Riassunto

Introduzione: lo studio dei possibili determinanti dei periodi di crescita e decrescita dei contagi può essere di grande rilevanza, come si è sperimentato durante la pandemia di COVID-19. Uno dei metodi per comprendere se i determinanti siano contemporanei o si sviluppino per contiguità tra aree diverse è lo studio dell’indice di replicazione diagnostica RDt tra le Regioni. 

Obiettivi: presentare l’analisi della variabilità dell’RDt e la successiva applicazione di un metodo di clustering funzionale recentemente introdotto come procedimenti di grande utilità per riconoscere la presenza di raggruppamenti con trend analogo nelle curve epidemiche.

Disegno: all’interno del periodo considerato, si analizzano in dettaglio gli andamenti degli RDt regionali in quattro diversi intervalli di tempo.

Setting e partecipanti: per esemplificare questa metodologia, può essere di interesse lo studio della variabilità nel periodo tra la fine del 2021 e l’inizio del 2022.

Principali misure di outcome: la variabilità negli indici RDt regionali è valutata tramite il coefficiente di correlazione pesato rispetto alle popolazioni delle singole Regioni. Il procedimento di clustering è applicato alle serie temporali dei valori assoluti dell’RDt.

Risultati: i periodi di aumento della variabilità negli RDt corrispondono alle fasi di crescita o decrescita iniziali dei contagi, mentre il clustering funzionale individua le macroaree in cui le curve epidemiche hanno avuto andamenti simili. Ciò che ha fatto crescere i contagi sembra riferito a un fattore non specifico di alcune aree, con l’apporto in alcuni casi di una dinamica di contagiosità tra aree adiacenti. 

Conclusioni: la variabilità nell’andamento degli indici di replicazione diagnostica regionali, che vengono calcolati con pochissimi giorni di ritardo, è un ulteriore indicatore per l’early detection delle fasi di modifiche importanti nell’andamento delle curve epidemiche. La clusterizzazione delle curve degli indici epidemici può essere utile per stabilire se i determinanti agiscano contemporaneamente o per contiguità tra aree adiacenti.

 Parole chiave: , , , ,

Abstract

Background: the study of the possible determinants of the rise and fall of infections can be of great relevance, as was experienced during the COVID-19 pandemic. One of the methods to understand whether determinants are simultaneous or develop through contiguity between different areas is the study of the diagnostic replication index RDt among regions. 

Objectives: to introduce the analysis of RDt variability and the subsequent application of a recently introduced functional clustering method as highly useful procedures for recognizing the presence of clusters with similar trends in epidemic curves. 

Design: within the considered period, trends in regional RDt are analyzed in detail over four different time intervals.

Setting and participants: to exemplify this methodology, the study of variability in the period from the end of 2021 to the beginning of 2022 may be of interest.

Main outcomes measures: the variability in the regional RDt indices is assessed by means of the correlation coefficient weighted with respect to the populations of the individual regions. The clustering procedure is applied to the time series of absolute RDt values.

Results: it emerges that the periods of increasing variability in the RDt correspond to the initial growth or decrease in the number of infections, while functional clustering identifies macro-areas in which the epidemic curves have had similar trends. What caused contagions to increase seems to relate to a factor that is not specific to certain areas, with the contribution in some cases of a contagion dynamic between adjacent areas. 

Conclusions: the variability in the trend of regional diagnostic replication indices, which are calculated with only a few days delay, is a further indicator for the early detection of major changes in the trend of epidemic curves. The clustering of epidemic index curves may be useful to determine whether determinants act simultaneously or by contiguity between adjacent areas.  

 Keywords: , , , ,

 

          Visite