Sei sulla pagina 1di 39

Studio matematico dellevoluzione delle epidemie

SIR: Suscettibili, Infetti, Rimossi.

L.Lamberti
Dipartimento di Matematica, La Sapienza, Roma.

16 aprile 2009

ITIS Galilei, via Conte Verde 51, Roma

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Le pi u comuni malattie infettive:

AIDS leptospirosi parotite scarlattina

colera malaria pertosse tetano

epatite meningite rosolia tubercolosi

febbre tifoide morbillo salmonellosi varicella

Wikipedia

ISTAT

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Giudizi, pregiudizi, strategie

45 Il lebbroso, aetto da questa piaga, porter a le vesti strappate e il capo scoperto; si coprir a la barba e grider a: Impuro! Impuro! 46 Sar a impuro tutto il tempo che avr a la piaga; impuro; se ne star a solo; abiter a fuori del campo. (Bibbia, Levitico)

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Giudizi, pregiudizi, strategie


E fu questa pestilenza di maggior forza per ci o che essa dagli infermi di quella per lo comunicare insieme savventava asani, non altramenti che faccia il fuoco alle cose secche o unte quando molto gli sono avvicinate. E pi u avanti ancora ebbe di male: ch e non solamente il parlare e lusare cogli infermi dava asani infermit a o cagione di comune morte, ma ancora il toccare i panni o qualunque altra cosa da quegli infermi stata tocca o adoperata pareva seco quella cotale infermit a nel toccator transportare. (G.Boccaccio, Decameron, Introduzione alla prima giornata.)

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Figura: Vittime della peste del 1348-9


L.Lamberti Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Giudizi, pregiudizi, strategie


Temeva di pi u, che, se pur cera di questi untori, la processione fosse unoccasion troppo comoda al delitto: se non ce nera, il radunarsi tanta gente non poteva che spander sempre pi u il contagio: pericolo ben pi u reale Da quel giorno, la furia del contagio and o sempre crescendo: in poco tempo, non ci fu quasi pi u casa che non fosse toccata: in poco tempo la popolazione del lazzeretto, al dir del Somaglia citato di sopra, mont o da duemila a dodici mila: pi u tardi, al dir di quasi tutti, arriv o no a sedici mila. (A.Manzoni, I Promessi Sposi, cap.XXXII )

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Figura: 1630: Il Lazzaretto dei Promessi Sposi


L.Lamberti Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Contagio
Le malattie infettive si contraggono

infettandosi,
cio e entrando in contatto con individui ammalati: dove non ci sono ammalati non c e rischio di ammalarsi! non tutti, anche entrando in contatto con un ammalato si ammalano, cosa vuol dire entrare in contatto ?

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Malattie immunizzanti

Alcune malattie infettive sono immunizzanti, altre no: immunizzanti vuol dire che si possono prendere una volta sola, quelle non immunizzanti si possono prendere e riprendere pi u volte. Il morbillo e immunizzante, il rareddore non e immunizzante. Ci occupiamo, in questo modello, solo di malattie immunizzanti.

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

I modelli matematici

I modelli matematici di trasmissione delle malattie infettive fanno uso: di matematica, di probabilit a, di statistica.

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Diondersi di unepidemia
Si parla di epidemia quando una malattia infettiva si dionde ad un ritmo... ....preoccupante ! Durante unepidemia la popolazione pu o essere suddivisa, in ogni giorno t , in tre classi gli individui sani, S (t ) suscettibili di essere contagiati, gli ammalati I (t ), cio e gli infetti, che sono a loro volta veicolo dellinfezione, i guariti (o deceduti) R (t ), e quindi immunizzati, detti rimossi.

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Vaccinati
Il termine Suscettibili in luogo di Sani corrisponde alla possibilit a o meno di contrarre la malattia: i Sani infatti potrebbero essere vaccinati e quindi insensibili al contagio. noto infatti come la politica delle vaccinazioni sia uno degli E strumenti fondamentali nel controllo, nella limitazione, delle epidemie.
L.Lamberti Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

EPIDEMIOLOGIA

Le iniziali S I R attribuiscono al modello epidemiologico che considereremo il nome SIR.

