Analisi dati · Notebook in italiano
COVID-19 in Italia: cronologia e dati della pandemia
La cronologia completa, i grafici nazionali e regionali e le serie della Protezione Civile fino all’8 gennaio 2025.
24 febbraio 2020–8 gennaio 2025
Edizione revisionata il . I risultati sono già calcolati: puoi leggere tutto qui e aprire il codice di ogni passaggio.
Il percorso comprende tutte le 68 celle del notebook inglese verificato, con spiegazioni in italiano e 204 risultati conservati. Codice, etichette dei grafici e tabelle mantengono la lingua originale. Gli approfondimenti metodologici seguono in appendice.
In questa analisi
0. Preparazione dell'ambiente
Mostra il codice Python
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
# pandas options
pd.options.display.max_rows = 300
pd.options.display.max_columns = 100
pd.options.display.float_format = "{:,.2f}".format
# plotting options
sns.set_style("white")
sns.set_context("paper")
1. Formato dei dati
1.1 Dati nazionali
| Nome campo | Descrizione | Formato | Esempio |
|---|---|---|---|
| data | Data dell'informazione | YYYY-MM-DD HH:MM:SS (ISO 8601) Ora italiana | 2020-03-05 12:15:45 |
| stato | Stato di riferimento | XYZ (ISO 3166-1 alpha-3) | ITA |
| ricoverati_con_sintomi | Ricoverati con sintomi | Numero | 3 |
| terapia_intensiva | Ricoverati in terapia intensiva | Numero | 3 |
| totale_ospedalizzati | Totale ospedalizzati | Numero | 3 |
| isolamento_domiciliare | Persone in isolamento domiciliare | Numero | 3 |
| totale_positivi | Totale attualmente positivi (ospedalizzati + isolamento domiciliare) | Numero | 3 |
| variazione_totale_positivi | Variazione del totale positivi (totale_positivi giorno corrente - totale_positivi giorno precedente) | Numero | 3 |
| nuovi_positivi | Nuovi attualmente positivi (totale_casi giorno corrente - totale_casi giorno precedente) | Numero | 3 |
| dimessi_guariti | Persone dimesse guarite | Numero | 3 |
| deceduti | Persone decedute | Numero | 3 |
| casi_da_sospetto_diagnostico | Casi positivi al tampone emersi da attività clinica | Numero | 3 |
| casi_da_screening | Casi positivi emersi da indagini e test, pianificati a livello nazionale o regionale | Numero | 3 |
| totale_casi | Totale casi positivi | Numero | 3 |
| tamponi | Totale tamponi | Numero | 3 |
| casi_testati | Totale dei soggetti sottoposti al test | Numero | 3 |
| note | Note in lingua italiana | Testo | Nota della fonte |
1.2 Dati regionali
| Nome campo | Descrizione | Formato | Esempio |
|---|---|---|---|
| data | Data dell'informazione | YYYY-MM-DDTHH:MM:SS (ISO 8601) Ora italiana | 2020-03-05T12:15:45 |
| stato | Stato di riferimento | XYZ (ISO 3166-1 alpha-3) | ITA |
| codice_regione | Codice della Regione (ISTAT 2019) | Numero | 13 |
| denominazione_regione | Denominazione della Regione | Testo | Abruzzo |
| lat | Latitudine | WGS84 | 42.6589177 |
| long | Longitudine | WGS84 | 13.70439971 |
| ricoverati_con_sintomi | Ricoverati con sintomi | Numero | 3 |
| terapia_intensiva | Ricoverati in terapia intensiva | Numero | 3 |
| totale_ospedalizzati | Totale ospedalizzati | Numero | 3 |
| isolamento_domiciliare | Persone in isolamento domiciliare | Numero | 3 |
| totale_positivi | Totale attualmente positivi (ospedalizzati + isolamento domiciliare) | Numero | 3 |
| variazione_totale_positivi | Variazione del totale positivi (totale_positivi giorno corrente - totale_positivi giorno precedente) | Numero | 3 |
| nuovi_positivi | Nuovi attualmente positivi (totale_casi giorno corrente - totale_casi giorno precedente) | Numero | 3 |
| dimessi_guariti | Persone dimesse guarite | Numero | 3 |
| deceduti | Persone decedute | Numero | 3 |
| casi_da_sospetto_diagnostico | Casi positivi al tampone emersi da attività clinica | Numero | 3 |
| casi_da_screening | Casi positivi emersi da indagini e test, pianificati a livello nazionale o regionale | Numero | 3 |
| totale_casi | Totale casi positivi | Numero | 3 |
| tamponi | Totale tamponi | Numero | 3 |
| casi_testati | Totale dei soggetti sottoposti al test | Numero | 3 |
| note_it | Note in lingua italiana (separate da ;) | Testo | pd-IT-000 |
| note_en | Note in lingua inglese (separate da ;) | Testo | pd-EN-000 |
Le Province autonome di Trento e Bolzano sono indicate in "denominazione regione" e con il codice 04 del Trentino Alto Adige.
