Nei risultati provvisori dell'indagine ISTAT da lei utilizzati è stata presa in considerazione soltanto la parte di popolazione residente in famiglia, escludendo le convivenze come gli anziani in RSA (pagina 2 del report)
1/n
@longagnani@baratti_boffa I risultati inoltre sono in qualche modo influenzati dal fenomeno della cosiddetta "decadenza degli anticorpi": una parte dei negativi potrebbe aver contratto il virus troppo tempo prima del test per risultare positivo.
@longagnani@baratti_boffa Prendiamo comunque così come sono i risultati del sierologico ISTAT e tiriamo fuori qualche stima per l'IFR.
Prima questione di metodo: al numeratore mettiamo i decessi ufficiali o utilizziamo (almeno in parte) la mortalità in eccesso?
3/n
@longagnani@baratti_boffa Se i decessi ufficiali sono sicuramente una sottostima del totale dei decessi di positivi, è anche vero che una parte della mortalità in eccesso non è clinicamente correalata al COVID-19.
@longagnani@baratti_boffa Utilizzando i soli decessi ufficiali è interessante notare come la stima dell'IFR a partire dai risultati del sierologico ISTAT presenti una ampia variabilità regionale: si va dallo 0.7% della Basilicata al 3.5% della Liguria.
@longagnani@baratti_boffa E sempre utilizzando i decessi ufficiali ma guardando alle classi di età, queste sono le stime dell'IFR derivanti dai risultati del sierologico ISTAT: per le classi più anziane sensibilmente superiori a quelle di decine di altri studi simili.
@longagnani@baratti_boffa Chiaramente utilizzando in tutto o in parte la mortalità in eccesso le stime dell'IFR cambiano, ma al di là di questo il punto è un altro: c'è un ampia variabilità regionale e soprattutto una ancora più ampia variabilità per classi di età.
7/n
@longagnani@baratti_boffa Prendiamo comunque così come sono le stime dell'IFR per classi di età ottenute a partire dal sierologico ISTAT (anche se ci starebbe bene almeno un intervallo di confidenza) e applichiamole alla situazione attuale italiana.
8/n
@longagnani@baratti_boffa O qui ad esempio la distribuzione di età dei positivi degli ultimi 30 giorni di età, divisi in quattro classi e tratta dalla dashboard quotidianamente aggiornata da ISS.
@longagnani@baratti_boffa Ora se confrontiamo i dati ISS sulla distribuzione di età dei nuovi positivi delle ultime settimane con la distribuzione di età che emerge dai risultati provvisori del sierologico ISTAT si vede chiaramente che la distribuzione è diversa.
11/n
@longagnani@baratti_boffa Da qui l'importanza di utilizzare una qualche forma di media pesata. Prendiamo quindi per buoni così come sono gli IFR stimati a partire dal sierologico ISTAT, nonostante tutte le problematiche prima evidenziate e facciamo due conti.
@longagnani@baratti_boffa Prendendo la distribuzione d'età dei circa 18mila casi diagnositicati tra il 31 agosto e il 13 settembre. Approssimando per eccesso abbiamo
12.000 casi in fascia 0-50 (IFR-ISTAT 0.1%)
4.300 casi in fascia 51-70 (IFR-ISTAT 1%)
1.600 casi in fascia over 70 (IFR-ISTAT 12%)
13/n
@longagnani@baratti_boffa Quanti decessi attendersi quindi, seguendo il suo ragionamento sui ritardi ma usando una media pesata al posto di quel secco 2%? 247
Molto lontani dagli oltre 450 da lei stimati, e corrispondenti a un "IFR aggregato" inferiore all'1.4%.
14/n
@longagnani@baratti_boffa Ora auspicabilmente sarà definitivamente convinto che anche trascurando tutte le problematiche legate ai risultati del sierologico ISTAT qui non approfondite, la necessità di utilizzare una media pesata per classi di età non può essere liquidata come una pseudo-obiezione.
