articolo scientifico

Analisi spaziale per l’identificazione di cluster di casi durante l’emergenza COVID-19 a Roma e nel Lazio

Spatial analysis for detecting clusters of cases during the COVID-19 emergency in Rome and in the Lazio Region (Central Italy)

  • Chiara Badaloni1,5

  • Federica Asta1,5

  • Paola Michelozzi1

  • Francesca Mataloni1

  • Enrico Di Rosa2

  • Paola Scognamiglio3

  • Francesco Vairo3

  • Marina Davoli1

  • Michela Leone4

  1. Dipartimento di epidemiologia del Servizio sanitario regionale, ASL Roma 1, Regione Lazio, Roma
  2. Dipartimento di prevenzione, ASL Roma 1, Roma
  3. Servizio regionale per l’epidemiologia, sorveglianza e controllo delle malattie infettive, Istituto nazionale malattie infettive “Lazzaro Spallanzani” IRCCS, Roma
  4. UOS Controllo di gestione, ASL Frosinone, Frosinone
  5. Gli autori hanno contribuito in ugual misura al lavoro
Federica Asta -

Cosa si sapeva già

  • Finora gli studi che hanno valutato la diffusione spaziale della pandemia COVID-19 sono stati limitati e hanno analizzato vaste aree geografiche.
  • L’analisi di cluster si colloca nell’ambito delle analisi spaziali, dove il livello di aggregazione territoriale in studio diventa un elemento fondamentale.

Cosa si aggiunge di nuovo

  • Questo è il primo studio italiano che utilizza la statistica Scan per identificare cluster da COVID-19 in una regione italiana.
  • Viene suggerita un’analisi spaziale retrospettiva in due tempi sovrapposti per monitorare l’andamento dei cluster epidemici e per individuare con tempestività nuovi possibili focolai.
  • L’approccio di indagine proposto è tanto più efficiente quanto più i nuovi casi COVID-19 sono resi disponibili tempestivamente, consentendo di verificare se le misure di contenimento e di isolamento sono state efficaci nel ridurre la diffusione dell’epidemia.

Scarica il PDF FREE FULL TEXT
Scarica i materiali aggiuntivi

Riassunto:

INTRODUZIONE: in Italia, uno dei Paesi europei più colpiti dall’epidemia di COVID-19, i dati mostrano la forte eterogeneità geografica dell’epidemia. Gli studi che valutano la diffusione spaziale della pandemia hanno analizzato, finora, vaste aree geografiche.
OBIETTIVI:
proporre una strategia di analisi per accertare la natura non casuale della diffusione spaziale dei casi di infezione da COVID-19 e identificare eventuali aggregazioni territoriali, al fine di potenziare le attività di contact tracing in specifiche aree del territorio regionale e di una grande area urbana.
METODI:
sono stati considerati tutti i casi di COVID-19 della Regione Lazio notificati al Servizio regionale per l’epidemiologia, sorveglianza e controllo delle malattie infettive (Seresmi) con aggiornamento giornaliero dall’inizio dell’epidemia al 27.04.2020. Le analisi sono state svolte considerando due periodi di indagine (il primo dall’inizio dell’epidemia al 6 aprile e il secondo dall’inizio dell’epidemia al 27 aprile) e due diversi livelli di aggregazione: l’intera regione Lazio escluso il comune di Roma, dove i 377 comuni rappresentano le unità areali, e il comune di Roma, dove le unità areali in studio sono le 155 zone urbanistiche (ZUR). La statistica Scan di Kulldorff è stata utilizzata per accertare la natura non casuale della diffusione spaziale dei casi infetti e identificare eventuali aggregazioni territoriali dei casi di infezione da COVID-19, utilizzando un’analisi spaziale retrospettiva in due tempi sovrapposti.
RISULTATI:
l’analisi condotta a livello regionale nei due periodi di indagine ha messo in evidenza la presenza di 7 cluster localizzati. Nel comune di Roma, nel primo periodo è stato identificato un unico cluster (Centro Storico) che include 7 zone urbanistiche, mentre nel secondo periodo sono stati osservati due cluster distinti (Omo e Farnesina).
CONCLUSIONI:
la statistica Scan è un prezioso strumento di sorveglianza per monitorare i focolai di malattia durante la fase attiva dell’epidemia e un utile contributo alla sorveglianza epidemiologica durante l’epidemia COVID-19 in un determinato territorio.

Parole chiave: COVID-19, pandemia, clustering spaziale, sorveglianza epidemiologica

Abstract:

BACKGROUND: one of the most affected European countries by the COVID-19 epidemic is Italy; data show the strong geographical heterogeneity of the epidemic.
OBJECTIVES:
to propose an analysis strategy to ascertain the non-random nature of the spatial spread of COVID-19 cases infection and identify any territorial aggregations, in order to enhance contact tracing activities in specific areas of the Lazio Region (Central Italy) and a large urban area as Rome.
METHODS:
all cases of COVID-19 of the Lazio Region notified to the Regional Service for Epidemiology, Surveillance, and Control of Infectious Diseases (Seresmi) with daily updates from the beginning of the epidemic to April 27, 2020 were considered. The analyses were carried out considering two periods (the first from the beginning of the epidemic to April 6 and the second from the beginning of the epidemic to April 27) and two different levels of spatial aggregation: the entire Lazio region excluding the Municipality of Rome, where the 377 municipalities represent the area units, and the Municipality of Rome, where the area units under study are the 155 urban areas (ZUR). The Scan statistic of Kulldorff was used to ascertain the non-random nature of the spatial spread of infected cases and to identify any territorial aggregations of cases of COVID-19 infection, using a retrospective spatial analysis in two overlapping periods.
RESULTS:
analysis was conducted at regional level in the two survey periods and revealed the presence of 7 localized clusters. In the Municipality of Rome, a single cluster (Historic Centre) was identified in the first period which includes 7 urban areas, while in the second period two distinct clusters (Omo and Farnesina) were observed.
CONCLUSIONS:
Scan statistics are an important surveillance tool for monitoring disease outbreaks during the active phase of the epidemic and a useful contribution to epidemiological surveillance during the COVID-19 epidemic in a specific territory.

Keywords: COVID-19, pandemic, spatial clustering, disease surveillance


  • Se sei abbonato scarica il PDF nella colonna in alto a destra
  • Se non sei abbonato ti invitiamo ad abbonarti online cliccando qui
  • Se vuoi acquistare solo questo articolo scrivi a: abbonamenti@inferenze.it (20 euro)


Inserisci il tuo commento

L'indirizzo mail è privato e non verrà mostrato pubblicamente.
CAPTCHA
Riporta le lettere mostrate nel riquadro senza spazi. Non c'è differenza tra maiuscole e minuscole.
X
E
A
a
q
Non inserire spazi. E' indifferente l'uso del maiuscolo/minuscolo