Viene messo a disposizione un file JSON complessivo di tutte le date nella cartella "dati-json": dpc-covid19-ita-regioni.json e rispettivo file ultimi dati (latest) dpc-covid19-ita-regioni-latest.json
1.3 Dati provinciali
| Nome campo | Descrizione | Formato | Esempio |
|---|---|---|---|
| data | Data dell'informazione | YYYY-MM-DD HH:MM:SS (ISO 8601) Ora italiana | 2020-03-05 12:15:45 |
| stato | Stato di riferimento | ISO 3166-1 alpha-3 | ITA |
| codice_regione | Codice della Regione (ISTAT 2019) | Numero | 13 |
| denominazione_regione | Denominazione della Regione | Testo | Abruzzo |
| codice_provincia | Codice della Provincia (ISTAT 2019) | Numero | 067 |
| denominazione_provincia | Denominazione della provincia | Testo | Teramo |
| sigla_provincia | Sigla della Provincia | Testo | TE |
| lat | Latitudine | WGS84 | 42.6589177 |
| long | Longitudine | WGS84 | 13.70439971 |
| totale_casi | Totale casi positivi | Numero | 3 |
| note | Note in lingua italiana | Testo | Nota della fonte |
Le Province autonome di Trento e Bolzano sono indicate in "denominazione regione" e con il codice 04 del Trentino Alto Adige.
Ogni Regione ha due "Province" denominate "Fuori Regione / Provincia Autonoma", con il codice provincia da 879 a 899, utile ad indicare dati relativi a soggetti fuori Regione o Provincia Autonoma e "In fase di definizione/aggiornamento", con il codice provincia da 979 a 999, utile ad indicare i dati ancora non assegnati alle Province.
Viene messo a disposizione un file JSON complessivo di tutte le date nella cartella "dati-json": dpc-covid19-ita-province.json e rispettivo file ultimi dati (latest) dpc-covid19-ita-province-latest.json
Licenza
Licenza: CC-BY-4.0 - Visualizza licenza
Scheda metadati RNDT: dati - aree
Temi del dataset: Salute umana e sicurezza - Human health and safety (Inspire)
Categoria ISO 19115: Salute
Dati forniti dal Ministero della Salute
Elaborazione e gestione dati a cura del Dipartimento della Protezione Civile
1.4 Fonti
Ringraziamenti a Umberto Rosini per la disponibilità dei dati
- https://github.com/umbros
- https://github.com/pcm-dpc/COVID-19
1.5 Approfondimenti
| Descrizione | Lingua | Collegamento |
|---|---|---|
| Ministero della Salute | ITA | http://www.salute.gov.it/nuovocoronavirus |
| Protezione Civile | ITA | http://www.protezionecivile.gov.it/attivita-rischi/rischio-sanitario/emergenze/coronavirus |
| Istituto Superiore Sanità | ITA | https://www.epicentro.iss.it/coronavirus/ |
| Ministero degli Esteri | ITA | http://www.viaggiaresicuri.it/ |
| Fonti dei dati | ITA | https://github.com/pcm-dpc/COVID-19 |
| Mappa italiana | ITA | http://opendatadpc.maps.arcgis.com/apps/opsdashboard/index.html#/b0c68bce2cce478eaac82fe38d4138b1 |
| Wikipedia in italiano 1 | ITA | https://it.wikipedia.org/wiki/Pandemia_di_COVID-19_del_2019-2020 |
| Wikipedia in italiano 2 | ITA | https://it.wikipedia.org/wiki/SARS-CoV-2 |
| Wikipedia in italiano 3 | ITA | https://it.wikipedia.org/wiki/COVID-19 |
| Mappa mondiale | ENG | https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6 |
| Our World in Data | ENG | https://ourworldindata.org/coronavirus#growth-country-by-country-view |
Il dizionario documenta la struttura storica della fonte. Le colonne aggiunte successivamente sono visibili nei controlli del dataset. Nuovi casi e differenze del cumulato possono divergere per rettifiche; ricoveri e terapie intensive sono presenze, non nuovi ingressi. Una media mobile di sette righe non equivale sempre a sette giorni quando la frequenza di pubblicazione cambia.
1.6 Funzioni di supporto
Mostra il codice Python
def daily_report_naz(df):
print('-' * 50, '\nDaily Report :\n', df.tail(1).T, '\n', '-' * 50)
def daily_report_reg(df):
print('-' * 50, '\nRegion', df['denominazione_regione'].unique(), 'Daily Report:\n', df.tail(1).T, '\n', '-' * 50)
1.7 Funzioni per i grafici
Mostra il codice Python
# 1 ANDAMENTO GENERALE
def plot_total_trend(df):
"""Plot the cumulative trend of deaths, recovered and current positives.
Args:
df (pd.DataFrame): A DataFrame **sorted by date** that must contain the
following columns (Italian official terminology):
* ``'data'`` – date of observation (datetime64 or str)
* ``'deceduti'`` – cumulative deaths
* ``'dimessi_guariti'`` – cumulative recovered/discharged
* ``'totale_positivi'`` – current positive cases
Returns:
None. Displays a `matplotlib` stackplot with a legend.
Notes:
* The black–green–red palette follows Italian civil-protection reports
(black = deaths, green = recovered, red = positives).
* Useful for a **high-level overview**; combine with daily plots for
short-term dynamics.
Example:
>>> plot_total_trend(df_national)
"""
plt.figure(figsize=(20, 8))
x = df['data']
y0 = df['deceduti']
y1 = df['dimessi_guariti']
y2 = df['totale_positivi']
y = [y0, y1, y2]
labels = ['Totale Decessi', 'Totale Dimessi/Guariti', 'Totale Positivi']
colors = ['k', 'g', 'r']
plt.stackplot(x, y, labels=labels, colors=colors)
plt.legend(loc='upper left')
plt.title("Andamento dell'epidemia")
plt.show()
# TOTALE POSITIVI
def plot_total_positives(df):
"""Plot cumulative current positives with a 7-day moving average overlay.
