![\"Fig.](\"https:\/\/media.springernature.com\/full\/springer-static\/image\/art%3A10.1038%2Fs41562-020-01009-0\/MediaObjects\/41562_2020_1009_Fig1_HTML.png\")
<\/p>\n<\/p>\n
Fonte: Nature. Classifica dell’efficacia degli interventi contro il COVID-19 a livello mondiale.<\/em><\/p>\n La valutazione dell’efficacia degli interventi non farmaceutici (NPI)<\/strong> per mitigare la diffusione del SARS-CoV-2 \u00e8 fondamentale per informare i futuri piani di risposta.<\/p>\n Il Grafico\u00a0 mostra gli intervalli di confidenza al 95% combinati di \u0394Rt per gli interventi pi\u00f9 efficaci in tutti i territori. La mappa di calore nella parte destra del\u00a0 pannello mostra i punteggi Z corrispondenti all’efficacia della misura determinati dai quattro diversi metodi<\/strong>.<\/p>\n Gli NPI (Interventi Non Farmaceutici) sono classificati in base al numero di metodi che concordano sul loro impatto, dall’alto (pi\u00f9 significativo in tutti i metodi) al basso (inefficace in tutte le analisi).<\/p>\n I temi L1 sono codificati a colori. Il grigio non indica alcun effetto positivo significativo.<\/p>\n Lo studio\u00a0 pubblicato su Nature quantifica l’impatto di 6.068 NPI codificati gerarchicamente ed\u00a0 implementati in 79 territori, con il numero di riproduzione effettiva Rt, di COVID-19.<\/p>\n L’ approccio di modellazione combina quattro tecniche computazionali che uniscono strumenti statistici, inferenziali e di intelligenza artificiale.<\/p>\n I risultati sono convalidati attraverso due set di dati esterni che registrano 42.151 NPI aggiuntivi da 226 paesi. I risultati indicano che \u00e8 necessaria un’adeguata combinazione di NPI per frenare la diffusione del virus. Gli NPI meno distruttivi e costosi possono essere efficaci quanto quelli pi\u00f9 intrusivi e drastici (ad esempio, un blocco nazionale).<\/p>\n Utilizzando scenari “what-if<\/em>” specifici per Paese, si valuta come l’efficacia degli NPI dipenda dal contesto locale<\/strong>, come i tempi della loro adozione<\/strong>, aprendo la strada alla previsione dell’efficacia degli interventi futuri<\/strong>.<\/p>\n Emerge un quadro chiaro dove i temi dell’allontanamento sociale e delle restrizioni di viaggio sono i primi classificati in tutti i metodi, mentre le misure ambientali (ad esempio, la pulizia e la disinfezione delle superfici condivise) sono classificate come meno efficaci.<\/strong><\/p>\n <\/p>\n TECNICHE DI REGRESSIONE<\/strong> Analisi CC (Caso Controllo)<\/strong> L’abbinamento viene effettuato in base all’et\u00e0 dell’epidemia e al tempo di attuazione dell’eventuale risposta.\u00a0 Viene contemplato anche il ritardo di \u03c4 giorni tra l’implementazione di M e l’osservazione di \u0394Rt come ulteriori covariate nazionali che quantificano altre dimensioni di governance e sviluppo umano ed economico.<\/p>\n Le stime per Rt sono calcolate in media su ritardi compresi tra 1 e 28 giorni.<\/p>\n Funzione Step Regressione Lazo<\/strong> Si usa un approccio di regolarizzazione lazo combinato con una ricerca di meta parametri per selezionare un insieme ridotto di NPI che meglio descrivono il \u0394Rt osservato.<\/p>\n Le stime per le variazioni di \u0394Rt attribuibili a NPI M sono ottenute da una convalida incrociata a livello di paese.<\/p>\n Regressione RF<\/strong> Qui, \u03c4 rappresenta il ritardo tra l’implementazione e l’inizio dell’effetto di un dato NPI. Analogamente alla regressione Lazo, l’assunto alla base dell’approccio RF \u00e8 che, senza modifiche negli interventi, il valore di Rt in un territorio rimane costante.<\/p>\n Tuttavia, contrariamente ai due metodi descritti sopra, RF rappresenta un modello non lineare, il che significa che gli effetti dei singoli NPI su Rt non devono sommarsi linearmente.<\/p>\n L’importanza di un NPI \u00e8 definita come il calo delle prestazioni predittive della RF su dati invisibili se i dati relativi a tale NPI vengono sostituiti dal rumore, chiamato anche importanza di permutazione.<\/p>\n Modellazione di trasformatori<\/strong> La rete con le migliori prestazioni (errore quadratico medio minimo nella convalida incrociata per paese) \u00e8 identificata come un trasformatore codificatore con quattro strati nascosti di 128 neuroni, una dimensione di incorporamento di 128, otto teste, un output descritto da uno strato di output lineare e 47 ingressi (corrispondenti a ciascuna categoria e Rt).<\/p>\n Per quantificare l’impatto della misura M su Rt, \u00e8 stato utilizzato il trasformatore addestrato come modello predittivo, e confrontate le simulazioni senza alcuna misura (riferimento) con quelle in cui viene presentata una misura alla volta per valutare \u0394Rt.