DCM, una procedura statistica derivata dai modelli computazionali del cervello, prevede la dinamica della pandemia da COVID-19 nel Nord Italia

(English below – DCM, a statistical procedure derived from brain modelling, predicts the dynamics of COVID-19 pandemic in Northern Italy) Un team composto da ricercatori dell’Università di Modena in collaborazione con il Prof. Egidio D’Angelo del Dipartimento di Scienze del Sistema Nervoso e del Comportamento dell’Università di Pavia ha accettato la sfida di generare un nuovo modello predittivo per la pandemia da COVID-19.

Il problema principale era collegare le cause latenti della malattia all’epidemia emergente. L’idea di partenza era mossa dalla strategia di modellazione solitamente applicata alla comprensione delle dinamiche che sottendono il funzionamento delle reti cerebrali, ispirandosi a procedure attualmente impiegate nel laboratorio del Prof. D’Angelo.

La pandemia da COVID-19 ha scatenato un intenso dibattito sui fattori latenti alla base del suo scoppio e della sua dinamica di sviluppo. Sono stati proposti diversi modelli matematici per indirizzare e istruire strategie sociali e sanitarie efficaci. La validità predittiva di questi modelli spesso dipende dalla capacità di incorporare le risposte comportamentali e sociali all’infezione stessa.

Tra questi strumenti, il quadro analitico noto come “Dynamic Causal Modeling” (DCM) è stato applicato al COVID-19, gettando nuova luce sui fattori alla base delle dinamiche dell’epidemia. È stato applicato il DCM ai dati delle regioni del nord Italia, le prime aree in Europa a fare i conti con l’epidemia, e analizzata la validità predittiva del modello e anche la sua idoneità nell’evidenziare i fattori latenti che governano la diffusione della pandemia. Tenendo conto dei dati dall’inizio della pandemia, il modello potrebbe prevedere fedelmente le dinamiche di diffusione dell’epidemia che variano da regione a regione. Il DCM sembra essere uno strumento affidabile per studiare i meccanismi che regolano la diffusione del SARS-CoV-2 al fine di identificare le strategie di contenimento e controllo che potrebbero essere utilizzate in modo efficiente per contrastare ulteriori ondate di infezione.

Questo lavoro è stato recentemente pubblicato su «Frontiers in Public Health».

Modeling early phases of COVID-19 pandemic in northern Italy and its implication for outbreak diffusion
Jonathan Mapelli, Daniela Gandolfi Giuseppe Pagnoni, Tommaso Filippini, Alessia Goffi, Marco Vinceti, Egidio D‘Angelo
Original Research, Front. Public Health- Infectious Diseases– Surveillance, Prevention and Treatment
DOI: 10.3389/fpubh.20

***

DCM, a statistical procedure derived from brain modelling, predicts the dynamics of COVID-19 pandemic in Northern Italy

A team composed of scientists in the University of Modena in collaboration with Prof. Egidio D’Angelo at the Department of Brain and Behavioral Sciences of the University of Pavia has taken the challenge of generating a new predictive model for the COVID-19 pandemic. The main issue was to causally connect the hidden causes of the disease to the emergent outbreak. The effort has taken the moves from modeling strategy usually applied to understand brain network dynamics, as currently done in the laboratory of Prof. D’Angelo.

The COVID-19 pandemic has sparked an intense debate about the hidden factors underlying the dynamics of the outbreak. Several computational models have been proposed to inform effective social and healthcare strategies. Crucially, the predictive validity of these models often depends upon incorporating behavioral and social responses to infection.

Among these tools, the analytic framework known as “Dynamic Causal Modeling” (DCM) has been applied to the COVID-19 pandemic, shedding new light on the factors underlying the dynamics of the outbreak. We have applied DCM to data from northern Italian regions, the first areas in Europe to contend with the outbreak, and analyzed the predictive validity of the model and also its suitability in highlighting the hidden factors governing the pandemic diffusion. By taking into account data from the beginning of the pandemic, the model could faithfully predict the dynamics of outbreak diffusion varying from region to region. The DCM appears to be a reliable tool to investigate the mechanisms governing the spread of the SARS-CoV-2 to identify the containment and control strategies that could efficiently be used to counteract further waves of infection.

This work has recently been published in «Frontiers in Public Health».