Args:
df (pd.DataFrame): Must contain
* ``'data'`` – date
* ``'totale_positivi'`` – current positives **(bar plot)**
* ``'MM_7d_TP'`` – 7-day moving average of current positives
(“Media Mobile a 7 giorni”)
Returns:
None. Shows a bar + line plot (daily vs. smoothed trend).
Example:
>>> plot_total_positives(df_regional)
"""
plt.figure(figsize=(20, 8))
x = df['data']
y0 = df['totale_positivi']
y1 = df['MM_7d_TP']
plt.plot(x, y1, color='k', label='Media Mobile a 7 giorni')
plt.bar(x, y0, color='red', alpha=0.3, label='Incremento giornaliero')
plt.xlabel('Data')
plt.ylabel('Nuovi positivi')
plt.xticks(rotation=90, fontsize=8)
plt.yticks(fontsize=8)
plt.legend(loc='upper left')
plt.title('Andamento cumulato dei Nuovi Positivi')
plt.show()
# NUOVI POSITIVI
def plot_daily_positives(df):
"""Plot daily new positive cases with 7-day moving average.
Required columns:
* ``'data'``
* ``'nuovi_positivi'`` – daily new cases
* ``'MM_7d_NP'`` – 7-day moving average of new cases
Identical signature as the previous helper to keep API consistent.
"""
plt.figure(figsize=(20, 8))
x = df['data']
y0 = df['nuovi_positivi']
y1 = df['MM_7d_NP']
plt.plot(x, y1, color='k', label='Media Mobile a 7 giorni')
plt.bar(x, y0, color='red', alpha=0.3, label='Incremento giornaliero')
plt.xlabel('Data')
plt.ylabel('Nuovi positivi')
plt.xticks(rotation=90, fontsize=8)
plt.yticks(fontsize=8)
plt.legend(loc='upper left')
plt.title('Incremento gionaliero dei Casi Positivi')
plt.show()
# TOTALE OSPEDALIZZATI
def plot_hospitalized(df):
"""Visualise hospital burden: ICU + non-ICU in two stacked subplots.
Args:
df (pd.DataFrame): Must include
* Cumulative series:
- ``'terapia_intensiva'`` – ICU patients
- ``'ricoverati_con_sintomi'`` – non-ICU inpatients
* Daily increments:
- ``'incremento_terapie_giorn'``
- ``'incremento_ricover_giorn'``
Produces:
• Top subplot → cumulative stackplot
• Bottom subplot → daily increments stackplot
"""
plt.figure(figsize=(20, 8))
x = df['data']
y0 = df['terapia_intensiva']
y1 = df['ricoverati_con_sintomi']
y = [y0, y1]
k0 = df['incremento_terapie_giorn']
k1 = df['incremento_ricover_giorn']
k = [k0, k1]
labels = ['Pazienti in terapia intensiva', 'Pazienti ricoverati con sintomi']
colors = ['r', 'orange']
plt.subplot(2, 1, 1)
plt.stackplot(x, y, labels=labels, colors=colors)
plt.legend(loc='upper left')
plt.title('Andamento cumulato dei pazienti ospedalizzati')
plt.subplot(2, 1, 2)
plt.stackplot(x, k, labels=labels, colors=colors)
plt.legend(loc='upper left')
plt.title('Andamento giornaliero dei pazienti ospedalizzati')
plt.ylim(0)
plt.show()
# ZOOM SULLE TERAPIE INTENSIVE
def plot_daily_icu(df):
"""Zoom on daily ICU admissions/increments plus 7-day mean."""
plt.figure(figsize=(20, 8))
x = df['data']
y0 = df['incremento_terapie_giorn']
y1 = df['MM_7d_TI']
plt.bar(x, y0, color='red', alpha=0.3, label='Incremento giornaliero')
plt.plot(x, y1, color='k', label='Media Mobile a 7 giorni')
plt.xlabel('Data')
plt.ylabel('Pazienti in terapia intensiva')
plt.xticks(rotation=90, fontsize=8)
plt.yticks(fontsize=8)
plt.legend(loc='upper left')
plt.title('Incremento dei pazienti in terapia intensiva')
plt.show()
# TAMPONI
def plot_tests(df):
"""Show test volume and positivity rate (tamponi).
Subplots:
1. Daily number of swabs performed
2. Cumulative swabs
3. Daily positivity ratio (% new positives / swabs)
"""
plt.figure(figsize=(20, 12))
x = df['data']
y0 = df['incremento_tamponi_giorn']
y1 = df['tamponi']
y2 = df['rapp%_positivi_tampone']
plt.subplot(3, 1, 1)
plt.bar(x, y0)
plt.title('Incremento giornaliero dei tamponi')
plt.subplot(3, 1, 2)
plt.bar(x, y1)
plt.title('Tamponi totali eseguiti')
plt.subplot(3, 1, 3)
plt.bar(x, y2)
plt.title('Rapporto % tra Nuovi positivi e tamponi eseguiti')
plt.subplots_adjust(hspace=0.5)
plt.show()
# CASI TESTATI
def plot_tested_cases(df):
"""Analyse 'casi testati' (people tested) vs. positives ratio."""
