L’Hubei dello Stivale (Parte 27) – Misteri e previsioni della fase 2 e 3.

(…Segue dalla parte 26)

Diciamoci la verità: non tutto torna in questa pandemia. Molti modelli previsionali sono andati gambe all’aria in men che non si dica e la evoluzione del Covid-19 è stata in molti casi assai differente da quanto immaginato. Il Covid-19 è una nuova patologia che rientra nel più ampio novero delle pandemie che hanno colpito ripetutamente il nostro pianeta nei secoli passati. Ognuna di esse ha lasciato un segno indelebile come numero di morti ma ha fornito anche alcune importanti lezioni. Che non andrebbero dimenticate. Ma non c’è nulla di misterioso in questa evoluzione. Ho utilizzato il termine mistero così, solo per incuriosirvi.

Le zone più popolose sono state colpite duramente. Ma anche i piccoli centri hanno avuto un numero di contagiati e di ricoveri altissimo rispetto alla popolazione. Tutto questo è avvenuto principalmente nelle Regioni del Nord. E tra tutte le Regioni del Nord la Lombardia svetta nelle classifiche. Ancora oggi il numero di nuovi contagi, pur inferiore ai 300, è nel 60% dei casi concentrato in Lombardia.

Non sto parlando solo di numeri assoluti. E’ ovvio che la Lombardia è la Regione più popolosa d’Italia e quindi in proporzione doveva avere più casi rispetto alle altre Regioni. Sto parlando di contagi su 100.000 abitanti cosi che il confronto non sia distorto. Ebbene, la Lombardia al 9 giugno aveva 898 contagi ogni 100.000 abitanti. Se si eccettua il Friuli, nessuna Regione del Nord ha avuto meno di 400 casi su 100.000 abitanti.

Ma se scendiamo verso Sud la situazione non solo cambia; sembra quella di un altro Paese.

Ah, ma certo. Al Nord ci sono le grandi città.

Roma e Napoli però non sembrano però così piccole rispetto a Milano. Inoltre perchè alcune Province all’interno di Regioni duramente colpite hanno un numero di contagi per 100.000 abitanti di molto inferiore alla media regionale?

In questa tabella ho immesso i contagi su 100.000 abitanti delle Province che, all’interno delle principali Regioni del Nord, presentavano i valori più elevati ed i valori più bassi.

La provincia di Reggio Emilia ha un numero di contagi che è 4 volte quello della provincia di Ravenna. In Lombardia la Provincia di Cremona è un vero e proprio outlier anche all’interno della Regione maggiormente colpita. Infatti i contagi dell’intera Regione Lombardia sono circa 900 su 100.000 abitanti; nella Provincia di Cremona sono il doppio. Nel Veneto la Provincia di Verona ha il triplo di contagi della Provincia di Rovigo. In Piemonte la Provincia di Alessandria ha quasi il doppio dei contagi della Provincia di Cuneo. La Liguria ha invece una distribuzione di contagi tra le province piuttosto omogenea.

Le Province più e meno colpite di Lazio, Marche e Toscana presentano questi valori:

La Provincia di Pesaro ed Urbino è stata una delle Province più colpite al di fuori di quelle del Nord ma i numeri si riducono nettamente per le altre Province del Centro.

Mano a mano che ci si allontana dall’epicentro la situazione cambia radicalmente. Al Sud la situazione è notevolmente differente.

Campania, Puglia, Sicilia, Sardegna e Calabria hanno valori inferiori di 10-12 volte rispetto al Nord.

A parte qualche città più popolosa vi è una densità abitativa molto diversa tra Nord e Sud? E’ una delle ipotesi che sono state fatte. Maggiore addensamento abitativo=maggiori possibilità di contatto. Ma anche in questo caso siamo smentiti dai fatti. Le prime 10 Regioni per densità abitativa sono le seguenti:

Le 4 Regioni in rosso sono tutte al centro-sud. E, come abbiamo visto, hanno valori decisamente bassi. Si potrebbe supporre di guardare alla densità abitativa non di intere Regioni ma ai singoli Comuni. Ed allora ecco cosa otteniamo:

Solo due Città della Lombardia rientrano nella classifica delle prime 10. Una è Milano, l’altra è Bresso. Ambedue duramente colpite dal Covid-19.

Ma cittadine come Casavatore, Portici, San Giorgio a Cremano e Melito, tutte in provincia di Napoli, hanno una densità di popolazione per km2 superiore ai 10.000 abitanti per Km2. Cremona, per dare un termine di paragone, ha una densità abitativa di 204 ab./km2, 50 volte inferiore.