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Il modello SIR

. Kermack, W.O., McKendrick, A.G. Contributions to the mathematical theory of epidemics. Proc. Roy. Soc. 1927, 1932, 1933.

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Il modello SIR

Detta N la numerosit a della popolazione, costante, trascurando cio e nascite e morti naturali durante il periodo interessato dallepidemia, le tre funzioni del tempo S (t ), I (t ), R (t ) variano nel tempo rispettando il vincolo S(t) + I(t) + R(t) = N

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Il modello SIR
S (t ) non pu o che avere un andamento decrescente: mano mano molti suscettibili vengono contagiati e vanno ad aumentare il numero I (t ) degli infetti, I (t ) numero degli infetti pu o aumentare in un primo periodo e (ci si augura) diminuire con lavviarsi dellepidemia a conclusione, R (t ), numero dei rimossi, non pu o che aumentare, 0 R (t ) N

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Il modello SIR
I numeri dei Suscettibili, degli Infetti e dei Rimossi variano nel tempo: si pu o pensare, concretamente, a un loro bollettino settimanale o giornaliero: invece di tre funzioni S (t ), I (t ), R (t ) si considerano cio e tre successioni {Sn }, {In }, {Rn } il primo giorno S1 , il secondo giorno S2 , lnesimo giorno Sn , ecc. ecc. I1 , I2 , In , R1 R2 Rn

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Il modello SIR

Come valutare le dierenze S = S2 S1 I = I2 I1 R = R2 R1 ?

Costruire un modello signica proporre delle relazioni tra: S, I, R , S1 , I1 , R1

che consentano di avanzare previsioni sullevoluzione della malattia anche per organizzare una strategia sanitaria.

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La probabilit a di contagio

La probabilit a di contagio S2 S1 sembra essere ragionevolmente proporzionale a I1 I2 I1 sembra essere ragionevolmente proporzionale a I1 il fattore di proporzionalit a dipende certamente anche dal numero di suscettibili S1

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La probabilit a di contagio

Gli incontri: supponendo che ogni giorno ogni individuo ne incontri mediamente un altro, N individui producono N 2 = N (N 1) 2

incontri in media al giorno. Un incontro pu o produrre un nuovo malato solo se ad incontrarsi sono un suscettibile e un infetto.

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La probabilit a di contagio

Se S1 sono i suscettibili e I1 gli infetti essi producono S1 . I1 incontri. La probabilit a per ciascun individuo di avere un incontro a rischio e pertanto il quoziente S1 . I1 2S1 . I1 = N (N 1) N (N 1) 2

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La probabilit a di contagio
Esempio sia N = 5, S1 = 3, I1 = 2 A, B , C suscettibili, , infetti. Incontri possibili AB , AC , A, A, BC , B , B , C , C , evidente che dei 10 incontri possibili la percentuale di quelli a E rischio e 6 2 S1 I1 = 10 N (N 1)
L.Lamberti Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La probabilit a di contagio
... da un incontro a rischio a un contagio: detta 0 la probabilit a che da un incontro a rischio derivi un contagio la probabilit a per ciascun individuo di subire il contagio e quindi 2 S1 . I1 0 N (N 1) Dagli N individui ci si aspettano pertanto, ogni giorno, 0 nuovi contagi.
L.Lamberti Studio matematico dellevoluzione delle epidemie

2 S1 . I1 2 0 N= S1 . I1 N (N 1) N (N 1)

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La probabilit a di contagio
Se il primo giorno cerano S1 individui suscettibili, il secondo giorno ce ne saranno S2 < S1 S2 = S1 ovvero posto 2 0 = N (N 1) si ha S2 = S1 S1 I1
L.Lamberti Studio matematico dellevoluzione delle epidemie

2 0 S1 I1 N (N 1)

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La probabilit a di guarigione

Una percentuale q degli infetti guarisce ogni giorno: ad esempio assumere q = 0.20 signica che .... il 20 % degli infetti In di un giorno risultano rimossi il giorno dopo.

