Cartografare il rischio di nuovi patogeni respiratori con reti di contatto dinamiche su larga scala

Perché è importante nella vita di tutti i giorni

Dopo la COVID-19 molti si sono chiesti perché in alcuni luoghi si sono sviluppati focolai mentre altri sono rimasti relativamente indenni, e quali misure hanno davvero ridotto la diffusione. Questo studio affronta direttamente queste domande costruendo un modello computerizzato molto dettagliato di come un nuovo virus respiratorio potrebbe propagarsi nei Paesi Bassi, tenendo conto di dove vive la gente, di come si muove e di chi incontra a casa, a scuola, al lavoro e altrove. Le sue lezioni su snodi urbani, viaggi e restare a casa quando si è malati sono rilevanti in senso ampio per il modo in cui le società potrebbero prepararsi a future pandemie.

Seguire le persone nel corso della giornata

Invece di trattare la popolazione come una massa uniforme dove tutti si mescolano allo stesso modo, i ricercatori rappresentano centinaia di migliaia di “attori”, ciascuno dei quali corrisponde a 100 persone reali. Ogni attore ha una fascia d’età e un ruolo — come bambino in età prescolare, studente, adulto lavoratore o pensionato — ed è assegnato a un comune specifico basandosi su statistiche reali olandesi. Utilizzando dati sul pendolarismo e sugli spostamenti, il modello assegna a ogni attore un programma settimanale, suddiviso per ora, che determina quando si trova a casa, a scuola, al lavoro o in altri luoghi. Mentre questi attori si muovono, il modello usa schemi di contatto ricavati da indagini sociali per decidere chi è probabile che incontrino in ogni contesto e ora. Da questo costante flusso emerge una rete dinamica di contatti umani, molto più realistica rispetto ai modelli tradizionali che assumono gruppi semplici e ben mescolati.

Osservare l’insediamento di un nuovo virus

Sopra questa rete mobile di incontri, il team simula un nuovo virus respiratorio con caratteristiche simili all’influenza o al SARS-CoV-2: un breve intervallo tra l’infezione e l’infettività, circa una settimana di contagiosità e un numero di riproduzione di base sufficientemente alto da causare una rapida crescita. Inseriscono il virus infettando appena cinque persone di una specifica fascia d’età in un comune scelto e poi seguono ciò che avviene nei primi 17 giorni. Poiché i contatti e gli spostamenti di ciascuno sono diversi, il modello cattura naturalmente il caso: a volte l’epidemia si spegne, altre volte decolla. Ripetendo questo processo molte volte per ogni comune e fascia d’età, i ricercatori costruiscono mappe del rischio dettagliate che mostrano dove un’introduzione è più probabilmente destinata a portare a una trasmissione diffusa.

Le grandi città come motori epidemici

Le simulazioni rivelano che dove compaiono i primi casi conta molto, soprattutto nelle settimane iniziali. Quando il virus parte da un’area remota e scarsamente popolata, il numero di infezioni cresce lentamente e si diffonde geograficamente a passo moderato. Ma quando lo stesso numero di casi iniziali compare in o vicino al denso nucleo occidentale dei Paesi Bassi, le infezioni aumentano molto più rapidamente e si propagano nel Paese. Grandi città come Amsterdam, Rotterdam, L’Aia e Utrecht agiscono come potenti motori di trasmissione, generando più infezioni di quanto suggerirebbe la loro quota di popolazione. Queste città hanno molti residenti, attirano pendolari e visitatori e fungono da crocevia nella rete nazionale di spostamenti, rendendole amplificatori efficienti di un nuovo patogeno.

Mettere alla prova restare a casa e le barriere ai viaggi

Il modello permette anche agli autori di testare come comportamento e politiche potrebbero cambiare il corso di un’epidemia precoce. Esaminano due strategie semplici applicate fin dal primo giorno: le persone con sintomi che scelgono di autoisolarsi e le restrizioni ai viaggi dentro e fuori il grande nucleo urbano. Poiché circa metà della contagiosità nello scenario considerato avviene dopo l’insorgenza dei sintomi, un’autoisolamento perfetto potrebbe teoricamente ridurre la trasmissione quasi della metà. In pratica, anche quando metà delle persone sintomatiche resta a casa, la riduzione totale delle infezioni dopo 17 giorni è modesta, e raggiunge soltanto circa un terzo quando tutti i sintomatici si isolano. Le restrizioni di viaggio, al contrario, hanno un effetto più forte a ogni livello di adesione. Quando quasi tutti rispettano i confini chiusi attorno alle grandi città, il numero di nuove infezioni dopo 17 giorni può calare di oltre due terzi, in gran parte perché i principali snodi urbani vengono effettivamente isolati dall’alimentare il resto del Paese.

Cosa significa per i futuri focolai

Per un non specialista, il messaggio centrale è che le epidemie iniziali non sono onde uniformi che investono un Paese in modo omogeneo. Sono plasmate dai dettagli fini di come le persone vivono, si muovono e si incontrano — e dal ruolo sproporzionato delle grandi città. Questo studio mostra che i modelli che seguono gli individui nel tempo e nello spazio possono produrre mappe realistiche di dove un nuovo virus respiratorio è più probabile che si diffonda e della sua velocità. Strumenti simili potrebbero aiutare le autorità sanitarie a concentrare risorse scarse e a considerare misure mirate, come limiti temporanei ai viaggi attorno a snodi chiave, anziché affidarsi solo a regole nazionali. Pur essendo il lavoro specifico per i Paesi Bassi e basandosi su assunzioni semplificative, illustra un punto più generale: comprendere e agire sulla geografia dei contatti umani può essere importante tanto quanto comprendere il virus stesso.

Citazione: Romeijnders, M., van Boven, M. & Panja, D. Risk mapping novel respiratory pathogens with large-scale dynamic contact networks. Commun Med 6, 229 (2026). https://doi.org/10.1038/s43856-026-01446-4

Parole chiave: modellizzazione epidemica, virus respiratori, mobilità umana, epidemiologia delle reti, snodi urbani di trasmissione