Analisi della relazione tra le precipitazioni in Lombardia e la Sindrome Emolitico-Uremica (SEU)

La SEU (sindrome emolitico uremica) è una malattia infantile causata dall’infezione di alcuni serotipi di Eschirichia-coli produttori della Shigatossina (STEC). La sintomatologia è solitamente rappresentata dalla diarrea ma, se non trattata, può evolvere in forme più gravi. La malattia mostra un’incidenza stagionale con il massimo nel periodo estivo. Nei periodi di alta incidenza (aprile-ottobre) i casi appaiono in cluster temporali che non mostrano però relazioni spaziali e sono, spesso, causati da differenti serotipi: tutto ciò suggerisce un ruolo dei fenomeni meteorologici come possibili driver. Definire le condizioni meteorologiche e la distribuzione temporale e spaziale della malattia potrebbe permettere di identificare precocemente i casi ed evitare così l'emergere di forme più acute. Alcuni studi (Acquaotta, et al. 2017) hanno verificato la correlazione tra ondate di caldo anomalo e la comparsa di cluster di malati, tre giorni consecutivi molto caldi incrementano il rischio di comparsa della malattia. Biggeri (comunicazione personale) hanno studiato l’aggregazione spaziale della malattia in Lombardia per determinare le aree con maggiore e minore rischio. La tesi si concentra sulla pianura lombarda e su un dataset di 249 casi casi selezionati dal 2010 al 2020. Tre sono gli obiettivi principali: definire da un punto di vista climatico l’area di studio, descrivere l’aggregazione temporale e spaziale dei casi e stabilire, se presente, quale relazione ci sia tra il clima e la comparsa dei malati. L’analisi climatica è stata condotta attraverso l’uso dei dati giornalieri di 88 stazioni meteorologiche dell’ARPA. Sui dati è stato effettuato un controllo al fine di ottenere un database di alta qualità capace di evidenziare le caratteristiche climatiche dell’area in oggetto. Al fine di evidenziare le peculiarità climatiche dell’area studio sono stati calcolati alcuni indici climatici così come proposti dal ETCCDI. Le serie climatiche sono state utilizzate per definire le caratteristiche complessive dell’area di studio, attraverso l’uso della kriging analysis (Attorre 2007) e per evidenziare la presenza di aree climaticamente omogenee, grazie alla cluster analysis (Frades 2010). Per ciascuna zona identificata è stata costruita una serie tipo dalla quale sono stati ricavati indici e trend. I dati di malattia sono stati analizzati a varie scale (annuale, mensile e settimanale) per determinare i periodi favorevoli all’emergere della malattia. Gli indici delle serie tipo sono stati confrontati con i valori normali per identificare le caratteristiche climatiche dei periodi di alta incidenza. I mesi con un alto numero di casi mostrano una relazione sia con abbondanti precipitazioni mensili che con la presenza di un elevato numero di giorni molto piovosi. È stata effettuata un’analisi su alcuni test positivi selezionati per identificare le caratteristiche giornaliere di piovosità nei giorni precedenti alla comparsa della malattia. I casi risultano essere sensibili alle presenze di piogge di carattere forte e molto forte alcuni giorni prima della comparsa del caso (20 e 22.5 giorni). Per determinare l’aggregazione spaziale della malattia, e quindi le zone ad alto e basso rischio presenti nell’area, è stato utilizzato il lavoro di Biggeri et al. Sono state costruite e confrontate le serie rappresentative delle due aree; la zona ad alto rischio mostra una maggiore piovosità, un maggior numero di giorni piovosi, molto piovosi ed estremamente piovosi.