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La probabilit a di guarigione

Riesce pertanto, bilanciando nuovi ammalati con malati guariti, I2 I1 = S1 I1 q I1 Naturalmente i malati guariti vanno ad aggiungersi ai rimossi R2 R1 = q I 1

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La probabilit a di guarigione
La probabilit a di guarigione, ovvero di dismissione ospedaliera corrisponde alla durata media della malattia. Un ammalato ha, ogni giorno la probabilit a q di guarire:la seguente tabella riporta a sinistra il giorno della dismissione e a destra la sua probabilit a: giorno 1 2 3 4 k
L.Lamberti

probabilit a q (1 q )q (1 q )2 q (1 q )3 q (1 q )k 1 q
Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Esempio Supponiamo, ad esempio q = 0.20 la tabella diventa giorno 1 2 3 4 5 6 probabilit a 0.20 0.16 0.128 0.1024 0.08192 0.065536 % 20 16 12.8 10.24 8.19 6.55

... circa il 74% di probabilit a di guarire in settimana !

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Stimare q
La durata media attesa per la dismissione e pertanto

=
k =0

k (1 q )k 1 q = q
k =0

k (1 q )k 1 = q
k =0

(1 q )k

=q

1 (1 (1 q ))2

1 q

Se statisticamente la durata della malattia e T giorni allora =T T = 1 q q= 1 T

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Stimare q
Un modo pi u intuitivo di legare il coeciente q alla durata T media della malattia e il seguente: Ammettiamo, per esempio, che la malattia duri T = 3 giorni, il primo giorno guariscono q I fortunati, il secondo altri q I un po meno fortunati, il terzo giorno altri q I . Avendo ammesso che la durata attesa della malattia eT =3 giorni deve riuscire qI +qI +qI = I 3q = 1 q= 1 T

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La contabilit a dei rimossi

In un certo senso si tratta di una contabilit a banale: inizialmente, per t = 0 il numero R (0) sar a 0, successivamente, ogni giorno riesce Rn = N Sn In

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

La forma nel discreto:

Sn+1 = Sn In Sn In+1 = In + In Sn qIn Rn+1 = Rn + qIn

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Eetto soglia
In+1 = In + (Sn Il numero degli infetti aumenta di giorno in giorno se Sn > q q q )In

diminuisce di giorno in giorno se Sn < Il valore

rappresenta una soglia nello sviluppo dellepidemia !


L.Lamberti Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Eetto soglia

Tenuto conto che il numero dei suscettibili Sn diminuisce di giorno in giorno, prima o poi esso nir a sotto il valore soglia q da quel giorno il numero di ammalati comincer a a calare. ....da quel giorno lepidemia tender a ad estinguersi.

L.Lamberti

Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Esempio:

Figura: N = 1000, S0 = 900, I0 = 100, = 0.00035, q = 0.12


L.Lamberti Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Esempio:

Figura: N = 1000, S0 = 950, I0 = 50, = 0.00035, q = 0.12


L.Lamberti Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Esempio:

Figura: N = 1000, S0 = 950, I0 = 50, = 0.00050, q = 0.12


L.Lamberti Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Esempio: eetto soglia

Figura: N = 1000, S0 = 200, I0 = 50, = 0.00050, q = 0.12


L.Lamberti Studio matematico dellevoluzione delle epidemie

Le pi u comuni malattie infettive Evoluzione di epidemie La probabilit a di contagio La probabilit a di guarigione Il modello SIR Il controllo dellepidemia Strategie

Strategie sanitarie

Per contenere i danni di unepidemia si pu o: Tenere basso il numero S0 dei suscettibili:


vaccinazioni di massa.

Tenere alta la soglia

tenere alto q : miglioramento delle terapie, tenere basso : educazione igenico sanitaria.

Predisporre un numero di posti letto S0 S adeguato.

L.Lamberti

Studio matematico dellevoluzione delle epidemie