Matrici di contatto sintetiche guidate dalla mobilità come soluzione scalabile per il modellamento della risposta pandemica in tempo reale

Perché gli spostamenti quotidiani contano nelle pandemie

Quando un nuovo virus respiratorio inizia a diffondersi, uno dei maggiori punti oscuri è quanto spesso persone di età diverse entrino effettivamente in contatto ravvicinato. Quegli incontri quotidiani a scuola, al lavoro, in casa o sull’autobus determinano la velocità con cui la malattia si propaga nella popolazione. Misurare questi schemi in tempo reale, mentre le persone modificano i propri comportamenti in risposta a regole e paura, è però estremamente difficile. Questo studio pone una domanda semplice ma cruciale: possiamo usare dati di mobilità e comportamento raccolti routinariamente, invece di grandi indagini ricorrenti, per tracciare questi contatti che cambiano abbastanza rapidamente da guidare le decisioni pandemiche?

Trasformare i dati di movimento in incontri sociali

I ricercatori si sono concentrati sulla Francia durante i primi due anni di COVID-19, un periodo segnato da lockdown, chiusure scolastiche, coprifuochi e dall’arrivo di nuove varianti e vaccini. Il loro strumento centrale è una «matrice di contatto» — una tabella che registra quante contacti giornalieri hanno le persone di un gruppo di età con persone di un altro gruppo. Prima della pandemia, tali matrici venivano costruite con questionari dettagliati in cui i volontari elencavano i loro contatti. Durante il COVID-19, il team ha invece generato matrici «synthetic» settimanali partendo dai modelli pre-pandemici e comprimendo o espandendo specifici tipi di contatti sulla base di indicatori in tempo reale: la mobilità lavorativa di Google, la frequenza scolastica e i calendari delle vacanze, e sondaggi su quanto spesso le persone dicevano di evitare il contatto fisico.

Confrontare i contatti sintetici con i sondaggi reali

Per verificare se queste matrici sintetiche fossero affidabili, gli autori le hanno confrontate con sette ondate del sondaggio SocialCov francese, che chiedeva direttamente alle persone dei loro contatti in diversi momenti della pandemia. Nel complesso, entrambi gli approcci hanno mostrato tendenze generali simili: durante il primo lockdown i contatti sono scesi a circa un quarto dei livelli pre-pandemici, per poi risalire lentamente con l’allentamento delle restrizioni, senza però tornare completamente normali entro la metà del 2022. Ma ci sono state differenze chiave. Le matrici basate sui sondaggi riportavano quasi il doppio dei contatti rispetto a quelle sintetiche dopo il primo lockdown, un divario largamente guidato da bambini e adolescenti. Nei periodi con le scuole aperte, i sondaggi suggerivano che i minori di 19 anni avessero da tre a quattro volte più contatti rispetto alle stime sintetiche, mentre i numeri di contatto per adulti e anziani concordavano molto di più tra i due metodi.

Integrare entrambi gli approcci in un modello epidemiologico

La prova reale non era solo contare i contatti ma vedere quanto bene ogni fonte di dati potesse riprodurre il corso effettivo dell’epidemia. Il team ha alimentato tre diverse ipotesi di contatto nello stesso modello di trasmissione del COVID-19 per la Francia: matrici sintetiche settimanali, matrici più frammentarie basate sui sondaggi (estese nel tempo con assunzioni tra le ondate di indagine), e una singola matrice fissa pre-pandemica. Hanno poi aggiustato un unico «fattore correttivo» globale nelle successive fasi della pandemia per catturare influenze non direttamente presenti nelle matrici, come l’uso delle mascherine o la stagionalità. Tutti e tre i modelli sono stati in grado di seguire la curva complessiva delle ammissioni ospedaliere, ma il modello con matrici sintetiche l’ha fatto con gli errori più piccoli e la migliore qualità statistica, specialmente durante i periodi di transizione come le chiusure scolastiche parziali o il graduale allentamento dei coprifuochi.

Cosa rivelano i modelli sui rischi specifici per età

Esaminando più da vicino i diversi gruppi di età, le matrici sintetiche hanno fornito l’immagine più realistica per adolescenti, adulti e anziani. Con questi input, le ospedalizzazioni previste dal modello e le stime sierologiche delle infezioni passate corrispondevano strettamente ai dati osservati per quelle fasce d’età. Le matrici basate sui sondaggi, al contrario, tendevano a sovrastimare le infezioni tra bambini e adolescenti, probabilmente perché contabilizzavano più contatti meno rilevanti per la trasmissione — per esempio incontri a scuola brevi o con mascherina. Le matrici sintetiche invece sottostimavano l’infezione nei bambini più piccoli, dimostrando che entrambi i metodi faticano ancora a catturare i contatti infantili più significativi. È importante sottolineare che gli autori hanno scoperto che nessuna quantità di riscalamento globale poteva correggere una struttura di contatto non corrispondente: con chi si mescolano le diverse età era più importante del semplice numero totale di contatti.

Implicazioni per la risposta a future pandemie

Per i non specialisti, il messaggio principale è che è possibile tracciare i cambiamenti nei modelli di contatto abbastanza rapidamente per decisioni in tempo reale senza dover condurre continuamente grandi e onerosi sondaggi. Combinando con cura dati di mobilità, indicatori comportamentali semplici e conoscenza dei luoghi in cui avvengono i contatti (casa, scuola, lavoro, tempo libero), le autorità sanitarie possono costruire matrici di contatto sintetiche settimanali che sono flessibili, scalabili ed economiche. In questo studio, quelle matrici hanno reso meglio sia delle matrici tradizionali basate sui sondaggi sia degli schemi fissi pre-pandemici nel spiegare chi è stato ospedalizzato e quando. Gli autori concludono che investire in dati di mobilità e comportamento routinari stratificati per età — e in sistemi che possano rapidamente trasformare quei numeri in matrici di contatto — sarà un ingrediente potente per risposte più agili ed efficaci alle epidemie future.

Citazione: Di Domenico, L., Bosetti, P., Sabbatini, C.E. et al. Mobility-driven synthetic contact matrices as a scalable solution for real-time pandemic response modeling. Nat Commun 17, 1845 (2026). https://doi.org/10.1038/s41467-026-68557-3

Parole chiave: modellazione pandemica, contatti sociali, dati di mobilità, COVID-19 Francia, trasmissione strutturata per età