Sin dall’inizio della pandemia dati e modelli statistici hanno provato a predire come si sarebbe evoluto il Covid-19. A volte andandoci vicino, altre volte un po’ meno. Ma quanto sono attendibili queste previsioni? Alcuni docenti e ricercatori dell’Università di Catania stanno cercando di capire l’andamento di questi modelli e di valutarne l’efficacia. Si tratta del prof. Vito Latora, ordinario di Fisica Teorica e Modelli Matematici al dipartimento di Fisica e Astronomia e professore di Matematica Applicata alla Queen Mary University of London, il dott. Luca Gallo, dottorando in Complex Systems al Dfa, il prof. Mattia Frasca, associato di Automatica al dipartimento di Ingegneria elettrica, elettronica e informatica e il prof. Giovanni Russo, ordinario di Analisi numerica al dipartimento di Matematica e Informatica.
Il team Unict ha pubblicato un articolo dal titolo “Lack of practical identifiability may hamper reliable predictions in COVID-19 epidemic models” sulla nota rivista Science Advances. L’interrogativo posto dagli studiosi è molto attuale, dato che ormai organizzazioni mondiali, multinazionali del farmaco, centri di ricerca, governi ed eserciti si sono mobilitati per combattere la pandemia da covid-19.
Gli studiosi catanesi hanno evidenziato che l’attendibilità di un modello rispetto a un altro dipende dai suoi parametri. Tra questi, per esempio, nel caso dei modelli epidemiologici, la durata media della malattia, o la probabilità di contrarre l’infezione quando un individuo sano viene a contatto con un infetto. Non è sempre possibile misurare direttamente tali parametri, chedevono essere scelti in modo tale che il modello matematico riproduca bene i dati epidemiologici reali, come il numero giornaliero di contagi o di guarigioni.
Latora, Gallo, Frasca e Russo nel loro articolo sottolineano che i modelli a volte forniscono dei dati e delle previsioni poco affidabili. Per esempio, non sempre è facile individuare tramite i modelli il numero di persone contagiate asintomatiche. I ricercatori catanesi hanno quindi stabilito e fornito dei criteri teorici per capire l’affidabilità dei modelli.
Inoltre, estendono il concetto di identificabilità di un modello matematico, distinguendone una versione strutturale da una versione pratica, molto più utile ai fini applicativi, e prendendo esplicitamente in esame alcuni modelli matematici per sistemi dinamici, quotidianamente utilizzati per effettuare stime e predizioni legate alla pandemia in atto. Adoperata costruttivamente, questa analisi potrà essere usata per migliorare l’affidabilità e la capacità predittiva dei modelli matematici.
