(Adnkronos) – Antonio Scala, primo ricercatore del Cnr – Istituto Sistemi complessi, e Gabriele Oliva, ricercatore del Campus Bio-Medico di Roma, in collaborazione con il Centro di super-calcolo della Hokkaido University in Giappone, hanno sviluppato “il primo framework di ottimizzazione per supportare i piani di intervento in caso di emergenze analoghe all’attuale Covid-19 in corso, ovvero epidemie caratterizzata da un alto tasso di infezione e in grado di porre il sistema sanitario, la società e l’economia sotto stress”. Lo strumento proposto permette di “modellare esplicitamente non solo gli effetti delle vaccinazioni, ma anche quelli di interventi non farmaceutici come lockdown o obbligo di mascherine”, spiega una nota.
Lo studio, apparso su ‘Plos One’, rappresenta “il primo contributo scientifico del gruppo di ricerca del ministero della Salute per la Ghsa (Global Health Security Agenda), la cui presidenza è al momento italiana”. Il lavoro mostra come sia possibile gestire al meglio la necessità di raggiungere l’immunità di gregge e l’obbligo di evitare congestioni nel sistema sanitario, considerando diverse classi di popolazione, diversi vaccini con differente efficacia e con effetto parziale e ritardato, la possibilità di una seconda dose o successive e la disponibilità di vaccini in lotti. Oltre a “una pianificazione dettagliata e quotidiana”, la ricerca fornisce anche “utili spunti dal punto di vista clinico e decisionale: infatti – si spiega nella nota – il piano individuato dalla metodologia proposta conferma che, inizialmente, la scarsità di vaccini dovrebbe essere affrontata imponendo un rigoroso distanziamento sociale, e propone delle strategie di prioritizzazione della vaccinazione basate sull’età”.
Un’ulteriore prospettiva del framework messo a punto è la possibilità di ‘aggiustare il tiro’ nel caso di epidemie la cui durata si riveli superiore al previsto, o che a causa di mutazioni degli agenti patogeni si trasformino in pandemie: in tal caso, si rimarca ancora nella nota, “usando un approccio ‘closed-loop’, il framework assicura di avere effettuato l’intervento migliore in base ai dati a disposizione, ma permette di riprogrammare la logistica quando nuovi fattori entrano in gioco”.