plt.figure(figsize=(20, 12))
x = df['data']
y0 = df['incremento_casitestati_g']
y1 = df['casi_testati']
y2 = df['rapp%_positivi_casitestati']
plt.subplot(3, 1, 1)
plt.bar(x, y0)
plt.title('Incremento giornaliero dei casi testati')
plt.subplot(3, 1, 2)
plt.bar(x, y1)
plt.title('Totale dei casi testati')
plt.subplot(3, 1, 3)
plt.bar(x, y2)
plt.title('Rapporto % tra Nuovi positivi e casi testati')
plt.subplots_adjust(hspace=0.5)
plt.show()
def plot_daily_deaths(df):
"""Plot daily deaths with 7-day moving average."""
plt.figure(figsize=(20, 8))
x = df['data']
y0 = df['incremento_decessi_giorn']
y1 = df['MM_7d_ND']
plt.plot(x, y1, color='k', label='Media Mobile a 7 giorni')
plt.bar(x, y0, color='red', alpha=0.3, label='Incremento giornaliero')
plt.xlabel('Data')
plt.ylabel('Decessi')
plt.xticks(rotation=90, fontsize=8)
plt.yticks(fontsize=8)
plt.legend(loc='upper left')
plt.title('Incremento giornaliero dei decessi')
plt.show()
# MAIN FUNCTION
def plot_covid_report(df):
"""Master routine to generate the full COVID-19 report.
Calls all the individual plotting helpers **in a logical order** so that
the resulting notebook cell produces a complete visual dashboard.
Args:
df (pd.DataFrame): The pre-processed national (or regional) dataset
enriched with rolling means and daily increments required by the
helper functions.
Example:
>>> plot_covid_report(df_national)
"""
plot_total_trend(df)
plot_total_positives(df)
plot_daily_positives(df)
plot_hospitalized(df)
plot_daily_icu(df)
plot_daily_deaths(df)
plot_tests(df)
plot_tested_cases(df)
2. Caricamento dei dati
Mostra il codice Python
raw_data_n = pd.read_csv('../input/sarscov2-italy-updated/andamentoNazionale.csv')
raw_data_r = pd.read_csv('../input/sarscov2-italy-updated/andamentoRegionale.csv')
raw_data_p = pd.read_csv('../input/sarscov2-italy-updated/andamentoProvince.csv')
2.1 Prima esplorazione
Mostra il codice Python
print('Full Nation Dataset Shape :', raw_data_n.shape)
print('Full Region Dataset Shape :', raw_data_r.shape)
print('Full Province Dataset Shape :', raw_data_p.shape)
Full Nation Dataset Shape : (1781, 24) Full Region Dataset Shape : (37401, 30) Full Province Dataset Shape : (262807, 14)
Mostra il codice Python
raw_data_n.tail()
| data | stato | ricoverati_con_sintomi | terapia_intensiva | totale_ospedalizzati | isolamento_domiciliare | totale_positivi | variazione_totale_positivi | nuovi_positivi | dimessi_guariti | deceduti | casi_da_sospetto_diagnostico | casi_da_screening | totale_casi | tamponi | casi_testati | note | ingressi_terapia_intensiva | note_test | note_casi | totale_positivi_test_molecolare | totale_positivi_test_antigenico_rapido | tamponi_test_molecolare | tamponi_test_antigenico_rapido | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1776 | 2025-01-04T17:00:00 | ITA | 1278 | 45 | 1323 | 201663 | 202986 | 74 | 280 | 26562161 | 198666 | NaN | NaN | 26963813 | 284325249 | 70,571,636.00 | NaN | 3.00 | NaN | NaN | 9,973,077.00 | 16,990,736.00 | 103,275,200.00 | 181,050,049.00 |
| 1777 | 2025-01-05T17:00:00 | ITA | 1267 | 48 | 1315 | 201806 | 203121 | 135 | 196 | 26562218 | 198670 | NaN | NaN | 26964009 | 284329947 | 70,572,388.00 | NaN | 3.00 | NaN | NaN | 9,973,129.00 | 16,990,880.00 | 103,276,127.00 | 181,053,820.00 |
| 1778 | 2025-01-06T17:00:00 | ITA | 1289 | 49 | 1338 | 201783 | 203121 | 0 | 101 | 26562319 | 198670 | NaN | NaN | 26964110 | 284333343 | 70,573,017.00 | NaN | 2.00 | NaN | NaN | 9,973,158.00 | 16,990,952.00 | 103,276,857.00 | 181,056,486.00 |
| 1779 | 2025-01-07T17:00:00 | ITA | 1314 | 48 | 1362 | 201844 | 203206 | 85 | 155 | 26562384 | 198674 | NaN | NaN | 26964264 | 284338302 | 70,573,883.00 | NaN | 0.00 | NaN | NaN | 9,973,220.00 | 16,991,044.00 | 103,277,626.00 | 181,060,676.00 |
| 1780 | 2025-01-08T17:00:00 | ITA | 1315 | 44 | 1359 | 201946 | 203305 | 99 | 390 | 26562666 | 198683 | NaN | NaN | 26964654 | 284349697 | 70,575,339.00 | NaN | 3.00 | NaN | NaN | 9,973,389.00 | 16,991,265.00 | 103,279,246.00 | 181,070,451.00 |
Mostra il codice Python
raw_data_r.tail()