Ma attenzione ad un dato: il numero di contagi e di decessi è, per il Nord, ampiamente sottostimato. Quindi la differenza reale è assai più ampia. Studi recenti effettuati ad esempio sulla cittadina di Nembro lo dimostrano chiaramente.

Questa discrepanza all’interno dell’Italia non è isolata. Vi sono altri esempi sparsi per il mondo dove il SARS-CoV-2 ha colpito le comunità in modo totalmente differente.

La quarantena direte voi.

E’ verosimile che le zone rosse abbiano limitato i danni e circoscritto i casi alle Regioni del Nord ma ho forti dubbi che l’efficacia sia stata di queste proporzioni. Il “lockdown” è stato attivato in modo serio troppo tardi, sia per le zone della Lombardia che in riferimento all’intero Paese. Rivedete la cronologia nella parte 2 e nella parte 5 per rinfrescare la memoria. L’impressione è che ci possa essere qualche altro fattore in gioco ancora sconosciuto. Nel confronto tra alcuni Paesi pone diverse riflessioni (dati scaricati il 10 giugno dall’ECDC – European Centre for Disease Prevention and Control):

Ho selezionato un certo numero di Paesi rappresentativi per 3 Continenti: Europa, Asia e America. Vi è una netta differenza tra i Paesi Europei e quelli Asiatici sia che come numero di casi che come numero di decessi per 100.000 abitanti. Tra i Paesi più colpiti e quindi simili ai Paesi Europei vi sono sicuramente gli USA che hanno ancora una capacità di tamponi insufficiente ed il Brasile la cui affidabilità ed i cui numeri sono sicuramente sottostimati. La differenza con i Paesi del Sud Est Asiatico è evidente.

La Grecia è un caso apparentemente misterioso ma solo in parte. All’inizio della pandemia molti avrebbero preconizzato un destino infausto agli ellenici. Il loro sistema sanitario era stato azzoppato dalla crisi economica del 2008, il numero di migranti ammassati a Lesbo ed in altri isolotti potevano rappresentare delle vere e proprie bombe biologiche, il confronto con altri Paesi europei era sicuramente impietoso sotto molti aspetti. E invece non è andata per niente male. La Grecia ha una popolazione simile a quella della Lombardia (circa 10 milioni di abitanti ed una densità abitativa molto bassa (80 persone/km2). La caratteristica geografica del Paese è ideale per realizzare un distanziamento fisico più che sociale: un quinto del Paese è rappresentato da 6.000 isole dove abitano circa 1,5 milioni di persone. Altri fattori che possono accomunare la Grecia a quello che è avvenuto nelle nostre isole del Sud non sono noti. Sicuramente l’età media non è un fattore rilevante dato che in Grecia essa sfiora gli 82 anni.

La Germania, grazie anche alla maggiore effettuazione di tamponi ed una maggiore disponibilità di letti potrebbe aver gestito meglio l’epidemia.

Ma vi potrebbero essere anche altre spiegazioni.

Il neuroscienziato Karl Friston, della UCL (University College London) ha ipotizzato sull’Observer del 31 maggio 2020 che la bassa letalità della Germania rispetto a quella del Regno Unito non sia dovuta interamente alla sua superiore capacità di effettuare test a tappeto e di avere più posti letto in terapia intensiva, ma di essere meno suscettibile alla infezione e con una percentuale inferiore di casi gravi. Friston ha paragonato questa resistenza ad una specie di materia oscura (dark matter). Come nell’universo, tale materia non è visibile, ma ne possiamo verificare gli effetti. L’ipotesi apparirebbe ardita. Ma vi sono altri esempi; il Giappone ha evitato completamente una prima ondata di contagi malgrado abbia la popolazione più anziana del mondo ed una densità abitativa molto elevata (Tokio ad esempio ha una densità di 6.300 abitanti/km2). La Danimarca, l’Austria e la Repubblica Ceca non hanno constatato un aumento dei casi malgrado un precoce rilassamento delle misure restrittive.

Nei Paesi dell’Est Europa non si è assistito a quanto avvenuto in Francia, Spagna, Regno Unito e Italia.

L’epidemiologo Sunetra Gupta dell’Università di Oxford ipotizza che vi sia una sorta di protezione dall’infezione da SARS-CoV-2 dovuta ad una immunità sviluppata verso altri patogeni con cui si è venuti in contatto in precedenza. Il fatto che le popolazioni più colpite abbiano una percentuale di positività ai test sierologici che raramente supera il 10% potrebbe non rispecchiare il reale numero di persone protette dall’infezione.