15/15
@longagnani@baratti_boffa Bonus tweet: Nel caso il tweet 12/n non fosse visibile (son cose che capitano) qui uno screenshot nella speranza che non venga segnalato e/o rimosso anche questo.
E dire che almeno per l'Italia non mancano i dati per capire ad esempio quanto età e status vaccinale dei positivi siano cambiati da novembre a gennaio.
Qui due dei famosi tabelloni che ISS pubblica ogni settimana (e che certamente @GiorgioSestili e @92Fisico conoscono).
Ad esempio - e limitandosi agli estremi dei possibili status vaccinali - le quote di "non vaccinati" e "vaccinati con booster" tra i diagnosticati sono tutt'altro che costanti.
Da novembre a gennaio i primi scendono dal 36% al 21%, i secondi aumentano dal 1% al 18%.
Qui uno spiegone di @ProcessNamed su significato e implicazioni delle numerosità degli omini. Era sulle Terapie Intensive, ma il senso è ovviamente sempre lo stesso perché la metodologia di standardizzazione è la stessa.
E qui un confronto tra due ipotetiche distribuzioni dei diagnosticati negli ultimi sei mesi: una con classi pluriventennali (quella dei tabelloni ISS) e una con classi decennali (quella che si ha purtroppo soltanto sulle diagnosi dei mai vaccinati).
Mortalità ospedaliera e ricoveri con Covid (aka «i centauri»)
Qualche grafico e una domanda
In un mese la quota di decessi su ricoveri (HFR) è diminuita del 20%: fino a inizio dicembre morivano 18 ricoverati su 100, a inizio gennaio 14 su 100.
Disaggregando per classi di età si nota una dinamica simile. Pur partendo da quote diverse, in tutte le classi di età si rileva a partire da dicembre una più o meno significativa riduzione della quota di decessi su ricoveri (HFR)
Se guardiamo distinguiamo per età *e* status vaccinale, notiamo a partire da dicembre una diminuzione della quota di non vaccinati tra i ricoveri. Ed è risaputo che a pari età il non essere vaccinati aumenta il rischio di decesso in caso di ricovero, e quindi aumenta l'HFR.
Sarà anche vero (o magari anche no) che guardare ai numeri assoluti è «roba da novax» ma nei tabelloni settimanali di @istsupsan qualcosa non torna: i numeri sono gli stessi della scorsa settimana, son cambiate solo le date.
In ogni caso i tabelloni con le incidenze sono stati aggiornati, quindi un po' a fatica incrociandole con i dati sui vaccini qualche numero assoluto (magari non precisissimo) lo si può tirare fuori.
[Non fate caso alle date in basso a sinistra, è solo un altro innocuo refuso]
E a proposito di "precisione" giova ricordare che quei dati vanno sempre interpretati cum grano salis.
Da un lato i denominatori sono notoriamente affetti da 'Fake Precision'
Covid-19 Italia - La prevalenza è un treno sempre un po' in ritardo
Storicamente all'aumento (o diminuzione) dei "nuovi ricoveri" corrisponde *dopo un paio di settimane* un sovrapponibile aumento (o diminuzione) del "totale ricoverati positivi".
Il tema del ritardo tra diversi indicatori è tra quelli affrontati in questo articolo di @cislaghi2 sempre attuale e non a caso intitolato "Più che ERRORI quelli sul Covid sono ORRORI"
Come ISS ci ricorda da un paio di mesi a questa parte quei numeri sulla suddivisione della popolazione in base allo status vaccinale sono fondamentali per leggere correttamente il resto dei dati riportati in tabella.
Dal momento che anche ISTAT fatica a stare al passo con la mortalità generale e ad esempio muoiono (anche indipendentemente da COVID-19) muoiono ogni giorno circa un migliaio di over80, si potrebbe pensare che si tratti dei classici dati non consolidati.
Ma non è proprio così.