La soglia R = 1 può classificare erroneamente la stabilità epidemica

Perché numeri di infezione apparentemente stabili possono comunque essere un segnale d’allarme

I responsabili della sanità pubblica in tutto il mondo si affidano a un unico dato di sintesi, chiamato numero di riproduzione R, per decidere se un focolaio sta crescendo o è sotto controllo. Molti hanno imparato che se R è inferiore a 1 l’epidemia si contrae, e che se è superiore a 1 si espande. Questo articolo mostra che questa semplice regola può risultare gravemente fuorviante quando si basa su medie tra luoghi o gruppi diversi. Anche quando il R complessivo sembra stabilmente pari a 1, alcune comunità possono essere già sulla strada di una nuova rapida diffusione, nascosta finché non diventa più difficile e costoso fermarla.

Come il numero R abituale può nascondere punti critici

Gli autori iniziano esaminando come R viene solitamente calcolato a partire dai conteggi dei casi. Nella pratica, le autorità spesso aggregano i dati di molte regioni in un’unica serie temporale e poi stimano un unico R che riflette la trasmissione media. Questo è comodo, ma implica che tutti i gruppi si comportino in modo simile. Lo studio mostra matematicamente che la condizione “R uguale a 1” può valere per una grandissima varietà di situazioni sottostanti, incluse molte in cui diversi gruppi hanno già infezioni in forte crescita. In altre parole, anche se la curva complessiva sembra piatta, alcuni sottogruppi possono essere in piena ripresa, e il valore R convenzionale continuerà a suggerire con sicurezza stabilità.

Perché metodi più dettagliati possono reagire eccessivamente al rumore

Una risposta a questo problema è stata l’adozione di modelli più avanzati che tengono conto delle differenze tra gruppi. Una famiglia di metodi popolare costruisce una sorta di griglia, o matrice, che descrive come le infezioni si spostano tra tipi di persone o luoghi, e poi considera la parte più “pericolosa” di quella griglia. Questo approccio basato sul massimo impedisce che sottogruppi effettivamente in crescita vengano annullati dalla media, ma sposta l’equilibrio troppo dall’altra parte. Poiché si concentra sul singolo gruppo più attivo, reagisce in modo marcato a piccoli incrementi casuali in dati rumorosi o di piccole dimensioni. L’articolo mostra che tali metodi segnalano frequentemente pericolo anche quando, preso nel suo complesso, il numero di infezioni non sta aumentando in modo significativo.

Una via di mezzo chiamata numero di riproduzione prudente

Per trovare un equilibrio migliore, gli autori collocano sia il R consueto sia la misura basata sul massimo su una singola scala di possibili medie sui gruppi. A un estremo c’è l’R standard, che smussa tutto; all’altro c’è il massimo rigoroso, che amplifica ogni fluttuazione. Utilizzando idee dal disegno sperimentale, individuano una scelta intermedia chiamata numero di riproduzione prudente, indicata con E. Questa statistica dà più peso ai gruppi con trasmissione più alta, ma non tanto da lasciare che il rumore casuale sovrasti il segnale. Gli autori mostrano, con teoria ed esperimenti al computer, che fissare la soglia di stabilità a E pari a 1 restringe nettamente l’insieme di scenari che possono spacciarsi per sicuri, restando al contempo robusta rispetto a conteggi di casi rumorosi.

Cosa rivela la nuova misura nelle epidemie reali

Il gruppo testa quindi queste idee su dati di epidemie reali. In simulazioni di focolai simili all’Ebola distribuiti su due regioni, ci sono periodi in cui il numero combinato di casi appare piatto e il R consueto è molto vicino a 1 con incertezza ridotta, mentre una regione è chiaramente in rinnovata crescita. In quegli stessi periodi, il numero prudente E supera 1 e la sua incertezza si allarga, suggerendo correttamente che il quadro è più fragile di quanto dica il dato principale. Schemi simili emergono nei dati COVID-19 delle province italiane e delle contee statunitensi. Nei momenti in cui l’R complessivo oscilla intorno a 1, alcune aree più piccole stanno silenziosamente accelerando, e E coglie questo spostandosi oltre 1 e segnalando una maggiore probabilità che il totale delle infezioni salga a breve.

Cosa significa questo per le decisioni sanitarie e la comunicazione pubblica

Per il pubblico generale, questi risultati significano che un R riportato pari a 1 non dovrebbe sempre essere interpretato come “sicuro e stabile”. Poiché i calcoli standard spesso nascondono le differenze tra luoghi e gruppi, possono perdere segnali precoci di ripresa finché molte più persone non risultano infette. Il numero prudente proposto E fornisce una soglia più cauta e informativa: quando E è pari a 1 è molto più probabile che la maggior parte dei gruppi sia davvero stabile; quando E supera 1 indica focolai locali che meritano attenzione anche se la curva complessiva non è ancora salita. Gli autori suggeriscono che, dovunque siano disponibili dati regionali dettagliati, le agenzie sanitarie dovrebbero affiancare o sostituire il consueto R con E per guidare risposte più tempestive e meglio mirate.

Citazione: Parag, K.V., Santillana, M., Cori, A. et al. The R = 1 threshold can misclassify epidemic stability. Commun Phys 9, 185 (2026). https://doi.org/10.1038/s42005-026-02631-6

Parole chiave: stabilità epidemica, numero di riproduzione, ripresa della malattia, modellizzazione COVID-19, metriche di sanità pubblica