COVID-19 Dati Mondiali.
La Dashboard seguente mostra i casi e i decessi Covid19 in numeri assoluti e in percentuale della popolazione.
E’ possibile interagire con le mappe e con i grafici clickando sui paesi o sulle barre degli istogrammi.
E’ anche possibile ampliare la dashboard clickando sull’icona con le frecce diagonali in basso a destra della barra grigia o ampliare un solo grafico cickando sull’icona focus mode in alto a destra dello stesso.

Uno dei principali obiettivi delle nostre analisi è stato rendere comparabili i decessi Covid19 tra i diversi paesi.
A tal riguardo è stato osservato che siccome il virus colpisce in misura nettamente maggiore gli over 65, paesi con un elevata quota di tale cluster di popolazione avrebbero sofferto più vittime.
Un’altra variabile che influenza in modo significativo il numero delle vittime è sicuramente la penetrazione del virus i termini di contagi in percentuale della popolazione. Il virusa si è certamente diffuso con velocità molto diverse da paese a paese.

Una comparazione del numero di vittime deve dunque tener conto delle differenti strutture demografiche in termini di distribuzione delle età e della diffuzione della malattia che è quello che si è cercato di fare nei grafici sottostanti con qualche efficacia dimostrata in modo abbastanza evidente dagli andamenti delle curve.
Per avere un termine di paragone per ciascun paese si è calcolato il numero di decessi attesi in base alle due seguenti semplici assunzioni:

• che il virus abbia la stessa letalità in ogni paese in reazione all’età
• che la distribuzione dei casi emersi per età sia uguale in ogni paese, in quanto, in ogni paese, la probailità che un caso emerga è sostanzialmente legata alla gravità dei sintomi la quale ha la medesima sorrelazione con l’età in ogni paese.

Date tali assunzioni è possibile calcolare, sulla base dei casi emersi, fissa la distribuzione degli stessi per età (che non è attualmente disponibile da una fonte unica), il numero di morti attese e confrontarlo con il numero di morti effettive.

I grafici mostrano dunque sull’asse Y il numero di decessi effettivi come percentuale dei decessi attesi e sull’asse X, nel primo caso (diagramma in alto) il numero di casi totali, che però è scarsamente indicativo della diffuzione della malattia nel paese i quanto è normale che paesi con più alte popolazioni abbiano un più elevate numero di casi, mentre nel seconto caso (diagramma in basso) sull’asse X sono riportati i casi in percentuale della popolazione totale, il che ha l’effetto di rendere molto simili curve apparentemente molto diverse relative a paesi con grandi differenze in termini di popolazione totale come, ad esempio, Germania e Austria.

Le curve risutanti nel grafico in basso ci forniscono alcune interessanti informazioni che riassumiamo di seguito.

• Generalmente la capacità dei paesi di affrontare la malattia è aumentata molto con trascorrere del tempo in misura estremamente simile.
• Paesi con sistemi e protocolli sanitari simili hanno avuto la stessa performance in termini di decessi. In particolare, le curve di Germania e Austria sono praticamente sovrapposte.
• Le differenze di performance dei paesi evidenziate dai numeri assoluti sono a volte acuite e a volte ridotte se si considera la differente struttura demografica in termini di età.
• A parte qualche triste eccezione (Francia) le curve dei diversi paesi mostrano andamenti eccezionalmente simili.

Tuttavia, al di là del rendere i dati paragonabili, ci siamo posti il problema di investigare, per quanto possibile, le ragioni all’origine delle differenti performance dei paesi in termini di decessi.

Per fare ciò abbiamo concentrato l’analisi sui paesi europei per i quali EUROSTAT rende disponibili un gran numero di dati omogenei e tentato di identificare un modello esplicativo della percentuale di decessi sulla popolazione totale.

Coloro che hanno confidenza con il trattamento di dati aggregati al livello nazionale o anche regionale sapranno che raramete i modelli regressivi ad essi applicati mostrano indicatori statistici particolarmente solidi come può evvenire nel caso di dati individuali o atomici.

Ebbene, dopo alcuni interessanti tentativi di ricerca automatizzata, con grande sorpresa, abbiamo identificato un modello regressivo lineare multiplo di sole 4 variabili, la cui causalità non è stata ancora verificata per ciascuna delle variabili, che mostra un coefficiente di determinazione sorprendentemente alto: 97,4%

Si tratta di un modello, riassunto nel grafico sottostante, esteso a 15 paesi europei (tutti quelli per i quali sono disponibili le variabili in gioco).

Le variabili identificate sono:

• Ovviamente la percentuale dei casi sulla popolazione totale
• La spesa sanitaria pro-capite
• La percentuale di maschi con più di 65 anni
• Il numero di posti letto pro-capite negli ospedali (che non mostra una particolare collinearità con la spesa sanitaria)

Ci auguriamo che abbiate trovato interessante quanto esposto i questo breve articolo.

Potete lasciare commenti o inviare suggerimenti utilizzando gli appositi strumenti nella pagina.

CPS Analytics Team