| data | stato | codice_regione | denominazione_regione | lat | long | ricoverati_con_sintomi | terapia_intensiva | totale_ospedalizzati | isolamento_domiciliare | totale_positivi | variazione_totale_positivi | nuovi_positivi | dimessi_guariti | deceduti | casi_da_sospetto_diagnostico | casi_da_screening | totale_casi | tamponi | casi_testati | note | ingressi_terapia_intensiva | note_test | note_casi | totale_positivi_test_molecolare | totale_positivi_test_antigenico_rapido | tamponi_test_molecolare | tamponi_test_antigenico_rapido | codice_nuts_1 | codice_nuts_2 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 37396 | 2025-01-08T17:00:00 | ITA | 19 | Sicilia | 38.12 | 13.36 | 93 | 3 | 96 | 1415 | 1511 | 2 | 2 | 1822259 | 13145 | NaN | NaN | 1836915 | 16989378 | 11,325,135.00 | A seguito di problemi tecnici non è stato poss... | 0.00 | NaN | NaN | 543,730.00 | 1,293,185.00 | 5,517,733.00 | 11,471,645.00 | ITG | ITG1 |
| 37397 | 2025-01-08T17:00:00 | ITA | 9 | Toscana | 43.77 | 11.26 | 100 | 2 | 102 | 497 | 599 | 12 | 56 | 1656260 | 12724 | NaN | NaN | 1669583 | 17608804 | 5,503,836.00 | NaN | 0.00 | NaN | NaN | 739,065.00 | 930,518.00 | 7,176,939.00 | 10,431,865.00 | ITI | ITI1 |
| 37398 | 2025-01-08T17:00:00 | ITA | 10 | Umbria | 43.11 | 12.39 | 16 | 0 | 16 | 666 | 682 | 0 | 0 | 459245 | 2537 | NaN | NaN | 462464 | 5213580 | 834,988.00 | Si fa presente che dei 16 ricoveri non in T.I.... | 0.00 | NaN | NaN | 161,000.00 | 301,464.00 | 1,766,601.00 | 3,446,979.00 | ITI | ITI2 |
| 37399 | 2025-01-08T17:00:00 | ITA | 2 | Valle d'Aosta | 45.74 | 7.32 | 0 | 0 | 0 | 1 | 1 | -2 | 0 | 52191 | 592 | NaN | NaN | 52784 | 614028 | 149,916.00 | NaN | 0.00 | NaN | NaN | 16,498.00 | 36,286.00 | 146,786.00 | 467,242.00 | ITC | ITC2 |
| 37400 | 2025-01-08T17:00:00 | ITA | 5 | Veneto | 45.43 | 12.34 | 204 | 8 | 212 | 10201 | 10413 | 46 | 54 | 2840993 | 17608 | NaN | NaN | 2869014 | 39737799 | 5,481,087.00 | Si segnala che è presente un delta negativo re... | 0.00 | NaN | NaN | 1,168,430.00 | 1,700,584.00 | 12,317,694.00 | 27,420,105.00 | ITH | ITH3 |
Mostra il codice Python
raw_data_p.tail()
| data | stato | codice_regione | denominazione_regione | codice_provincia | denominazione_provincia | sigla_provincia | lat | long | totale_casi | note | codice_nuts_1 | codice_nuts_2 | codice_nuts_3 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 262802 | 2025-01-08T17:00:00 | ITA | 5 | Veneto | 27 | Venezia | VE | 45.43 | 12.34 | 484444 | NaN | ITH | ITH3 | ITH35 |
| 262803 | 2025-01-08T17:00:00 | ITA | 5 | Veneto | 28 | Padova | PD | 45.41 | 11.88 | 571119 | NaN | ITH | ITH3 | ITH36 |
| 262804 | 2025-01-08T17:00:00 | ITA | 5 | Veneto | 29 | Rovigo | RO | 45.07 | 11.79 | 128498 | NaN | ITH | ITH3 | ITH37 |
| 262805 | 2025-01-08T17:00:00 | ITA | 5 | Veneto | 899 | Fuori Regione / Provincia Autonoma | NaN | NaN | NaN | 40421 | NaN | ITH | ITH3 | NaN |
| 262806 | 2025-01-08T17:00:00 | ITA | 5 | Veneto | 999 | In fase di definizione/aggiornamento | NaN | NaN | NaN | 13245 | NaN | ITH | ITH3 | NaN |
Mostra il codice Python
all_data = [raw_data_n, raw_data_r, raw_data_p]
for data in all_data:
data['data'] = pd.to_datetime(data['data'])
data['data'].dt.strftime('%m/%d/%Y')
# drop useless features
features_to_drop_n = ['stato', 'note'] # nazionale
features_to_drop_r = ['stato', 'codice_regione', 'note'] # regionale
features_to_drop_p = ['stato', 'codice_regione', 'codice_provincia', 'note'] # provinciale
features_to_drop = [features_to_drop_n, features_to_drop_r, features_to_drop_p]
for data, features in zip(all_data, features_to_drop):
data.drop(labels=features, axis=1, inplace=True)
Mostra il codice Python
print('Features :\n', raw_data_n.columns, '\n', '*-' * 30)
print('Features :\n', raw_data_r.columns, '\n', '*-' * 30)
print('Features :\n', raw_data_p.columns, '\n', '*-' * 30)
Features :
Index(['data', 'ricoverati_con_sintomi', 'terapia_intensiva',
'totale_ospedalizzati', 'isolamento_domiciliare', 'totale_positivi',
'variazione_totale_positivi', 'nuovi_positivi', 'dimessi_guariti',
'deceduti', 'casi_da_sospetto_diagnostico', 'casi_da_screening',
'totale_casi', 'tamponi', 'casi_testati', 'ingressi_terapia_intensiva',
'note_test', 'note_casi', 'totale_positivi_test_molecolare',
'totale_positivi_test_antigenico_rapido', 'tamponi_test_molecolare',
'tamponi_test_antigenico_rapido'],
dtype='object')
*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-
Features :
Index(['data', 'denominazione_regione', 'lat', 'long',
'ricoverati_con_sintomi', 'terapia_intensiva', 'totale_ospedalizzati',
'isolamento_domiciliare', 'totale_positivi',
'variazione_totale_positivi', 'nuovi_positivi', 'dimessi_guariti',
'deceduti', 'casi_da_sospetto_diagnostico', 'casi_da_screening',
'totale_casi', 'tamponi', 'casi_testati', 'ingressi_terapia_intensiva',
'note_test', 'note_casi', 'totale_positivi_test_molecolare',
'totale_positivi_test_antigenico_rapido', 'tamponi_test_molecolare',
'tamponi_test_antigenico_rapido', 'codice_nuts_1', 'codice_nuts_2'],
dtype='object')
*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-
Features :
Index(['data', 'denominazione_regione', 'denominazione_provincia',
'sigla_provincia', 'lat', 'long', 'totale_casi', 'codice_nuts_1',
'codice_nuts_2', 'codice_nuts_3'],
dtype='object')
*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-
3. Cronologia della pandemia in Italia: il 2020
3.1 Gennaio 2020: i primi segnali e l'allerta
Il 31 dicembre 2019 le autorità cinesi segnalano all'Organizzazione mondiale della sanità un focolaio di polmoniti anomale a Wuhan. In Italia non sono ancora registrati contagi, ma iniziano i controlli negli aeroporti. Alla fine di gennaio vengono identificati i primi due casi importati: due turisti cinesi ricoverati allo Spallanzani di Roma e positivi a SARS-CoV-2.
Il testo originale collocava l'identificazione al 29 gennaio. L'ISS riporta la conferma dei primi due casi il 30 gennaio 2020. Nello stesso giorno l'OMS dichiara l'emergenza internazionale. Il 31 gennaio il governo proclama lo stato di emergenza nazionale e sospende i voli da e per la Cina. Il fenomeno appare inizialmente circoscritto, mentre la successiva ricostruzione indica una circolazione già presente nel Nord.
Riferimento della cronologia originale, ANSA · Archivio ISS 2020
3.2 Febbraio 2020: i primi focolai e le zone rosse
A febbraio la situazione cambia rapidamente. A Codogno, in Lombardia, viene riconosciuto il primo focolaio di trasmissione locale. Il testo originale indicava il 18 febbraio come data del test positivo; la conferma ufficiale richiamata dall'ISS è del 21 febbraio 2020. Nei giorni successivi emergono decine di casi in Lombardia e Veneto.
Vengono isolate le aree dei focolai con le prime zone rosse nel Lodigiano e a Vo'. Il testo storico parlava di «11 comuni lodigiani»: la delimitazione iniziale comprendeva dieci comuni lombardi e Vo' in Veneto, undici comuni complessivi. La circolazione continua comunque ad aumentare nel Nord.
A fine febbraio i casi confermati superano quota mille. Nelle aree colpite vengono chiuse scuole e attività aperte al pubblico e annullate manifestazioni: il paese comincia a percepire la gravità dell'emergenza.
ISS: conferma del caso di Codogno · Cronologia ANSA utilizzata nell'originale
3.3 Marzo 2020: confinamento nazionale e prima ondata
Con il forte aumento dei contagi in Lombardia arrivano misure drastiche. Dal 5 marzo scuole e università sono chiuse in tutta Italia. Il 9 marzo Giuseppe Conte annuncia in televisione l'estensione nazionale delle restrizioni agli spostamenti. Le successive proroghe portano il confinamento fino al 3 maggio: il termine non era già stabilito in quell'unico annuncio iniziale.
L'Italia è il primo paese occidentale ad adottare un confinamento generale. Nei giorni seguenti chiudono le attività non essenziali e viene richiesta l'autocertificazione per gli spostamenti. Il testo originale menzionava anche un coprifuoco: il coprifuoco nazionale con una fascia oraria specifica appartiene invece alla fase autunnale. L'11 marzo l'OMS definisce COVID-19 una pandemia.
Il 18 marzo le immagini dei camion militari che trasportano fuori da Bergamo le bare, per la saturazione delle strutture locali, diventano il simbolo della prima ondata. Gli ospedali subiscono una pressione senza precedenti. Il 3 aprile le terapie intensive raggiungeranno 4.068 presenze. Nella seconda metà di marzo si registrano circa 6–7 mila nuovi casi al giorno e, nelle giornate peggiori, oltre 900 decessi notificati: il 27 marzo il bollettino riporta 969 morti.
Al 31 marzo il totale supera 105.000 casi e 12.000 decessi. Le città deserte, le ambulanze e gli appuntamenti delle 18 con la Protezione Civile entrano nella memoria collettiva. I conteggi dei bollettini sono notifiche amministrative, non necessariamente eventi avvenuti tutti nelle ultime 24 ore.
