Lo
studio è stato coordinato dalla
Scuola superiore Sant’Anna di Pisa (grazie alla sinergia tra il
Laboratorio MeS dell’Istituto di Management e l’
Healthcare Mechatronics Lab dell’Istituto di BioRobotica), in collaborazione con il
Dipartimento di Medicina e Clinica sperimentale dell’Università di Pisa e l’
Azienda ospedaliero-universitaria pisana.
Abstract dello studio
Fino a quando la vaccinazione contro SARS-CoV-2 non consoliderà l'immunità in tutto il mondo, i ceppi
infettivi continueranno a causare
infezioni, causando
pressioni critiche sui
sistemi sanitari e
lockdown.Per migliorare le strategie decisionali e le previsioni basate su dati epidemiologici, finora distorti da criteri di test altamente variabili, viene proposto un
algoritmo che utilizza
parametri di morbilità imparziali, ovvero
Unità di Terapia intensiva (ICU) e
Ricoveri ordinari (HO). L'accelerazione e le velocità dell'ICU/HO sono modellate matematicamente utilizzando i dati ufficiali disponibili per produrre
due soglie, allertando sul
30% di ICU e sul
40% di HO dell'
occupazione giornaliera COVID-19, stabilite dal Ministero della Salute italiano, come caso di studio.
Viene inoltre proposto un
modello predittivo per stimare
l'occupazione giornaliera di terapia intensiva e HO negli ospedali per
ciascuna regione, utilizzando il modello
Susceptible-Infected-Recovered-Death (SIRD), per estendere ulteriormente la
previsione dell'occupazione in
ciascun distretto regionale.
I
dati informatici hanno
validato i modelli proposti in Italia, dopo più di un anno di pandemia e in concordanza con i decreti del Presidente (DPR), indipendentemente dai diversi andamenti regionali delle ondate epidemiche.
Pertanto, l'
algoritmo decisionale e il
modello di previsione sono risultati
strumenti preziosi,
retrospettivamente, da
testare prospetticamente in
strategie sostenibili per
frenare l'impatto del COVID-19, o di qualsiasi altra minaccia pandemica con qualsiasi aggregato di dati,
sui sistemi sanitari locali.
Commenti e precisazioni degli autori
Il full text dello studio non è disponibile gratuitamente online.
La
Scuola universitaria superiore Sant’Anna e l’
AOU Pisana riportano nei loro siti, alcuni
commenti e
precisazioni degli
autori.
Analizzando parametri oggettivi, come il numero dei ricoveri ordinari in ospedale e il numero dei ricoveri in terapia intensiva, il modello matematico sviluppato fornisce indicazioni per stimare l’andamento di una pandemia e la conseguente pressione sul sistema sanitario. «Prevedendo la progressione dei ricoveri, saremo in grado di suggerire azioni specifiche per contenere l’effetto di una pandemia sul sistema sanitario e, più in generale, di altre infezioni virali che potrebbero svilupparsi nei prossimi anni».
«Molte previsioni - spiega
Gastone Ciuti, professore associato presso l’Istituto di BioRobotica della Scuola Sant’Anna - sono influenzate da parametri difficilmente quantificabili, come ad esempio il numero complessivo di contagi. Combinando il numero dei posti letto ordinari e in terapia intensiva, occupati dai pazienti, l’algoritmo decisionale definisce un parametro unico ed oggettivo che viene rapportato a una soglia oltre la quale il sistema sanitario di una determinata area rischia di andare in sofferenza, suggerendo eventuali chiusure e riaperture localizzate». In aggiunta, come spiega
Angelo Damone, ricercatore presso l’Istituto di BioRobotica della Scuola Sant’Anna, «il modello predittivo fornisce un’estrapolazione dell'occupazione dei posti letto per aiutare le autorità locali a rimuovere o destinare risorse straordinarie negli ospedali».
Le
previsioni derivanti dal modello matematico sviluppato nello studio sono state
utilizzate nei mesi scorsi dal
Comando operativo di Vertice Interforze per supportare la definizione delle priorità e delle richieste di intervento provenienti dalle province in cui i ricoveri per COVID-19 erano in aumento. L’
algoritmo è stato
usato anche da due Regioni (
Toscana e Puglia) nell’ambito delle loro task force (come la CROSS - Centrale remota Operazioni Soccorso sanitario) per distribuire i ricoveri COVID-19 e non COVID-19 in relazione alla disponibilità dei posti letto ospedalieri ordinari e di terapia intensiva all’interno delle aziende sanitarie.
Questo modello, come spiega
Milena Vainieri, professoressa associata dell’Istituto di Management della Scuola superiore Sant’Anna, «rappresenta uno strumento utile per supportare le decisioni sull’allocazione delle risorse scarse, come i posti letto in terapia intensiva o in generale nelle degenze ordinarie, durante le emergenze epidemiche o pandemiche come il COVID-19».
«I modelli predittivi bio-matematici che analizzano e correlano mediante equazioni differenziali e algoritmi di intelligenza artificiale le dinamiche dei fenomeni naturali e dei loro bio-marcatori sono strumenti che si stanno dimostrando sempre più utili nel garantire adeguatezza e tempestività alle decisioni clinico-sanitarie. Per realizzarli occorre un'affiatata squadra multi-competente di ingegneri, fisici, matematici, medici ed esperti di management sanitario. Tale approccio metodologico costituisce la base della medicina di precisione, preventiva e personalizzata», dichiara
Maurizia Brunetto, docente dell’Università di Pisa e primaria di Epatologia presso l’Azienda ospedaliero-universitaria pisana.
Per saperne di più:
Per approfondire:
