Skip to content

Latest commit

 

History

History
166 lines (120 loc) · 23.8 KB

README-ITA.md

File metadata and controls

166 lines (120 loc) · 23.8 KB
Raw

Dati Sorveglianza Integrata COVID-19 in Italia

language-italian language-italian License: CC BY-SA 4.0 DOI

Ogni settimana l'Istituto Nazionale di Fisica Nucleare (INFN) importa un dataset anonimo a livello individuale dall'Istituto Superiore di Sanità (ISS) e lo converte in serie temporali di incidenza organizzate per data di evento e disaggregate per sesso, età e livello amministrativo con un periodo di consolidamento di circa due settimane. L'informazione disponibile all'INFN è riassunta nella seguente meta-tabella:

Nome variabile Descrizione Codice / Formato Mancante
REGIONEDIAGNOSI Regione di diagnosi Codice regionale ISTAT No
ETA Età del paziente in anni alla data di inizio dei sintomi o della diagnosi Sì
SESSO Sesso F= femmina; M = maschio; U = sconosciuto No
NAZIONALITA Nazionalità ISO3166-1 Sì
PROVINCIADOMICILIORESIDENZA Provincia di domicilio o di residenza se mancante Codice provinciale ISTAT Sì
OPERATORESANITARIO Operatore sanitario Y = sì; N = no; U = sconosciuto No
DATAPRELIEVO Data prelievo del tampone gg/mm/aaaa Sì
DATADIAGNOSI Data della diagnosi gg/mm/aaaa Sì
SINTOMATICO Presenza di sintomi Y = sì; N = no; U = sconosciuto No
DATAINIZIOSINTOMI Data di inizio sintomi gg/mm/aaaa Sì
RICOVERO Ricovero Y = sì; N = no; U = sconosciuto No
DATARICOVERO Data di ricovero gg/mm/aaaa Sì
TERAPIAINTENSIVA Terapia intensiva Y = sì; N = no; U = sconosciuto No
DATATERAPIAINTENSIVA Data di ricovero in terapia intensiva gg/mm/aaaa Sì
DECEDUTO Deceduto con Covid-19 Y = sì; N = no; U = sconosciuto No
DATADECESSO Data del decesso gg/mm/aaaa Sì
CASOIMPORTATO Caso importato da estero Y = sì; N = no; U = sconosciuto No

Dati

Archivio

I dati originali sono stati archiviati qui, riorganizzati qui e i relativi contenuti sono riassunti nella seguente tabella:

Collezione Casi sintomatici Casi confermati Ammissioni ospedaliere ordinarie Ammissioni ospedaliere intensive Casi deceduti Livello nazionale Livello regionale Livello provinciale Stratificazione per età Stratificazione per sesso Serie temporale grezza Serie temporale mediata
Incidenze giornaliere a livello nazionale e regionale ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Incidenze giornaliere a livello provinciale ✅ ✅ ✅ ✅ ✅ ✅ ✅
incidenze giornaliere di operatori sanitari ✅ ✅ ✅ ✅ ✅ ✅
Incidenze giornaliere di over-80 ✅ ✅ ✅ ✅ ✅ ✅ ✅
Incidenze giornaliere stratificate per sesso ed età ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Tassi di incidenze giornaliere ✅ ✅
Rₜ giornaliero ✅ ✅ ✅ ✅
Prevalenze assolute sull'intero periodo ✅ ✅ ✅ ✅ ✅ ✅
Prevalenze relative sull'intero periodo ✅ ✅ ✅ ✅ ✅ ✅ ✅
Distribuzione d'età giornaliera ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅
Tassi percentuali di incidenze giornaliere ✅ ✅ ✅ ✅ ✅ ✅ ✅
Tassi percentuali di incidenze giornaliere per esito finale ✅ ✅ ✅ ✅ ✅ ✅
Distribuzione del periodo dall'ospedalizzazione al decesso ✅ ✅
Distribuzione temporale del periodo dall'ospedalizzazione al decesso ✅

Input

I dati di input sono stati archiviati qui e contengono le seguenti informazioni:

  • Dati aggregati nella cartella daily_incidences_by_region:
    • Serie temporali giornaliere e in media mobile settimanale di casi confermati per data di inizio sintomi a livello regionale;
    • Serie temporali giornaliere e in media mobile settimanale di ammissioni ordinarie per data di ammissione a livello regionale;
    • Serie temporali giornaliere e in media mobile settimanale di ammissioni intensive per data di ammissione a livello regionale;
    • Serie temporali giornaliere e in media mobile settimanale di casi deceduti per data di decesso a livello regionale.
  • Dati disaggregati nella cartella daily_incidences_by_region_sex_age:
    • Serie temporali in media mobile settimanale di casi sintomatici per data di inizio sintomi stratificati per sesso ed età a livello regionale;
    • Serie temporali in media mobile settimanale di casi confermati per data di diagnosi stratificati per sesso ed età a livello regionale;
    • Serie temporali in media mobile settimanale di ammissioni ordinarie per data di ammissione stratificati per sesso ed età a livello regionale;
    • Serie temporali in media mobile settimanale di ammissioni intensive per data di ammissione stratificati per sesso ed età a livello regionale;
    • Serie temporali in media mobile settimanale di casi deceduti per data di decesso stratificati per sesso ed età a livello regionale.

