Data-Driven Change-Point SEIR Modeling of the 2025 COVID-19 Epidemic Wave in China: Model Comparison, Robustness Analysis, and Residual Diagnostics

Le epidemie non sono eventi statici; sono storie viventi scritte nel movimento di persone e virus. Per comprendere queste storie, gli scienziati utilizzano spesso una semplice mappa mentale chiamata modello compartimentale. Immaginate una popolazione divisa in quattro gruppi: coloro che possono contrarre una malattia, coloro che l'hanno contratta ma non sono ancora malati, coloro che sono malati e possono trasmetterla, e coloro che sono guariti o sono stati rimossi dal ciclo. Questo quadro, noto come SEIR, permette ai ricercatori di tracciare come un'infezione fluisca attraverso una comunità nel tempo. Il motore che guida questo flusso è il tasso di trasmissione, un numero che rappresenta la facilità con cui il virus passa da una persona all'altra. Per decenni, un'ipotesi comune in questi modelli era che questo tasso rimanesse costante, come un vento costante che soffia attraverso un campo. Tuttavia, gli outbreak del mondo reale raramente si comportano con tale uniformità. Vaccini, cambiamenti nelle interazioni tra le persone, nuove varianti del virus e spostamenti stagionali possono tutti alterare il vento, talvolta bruscamente. La sfida per gli scienziati è determinare quando e come avvengano questi cambiamenti senza limitarsi a indovinare basandosi su ciò che i dati mostrano in un grafico.

In uno studio pubblicato nell'agosto 2026, la ricercatrice Lilin Xu ha affrontato questa questione esaminando l'ondata di COVID-19 del 2025 in Cina. I dati mostravano un modello chiaro: i casi sono aumentati bruscamente in primavera, hanno raggiunto un punto di massimo alla fine di maggio e poi hanno iniziato un lungo, costante declino durante l'estate. La domanda centrale era se l'intero percorso potesse essere spiegato da un singolo tasso di trasmissione immutabile, o se il comportamento del virus fosse fondamentalmente cambiato in un certo momento. Per trovare la risposta, Xu non ha semplicemente scelto il giorno in cui i casi hanno raggiunto il picco per dichiarare che il tasso di trasmissione era cambiato. Invece, lo studio ha trattato il momento del cambiamento come un mistero da risolvere attraverso i dati stessi. La ricercatrice ha testato migliaia di possibili date, adattando il modello ai numeri dei casi giornalieri per ogni potenziale punto di svolta. L'obiettivo era trovare la data specifica in cui la descrizione matematica dell'epidemia si adattasse meglio ai numeri reali, utilizzando un metodo statistico rigoroso che premia l'accuratezza pur penalizzando la complessità superflua.

L'analisi ha rivelato che un modello che assumeva un tasso di trasmissione costante non riusciva a catturare la vera forma dell'epidemia. Non poteva spiegare simultaneamente la rapida ascesa di maggio e la sostenuta discesa che seguì. Tuttavia, quando il modello è stato autorizzato ad avere due diversi tassi di trasmissione — uno prima di una data specifica e un altro dopo — l'adattamento è migliorato drasticamente. I dati hanno indicato il 24 maggio 2025 come il momento più probabile del cambiamento. Questa data era due giorni prima del picco osservato dei casi giornalieri, una tempistica che ha senso biologico perché le infezioni avvenute prima del cambiamento continuerebbero a svilupparsi e a essere segnalate per alcuni giorni successivi. Prima di questo punto di svolta, il modello indicava che il virus si stava diffondendo in un regime di espansione, dove ogni persona infetta era probabilmente in grado di infettarne più di un'altra. Dopo il cambiamento, il tasso di trasmissione è sceso significamente, spostando l'epidemia in una fase di contrazione in cui il virus non era più in grado di sostenere la propria crescita.

Lo studio è andato a fondo per garantire che questa conclusione non fosse un colpo di fortuna dovuto ai numeri specifici scelti. La ricercatrice ha testato il modello contro una vasta gamma di ipotesi su quanto tempo le persone rimanessero infettive e su quanto tempo trascorressero nel periodo di incubazione prima di mostrare i sintomi. In ogni scenario, il risultato principale rimaneva vero: l'epidemia si è spostata da uno stato di espansione a uno stato di contrazione. La conclusione è rimasta stabile anche quando la ricercatrice ha regolato la scala dei dati, riconoscendo che i casi riportati sono solo una frazione di tutte le infezioni reali. Questa robustezza suggerisce che lo spostamento nella trasmissione sia stato una reale caratteristica strutturale dell'ondata del 2025, non un artefatto del modo in cui i dati sono stati misurati o interpretati. Lo studio ha esplicitamente evitato di affermare che una specifica politica governativa o un intervento abbia causato questo calo. Inveve, ha identificato il cambiamento nell'intensità della trasmissione come un fatto, lasciando che le cause specifiche — che fossero cambiamenti comportamentali, nuove varianti o altri fattori — venissero investigate separatamente.

Anche con questo modello migliorato, i ricercatori hanno scoperto che la storia non era perfettamente fluida. Quando hanno osservato le differenze tra le previsioni del modello e i numeri effettivamente riportati, è emerso un chiaro schema settimanale. Il modello tendeva a sovrastimare i casi nei fine settimana e a sottostimarli nei giorni feriali. Questo è un fenomeno comune nella sorveglianza delle malattie, probabilmente causato dal fatto che i test, l'elaborazione dei laboratori e la segnalazione spesso rallentano nei fine settimana e recuperano durante la settimana. Questa scoperta evidenzia una distinzione importante: il modello ha catturato con successo la grande traiettoria multi-mensile dell'epidemia, ma non poteva tenere conto dei ritmi amministrativi quotidiani del sistema di segnalazione. Lo studio conclude che, sebbene i modelli semplici siano strumenti potenti per comprendere il quadro generale di un focolaio, devono essere accompagnati da controlli attenti per capire cosa trascurano. Lasciando che i dati parlassero da soli invece di forzare un singolo tasso costante, lo studio ha fornito un'immagine più chiara e onesta di come si sia svolta l'ondata del 2025 in Cina, passando da un periodo di rapida crescita a un lungo e costante declino.