Piano pandemico fermo: cosa insegna Covid-19
L'Italia non ha ancora aggiornato il suo piano pandemico. Attraverso modelli epidemiologici SEIR applicati ai dati piemontesi della prima ondata Covid, gli autori mostrano cosa sarebbe necessario per prepararsi a future emergenze.
A distanza di anni dalla pandemia di Covid-19, il piano pandemico italiano è ancora fermo. Stefano Rosso e Iacopo Baussano analizzano i dati dei ricoveri in terapia intensiva durante la prima ondata in Piemonte attraverso modelli epidemiologici SEIR, confrontando previsioni e dati reali: il modello diverge da maggio in poi, fornendo stime superiori alla realtà, ma restando al di sotto delle soglie critiche. Gli autori sottolineano la necessità di strumenti di previsione robusti e aggiornati per le future emergenze sanitarie.
Un piano ancora fermo
Al febbraio 2026, l’Italia non ha ancora pubblicato il Piano Pandemico 2025-2029. L’ultima bozza disponibile risale all’estate 2025 ed è rimasta incastrata tra il Ministero della Salute, le Regioni e il Ministero dell’Economia per questioni legate alla copertura finanziaria. Questo ritardo si aggiunge ad altre vicende controverse legate alla gestione della pandemia: il voto italiano contro il piano pandemico dell’OMS e le dispute sulla composizione del Gruppo di Consulenza Tecnica sulle Vaccinazioni (NITAG).
Il piano include misure di sorveglianza epidemiologica destinate a costituire la base conoscitiva per la gestione della diffusione di agenti patogeni. La riflessione su quanto avvenuto con Covid-19 — scrivono gli autori — può aiutare a capire meglio cosa servirebbe per essere preparati.
La scelta del Piemonte come caso di studio
L’analisi si concentra sul Piemonte perché uno degli autori vi lavorava durante la prima ondata e aveva un accesso più diretto alle informazioni pubblicate, con possibilità di feedback immediato su quanto stava accadendo. Lo studio esamina i ricoveri in terapia intensiva durante la prima ondata di Covid-19 attraverso modelli compartimentali di tipo SEIR (Suscettibili, Esposti, Infetti, Resistenti), stimando l’andamento dei ricoveri e confrontando le previsioni con i dati reali.
I due scenari modellati prevedevano: un lockdown breve seguito dal rilascio completo delle misure; oppure un allentamento graduale accompagnato da sorveglianza e isolamento mirato. Il modello si allineava ai dati reali fino ad aprile. Da maggio in poi le previsioni risultavano superiori alla realtà, perché le restrizioni effettivamente mantenute erano più stringenti di quanto lo scenario di rilascio progressivo ipotizzasse. Il modello non riusciva poi a catturare le successive ondate autunnali e primaverili del 2021, guidate da varianti virali con parametri di trasmissione diversi.
L’efficacia delle misure e il problema del confronto internazionale
Il dibattito sull’efficacia delle misure di contenimento rispetto ai costi socioeconomici è ancora aperto. I confronti internazionali presentano sfide metodologiche significative: sistemi sanitari diversi, approcci politici variabili e problemi di standardizzazione dei dati rendono difficile qualsiasi comparazione diretta.
Gli studi sulla mortalità si scontrano con la difficoltà di calcolare in modo omogeneo i tassi di eccesso di mortalità tra Paesi diversi. Gli indici di distanziamento sociale non hanno un consenso metodologico; l’Oxford Covid-19 Government Response Tracker (OxCGRT) rimane il più utilizzato, ma consente interpretazioni multiple. Gli autori propongono la speranza di vita come metrica standardizzata, capace di aggiustarsi autonomamente per età e di utilizzare metodologie universali tra i Paesi.
Un risultato paradossale emerge dall’analisi: a restrizioni più severe corrispondono riduzioni maggiori della speranza di vita. La spiegazione è il cosiddetto «bias da causalità inversa»: i governi hanno implementato misure drastiche quando il virus circolava già ampiamente nel territorio, considerati i vantaggi del periodo di incubazione del patogeno. Non sono le misure a causare il peggioramento, ma il peggioramento a provocare le misure.
Tre lezioni per le future emergenze
L’analisi porta gli autori a identificare tre indicazioni operative essenziali per prepararsi alle future emergenze sanitarie. La prima riguarda la modellistica dinamica: i modelli SIR e SEIR predicono efficacemente le traiettorie di breve periodo e l’impatto sulle infrastrutture sanitarie, a condizione di incorporare le dinamiche di mutazione virale. La seconda sottolinea la necessità di pianificazione preparatoria: i modelli epidemiologici e gli interventi di sanità pubblica devono essere sviluppati e testati prima dell’emergenza, per ottimizzare i tempi di risposta, la validità delle proiezioni e la fiducia istituzionale. La terza indica la necessità di un monitoraggio standardizzato che vada oltre la mortalità: i sistemi sanitari devono rilevare sistematicamente l’impatto sui pronto soccorso, sulle degenze ordinarie e sulle terapie intensive, non solo il numero di decessi.
Il messaggio di fondo è che la preparazione pandemica non può essere posticipata o lasciata incompiuta: gli strumenti di previsione robusti e aggiornati sono la condizione preliminare per qualsiasi risposta efficace a future emergenze sanitarie.