Lombardia e Covid-19: una diffusione eterogenea

Il fumo, l'anzianità, la salute e la mobilità sono stati accompagnati da fenomeni spesso sottovalutati, come gli scambi commerciali, le interazioni sociali e l'inquinamento nella diffusione del Covid-19 in Lombardia.

Autore

Nicola Crespi, Alessandro Lanza, Matteo Manera, Paolo Maranzano

Data

14 Settembre 2023

AUTORE

TEMPO DI LETTURA

5' di lettura

DATA

14 Settembre 2023

ARGOMENTO

CONDIVIDI

È tragicamente noto che la prima ondata di Covid-19 si sia abbattuta con grande aggressività sul Nord Italia, in particolare sulla regione Lombardia. 

Tra marzo e aprile 2020, l’incremento dei decessi in Lombardia, rispetto alla media degli anni precedenti, è stato particolarmente rilevante. Si è inoltre osservata una distribuzione significativamente differente tra i vari comuni. Considerando i risultati più estremi, la provincia di Varese ha avuto circa il 50% di morti in più rispetto alla media dei cinque anni precedenti (2015-2019), mentre in alcuni comuni della provincia di Bergamo si sono registrati decessi superiori alle 12 volte della media di marzo-aprile 2015-2019.

Questo fenomeno è evidente osservando i dati sugli eccessi di mortalità comune per comune come mostrato nella Figura 1.

Dove si sono presentate le maggiori differenze?

Osservando la mappa nella Figura 2, prodotta utilizzando alcuni strumenti statistici che modellano le dinamiche nello spazio, è ben evidente che, al suo interno, la Lombardia abbia subito una diffusione molto eterogenea del virus. Infatti, sulla base degli eccessi di mortalità registrati, si possono identificare diversi gruppi di comuni; ad esempio, i comuni in rosso rappresentano il centro delle aree ad elevato eccesso di mortalità, mentre i comuni in verde rappresentano i centri delle aree a più bassa mortalità.

I gruppi identificati dai comuni non sono affatto casuali e riflettono una forte eterogeneità tra alcune province. Si consideri, ad esempio, la provincia di Bergamo, epicentro della pandemia tra marzo e aprile 2020, che raccoglie quasi tutti i comuni con le situazioni più critiche. Al contrario, le province di Varese e di Como, meno densamente abitate e più periferiche, risultano le meno colpite.

Oltre alle distinzioni tra queste tre province è presente una fascia con significativi eccessi di mortalità, che cominciando dalla parte sud-est della provincia di Lodi, attraversa la provincia di Cremona e termina nella parte sud-ovest del bresciano (questa zona risulta minormente colpita rispetto alla provincia di Bergamo probabilmente in ragione di un intervento politico-sanitario più celere ed efficiente).

Da dove deriva questa eterogeneità?

Capire da dove possa derivare questa eterogeneità potrebbe risultare utile per diversi motivi, non ultimo la possibilità di potersi preparare al meglio nel malaugurato caso di un fenomeno analogo in futuro.

Una prima, ovvia, considerazione potrebbe derivare dalla prossimità tra i comuni, non solo intesa come distanza fisica tra i centri urbani, ma anche in termini di tempo di percorrenza sulle strade. Per fare un semplice esempio, la distanza tra Varese e Bergamo è di circa 50 km, che corrispondono però ad 1h 30min di viaggio. Questa distanza può avere determinato un limitato numero di contatti tra individui delle due province.

Tuttavia, osservando i dati, tale ipotesi potrebbe essere confutata dall’elevato pendolarismo verso Milano da entrambe le province. Quindi spiegare l’elevata eterogeneità esclusivamente tramite la distanza (chilometrica o temporale) può non essere sufficiente.
Un recente studio della Fondazione Eni Enrico Mattei1 cerca di chiarire questo problema attraverso l’analisi e lo studio di oltre un centinaio di variabili che caratterizzano gli aspetti sociali, economici, sanitari, ambientali, demografici, logistici e la struttura produttiva per tutti i comuni lombardi presi singolarmente. I dati raccolti provengono da varie fonti istituzionali, tra cui ISTAT e Regione Lombardia, e sono stati armonizzati e integrati in una nuova banca dati originale. I ricercatori della Fondazione hanno in seguito usato queste informazioni per modellare le dinamiche spaziali e le interazioni tra le molteplici variabili.

