Tragicommedia all’italiana.
Nel nuovo CTS uno dei membri sarà Alberto Gerli.

Quello per cui dopo 17 giorni di misure la pandemia farà il suo corso, non servono misure più forti e in 40 giorni le infezioni “si sgonfiano da sole”.

Mettetevi comodi, è una storia bellissima.
È il 2 aprile 2020 quando Gerli, imprenditore e startupper, scrive (su Twitter) all’allora Presidente del Consiglio @GiuseppeConteIT e a @zaiapresidente, Presidente della Regione Veneto.

Qui c’è il mio modello, scrive Gerli. “Vi tornano i numeri?”.
Temendo (a ragione) che il tweet a Conte e Zaia possa cadere nel vuoto, a pochi minuti di distanza Gerli scrive a @Fedez e a @ChiaraFerragni.

Target più plausibili.

Ho fatto un modello per prevedere la pandemia, scrive Gerli. “Mi aiutate a diffonderlo?”.
Il giorno dopo, inascoltato, scende a più miti consigli.

Contatta @elencomelli (Corriere, Sole 24 Ore): “ti ricordi di me? Illuminazione stradale a LED dai telescopi?”.

Con queste credenziali, come non rispondergli.

E così inizia la nuova avventura.
Ma di quale “modello predittivo” si parla?
Di una cosa insieme banale e campata in aria.

Però sostiene che un lockdown duro in quel momento non serva. E i giornali, in fase “riapertura”, ne hanno bisogno come dell’ossigeno.

E così, il 19 aprile, @Corriere pubblica questo.
Perché lo studio è banale?

Perché quando si è in lockdown *costante* è facile prevedere che le infezioni piegheranno e si arresteranno dopo un certo numero di giorni.

Lo dice qualsiasi modello epidemiologico, non ne serve nessuno di speciale.
Di certo non serve qualcuno che usi i dati delle infezioni *durante un lockdown costante* per sostenere che la forza successiva del lockdown non incida sulla curva epidemiologica.

Esempio: Svizzera. Il modello ci azzecca.
Ma semplicemente perché le misure restano identiche.
Il modello è campato in aria perché mette insieme una serie di curve, spezzettate, per approssimare i dati e prevedere il futuro.

Si chiama "overfitting": produce risultati ottimi su dati su cui è stato calibrato, ma si perde in un bicchiere d’acqua quando gliene dai di nuovi.
Sarà forse anche per questo che le predizioni che ne escono sono praticamente sempre sbagliate.

Il 4 aprile Gerli scrive a Cuomo, Governatore dello Stato di New York in piena pandemia.

Prevede 130.000 contagi al 30 giugno.
La realtà sarà appena diversa: 420.000 infezioni.
Insomma, malgrado abbia un vantaggio stratosferico (lavorare con numeri che piegano già, con misure di contenimento *costanti*) il modello non funziona praticamente mai.

Provatelo, finché siete in tempo e non lo tirano giù:
predictcovid19.com
All’epoca ne scrissi subito, spiegando perché il modello di Gerli e altri fosse "falso e pericoloso".
A pensarla così ovviamente non ero da solo.

Qui uno splendido thread di Fabio Sabatini che spiegava perché @Corriere avesse pubblicato "un pezzo intriso di fallacie logiche che giunge a conclusioni inaffidabili e fuorvianti".
Pausa. Respirate un attimo.

Rilassatevi con un bel video sull'overfitting di curve ai tempi della pandemia.
Ci siete? Bene.

Vi ricordate cosa diceva il modello? Bastano 17 giorni di dati per prevedere dove finirà la pandemia, a prescindere dalla forza delle misure di contenimento dopo.

Non importa che sia un'affermazione infondata e ascientifica.

17 giorni, e conosceremo il futuro.
Il numero 17 sembra magico.

Ancora tre giorni fa, Gerli spiegava al @Giornale:
“Ormai sappiamo che le curve dell’epidemia durano 40 giorni, e che se si vuole contenere la crescita bisogna farlo nei primi 17 giorni. Altrimenti, le curve seguiranno il loro corso naturale”.
Capito? Agire in 17 giorni, o le curve pandemiche andranno al loro picco e si "sgonfieranno da sole".