<\/p>\n Per ridurre gli effetti dell’overfitting e della molteplicit\u00e0 dei minimi locali, riportiamo i risultati di un insieme di trasformatori addestrati a livelli di precisione simili.<\/p>\n Stima di Rt<\/strong> Si \u00e8 scelto un intervallo seriale incerto seguendo una distribuzione di probabilit\u00e0 con una media di 4,46 giorni e una deviazione standard di 2,63 giorni.<\/p>\n Classifica degli NPI<\/strong> Per confrontare le classifiche, contiamo quanti dei 46 NPI considerati sono classificati come appartenenti alle prime x misure classificate in tutti i metodi si testa l’ipotesi nulla che questa sovrapposizione sia stata ottenuta da classifiche completamente indipendenti.<\/p>\n Il valore P \u00e8 quindi dato dalla funzione di distribuzione cumulativa complementare per un esperimento binomiale con 46 prove e probabilit\u00e0 di successo (x \/ 46) 4. Si riporta\u00a0 il valore P mediano ottenuto su tutti x \u2264 10 per garantire che i risultati non dipendano da dove imponiamo il cut-off per le classi.<\/p>\n Rete di co-implementazione<\/strong> I nodi sono posti sull’asse y in base all’et\u00e0 media dell’epidemia alla quale viene implementato il corrispondente NPI; sono raggruppati sull’asse x dal loro tema L1. I colori dei nodi corrispondono ai temi.\u00a0 L’efficacia dei punteggi\u00a0 per tutti gli NPI vengono ridimensionati tra 0 e 1 per ciascun metodo; la dimensione del nodo \u00e8 proporzionale ai punteggi ridimensionati, mediati su tutti i metodi.<\/p>\n","protected":false},"excerpt":{"rendered":" Fonte: Nature. Classifica dell’efficacia degli interventi contro il COVID-19 a livello mondiale. La valutazione dell’efficacia degli interventi non farmaceutici (NPI)…<\/p>\n","protected":false},"author":7,"featured_media":5978,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[97],"tags":[],"_links":{"self":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/5856"}],"collection":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/comments?post=5856"}],"version-history":[{"count":15,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/5856\/revisions"}],"predecessor-version":[{"id":5948,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/5856\/revisions\/5948"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/media\/5978"}],"wp:attachment":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/media?parent=5856"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/categories?post=5856"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/tags?post=5856"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\nPer quantificare l’impatto di un intervento NPI, sono stati usati quattro diversi approcci statistici\u00a0 applicati sulla riduzione di Rt (Informazioni supplementari).<\/p>\n
\nL’analisi caso-controllo considera ogni singola categoria (L2) o sottocategoria (L3)\u00a0 separatamente e valuta la differenza, \u0394Rt, in Rt tra tutti i Paesi che hanno implementato M (casi) e quelli che non l’hanno fatto (controlli) durante il finestra di osservazione.<\/p>\n
\nIn questo approccio assumiamo che, senza alcun intervento, il fattore di riproduzione sia costante e le deviazioni da questa costante derivano da un inizio ritardato di \u03c4 giorni di ogni NPI su L2 (categorie) del dataset gerarchico.<\/p>\n
\nSi esegue una regressione RF, in cui gli NPI implementati in un paese vengono utilizzati come predittori per Rt, giorni \u03c4 spostati nel tempo nel futuro.<\/p>\n
\nI Transformatori sono stati dimostrati come modelli adatti a processi dinamici a elementi discreti come sequenze testuali, grazie alla loro capacit\u00e0 di ricordare eventi passati. Qui abbiamo esteso l’architettura del trasformatore per avvicinarsi al caso continuo di dati epidemici rimuovendo lo strato di uscita probabilistico con una combinazione lineare di uscita del trasformatore, il cui ingresso \u00e8 identico a quello per la regressione RF, insieme ai valori di Rt.<\/p>\n
\nSi \u00e8 usato il pacchetto R EpiEstim con una finestra temporale scorrevole di 7 giorni per stimare le serie temporali di Rt per ogni paese.<\/p>\n
\nPer ciascuno dei metodi (CC, regressione Lazo e TF), classifichiamo le categorie NPI in ordine decrescente in base al loro impatto, ovvero al grado stimato in cui riducono Rt o all’importanza delle loro caratteristiche (RF).<\/p>\n
\nSe esiste una tendenza statistica secondo cui un paese che implementa l’NPI i implementa anche l’NPI j in un secondo momento, tracciamo un collegamento diretto da i a j.<\/p>\n