Quali fattori hanno inciso maggiormente?

L’effetto diffusivo delle malattie viene osservato attraverso l’individuazione di variazioni territoriali su aree mediamente ampie, tra le quali vi è un lento passaggio delle patologie. Nella modellistica, il parametro che identifica questa dinamica risulta significativo.

Analizzando i principali fattori, possiamo individuare alcune categorie determinanti: demografia, sanità, mobilità e società ed economia.

Dal punto di vista demografico, numerosi studi confermano l’aumento della mortalità legato all’età. In particolare, le analisi della Fondazione mostrano che i comuni con un elevato numero di anziani sono quelli maggiormente colpiti dal Covid-19, mentre la presenza di una popolazione giovane limita la diffusione del virus. Inoltre, si osserva che i comuni con un alto flusso migratorio presentano una minore incidenza rispetto a quelli con una popolazione stabile.

Dal punto di vista sanitario, è emerso che l’elevata prevalenza di fumatori contribuisce in modo significativo all’aumento della mortalità. Inoltre, si osserva un tasso di mortalità più elevato nei comuni con un alto numero di casi di osteoporosi, poiché questa malattia è frequentemente associata all’età avanzata.

Inoltre, dalle analisi emerge che i comuni con un maggiore livello di prevenzione delle malattie, evidenziato da una spesa minore per struttura sanitaria – essendo noto che la prevenzione ha un costo inferiore rispetto alla cura – un maggior utilizzo della guardia medica e una presenza più significativa di individui che praticano attività sportiva saltuaria, risultano essere meno colpiti dal virus.

Per quanto riguarda la mobilità, l’analisi del numero di incidenti stradali ha evidenziato una correlazione con una maggiore frequenza di morti da Covid-19. Inoltre, si osserva che nei comuni con una maggiore presenza di autobus si registra un eccesso di mortalità più elevato.

Ciò può essere legato sia ad aspetti di socialità che alla trasmissione del virus tramite il sistema aereo.

Un altro fattore determinante nella diffusione del Covid-19 è rappresentato dalla dimensione socio-economica dei comuni. Si osserva una maggiore incidenza della malattia nei comuni caratterizzati da una situazione economica svantaggiata. Queste situazioni si manifestano con maggiori richieste di aiuti abitativi e difficoltà economiche all’interno delle famiglie, nonché una maggiore sfiducia nella polizia e un basso livello di istruzione se accompagnato alla mancanza di fiducia nelle autorità. In presenza di tali situazioni, si ipotizza, da parte dei cittadini, una maggiore tendenza a non rispettare le leggi e le indicazioni amministrative, specialmente se riguardanti la libera mobilità.

Inoltre, si osserva che i comuni con una maggiore presenza di soggetti che hanno un’interazione sociale più limitata, come casalinghe e pensionati, sono meno colpiti dalla diffusione del virus.

Osservando la struttura produttiva dei comuni, emerge che le municipalità con una vasta rete di servizi, trasporti e ristori registrano un maggior numero di decessi, mentre i comuni incentrati sull’agricoltura, l’allevamento e le costruzioni riescono a limitare l’eccesso di mortalità. Questa tendenza è evidente considerando la natura stessa dei due sistemi lavorativi: il primo implica un’elevata interazione che spesso si verifica in luoghi chiusi, mentre il secondo avviene principalmente in aree aperte e con minori opportunità di contatto.

Dalle analisi emerge che alcuni modelli identificano in modo limitato elementi legati all’inquinamento, già identificati da altre ricerche scientifiche2. Sono state rilevate evidenze deboli sulla presenza di rifiuti urbani che potrebbero contribuire a un aumento del numero di decessi, poiché potrebbero fungere da vettori di trasmissione del virus. Tuttavia, risulta più significativo l’effetto degli inquinanti presenti nell’area sulla diffusione del virus, soprattutto se considerati insieme alla componente spaziale.

