Abbiamo realizzato un modello basato su agenti artificiali che descrive alcuni aspetti della dinamica di diffusione del COVID-19, in particolare gli aspetti legati al legame tra comportamenti sociali e dinamica di contagio. Ci sono due specificità nella struttura socio-economica dei territori del nord Italia colpiti inizialmente dalla pandemia: la diffusione di aziende medio-piccole, organizzate in cluster territoriali (sovrapponendo mappe della localizzazione delle aziende e mappe di diffusione del COVID 19 la relazione è evidente); la presenza di una aggregazione dopolavoristica, tipica di quelle zone.
Riguardo a questo secondo punto, ricordiamo che l’incontrarsi la sera, tipicamente al chiuso ed in fasce di età a rischio è un comportamento tipico delle zone coinvolte dal primo spreading influenzale. Così come l’idea di prossimità, cioè di far parte di una comunità dove i legami sociali sono intrecciati con i legami professionali, conduce a comportamenti che da un lato sono una delle chiavi di lettura del successo economico di queste zone del paese, ma che hanno determinato condizioni favorevoli al diffondersi di questa particolare pandemia. Oltre a comportamenti strettamente economici (fiere, esposizioni di prodotti), anch’essi collegati alla diffusione di questa particolare variante del virus influenzale.
Le simulazioni che stiamo effettuando sembrano confermare questa chiave di lettura, e speriamo possano essere utili ad individuare policy che combinino efficacia e rispetto delle caratteristiche produttive di queste territori. Il rischio delle misure attuali, seppure necessario per tutelare la salute pubblica, è infatti quello di danneggiare economicamente in modo molto forte il tessuto produttivo di queste aree. Il nostro modello indica che una ulteriore stretta su chiusure di attività, pur aumentando progressivamente il numero di settori coinvolti, ha impatto significativo sugli aspetti di contagio solo se si bloccano tutte le attività; da un punto di vista economico invece provoca esponenzialmente danni sia sul piano delle capitalizzazioni che su quello produttivo in senso stretto.
I risultati dello studio verranno pubblicati nei prossimi giorni.
Federico Cecconi – CSO QBT Sagl
Alessandro Barazzetti – Head of R&D, QBT sagl – Professor in Data analysis and advanced forecasting techniques, UCM Higher Education Institution
