Modelli Statistici e Previsioni

Modelli Statistici e Previsioni

16/04  Emanuele Guidotti  COVID-19 Data Hub, progetto finanziato da Institute for Data Valorization IVADO, Canada. Vuole creare un data hub che raccolga a livello mondiale dati con un fine livello di disaggregazione per variabili demografiche e diinquinamento
Link

16/4 Federico Brogi, Barbara guardabascio, Giulio Barcaroli una evoluzione e aggiornamento del paper precedente
Link

13/04 sito dedicato UniFi Covid-19-@DiSIA
Link

11/4, Augusto Cerqua e Roberta Di Stefano propongono un metodo per la stima della data di inizio della epidemia.
Link

10/4, Michela Baccini, Giulia Cereda, Cecilia Viscardi, Anna Gottard, Fabrizia Mealli hanno prodotto stime e previsioni (anche di scenari per il rientro e valutazione di R0) per la Toscana
Link

2/4, Carlo Favero, Andea Ichino e Aldo Rustichini, In Lombardia il numero di morti è altissimo rispetto ai contagiati ufficiali. Le spiegazioni ipotizzate sono diverse. Una è la carenza di posti in terapia intensiva. Ecco i risultati di una simulazione con il modello di contagio Seir.
Link

31/3, Paolo Giudici, Alexandra Campmas e Arianna Agosto, Monitoring covid-19 contagion growth in Europe, Previsione dell’evoluzione del Covid19 in Europa basate su un modello econometrico specificato come un modello autoregressivo di Poisson.
Link

31/3, i Michela Baccini, Giulia Cereda, Cecilia Viscardi, Fabrizia Mealli. Partendo dall’analisi dei dati dei decessi in Toscana con modelli compartimentali per fornire ai decisori informazioni utili alla maggior comprensione delle dinamiche del fenomeno e pianificazione degli interventi futuri.
Link

30/3, Gianluigi Bovini e altri. Gli autori avanzano proposte di costruire un sistema informativo incentrato su indagini campionaria panel per l’epidemia COVID 
Link

30/3, Fondazione Einaudi offre un forum con i lavori dei docenti della Fondazione. I lavori sviluppano modelli di tipo economico e econometrico (ECON) e  modelli statistici- epidemiologici (EPI-STAT): Luigi Guiso e Daniele Terlizzese (ECON); Francesco Lippi, Fernando Alvarez, David Argente (EPI-STAT); Facundo Piguillem e Liyan Shi (EPI-STAT);  Brunnermeier, Jean-Pierre Landau, Marco Pagano e Ricardo Reis (EPI-STAT), Franco Peracchi (EPI-STAT)
Link

30/3, Leonardo Egidi, Nicola Torelli. Regressione bayesiana gerarchica di Poisson per modellare e prevedere il numero del totale degli ospedalizzati e delle terapie intensive per regione,  giorno per giorno, tenendo conto delle misure di lockdown e delle diverse esposizioni temporali. Report in formato html e tabelle predittive in Excel.
Link

30/3, Federico Brogi, Barbara Guardabascio e Giulio Barcaroli propongono un modello per la stima del totale dei contagiati attivi e una stima dei tamponi da effettuare nella popolazione per pervenire ad una riduzione del contagio.
Link

27/3, Laura Ventura. Il gruppo Robbayes-C19 studia la capacità descrittiva e previsiva a breve termine di modelli statistici robusti, sia in ambito frequentista sia in ambito bayesiano. Propone procedure di compromesso tra semplicità e accuratezza e di facile interpretazione.
Link

24/3, Graziano Onder, Giovanni Rezza, Silvio Brusaferro. Articolo su Jama che confronta la mortalità per classi di età tra Italia e Cina e descrive le comorbidità del COVID
Link

23/3, Giuliani, Dickson Giuseppe Espa e Flavio Santi, Modello previsivo della diffusione spazio-temporale del virus a livello provinciale ed analisi dettagliata della evoluzione nei primi 8 province-focolaio del nord (Lodi, Bergamo, Cremo, Parma, Padova, Venezia, Torino e Trieste) mostrandone le caratteristiche distintive.
Link

23/3, Renato Guseo, Risultati in evoluzione. Presenta i risultati di due modelli per prevedere la diffusione a livello regionale. Il primo è un modello gerealizzato di Bass con funzione di controllo ed effetti di Bemmaor asimmetrici. Il secondo su una funzione di potenziale dynamic di un network latente. Riporta previsioni a livello regionale italiano e per alcuni paesi stranieri.
Link

