Analisi dei dati

Covid-19, le chiamate al 112/118 per monitorare l’evoluzione della pandemia: il metodo

Le potenzialità legate all’analisi dei dati nella lotta al covid. Partendo dai dati forniti dagli stessi cittadini – la chiamata al numero unico delle emergenze (112) o al 118 – è stato elaborato un metodo per estrarre in modo scientifico informazioni utili a interpretare meglio la situazione sul territorio lombardo

Pubblicato il 18 Nov 2020

Enrico Caiani

PhD, FESC Docente di eHealth Dipartimento di Elettronica, Informazione e Bioingegneria Politecnico di Milano

AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
covid sanità
Photo by Ashkan Forouzani on Unsplash

La chiamata al numero unico delle emergenze (112) ove attivo, o al 118 per attivare una richiesta di soccorso sanitario possono offrire informazioni utili, ma purtroppo ben poco utilizzate in Italia, per aiutarci a combattere la pandemia.

È infatti da questa semplice azione che la catena dei soccorsi può svolgersi, ed è dal numero di tali chiamate che si può desumere un primo indicatore di criticità. Un ulteriore indicatore a esso correlato è il numero di interventi delle ambulanze per un dato territorio.

Vediamo in che modo queste informazioni sono state utilizzate per interpretare la situazione emergenziale sul territorio lombardo.

Un metodo innovativo e data driven per monitorare l’andamento dell’epidemia

Partendo dai dati contestualizzati forniti dagli stessi cittadini – la chiamata al numero unico delle emergenze (112) ove attivo, o al 118 per attivare una richiesta di soccorso sanitario – in collaborazione con l’Agenzia Regionale Emergenza Urgenza (AREU) della Regione Lombardia, con un team di ricerca multidisciplinare al Politecnico di Milano (Enrico Caiani, Maria Brovelli, Lorenzo Gianquintieri) abbiamo iniziato a pensare a come estrarre in modo scientifico informazioni che potessero risultare utili ad interpretare meglio la situazione sul territorio lombardo.

Ijgi 09 00639 g004 550

Il risultato è stato un metodo innovativo e “data driven”, da poco pubblicato (Gianquintieri, L.; Brovelli, M.A.; Pagliosa, A.; Dassi, G.; Brambilla, P.M.; Bonora, R.; Sechi, G.M.; Caiani, E.G. Mapping Spatiotemporal Diffusion of COVID-19 in Lombardy (Italy) on the Base of Emergency Medical Services Activities. ISPRS Int. J. Geo-Inf. 2020, 9, 639, da cui provengono le figure qui riportate) che sfrutta i “tag” relativi alle coordinate spaziali (approssimate al Comune di provenienza) delle singole chiamate al 112/118 o degli interventi successivi delle ambulanze, in relazione a problemi riportati dal cittadino associabili a patologie respiratorie e come tali etichettati dall’operatore sanitario, per monitorare con dati certi e quotidiani l’evoluzione della pandemia.

Per tenere in conto della differente densità di popolazione sul territorio Lombardo, si è deciso di dividere la Regione in 73 distretti di popolazione omogenea (circa 100.000 abitanti) a partire dai paesi più popolosi, con Milano, Monza, Brescia e Bergamo a rappresentare 4 distretti a sè stanti, calcolare ogni giorno il numero di chiamate e di interventi avvenuti in ogni distretto, e normalizzare il tutto al numero degli abitanti, a partire dagli open data disponibili sul sito dell’ISTAT, aggiornato al 1/1/2019.

Ijgi 09 00639 g005 550

In tal modo è possibile ottenere delle curve che mostrano l’evoluzione della pandemia in ognuno dei 77 distretti considerati. A partire da tali curve opportunamente filtrate, è stato poi applicato un metodo iterativo per identificare il punto di inizio del primo picco pandemico, come mostrato nella figura qui a lato relativa al distretto comprendente Codogno, nel cui Ospedale è stato diagnosticato il paziente uno in data 21/9.

Il metodo proposto ha permesso di rilevare a valle di una analisi retrospettiva come il COVID-19 fosse molto probabilmente già diffuso sul territorio lombardo ben prima di tale data.

In particolare, nel distretto che include Codogno, l’inizio della diffusione pandemica è stato identificato al 16 febbraio, mentre nei distretti che includono Nembro ed Alzano Lombardo (in cui la mortalità dai dati ISTAT rispetto allo stesso periodo del 2019 è risultata del +1000% e +937,5%, rispettivamente) l’inizio della pandemia è stato identificato tra il 14 e il 16 febbraio.

Le potenzialità dell’analisi dei dati dei sistemi di Emergenza e Urgenza Territoriale

Sulla base di questi risultati si sta studiando ora come poter fornire una indicazione di allerta specifica per un dato territorio, in base al trend dei giorni immediatamente precedenti, così da poter dare alle autorità competenti uno strumento utile, unitamente agli altri indicatori “convenzionali”, per evidenziare situazioni geograficamente localizzate che possano necessitare di particolare attenzione.

Questo approccio, estendibile ad altre Regioni, mostra le potenzialità legate all’analisi dei dati disponibili su base giornaliera provenienti dal sistema di Emergenza e Urgenza Territoriale, originanti dall’azione del cittadino a valle di un auto-monitoraggio della propria condizione di salute e della necessità di chiedere soccorso, e dalla azione insostituibile di chi (volontari, infermieri, personale medico, autisti soccorritori) quella azione la presta, talvolta anche mettendo a rischio la propria salute.

Al fine di sfruttare al meglio tali dati, anche ai fini di allerta e monitoraggio di possibili pandemie (come purtroppo il COVID-19 ci ha insegnato), sarebbe auspicabile che ogni sistema regionale fosse dotato delle necessarie risorse, strutture, personale e competenze per poter generare tali dati in forma digitale, con protocolli di raccolta in database strutturati in modo uniforme su tutto il territorio nazionale, in grado di interfacciarsi con un centro unico di raccolta in grado di analizzarli o renderli disponibili alla ricerca. Ciò eviterebbe di replicare errori precedenti legati alla elevata parcellizzazione regionale (vedi i 21 fascicoli sanitari elettronici esistenti con 20 regioni) del dato sanitario, mettendo a sistema le informazioni raccolte al fine di creare ulteriori strumenti utili al decisore politico per prendere tempestivamente le decisioni richieste a tutela della salute dei cittadini, salvaguardando così la tenuta del sistema sanitario.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x