Abstract

OBJECTIVES: to describe the first wave of the COVID-19 pandemic with a focus on undetected cases and to evaluate different post-lockdown scenarios.
DESIGN: the study introduces a SEIR compartmental model, taking into account the region-specific fraction of undetected cases, the effects of mobility restrictions, and the personal protective measures adopted, such as wearing a mask and washing hands frequently.
SETTING AND PARTICIPANTS: the model is experimentally validated with data of all the Italian regions, some European countries, and the US.
MAIN OUTCOME MEASURES: the accuracy of the model results is measured through the mean absolute percentage error (MAPE) and Lewis criteria; fitting parameters are in good agreement with previous literature.
RESULTS: the epidemic curves for different countries and the amount of undetected and asymptomatic cases are estimated, which are likely to represent the main source of infections in the near future. The model is applied to the Hubei case study, which is the first place to relax mobility restrictions. Results show different possible scenarios. Mobility and the adoption of personal protective measures greatly influence the dynamics of the infection, determining either a huge and rapid secondary epidemic peak or a more delayed and manageable one.
CONCLUSIONS: mathematical models can provide useful insights for healthcare decision makers to determine the best strategy in case of future outbreaks.

 Keywords: , , , ,

Riassunto

OBIETTIVI: descrivere la prima ondata dell’epidemia di COVID-19, con particolare attenzione ai casi nascosti e valutare diversi scenari post-lockdown.
DISEGNO: lo studio introduce un modello SEIR a compartimenti, che tiene conto dei casi nascosti nelle diverse regioni, degli effetti delle restrizioni sulla mobilità e delle misure di contenimento della diffusione del contagio adottate, come l’utilizzo della mascherina e il lavaggio frequente delle mani.
SETTING E PARTECIPANTI: il modello è validato utilizzando i dati delle regioni italiane, di alcuni Paesi europei e degli Stati Uniti.
PRINCIPALI MISURE DI OUTCOME: l’accuratezza delle previsioni del modello è misurata attraverso l’errore medio assoluto percentuale (MAPE) e i criteri di Lewis. I parametri sono in accordo con quelli riportati nella recente letteratura.
RISULTATI: il modello fornisce la stima delle curve epidemiche in diversi Stati e il numero di casi nascosti e asintomatici, che rappresenta la più probabile futura fonte di infezione. Il modello è stato applicato a un caso di studio relativo alla provincia cinese di Hubei, che per prima ha allentato le restrizioni sulla mobilità. I risultati mostrano che sono possibili diversi scenari. La mobilità e l’utilizzo di misure di protezione individuale influenzano notevolmente la dinamica dell’infezione e possono portare a un secondo picco improvviso e pericoloso oppure a uno più lontano nel tempo e più gestibile.
CONCLUSIONI: i modelli matematici come quello introdotto possono rappresentare uno strumento utile nei processi decisionali in sanità pubblica, per determinare la strategia migliore nel caso di future epidemie.

 Parole chiave: , , , ,

 

       Visite