Dunque non importa che, in Italia, l'allentamento repentino delle zone colorate di inizio dicembre sia arrivato subito prima di quella mini-ondata a gennaio.
Giusto?
E poco importa che, ancora oggi, Gerli non ne stia azzeccando una.

Predizioni di fine gennaio, subito prima della terza ondata: "In Lombardia a marzo un quarto dei contagi".

Al 16 marzo, dunque, intorno a 300.
Dati a ieri? 5.849 nuovi casi.

Ma c'è "l'incognita varianti"!
Ancora Gerli, 30 gennaio 2021: "A fine febbraio il Veneto zona bianca".

8 marzo: Veneto in zona arancione.
15 marzo: Veneto in zona rossa.
A volte Gerli sbaglia addirittura per difetto.

“Nei prossimi giorni i contagi in Italia aumenteranno ancora, toccando anche i 35-40mila casi verso il 20 marzo".

35mila è possibile, 40mila altamente improbabile.
Stiamo a vedere.
Ma, nello stesso articolo, Gerli ripete il suo mantra.

Quando i contagi inizieranno a calare "non sarà merito delle zone rosse (...), ma saranno conseguenza del fatto che la curva inizierà a scendere da sola. E lo avrebbe fatto anche senza ulteriori restrizioni".
A poco vale che @SecolodItalia1 mi accomuni a Gerli, solo perché ho espresso dubbi sulla forza attuale delle misure per l'Italia.
L'ho fatto nella profonda consapevolezza che le misure di contenimento (incluse le zone colorate) *funzionino*.
Ne ho scritto moltissimo e per mesi.
Non è cabala, è scienza.

Ma ne siamo sicuri?

In fondo, sapete quanti giorni trascorrono tra quando Gerli contatta @elencomelli su Twitter (3 aprile) a e quando l’articolo compare su @Corriere (19 aprile)?

QUASI DICIASSETTE.
Un caso? Io non credo.
Conclusione triste.

È il 14 marzo, piena pandemia in Italia. Gerli contatta @zaiapresidente per un'informazione di massima importanza.

"Ho ricevuto da un'azienda cinese disponibilità per quantità importanti di mascherine. Vuole che le giri l'email?".
Chi non ne avrebbe bisogno.
BONUS. Andrea Gerli ha un canale Youtube.
Sto volando.
youtube.com/channel/UCinyQ…
BONUS 2.
Impeccabile cortocircuito causa-effetto.

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Matteo Villa

Matteo Villa Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @emmevilla

15 Mar
🇮🇹🦠Ieri ho ricevuto la prima dose di #AstraZeneca.
Ho 37 anni, ma sono uno dei fortunati: ho un contratto con un'università.
L'ho fatto per responsabilità: non trovo giusto ostacolare la campagna vaccinale, e #OgniDoseConta.

Ma quella dose non avrei dovuto riceverla.
Un thread.
Ho riflettuto fino all'ultimo se fare o meno il vaccino.

Come sapete l'utilità marginale di questa vaccinazione per me e per l'Italia, oggi, è bassa.

Con poche dosi a disposizione dovrebbero essere vaccinate per prime le persone anziane e fragili. ispionline.it/it/pubblicazio…
Non che la vaccinazione delle persone over-80 stia andando malissimo.

Dal 19 febbraio al 15 marzo le persone ultraottantenni che avevano ricevuto almeno la prima dose di vaccino in Italia sono cresciute dal 6% al 37%.

Ma non è abbastanza, e #OgniDoseConta.
Read 10 tweets
12 Mar
🇮🇹🦠Importante il lavoro di tanti (qui @Ruffino_Lorenzo) sull'eccesso di mortalità in Italia.

Attenzione però che confrontare decessi 2020 con decessi 2015-2019 calcola un eccesso di mortalità *rispetto alle recenti stagioni influenzali*.

È cruciale, e ve lo spiego.

Un thread.
Prendete dicembre. Guardate la distanza tra riga gialla e azzurra, sopra, e l'altezza della riga rossa, sotto. Sembra quasi che l'eccesso sopra sia *meno* dei decessi #COVID19 ufficiali.