Fonti richiamate nel lavoro originale:
3.4 Aprile 2020: stabilizzazione dei contagi e pressione sugli ospedali
Aprile inizia con dati ancora critici, ma compaiono i primi segnali di rallentamento durante il confinamento. Il testo storico collocava al 5 aprile la prima riduzione delle terapie intensive, riportando 3.994 presenze e un calo di 79. Il confronto con l'archivio DPC colloca la prima discesa il 4 aprile, da 4.068 a 3.994: le date e la differenza del testo originale erano imprecise.
All'inizio del mese i ricoveri sono ancora oltre 32.000, con più di 4.000 presenze in terapia intensiva. Il personale sanitario è sottoposto a uno sforzo enorme e anche medici e infermieri sono fra le vittime. Le restrizioni restano in vigore per tutto il mese. Il 20 aprile gli attualmente positivi scendono per la prima volta: 108.237, venti in meno del giorno precedente, in presenza dell'aumento delle guarigioni registrate.
Il 26 aprile il governo presenta la «fase 2», con un allentamento graduale dal 4 maggio. Resta il richiamo alla prudenza e al distanziamento nelle settimane successive.
Il Sole 24 Ore: storia del coronavirus · RaiNews: confronto fra le ondate
3.5 Maggio 2020: fase 2 e diminuzione dei contagi
Il 4 maggio inizia la fase 2 dopo circa due mesi di chiusure. Ripartono alcune attività produttive e i cantieri; sono consentite visite ai congiunti nella stessa regione e passeggiate, con precauzioni e distanziamento. La definizione di «congiunti» suscita discussioni e ironia, ma segna un primo allentamento delle limitazioni.
Il 18 maggio riaprono negozi, ristoranti, bar, parrucchieri e altre attività, con protocolli di sicurezza, distanze e mascherine. Ci si può muovere all'interno della propria regione senza autocertificazione. I nuovi casi scendono da circa 4.000 al giorno all'inizio di aprile a poche centinaia a fine maggio, mentre i decessi giornalieri scendono sotto cento.
Il bilancio resta grave: a fine maggio circa 233.000 casi totali e 33.415 decessi. Il governo vara il decreto «Rilancio», da circa 55 miliardi di euro, per sostenere imprese, famiglie e sanità.
3.6 Giugno 2020: riaperture estive
A giugno prende forma la fase 3. Dal 3 giugno riprendono gli spostamenti fra regioni e si riaprono le frontiere con l'UE. Il DPCM dell'11 giugno consente ulteriori ripartenze dal 15 giugno, fra cui cinema e teatri. Il testo originale accorpava qui anche piscine e palestre, la cui riapertura era già iniziata il 25 maggio.
Si allentano progressivamente alcune prescrizioni all'aperto nelle aree non affollate. Il campionato di Serie A riprende il 20 giugno senza pubblico. I casi giornalieri sono nell'ordine di poche centinaia e le terapie intensive diminuiscono. Il testo storico riportava 40 presenze il 30 giugno: l'archivio DPC ne riporta 93.
Nel dibattito pubblico compare anche l'affermazione di Alberto Zangrillo, pronunciata il 31 maggio, secondo cui il virus non esisteva più dal punto di vista clinico. È una dichiarazione storica controversa, non una conclusione di questa analisi. L'estate inizia con cauto ottimismo, mantenendo mascherine al chiuso, igiene e distanziamento.
3.7 Luglio–agosto 2020: tregua estiva e sorveglianza
In luglio i contagi rimangono relativamente bassi, spesso sotto 300 al giorno. Tamponi e ricerca dei contatti aiutano a individuare focolai locali. Si rafforza il personale e si preparano posti di terapia intensiva per l'autunno.
Il turismo interno riparte con limiti di capienza, distanze fra ombrelloni e accessi regolati ai musei. In agosto i casi tornano a crescere e si segnalano focolai nelle aree turistiche, compresa la Costa Smeralda in Sardegna. Il testo originale richiama vacanze, feste e spostamenti internazionali come contesto della ripresa, senza misurarne separatamente gli effetti.
Dal 17 agosto chiudono le discoteche e vengono introdotti controlli per chi rientra da alcuni paesi. A fine agosto i nuovi positivi superano mille al giorno: è un segnale della successiva seconda ondata.
3.8 Settembre 2020: ritorno a scuola e ripresa dei contagi
Dal 14 settembre molte regioni riaprono le scuole, con calendari differenziati altrove, dopo mesi di sospensione della presenza. I protocolli comprendono mascherine, banchi distanziati, ingressi scaglionati e, in alcune situazioni, alternanza con la didattica a distanza.
Il testo originale descriveva un aumento da circa 1.500 casi giornalieri a oltre 5.000 a fine settembre. Quest'ultima cifra non corrisponde all'archivio nazionale: il 30 settembre sono notificati 1.851 nuovi positivi; il superamento di 5.000 avverrà in ottobre. Resta il quadro di una ripresa graduale, con una diversa composizione per età e sintomi rispetto alla primavera.
Si rafforzano l'uso delle mascherine in prossimità di altre persone, il divieto di assembramento, i test e la quarantena dei contatti. L'Italia entra nell'autunno con crescente preoccupazione.
3.9 Ottobre 2020: la seconda ondata e nuove restrizioni
A ottobre i casi crescono rapidamente: da circa 2.500 al giorno all'inizio del mese a oltre 20.000 verso la fine, con una diffusione importante in tutto il paese. Si introducono progressivamente obblighi sulle mascherine, limitazioni per bar e ristoranti e, con il DPCM del 24 ottobre, la chiusura di palestre, cinema e teatri e lo stop alle attività di ristorazione alle 18.
