 93 per cento delle risorse assegnate. La legge 120/2007 al fine di stimolare le Regioni e le province autonome di Trento e Bolzano all’adozione di iniziative di tipo edilizio per garantire l’esercizio dell’attività libero-professionale intramuraria, ha stabilito la revoca dei finanziamenti per gli interventi per i quali non si abbia conseguito il collaudo entro il termine del 31 dicembre 2014. Di recente anche tenendo conto delle raccomandazioni formulate dalla Corte dei conti nella Deliberazione 9 marzo 2018, n. 4/2018/G nella quale si auspicava “che il legislatore [potesse] introdurre una norma per rimuovere tale limite, almeno per gli interventi iniziati, per i quali erano stati erogati finanziamenti e non sono ancora stati conclusi”, si è disposta la proroga del limite al 31 dicembre 2021 per le opere che risultino iniziate e non collaudate al 31 dicembre 2014.

239