fbpx Il coronavirus ha viaggiato in autostrada? | Scienza in rete

Il coronavirus ha viaggiato in autostrada?

A mano a mano che i dati si stabilizzano prendono corpo anche analisi sulla distribuzione geografica e sulle linee di propagazione. Giovanni Sebastiani, dell’Istituto per le Applicazioni del Calcolo "Mauro Picone" del CNR, mostra che le città col più alto numero di contagi giacciono sulle maggiori autostrade italiane: sarà importante in futuro poter avere accesso ai dati sulla mobilità delle persone per poter prevedere con largo anticipo la diffusione dell’epidemie e contrastarne lo sviluppo con misure adeguate.

Tempo di lettura: 4 mins

Un aspetto rilevante di COVID-19 è la sua distribuzione spaziale lungo il territorio italiano delle province maggiormente colpite. Nella figura 1 osserviamo la distribuzione delle 94 province italiane presenti nella penisola sul totale delle 107.

Figura 1. Distribuzione spaziale delle 94 province presenti all’interno della penisola tra le 107 totali.

Consideriamo ora invece le 33 province che al 5 aprile presentano un numero totale di contagiati osservati pari almeno a 1.000. Esse sono: Bolzano, Napoli, Bologna, Modena, Parma, Piacenza, Reggio nell’Emilia, Rimini, Roma, Genova, Bergamo, Brescia, Como, Cremona, Lecco, Lodi, Mantova, Milano, Monza e della Brianza, Pavia, Varese, Ancona, Pesaro e Urbino, Alessandria, Cuneo, Torino, Firenze, Trento, Padova, Treviso, Venezia, Verona e Vicenza. Da questo elenco non è facile comprendere cosa accomuna queste province e le differenzia dalle 61 rimanenti. Questo appare invece molto chiaro dalla figura 2 dove esse vengono rappresentate spazialmente.

Figura 2. Distribuzione spaziale delle 33 province italiane che al 5 aprile hanno più di 1.000 contagiati osservati. Le province di Piacenza e Cremona sono rappresentate dai due cerchietti più scuri. Sono inoltre rappresentati i tratti di quattro autostrade di carattere internazionale che attraversano i capoluoghi della stragrande maggioranza di queste province.

Notiamo infatti che la maggioranza dei loro capoluoghi si trovano lungo quattro direttrici autostradali di carattere internazionale:

  • E35 – Milano, Piacenza, Parma, Reggio nell’Emilia, Modena, Bologna, Firenze, Roma e Napoli;
  • E70 – Torino, Alessandria, Piacenza, Cremona, Brescia, Verona, Vicenza, Padova e Venezia;
  • E55 – Bologna, Rimini, Pesaro e Urbino ed Ancona;
  • A22 – Modena, Mantova, Verona, Trento, Bolzano.

Ci sono poi collegamenti autostradali anche tra Milano e Genova, Torino e Cuneo, Bergamo e Brescia, Venezia e Treviso. Notiamo infine che una delle due province dove si ha una percentuale di contagiati osservati rispetto alla popolazione della provincia maggiore dell’1% è Piacenza, che si trova nell’intersezione tra la E35 e la E70. Inoltre, la seconda provincia è quella di Cremona, che si trova a meno di 40 km dalla prima proprio lungo la E70. Da questi dati, viene naturale formulare l’ipotesi che il virus abbia viaggiato lungo l’autostrada. A questo proposito, sarebbe interessante determinare con che frequenza sono stati colpiti dal virus gli autotrasportatori.

Naturalmente, a questo punto si tratta solo di una correlazione. Si potrebbero invertire i termini dicendo che le province maggiormente colpite hanno capoluoghi con grande popolazione ed è naturale che si trovino lungo direttrici autostradali con elevato flusso. Forniremo ora un ulteriore elemento a supporto dell’ipotesi formulata.

Nella figura 3 viene rappresentato nel tempo il numero totale di contagiati osservati a livello nazionale.

Figura 3. Andamento nel tempo del numero totale dei contagiati osservati in Italia. Il miglior fit con un modello logistico è stato sovrapposto ai valori misurati.

