SEZIONE 3

SEZIONE 3 : QUADRO DI VALUTAZIONE DEI RISCHI

La teoria della valutazione del rischio convenzionale si basa sul "Triangolo del rischio di Crichton" (Crichton 1999, Kron 2002) (Fig. 6). Il rischio è valutato in funzione di Hazard (pericolo), Exposition (esposizione) e Vulnerability (vulnerabilità). Tutte e tre le variabili devono coesistere nello stesso posto per valutare la presenza di un rischio. L’hazard è legato alla potenzialità di un evento di causare danni (ad es. terremoti, alluvioni, epidemie), l'exposition è una misura delle risorse esposte al potenziale danno (ad es. edifici, infrastrutture, persone), la vulnerability è l’attitudine ad essere danneggiati una volta esposti all'evento dannoso (ad es. caratteristiche dell'edificio, sistemi di drenaggio, età). Hazard ed exposition condividono la stessa localizzazione geografica. Utilizzato per la prima volta nel settore assicurativo (Crichton 1999), questo approccio è stato esteso per valutare i rischi spazialmente distribuiti in molti campi della gestione delle catastrofi: dall'impatto sulla salute dell'effetto “isola di calore” urbana dovuto ai cambiamenti climatici (Tomlinson et al. 2011, IPCC 2014), alla riduzione del rischio di catastrofi legata ai cambiamenti climatici in generale (Thomalla et al. 2006, Kim et al. 2015, Collins et al. 2009) o anche ai terremoti (Babayev 2010).

Ai fini del presente studio, l’hazard è legato alla probabilità che un virus possa potenzialmente diffondersi tra la popolazione di un determinato distretto territoriale. Prenderemo in considerazione le 20 regioni d'Italia. Non terremo conto della fase transitoria durante la quale il virus si diffonde, dalla sua scintilla iniziale, nell'intero territorio italiano, pertanto il livello iniziale di diffusione del virus sarà ritenuto abbastanza omogeneo in tutte le regioni. Supporremo però che il suo potenziale di essere trasmesso tra le persone che vivono nella stessa area, ovvero l'estensione dell'infezione, sia stato aumentato in alcune regioni a causa di una serie di fattori legati alle caratteristiche spaziali e socioeconomiche delle persone che vivono in quelle regioni. Con queste premesse l’hazard verrà interpretato, in questo lavoro, come una misura quantitativa della diffusione dell'infezione, mentre l'esposizione sostanzialmente coinciderà con la numerosità della popolazione di ciascuna regione, che rappresenta la quantità di persone che potrebbero essere potenzialmente contagiate dall'infezione.

La terza componente del rischio epidemico, la vulnerabilità, rappresenta l’attitudine di una persona infetta di ammalarsi o morire; è una sorta di relazione tra lo stimolo (l'infezione) e il conseguente danno alla salute; può essere vista come una probabilità di ammalarsi dopo un'infezione o il grado di danno quando la persona è esposta al pericolo. È fortemente correlato all'età e alle condizioni di salute iniziali prima dell'infezione. La vulnerabilità può essere combinata con l'esposizione, per ottenere una misura del danno assoluto, ovvero il numero di persone in una determinata regione che si ammalano per patologie legate al virus, che saranno chiamate consequences (conseguenze).

Come vedremo in dettaglio nella sezione successiva, le tre componenti del rischio possono essere valutate quantitativamente, per ciascuna regione, utilizzando una combinazione appropriata di più variabili o indicatori di rischio. Di seguito, presentiamo questi indicatori che spiegano la logica alla loro scelta, che si basa sulla letteratura sulle epidemie generiche o sulle caratteristiche recentemente confermate dell'epidemia COVID-19. Naturalmente molti altri possibili indicatori sarebbero potuti essere selezionati, ma al momento abbiamo deciso di limitare la nostra analisi a quelli che riteniamo più rilevanti.

HAZARD

Indice di mobilità (mobility index)

I dati sul pendolarismo sono spesso usati per correlare la mobilità della popolazione e la diffusione di un'infezione (Charaudeau et al. 2014). Secondo i dati disponibili, l'84,50% della popolazione italiana nella fascia di età 14-80 anni, effettua almeno un viaggio per giorno feriale tipico, il numero medio di viaggi al giorno è di 2,5, la distanza media percorsa è di 28,5 km al giorno, mentre la distribuzione della distanza per ogni viaggio è del 28% inferiore ai 10 km, del 38% nell'intervallo 10-50 km e del 34% su 50 km (ISFORT 2019). Supponendo che il tasso di viaggio sia costante in tutta Italia, consideriamo un "indice di mobilità" come il rapporto tra la somma dei flussi di pendolarismo (in entrata e in uscita) per comune e la popolazione impiegata nel comune (l'indice di mobilità per ogni regione è la media del valori di tutti i suoi comuni).

La fonte dell'indice di mobilità e gli altri indicatori statistici citati di seguito (concentrazione abitativa, densità di assistenza sanitaria e popolazione) e la relativa infografica di Fig. 7 è un set di dati reso disponibile dal Dipartimento italiano per la pianificazione e il coordinamento delle politiche economiche (www.urbanindex.it ). I dati, forniti a livello di comune nel set di dati, sono stati aggregati come media regionale.

Concentrazione abitativa (housing concentration)

L'urbanizzazione influenza sempre più le caratteristiche epidemiologiche delle malattie infettive (Alirool et al. 2011, Stier et al. 2020). La stretta vicinanza delle persone nella loro mobilità a corto raggio e l'atteggiamento di utilizzare i mezzi pubblici affollati è amplificato in città compatte e dense. Abbiamo incluso la concentrazione abitativa come variabile per cogliere tali circostanze, misurata come rapporto tra il numero totale di case e il numero di case classificate come "case unifamiliari".