Output

I dati di output sono stati archiviati qui e contengono le seguenti informazioni:

  • Serie temporali giornaliere ricostruite di casi confermati per data di diagnosi stratificati per sesso ed età a livello regionale;

lombardy-confermati

  • Serie temporali giornaliere ricostruite di casi sintomatici per data di inizio sintomi stratificati per sesso ed età a livello regionale;

lombardy-sintomatici

  • Serie temporali giornaliere ricostruite di ammissioni ospedaliere ordinarie per data di ammissione stratificati per sesso ed età a livello regionale;

lombardy-ospedalizzati

  • Serie temporali giornaliere ricostruite di ammissioni ospedaliere intensive per data di ammissione stratificati per sesso ed età a livello regionale;

lombardy-icu

  • Serie temporali giornaliere ricostruite di casi deceduti per data di decesso stratificati per sesso ed età a livello regionale.

lombardy-deceduti

Metodologia

Organizzazione Dati

I dati grezzi sono scaricati dall'INFN (download diretto qui), decompressi, archiviati nella cartella 0_archive e poi organizzati nella cartella 1_structured_archive mediante l'esecuzione dello script data_organization.jl.

Elaborazione Dati

In generale, data una media mobile di una serie temporale, non è possibile recuperare la serie originale almeno che non siano noti n punti originali dove n è l'ampiezza della finestra adottata nella media mobile, ma dal momento che le serie di incidenza della sorveglianza epidemiologica sono composte strettamente da numeri naturali, possiamo sfruttare questa proprietà per arrivare ad un numero finito di potenziali serie originali, poi sfoltirle il più possibile, sperabilmente ad una unica che sarebbe la serie originale esattamente ricostruita.

L'intera procedura è effettuata mediante l'esecuzione dello script main.jl e i dettagli tecnici rilevanti si possono trovare nella documentazione del pacchetto UnrollingAverages.jl.

Le serie temporali mediate che devono essere srotolate (i.e. recuperate, ricostruite) sono quelle archiviate nella cartella 2_input/daily_incidences_by_region_sex_age: sono organizzate in file in formato .csv, ognuno dei quali contenente le 10 serie specifiche per le classi d'età di una particolare incidenza in una particolare regione. Ogni dataset ha altri due datasets associati che sono ulteriormente stratificati per sesso.

Dal momento che minore sono i numeri coinvolti e meglio sembra performare UnrollingAverages.jl, abbiamo optato per ricostruire prima le serie stratificate per sesso ed aggregarle in seguito. Poiché non tutte le serie mediate stratificate per sesso ed età permettono ad UnrollingAverages.jl di trovare un'unica serie originale e poiché INFN non fornisce alcuna ulteriore informazione stratificata per sesso, abbiamo provato a ricostruire direttamente le serie aggregate per sesso per cui INFN fornisce informazioni addizionali nella forma di serie originali aggregate per età, che abbiamo utilizzato per selezionare la combinazione di serie disaggregate per età proposte da UnrollingAverages.jl che sommasse a quella aggregata per età. I datasets aggregati così utilizzati si trovano nella cartella 2_input/daily_incidences_by_region. Ci riferiremo all'algoritmo di selezione appena descritto con vincolo di consistenza sezionale.

Le serie temporali esattamente ricostruite sono poi salvate nella cartella 3_output/data, mentre le visualizzazioni di quelle stratificate per età ed aggregate per sesso si trovano nella cartella 3_output/figures.

Sviluppi Futuri

Il vincolo di consistenza sezionale potrebbe essere migliorato in uno dei seguenti modi:

Come Contribuire

Se volete modificare o aggiungere qualche funzionalità siete pregati di aprire una issue. Alcune indicazioni si possono trovare nella sezione Sviluppi Futuri.

Come Citare

Se usate questi dati nel vostro lavoro siete pregati di citare questo repository usando i seguenti metadati:

@dataset{Monticone_Moroni_COVID-19_Integrated_Surveillance_Data_Italy_2021,
         abstract     = {COVID-19 integrated surveillance data provided by the Italian Institute of Health and processed via UnrollingAverages.jl to remove the weekly moving averages.},
         author       = {Monticone, Pietro and Moroni, Claudio},
         doi          = {10.5281/zenodo.5748142},
         institution  = {University of Turin (UniTO)},
         keywords     = {Data, Data Analysis, Statistics, Time Series, Time Series Analysis, Epidemiological Data, Surveillance, Surveillance Data, Incidence Data, Open Data, Epidemiology, Mathematical Epidemiology, Computational Epidemiology, COVID-19, SARS-CoV-2, Italy, COVID-19 Data, SARS-CoV-2 Data},
         license      = {CC BY-SA 4.0},
         organization = {Interdisciplinary Physics Team (InPhyT)},
         title        = {COVID-19 Integrated Surveillance Data in Italy},
         url          = {https://doi.org/10.5281/zenodo.5748142},
         year         = {2021}
         }

Referenze

Dati

Istituto Superiore di Sanità. Dati Sorveglianza Integrata COVID-19 in Italia.

Software

  1. Pietro Monticone, Claudio Moroni, UnrollingAverages.jl (2021) https://doi.org/10.5281/zenodo.5725301.
  2. Tom Breloff, Plots.jl (2021) https://doi.org/10.5281/zenodo.5747251.

Letteratura Scientifica