20/3, Bruno Chiandotto, L’autore analizza criticamente alcuni strumenti statistici e matematici utilizzati nei lavori pubblicati sul COVID. Successivamente riporta alcuni riferimenti metodologici  utili per l’analisi di dati epidemici.
Link

20/3, Michela Finizio, Elenco alcune delle fonti informative, più o meno organizzate, che in questi giorni stanno popolando le nostre bacheche virtuali e le chat di gruppo.
Link

19/3, Mauro Maltagliati, Il lavoro discute di alcuni problemi di misurazione legati alle quantità che caratterizzano questa epidemia (positivi, contagiati, guariti, causa di morte, ecc.) e si concentra sui decessi proponendo un metodo di previsione ipotizzando (con le dovute cautele, ci tiene a precisarlo!) una regressione logistica.
Link

17/3, Giuseppe Arbia e Vincenzo Nardelli «I dati non parlano da soli: l’epoca del Coronavirus smaschera l’inganno dell’algoritmo-onnipotente e rivaluta il metodo statistico», Giustizia Insieme. Lavoro divulgativo che mette in guardia circa errate interpretazione dei dati giornalieri del contagio e riporta risultati relativi alla stima del momento di picco epidemico e del tasso netto di riproduzione utilizzando il modello SIR.
Link

17/3, Vito Muggeo  e Mariano Porcu, Il lavoro presenta un modello di previsione per dati regionali (aspetto molto importante perché sembra che non si possa considerare un unico modello nazionale) sui contagiati introducendo in maniera innovativa un metodi stima previsionale basto sulla regressione segmentata.
Link

17/3, Marco Bonetti su Arxiv, « Epilocal: a real-time tool for local epidemic monitoring » descrive la libreria R Epilocal la quale analizza giornalmente I dati provinciali dell’epidemia attraverso un modello di Poisson generalizzato con funzione link logaritmica e regressione polinomiale nel tempo. Il modello produce stime giornaliere del tasso provinciale di crescita degli infetti e compendia l’analisi con mappe provinciali.
Link

17/3, Francesco Daveri e Lorenzo Marchetti, La Cina è il modello per capire l’evoluzione del coronavirus anche in Italia. Lì ci sono voluti circa due mesi di rigida quarantena per batterlo. Da noi significa quindi guardare alla prima metà di maggio per la fine dell’emergenza.
Link

10/3, Massimo Livi Bacci si sofferma sui meccanismi di queste strategie, e illustra la particolare vulnerabilità del nostro paese e del suo sistema sanitario per l’alta proporzione dei molto anziani
Link

10/3,  Arianna Agosto e Paolo Giudici. “A Poisson Autoregressive Model to Understand COVID-19 Contagion Dynamics”. E’ proposto un modello, alternativo a quelli basati sul fattore R0 e inspirato al financial contagion, per la previsione del picco dell’infezione   applicato ai conteggi quotidiani di nuovi casi.
Link

10/3, Paolo Giudici ha aperto sul portale Elsevier SSRN una raccolta lavori di ricerca in tema di COVID-19 worldwide.
Link

3/3, Giuseppe Arbia, A Note on Early Epidemiological Analysis of Coronavirus Disease 2019 Outbreak using Crowdsourced Data. Un lavoro di critica del metodo di stima basato sull’uso di dati crowdsourced utilizzato in Cina.
Link

3/3, Fabio Divino, Alessio Farcomeni, Giovanna Iona Lasinio, Gianfranco Lovison e Antonello Maruotti.Il gruppo si è occupato: inizialmente di previsione dei casi totali considerato il non chiaro allineamento tra tamponi e casi positivi; al momento di previsioni a breve termine dei ricoveri in terapia intensiva (ogni giorno dal 16 marzo). Dettagli sul modello: https://statgroup-19.blogspot.com/p/short-term-predictions-of-daily.html;  studiare l'evoluzione dell'epidemia,  usando i dati sulle terapie intensive con il modello glm di Richards su cui ripongono maggiore attendibilità.
Link

24/2, Vincenzo Nardelli e Luigi Giuseppe Artzeni (con contributi di Giuseppe Arbia, Nicolas Estrada, Alice Giampino e Alessandro Palladino) giornalmente riportano, da un lato alcune statistiche descrittive, e da una altro lato le previsioni ottenute da una versione rivisitata del classico modello SIR di Kermack – McKendrick e riporta l’aggiornamento della stima del tasso di riproduzione (R0) e le previsioni del giorno relative al momento di picco degli infetti giornalieri.
Link