Un modello ad agenti per il supporto delle strategie di controllo dell'infezione di SARS-CoV-2 a scuola

A distanza di un anno e mezzo dall'inizio della pandemia causata dal SARS-CoV-2, è ormai evidente la necessità di politiche volte alla convivenza ed al controllo di questa malattia. L'obiettivo dello studio è quello di esaminare alcune di queste politiche con lo scopo di minimizzare l'impatto delle attività scolastiche in presenza sulla diffusione dell'epidemia.

A questo proposito viene sviluppato un modello basato sugli agenti [1] (ABM) in Netlogo [2] per valutare diverse strategie di controllo dell’infezione confrontandole tra di loro cercando di capire quali sono le strategie migliori.

Il modello descrive le attività all'interno di una scuola che comprende più classi, ambienti condivisi, il personale della scuola (insegnanti, preside e bidelli) e una descrizione dettagliata delle dinamiche di infezione. Nello specifico, nel modello il virus si diffonde per contatto diretto tra una persona infetta e una suscettibile o attraverso l'aerosol all'interno di un ambiente chiuso.

Le strategie studiate nel corso di questa tesi sono volte alla scoperta di un'eventuale focolaio all'interno della scuola per mezzo di campagne di screening. Gli esperimenti condotti in questa tesi prevedono diverse soglie di partecipazione della popolazione scolastica e diverse politiche di contenimento come, ad esempio:
- Test su tutti ogni settimana (politica A1).
- Test su 1/4 della classe ogni settimana, a rotazione (politica D1).
- Test su 1/4 della classe ogni settimana, a rotazione, suddiviso in due giorni settimanali (politica D2).

Queste strategie sono state messe a punto utilizzando diversi studi presenti in letteratura [3] [4] [5] [6] [7].

I risultati ottenuti da queste analisi possono essere di aiuto per mettere a punto delle strategie con l'obiettivo di contenere i contagi nelle scuole e rappresentano quindi degli strumenti utili a supporto dei policy-makers.

__________________________________
[1] Daniele Baccega. SchoolSEIRModel. 2021. URL: https://gitlab.com/danielebaccega/schoolseirmodel.
[2] Wilensky U. Netlogo. Center for Connected Learning e Computer-BasedModeling, Northwestern University, Evanston, IL. 1999 URL: https://ccl.northwestern.edu/netlogo/.
[3] Michela Baccini e Giulia Cereda. «Screening plans for SARS-CoV-2 based on sampling and rotation: an example in the school setting». In: medRxiv (2021). DOI: 10.1101/2021.02.10.21251502. eprint: https://www.medrxiv.org/content/early/2021/02/12/2021.02.10.21251502.full.pdf. URL: https://www.medrxiv.org/content/early/2021/02/12/2021.02.10.21251502.
[4] Michela Baccini, Alessandra Mattei, Emilio Rocco, Giulia Vannucci e Fabrizia Mealli. «Evaluating a SARS-CoV-2 screening strategy based on serological tests.» In: Epidemiologia e Prevenzione 44.5-6 Suppl 2 (2020), pp. 193–199.
[5] Centers for Disease Control, Prevention et al. Guidance for Expanded Screening Testing to Reduce Silent Spread of SARS-CoV-2. 2020.
[6] OECD. OECD Policy Responses to Coronavirus (COVID-19)». In: Testing for COVID-19: A way to lift confinement restrictions (2020).
[7] Matthew P. Cheng, Jesse Papenburg, Michaël Desjardins, Sanjat Kanjilal, Caroline Quach, Michael Libman, Sabine Dittrich e Cedric P. Yansouni. «Diagnostic testing for severe acute respiratory syndrome–related coronavirus 2: a narrative review». In: Annals of internal medicine 172.11 (2020), pp. 726–734.