🦠 Allerta Precoce di Epidemie — Fusione di Segnali contro Conteggio dei Casi

Ogni giorno di anticipo è un giorno per pre-posizionare la capacità di test, allertare i clinici su una presentazione specifica, attivare piani di personale straordinario, ordinare forniture aggiuntive o emettere avvisi pubblici prima che gli ospedali siano sotto pressione. I sistemi storici di sorveglianza sindromica hanno spesso rilevato aumenti di malattie respiratorie una-tre settimane dopo che le infezioni si stavano già diffondendo; catturare lo stesso segnale anche solo una settimana prima può fare la differenza tra una risposta coordinata e una corsa reattiva. La simulazione quantifica questo direttamente: confronta il giorno in cui il punteggio fuso supera per la prima volta la soglia di allarme con il giorno in cui il solo segnale dei ricoveri ospedalieri avrebbe superato una soglia equivalente, e riporta lo scarto in giorni.

Ogni allarme statistico scambia sensibilità con tasso di falsi allarmi, governato qui dallo slider della soglia. Una soglia bassa cattura le epidemie reali prima ma scatta anche sul rumore ordinario, costando credibilità e risorse ogni volta che i responsabili si mobilitano per nulla. Una soglia alta riduce i falsi allarmi ma ritarda il rilevamento genuino, a volte oltre il punto in cui l'intervento precoce conta ancora. Poiché i dati di ricerca e farmacia sono particolarmente rumorosi e possono essere guidati da cause non epidemiche come la copertura mediatica o malattie stagionali non correlate, i pesi e la soglia in un sistema reale vengono calibrati su una lunga storia di epidemie passate e non-epidemie, e anche allora alcuni falsi allarmi vengono accettati come il costo di catturare presto quelli veri.

Per ogni segnale la simulazione calcola una pendenza mobile di 7 giorni: (valore oggi meno valore 7 giorni fa) diviso per 7. Mantiene un registro causale ed espandibile di quella pendenza dall'inizio dell'epidemia fino a "oggi" e calcola la media e la deviazione standard della pendenza usando solo i dati visti finora, senza mai guardare al futuro, esattamente come dovrebbe fare una dashboard dal vivo. La pendenza di ogni giorno è espressa come z-score: (pendenza meno media storica) diviso per la deviazione standard storica. Il punteggio fuso è la media pesata degli z-score dei tre segnali, usando i pesi normalizzati degli slider. Un allarme scatta il primo giorno in cui il punteggio fuso supera la soglia, e quel giorno di superamento viene confrontato con il giorno in cui il solo z-score dei ricoveri ospedalieri supererebbe la stessa soglia.

L'ILINet del CDC e gli ensemble FluSight / COVID-19 Forecast Hub combinano dati di visite ambulatoriali, ricoveri ospedalieri, sorveglianza delle acque reflue e sempre più dati di ricerca e retail in previsioni combinate, in modo simile al punteggio di fusione qui presentato. Google Flu Trends (2008–2015) ha cercato di usare da solo il volume di ricerca per stimare l'attività influenzale quasi in tempo reale e ha notevolmente sovrastimato la stagione 2013, in parte perché non è mai stato fuso con segnali più lenti ma più affidabili basati sui dati reali e il suo modello non è stato riaddestrato man mano che il comportamento di ricerca cambiava — un ammonimento esattamente per il rischio di falsi allarmi descritto sopra. I sistemi moderni generalmente seguono l'approccio di fusione multi-segnale dimostrato da questa simulazione: non fidarti mai di un singolo indicatore anticipatore rumoroso da solo, ma non ignorarlo nemmeno.