Ma non è così: semplicemente, negli anni passati l'inverno era il periodo dell'influenza.
Come mostra la sorveglianza settimanale di @istsupsan, quest'anno l'influenza l'abbiamo praticamente eradicata.

Questo ci dà la misura di quanto sia *forte* #COVID, malgrado le nostre misure di contenimento.

Ma ci dice anche che fare la differenza con 2015-2019 è sbagliato.
Read 4 tweets
12 Mar
🦠🇮🇹 Mentre continuiamo ad azzuffarci su #AstraZeneca e #Pfizer, la nostra strategia vaccinale ci ha fatto perdere due mesi di tempo.

La riduzione di letalità di #COVID19 che raggiungeremo a fine marzo (-21%) la avremmo potuta raggiungere a inizio febbraio.

Ve lo spiego.
Ve ne parlo da mesi: la strategia vaccinale italiana si è concentrata molto sui sanitari, poco sui grandi anziani.

Ancora al 20 febbraio, mentre grandi paesi europei come Francia e Germania avevano vaccinato con prima dose più del 20% degli over-80, noi eravamo fermi al 6%.
Risultato? Dopo oltre due mesi di campagna vaccinale contro #COVID e milioni di dosi somministrate, la letalità della malattia si era ridotta di meno del 10%.
Per un mese e mezzo, la riduzione è stata inferiore al 5%.

Praticamente nulla.
E intanto arrivava la terza ondata.
Read 5 tweets
11 Mar
🦠🗺️ L'#11marzo di un anno fa, il @WHO ufficializzava che quella di #COVID19 era diventata una pandemia.

Mentre in Italia la situazione precipitava, c'era persino chi già parlava di decelerazione del virus.

Cosa abbiamo imparato in questo anno insieme?

Un thread.
Il 10 marzo 2020, con il bollettino giornaliero che segnalava una decelerazione dei nuovi casi di positivi in Italia, c'era già chi cantava vittoria.

La realtà?

La situazione era talmente tragica che ormai si testavano solo i casi gravi.

Ieri come oggi, ancora in molti sembrano non aver capito che non bisogna guardare ai nuovi casi positivi, ma ai trend di decessi e terapie intensive.

Siamo molto migliorati nel tracciare i casi, ma quando la situazione peggiora restiamo sempre indietro.

Read 11 tweets
5 Mar
🦠🇮🇹 Non solo @Cartabellotta ha ragione a mettere in guardia sulla terza ondata di #COVID19 in Italia, ma la situazione è persino più grave di come la descrive.

Nino usa i dati dei ricoverati in terapia intensiva, ma il numero da seguire è quello dei nuovi ingressi.

Un thread.
Innanzitutto, è ovvio, le terapie intensive (TI) sono un numero che cambia in ritardo rispetto all'evoluzione dei contagi.

Ma precedono di diversi giorni i decessi.
E sono più robuste dei contagi, perché non risentono delle politiche di testing.

Giusto osservare quelle.
C'è un problema, però: i ricoveri gravi di un'ondata di #COVID hanno una "coda lunga".

Tante persone restano ricoverate in TI per settimane, creando uno stock di persone che esce dalle TI (perché migliorate o perché, purtroppo, decedute) piuttosto lentamente.
Read 10 tweets
2 Mar
🇮🇹🦠 #COVID19 e vaccini in Italia: bene ma non benissimo.

Il numero di dosi di #VaccinoAntiCovid consegnate ma non ancora somministrate continua a crescere.
Da qualche giorno siamo stabilmente sopra ai due milioni (!).

Cosa succede?

Un breve thread.

#COVID19
È impressionante: la forbice tra vaccini consegnati e vaccini somministrati si sta allargando a vista d'occhio.

Perché? Due ragioni.
La prima è che nell'ultimo mese le consegne sono aumentate, e dal grafico lo si nota subito.

Questo spiega, ma non giustifica la lentezza.
La seconda è che, lo avrete intuito, non tutti i vaccini sono uguali.

Quello prodotto da #Pfizer/#BioNTech lo somministriamo tutto molto rapidamente, non appena arrivano le consegne.
Read 6 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal Become our Patreon

Thank you for your support!

Follow Us on Twitter!