Successivamente, analizzando specificamente la dinamica provinciale, è emersa una correlazione positiva tra la variazione delle esportazioni delle province lombarde verso la Cina e una componente residua non spiegata dai fattori precedentemente menzionati. Tale relazione è stata osservata sia nel medio periodo, considerando la media dei tre anni precedenti, sia nel breve periodo, analizzando il periodo dal quarto trimestre del 2019 al primo trimestre del 2020. Storicamente, questa connessione può essere spiegata dall’aumento delle interazioni tra individui e beni derivante dall’aumento delle esportazioni tra i due paesi, con un impatto maggiore nei comuni centrali e con elevati scambi commerciali. Questi risultati sono coerenti con quanto osservato a livello comunale.

Conclusioni

Dallo studio – seppur ancora preliminare – sembra emergere che fattori come il fumo, l’anzianità, la salute e la mobilità siano stati accompagnati da fenomeni spesso sottovalutati, come gli scambi commerciali, le interazioni sociali e l’inquinamento, che hanno svolto un ruolo fondamentale nella diffusione del virus.

Questi risultati suggeriscono che le disparità socioeconomiche e, di conseguenza, educative potrebbero avere un impatto indiretto sulla mortalità causata dalla malattia, anche in contesti europei in cui le differenze sono ridotte. Pertanto, in caso di future epidemie ad alta diffusione, sarebbe opportuno che le autorità locali adottino politiche adattive, regolando le interazioni sociali e commerciali e prestano attenzione alle strutture territoriali e alle relazioni con i luoghi di origine dell’epidemia.

Note

  1. N. Crespi, A. Lanza, M. Manera, e P. Maranzano, Exploring the Spatial Heterogeneity of Excess of Mortality due to COVID-19 in Lombardy: Insights from the Characteristics of Municipalities, Draft, 2023
  2. E. S. Coker, L. Cavalli, E. Fabrizi, G. Guastella, E. Lippo, M. L. Parisi, N. Pontarollo, M. Rizzati, A. Varacca e S. Vergalli, The Effects of Air Pollution on COVID-19 Related Mortality in Northern Italy in: “Environmental and Resource Economics”, 76(4), 2020, pp. 611-634E. S. Coker, J. Molitor, S. Liverani, J. Martin, P. Maranzano, N. Pontarollo e S.Vergalli, Bayesian profile regression to study the ecologic associations of correlated environmental exposures with excess mortality risk during the first year of the Covid-19 epidemic in lombardy, Italy, in: “Environmental research”, 114484, 2022.
Leggi anche
Società
Coordinate
6′ di lettura

L’occupazione identifica ancora la classe sociale?

di Renata Semenza
Società
Territori
6′ di lettura

CER e comunità di prosumer: il protagonismo energetico dei comuni lucani

di Annalisa Percoco
Società
Coordinate
6′ di lettura

Rifugiati ambientali o cittadini dell’Antropocene?

di Nicola Manghi
Scienza
Viva Voce

OGM è quando arbitro fischia: il gioco delle TEA

di Stefano Bertacchi
5′ di lettura
Economia
Viva Voce

La competizione geopolitica per la leadership dell’AI

di Ettore Iorio
5′ di lettura
Scienza
Viva Voce

Le biotecnologie al bivio europeo

di Stefano Bertacchi
4′ di lettura
Società
Viva Voce

La brand reputation nell’era della sostenibilità

di Federica Carbone
4′ di lettura
Economia
Viva Voce

Abbigliamento circolare per l’outdoor

di Giulio Piovanelli
5′ di lettura
Scienza
Viva Voce

La bioeconomia che verrà

di Stefano Bertacchi
4′ di lettura

Credits

Ux Design: Susanna Legrenzi
Grafica: Maurizio Maselli / Artworkweb
Web development: Synesthesia