Un computer prevede la diffusione del virus in città grazie ai cellulari: «Così troviamo i luoghi di infezione»

Un computer prevede la diffusione del virus in città. I ricercatori: «Così troviamo i luoghi di infezione»
di Laura Larcan
4 Minuti di Lettura
Domenica 27 Dicembre 2020, 12:27 - Ultimo aggiornamento: 19:40

Un computer che prevede la diffusione del Covid negli Stati Uniti utilizzando i dati (anonimi) di cellulari. Un algoritmo sofisticato che segue le tracce degli spostamenti, i luoghi che visitano le persone, il tempo che restano in quel determinato luogo, i contesti di assembramento con tanto di metratura degli spazi. Quando si dice che la tecnologia è al servizio della scienza per valutare i piani di uscita dal lockdown. Possibile? La notizia arriva da un team di ricercatori delle università di Stanford e Northwestern che ha messo a punto un modello di computer che prevede come il Covid-19 si diffonde in dieci grandi città americane sulla base di uno studio dei dati anonimi dei cellulari di 98 milioni di americani. Ad annunciare la notizia è la AbcNews. 

Covid Usa, sposati da 30 anni: marito e moglie muoiono insieme tenendosi per mano

Covid Usa: Obama, Bush e Clinton pronti a vaccinarsi in diretta tv

Il software è stato elaborato esaminando i dati della prima ondata di infezioni da Covid-19 negli Stati Uniti in primavera e all'inizio dell'estate. I ricercatori hanno studiato New York, Los Angeles, Chicago, Dallas, Houston, Atlanta, Miami, Philadelphia, San Francisco e Washington. I dati sulla posizione del cellulare provenivano da una collaborazione con la società SafeGraph, che ha aggregato e reso anonimo i dati sulla posizione dalle applicazioni del cellulare e li ha forniti ai ricercatori. I dati hanno mostrato quali luoghi le persone visitano ogni giorno e per quanto tempo, e la metratura degli stabilimenti.

Svezia, il report di “Lancet”: «Scarsa strategia nazionale, poche restrizioni, test inadeguati: ecco perché i casi crescono ancora»

Secondo i ricercatori, la maggior parte delle infezioni si verificano nei cosiddetti luoghi di "superspreader" in cui le persone sono in contatto per periodi prolungati, come nei ristoranti o nelle palestre che hanno riaperto al massimo o quasi.

nelle grandi città, infatti, i piani di chiusura e riapertura sono variati e hanno avuto diversi gradi di successo mentre i funzionari locali hanno lottato per bilanciare i rischi per la salute con le perdite economiche.

Covid, test su un farmaco per immunità al virus di 6-12 mesi: sperimentazione in Gran Bretagna

«Quello che il nostro modello può fare è iniziare a informare il pubblico e i responsabili politici su dove cadiamo in questo compromesso, e quante visite e quante infezioni si verificherebbero ad ogni livello di riapertura», spiega alla Abc News Serina Chang, con un dottorato di ricerca alla Stanford Universityla e co-prima autrice dell'articolo. «Riaprire completamente è abbastanza pericoloso, ma c'è molto che possiamo fare tra la riapertura completa e la chiusura - aggiunge la ricercatrice - Non deve essere tutto o niente».

Secondo l'emittente americana, la nuova ricerca sta facendo scalpore perché arriva in un momento critico per gli Stati Uniti in cui i nuovi casi di Covid-19 stanno aumentando in tutto il paese. I ricercatori hanno affermato che il modello può anche aiutare a spiegare alcuni dei motivi per cui il virus ha colpito le comunità di colore in modo particolarmente duro.  

Scienziato vola dal 14° piano e muore: «Lavorava a un vaccino anti-Covid». Giallo a San Pietroburgo

Il modello aiuta anche a spiegare proprio le disparità di salute con il virus tra i vari gruppi socioeconomici. «I quartieri a basso reddito e meno bianchi non sono stati in grado di ridurre la loro mobilità», sottolinea Chang, citando i dati sulla mobilità suddivisi per gruppi di censimento. «Ipotizziamo che ciò sia dovuto al fatto che gli individui a basso reddito e di colore tendono ad essere sovrarappresentati in contesti di lavoro essenziali e hanno meno probabilità di essere in grado di lavorare da casa»

 


Il coautore David Grusky, professore di sociologia a Stanford, ha aggiunto: «In passato, si presumeva che queste disparità fossero dovute a condizioni sociali preesistenti con relative diseguaglianze nell'assistenza sanitaria, mentre il nostro software suggerisce che anche i modelli di mobilità aiutano a tracciare questi rischi sproporzionati».

© RIPRODUZIONE RISERVATA