Densità sanitaria (healthcare density)

Studi recenti hanno dimostrato che non tutti gli individui infetti all'interno di una popolazione hanno pari possibilità di trasmettere l'infezione ad altri. Alcuni individui infettano in modo sproporzionato più contatti secondari, rispetto alla maggior parte degli altri (Stein 2011). Ritardati ricoveri ospedalieri, diagnosi errate, sistemi di condizionamento dell'aria inadatti, mancanza di segregazione dei pazienti infetti e trasferimenti inter-ospedalieri, potrebbero contribuire a ciò che viene comunemente chiamato evento di super-diffusione.

Misuriamo la potenziale occorrenza di questi eventi nella diffusione dell'infezione includendo una variabile descrittiva per ciascuna regione della Densità Sanitaria come il numero di letti ospedalieri per abitante.

EXPOSURE

Misuriamo l'esposizione in base alla presenza di persone che potrebbero essere colpite dall'infezione. Poiché chiunque sia infetto potrebbe ammalarsi, utilizziamo la popolazione totale di ogni regione.

Guardando alla Fig. 8, vale la pena notare la distribuzione irregolare della popolazione tra le regioni e le diverse aree geografiche. Circa il 43% della popolazione è concentrata nelle cinque regioni del Nord Italia (Valle d'Aosta, Piemonte, Lombardia, Veneto, Friuli, Trentino) e una su sei in Lombardia, nell'Italia meridionale la popolazione è prevalentemente concentrata lungo le zone costiere.

VULNERABILITY

Inquinamento (air pollution)

L'inquinamento atmosferico è costituito da molti inquinanti, tra l'altro il particolato. Nel 2017 la concentrazione di particolato (PM) al di sopra dei limiti giornalieri dell'UE è stata registrata dl 22% delle stazioni segnalanti in 17 dei 28 Stati membri dell'UE (www.eea.europa.eu). Situazioni simili riguardano altri inquinanti atmosferici come l'ozono, il biossido di azoto e molti altri, tutti a impatto sulla salute umana, in particolare il gruppo socio-economico inferiore, i bambini, gli anziani e quelli con preesistenti cattive condizioni di salute. Il materiale particellare è in grado di penetrare in profondità nel tratto respiratorio e aumentare il rischio di malattie respiratorie. Secondo l'Agenzia europea dell'ambiente (relazione SEE n. 10/2019), la concentrazione di PM nel 2016 è stata responsabile di circa 374.000 decessi prematuri nell'UE-28, 68.000 per esposizione a NO2 e 14.000 a O3.

Era già noto che le persone con patologie polmonari e cardiache croniche causate o peggiorate dall'esposizione a lungo termine all'inquinamento atmosferico sono meno in grado di combattere le infezioni polmonari e hanno maggiori probabilità di morire (Cui et al. 2003). Inoltre, una crescente e diversi studi molto recenti stanno correlando direttamente la popolazione esposta all'inquinamento da particolato col contagio da COVID-19 ed il conseguente danno per la salute (Setti et al. 2020; Pansini e Fornacca 2020; Wu et al. 2020. ). Sulla base di queste premesse, abbiamo deciso di includere la concentrazione di PM10 come fattore della componente di vulnerabilità del rischio.

In particolare, utilizziamo la concentrazione giornaliera di PM10 aggregata in medie annuali. La fonte dei dati è l'OMS (https://www.who.int/airpollution/data/cities/en/). Al fine di presentare una qualità dell'aria ampiamente rappresentativa dell'esposizione umana, l'OMS fornisce misurazioni urbane caratterizzate da sfondo urbano, aree residenziali, aree commerciali e miste. Le stazioni caratterizzate come particolari "punti caldi" o aree esclusivamente industriali non sono state incluse. I dati sono aggregati a livello regionale e quindi mediati su quattro anni (2013-2016).

Temperatura (temperature)

Vale la pena indagare sulla possibilità che il clima abbia un ruolo nella diffusione del 2019-nCoV (Bukhari e Jameel 2020), poiché la questione è ancora controversa.

Una ricerca sul SARS Coronavirus nel 2011 (Chan et al. 2011) riporta che l'ambiente a bassa temperatura e bassa umidità può facilitare la trasmissione del virus nell'area subtropicale durante la primavera e in ambienti climatizzati. È anche comunemente accettato che il freddo abbatta le barriere di difesa delle vie respiratorie, mentre la distanza sociale è ridotta dalla piena condivisione di ambienti chiusi (Chowel et al. 2012).

In generale, quando la temperatura media scende di 1 ° C, il rischio stimato per le infezioni del tratto respiratorio inferiore è del 2,1% (OR 1,08, IC 95% 1,0; 1,04, p = 0,038) (Makinen T.M. et al. 2009). L'Italia sperimenta una grande differenza di zone climatiche con temperature molto più basse nelle regioni settentrionali rispetto a quelle meridionali; pertanto abbiamo deciso di includere la temperatura media invernale (da dicembre 2016 ad aprile 2017) in ciascuna regione come fattore che potrebbe potenzialmente migliorare la vulnerabilità individuale. La fonte dei dati è il Ministero dell'Agricoltura italiano (https://www.politicheagricole.it/).

Popolazione over-60 (age of population)

La maggior parte delle fonti di dati ufficiali riporta impatti più gravi di 2019-nCoV sugli anziani, probabilmente sia per una debolezza intrinseca del loro sistema immunitario sia per la coesistenza di altre patologie croniche. Usiamo il rapporto tra la popolazione di oltre 60 anni e la popolazione totale per tener conto di questo fattore di vulnerabilità.