La esposizione ad altri ceppi di coronavirus potrebbe proteggere totalmente o parzialmente dal Covid-19 e quindi spiegare le differenze nelle letalità tra i diversi Paesi. Ad esempio la esposizione alla SARS nel periodo 2002-2004 potrebbe in parte spiegare perchè nell’Est asiatico la evoluzione della pandemia è stata meno drammatica che in Europa.

Vi sono inoltre alcune persone che dopo la malattia sviluppano un altro tipo di immunità (quella cellulare) che non produce anticorpi ma può proteggere le persone da una nuova infezione. In questi casi il test sierologico risulta negativo ma il paziente è comunque guarito e probabilmente anche immune per un certo periodo.

Bisogna ricordare che i primi test sierologici sono comparsi solo da poche settimane. Alcuni sono più sensibili di altri ma non vi è ancora uno standard. Non si può escludere che test successivi riescano ad individuare persone immuni che attualmente sono negative all’esame.

In un articolo pubblicato su Cell il 14 maggio 20201, alcuni ricercatori californiani hanno scoperto che le cellule T ottenute da prelievi venosi effettuati tra il 2015 ed il 2018 erano in grado di riconoscere e di reagire a frammenti del Sars-CoV-2. Ovviamente all’epoca del prelievo il Sars-CoV-2 era sconosciuto. Pertanto è ipotizzabile che tale reattività sia stata acquisita dopo il contatto con altri coronavirus circolanti (molti dei quali producono il banale raffreddore).

Questa scoperta conferma quanto evidenziato ad aprile 2020 anche da un altro gruppo di ricerca tedesco2il quale ha saggiato la reattività delle cellule T linfocitarie alle proteine del Sars-CoV-2. Le cellule T dell’83% dei pazienti affetti da Covid-19 reagiva alle proteine del virus. Ma tale reattività era presente però anche nel 34% di volontari sani che non avevano contratto la malattia.

Questa “reattività” crociata non si traduce necessariamente in immunità ma potrebbe comunque determinare forme più lievi di COVID-19.

Non si tratta di una ipotesi campata per aria. La pandemia di H1N1 che ha colpito il pianeta nel 2009 è costata la vita ad un numero variabile tra 123.000 e 203.000 persone.

Paradossalmente le persone più anziane non erano più esposte come nelle classiche epidemie influenzali. Una ipotesi fu la seguente: le persone con più di 65 anni erano state esposte decenni prima a ceppi virali influenzali che in qualche modo li avevano parzialmente protetti.

Come per i reperti che emergono da scavi archeologici esiste una branca particolare nella scienza delle epidemie che va sotto il nome di “archeoepidemiologia”.

Ogni epidemia lascia una specie di “firma” e dall’analisi di essa si possono immaginare i possibili scenari futuri e le contromisure da intraprendere.

Le pandemie più rilevanti del passato sono caratterizzate da 4 aspetti principali3:

  1. una modifica del codice genetico dei ceppi coinvolti,
  2. un incremento della letalità delle popolazioni più giovani (pandemic age shift),
  3. ondate epidemiche successive
  4. una trasmissibilità più elevata rispetto a quella della influenza stagionale.

La prima caratteristica è del tutto ovvia. Nessun virus uguale a se stesso potrebbe provocare nuove pandemie in quanto troverebbe meno persone suscettibili.

Gli altri tre aspetti invece sono spesso sottovalutati da chi dovrebbe adottare le misure necessarie. La storia a questo proposito insegna molto.

E per saperlo bisogna andare indietro di 102 anni esatti.

(continua…)


  1. Grifoni, Alba, Daniela Weiskopf, Sydney I. Ramirez, Jose Mateus, Jennifer M. Dan, Carolyn Rydyznski Moderbacher, Stephen A. Rawlings, et al. «Targets of T Cell Responses to SARS-CoV-2 Coronavirus in Humans with COVID-19 Disease and Unexposed Individuals». Cell, maggio 2020, S0092867420306103. https://doi.org/10.1016/j.cell.2020.05.015.
  2. Braun, Julian, Lucie Loyal, Marco Frentsch, Daniel Wendisch, Philipp Georg, Florian Kurth, Stefan Hippenstiel, et al. «Presence of SARS-CoV-2 Reactive T Cells in COVID-19 Patients and Healthy Donors». Preprint. Infectious Diseases (except HIV/AIDS), 22 aprile 2020. https://doi.org/10.1101/2020.04.17.20061440.
  3. Miller, Mark A., Cecile Viboud, Marta Balinska, e Lone Simonsen. «The Signature Features of Influenza Pandemics — Implications for Policy». N-perspective. http://dx.doi.org/10.1056/NEJMp0903906. Massachusetts Medical Society, 3 dicembre 2009. World. https://doi.org/10.1056/NEJMp0903906.