Modellizzazione della letalità di un ciclo pandemico

Settembre 26th, 2021 | by Marcello Colozzo |

letalità, pandemia, variabili aleatorie
Fig. 1


La seconda affermazione incorniciata di fig. 1 è banalmente confutabile, giacché per un qualunque ciclo pandemico dotato di almeno un fixed-point nello spazio delle configurazioni, la letalità è una funzione decrescente del tempo. Ne consegue l'impossibilità di valutare l'efficacia di un vaccino con lo studio della sola letalità, se non disaccoppiando le statistiche vaccinati - non vaccinati.

Riguardo alla prima affermazione, richiamiamo alcuni concetti basilari sui cicli pandemici. Sia

la successione di elementi di R, il cui termine generico è il numero di contagi nel giorno n-esimo. Per poter implementare un modello predittivo, è necessario generalizzare al continuo:

La funzione reale x(t) della variabile reale t, fornisce i contagi giornalieri. Ne segue che il numero di contagi da inizio pandemia nel medesimo istante t, è


Nel più semplice modello, la funzione X(t) risolve il problema di Cauchy:

essendo R0,α > 0 e tali che


L'unica soluzione è


avendo definito:


Sia Y(t) il numero di decessi al tempo t, enumerati da inizio pandemia (t=0). È facile persuadersi che tale grandezza si esprime come:

dove τ > 0 è un tempo caratteristico oltre al quale si verifica un decesso, mentre

In altri termini, il numero di decessi al tempo t è una frazione del numero di contagi al tempo t-τ. La funzione λ(t) è la letalità. Per la grandezza Y(t) ci aspettiamo una soluzione del problema di Cauchy:


D'altra parte

Confrontando le equazioni ottenute, otteniamo il seguente problema di Cauchy per la letalità:

Tale problema è definito a meno del parametro τ che sembra essere una variabile aleatoria, mentre il termine noto dell'equazione differenziale può essere ricostruito in software dall'analisi dei dati dei decessi.

No TweetBacks yet. (Be the first to Tweet this post)

Tags: , ,

Articoli correlati

Commenta l'esercizio