• Area Covid-19
    .
  • deplazio
    The Department of Epidemiology of the Lazio Regional Health Service (DEP)
    is based in Rome and has over 30 years of experience
  • ambientale-valutativo

    The staff of the DEP has specific expertise in epidemiological methods
  • rischi ambientali
    Provide decision makers with the best epidemiological evidence
    to plan interventions to reduce health risks
  • esiti
    Outcome evaluation of health care
  • cure sanitarie
    Provide evidence to improve the quality
    and effectiveness of health care
  • inquinamento
    Assess the risks associated with
    short and long term exposure to air pollutants
  • cambiamenti climatici
    Assessing the health impact of climate change and extreme events

Registro Regionale Dialisi e Trapianti Lazio (RRDTL)

Covid-19 in Italia: stima dell'eccesso di mortalità attraverso uno studio di serie storiche interrotte PDF Print E-mail

covid eccesso mortalità 2Grazie a una collaborazione tra il Dipartimento di Epidemiologia e la London School of Hygiene and Tropical Medicine è stato condotto uno studio per stimare l’impatto del Covid-19 sulla mortalità in Italia tra Febbraio e Maggio 2020 che utilizza i dati resi disponibili dall’ISTAT.

Diversi studi hanno cercato di dare una risposta, ma questo è forse il primo ad aver utilizzato un approccio epidemiologico innovativo che, oltre a stimare il numero di decessi attribuibili alla pandemia a livello nazionale, ha tenuto conto di fattori di confondimento quali la temperatura e le epidemie influenzali.

Tra il 15 febbraio e il 15 maggio sono stati stimati quasi 50,000 decessi in eccesso, il 30% in più del valore atteso e un numero molto più elevato rispetto ai circa 35,000 decessi ufficiali. L’analisi ha confermato la forte eterogeneità spaziale: 25,000 decessi in eccesso sono stati osservati nella sola Lombardia, dove alcune province hanno registrato un incremento della mortalità pari all'800%; il 71% delle morti in eccesso riguarda Lombardia, Emilia Romagna e Veneto. L'impatto è stato maggiore negli uomini, soprattutto nella popolazione di età inferiore agli 89 anni.

Nel modello è stato tenuto conto del potenziale confondimento di temperatura ed epidemie influenzali. In un’analisi di sensibilità tali variabili non sono state considerate e il modello ha restituito una stima di eccesso più bassa. Questo risultato era atteso a causa del clima mite registrato nel periodo in studio e della bassa incidenza di casi di influenza.

Gli autori dello studio mettono a disposizione gli script per replicare l’analisi, e attraverso una APP vengono sintetizzati in maniera grafica e di facile lettura i risultati.

Link al programma:  https://github.com/gasparrini/ItalyCOVIDdeath

Link alla shinyapp:  https://mscortichini.shinyapps.io/app20200703

Clicca qui per andare al link della pubblicazione.