Dalla figura 4, osserviamo che il 25 marzo viene raggiunto il picco del tasso di crescita del numero totale di contagiati osservati.

Figura 4. Andamento nel tempo del tasso di crescita del numero dei contagiati osservati in Italia calcolato a partire dal modello teorico logistico stimato a partire dai dati. Si nota il superamento del picco il 25 marzo.

Sempre dalla figura 3 possiamo vedere che il giorno 18 marzo, il numero di contagiati è circa la metà rispetto al 25 marzo. Prendiamo quindi il 25 marzo come riferimento temporale in corrispondenza del quale in figura 5 viene rappresentata la distribuzione spaziale delle province (tramite i rispettivi capoluoghi) con un totale di contagiati osservati maggiore di 1.000.

Figura 5. Distribuzione spaziale delle province italiane che al 25 marzo avevano più di 1.000 contagiati osservati.

Nella figura 6 viene rappresentata la distribuzione spaziale delle province che a quella data avevano un numero di contagiati maggiore di 500, ossia la metà del valore del 25 marzo. Sempre dalla figura 3, vediamo che nelle date del 13, 9 e 6 marzo il numero totale dei contagiati è la metà approssimativamente rispetto alla data immediatamente successiva nel tempo.

Figura 6. Distribuzione spaziale delle province italiane che al 18 marzo avevano più di 500 contagiati osservati.

Nelle figure 7, 8 e 9 sono mostrate le corrispondenti distribuzioni spaziali analoghe alle precendenti.

Figura 7. Distribuzione spaziale delle province italiane che al 13 marzo avevano più di 250 contagiati osservati.

Figura 8. Distribuzione spaziale delle province italiane che al 9 marzo avevano più di 125 contagiati osservati.

Figura 9. Distribuzione spaziale delle province italiane che al 6 marzo avevano più di 64 contagiati osservati.

Confrontando tutte e cinque le distribuzioni spaziali notiamo che passando dal 6 al 25 marzo, seppure si siano aggiunte delle province, esiste un nucleo di province comune a tutte e cinque le date, che contiene quelle di Piacenza e Cremona. Questo nucleo di province presenta per costruzione un’evoluzione dell’epidemia rappresentativa di quella su scala nazionale. Il fatto che queste province si trovino lungo la E70 e la E35 fornisce supporto all’ipotesi formulata. Osserviamo infine che il 6 marzo, prima del secondo lockdown a livello locale (decreto 8 marzo, entrata in vigore 9 marzo), c’era già un focolaio lungo la costa adriatica, connesso a quello lombardo dalla E35 e E55, e infatti il decreto riguardava anche la provincia di Pesaro Urbino.

Nota
I dati utilizzati sono quelli aggiornati alle 18 del 6 aprile 2020 e sono stati scaricati dal sito https://github.com/pcm-dpc/COVID-19/tree/master/dati-province. Valgono le stesse considerazioni generali del documento della Analisi dei dati epidemiologici del coronavirus in Italia (al 7 aprile). Alcuni chiarimenti possono essere trovati nella Nota metodologica.

Giovanni Sebastiani
Istituto per le Applicazioni del Calcolo "Mauro Picone", Consiglio Nazionale delle Ricerche

 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why science cannot prove the existence of God

The demonstration of God's existence on scientific and mathematical grounds is a topic that, after captivating thinkers like Anselm and Gödel, reappears in the recent book by Bolloré and Bonnassies. However, the book makes a completely inadequate use of science and falls into the logical error common to all arguments in support of so-called "intelligent design."

In the image: detail from *The Creation of Adam* by Michelangelo. Credits: Wikimedia Commons. License: public domain

The demonstration of God's existence on rational grounds is a subject tackled by intellectual giants, from Anselm of Canterbury to Gödel, including Thomas Aquinas, Descartes, Leibniz, and Kant. However, as is well known, these arguments are not conclusive. It is not surprising, then, that this old problem, evidently poorly posed, periodically resurfaces.