Dal 6 novembre entra in vigore il sistema delle zone gialle, arancioni e rosse, con misure differenziate per rischio, insieme al coprifuoco nazionale dalle 22. Nelle zone rosse, inizialmente comprendenti Lombardia e Piemonte, chiudono i negozi non essenziali e gli spostamenti sono fortemente limitati.
Il testo originale attribuiva a queste misure il contenimento della crescita. La serie permette di descrivere l'andamento successivo, ma non stima da sola l'effetto causale dei singoli provvedimenti.
3.10 Novembre 2020: il picco della seconda ondata
Il 13 novembre vengono notificati 40.902 nuovi positivi, con circa 255.000 tamponi, una positività intorno al 16% e 550 decessi. È un picco della fase del 2020, non il massimo dell'intera pandemia. Il confronto con marzo richiede cautela perché capacità di test e modalità di rilevazione erano diverse.
Le terapie intensive superano tremila presenze e si avvicinano a quattromila; i ricoveri nei reparti oltrepassano trentamila. Molte regioni passano in zona rossa, fra cui Lombardia, Piemonte, Valle d'Aosta e Calabria, seguite da altri territori. La didattica a distanza si estende alle scuole superiori e, nelle zone rosse, anche a parte della scuola secondaria di primo grado.
Verso fine mese l'indice Rt scende sotto uno e la curva rallenta. Il testo storico riportava «oltre 25.000 decessi nel solo novembre»: il controllo delle differenze del cumulato DPC restituisce invece 16.958 decessi notificati fra il 31 ottobre e il 30 novembre 2020. È una rettifica del testo, non una rimozione dell'analisi.
3.11 Dicembre 2020: rallentamento e inizio delle vaccinazioni
A dicembre i nuovi casi e la pressione ospedaliera diminuiscono rispetto al picco autunnale. Il governo teme una ripresa durante le feste: dal 21 dicembre limita gli spostamenti fra regioni e prevede giornate di zona rossa nazionale alternate a giornate arancioni fra Natale e l'inizio di gennaio. L'obiettivo è ridurre riunioni e occasioni di contatto.
Il testo originale presentava queste misure come causa dell'assenza di un nuovo picco a gennaio: qui le conservo come interpretazione storica, senza attribuire al notebook una verifica causale.
Il 27 dicembre 2020, Vaccine Day europeo, iniziano le vaccinazioni anche in Italia. L'EMA aveva appena autorizzato il vaccino Pfizer–BioNTech; Moderna seguirà a gennaio. Le prime dosi allo Spallanzani vengono somministrate al personale sanitario. La campagna dà priorità a operatori sanitari e ospiti delle RSA; a fine anno le persone vaccinate sono ancora poche decine di migliaia.
Il 2020 si chiude con 2.107.166 casi e 74.159 decessi nei bollettini DPC. Il testo storico richiamava anche la posizione di COVID-19 fra le cause di morte e un aumento della mortalità totale del 15,6% rispetto alla media 2015–2019. La mortalità per causa ISTAT è una fonte diversa dai decessi notificati nei bollettini: categorie, revisioni e basi di confronto non vanno sovrapposte.
4. Cronologia della pandemia in Italia: il 2021
4.1 Inverno 2020–2021: terza ondata e vaccinazioni
All'inizio del 2021 una nuova ondata si accompagna alla diffusione di varianti più trasmissibili, fra cui Alpha. I casi risalgono da circa 10.000 al giorno a fine gennaio a oltre 25.000 a metà marzo. Tornano zone arancioni e rosse e si mantengono restrizioni differenziate.
Il governo Draghi entra in carica il 13 febbraio 2021, sostituendo il Conte II: il 16 gennaio riportato nel testo originale era errato. Fra febbraio e marzo diverse regioni, fra cui Lombardia, Piemonte, Veneto, Emilia-Romagna, Lazio e Campania, subiscono chiusure di scuole e attività; a Pasqua l'Italia è posta in zona rossa. Il 12 marzo si registrano oltre 26.000 casi e 373 decessi, mentre le terapie intensive arrivano a circa 3.700 presenze a fine mese. La discesa riprende ad aprile.
Le vaccinazioni accelerano: circa 1,5 milioni di dosi a fine gennaio e oltre 10 milioni a fine marzo, pur con ritardi nelle forniture, soprattutto di AstraZeneca. Dopo sanitari e RSA vengono coinvolti ultraottantenni, forze dell'ordine e personale scolastico. Il testo storico richiama l'avvio dell'impiego di anticorpi monoclonali nel febbraio 2021 per pazienti a rischio.
A gennaio riprendono in parte le lezioni in presenza alle superiori, con successive sospensioni nelle zone rosse. Si prepara anche il sistema di certificazione poi noto come Green Pass. Dal 26 aprile tornano le zone gialle e le prime riaperture all'aperto, compresa la ristorazione serale.
Presidenza del Consiglio: data di insediamento del governo Draghi
4.2 Primavera 2021: riaperture e accelerazione vaccinale
Fra aprile e giugno la situazione migliora: i nuovi casi scendono da circa 15.000 al giorno a fine aprile a poche migliaia in giugno. Dal 26 aprile riprendono gradualmente ristorazione all'aperto, cinema, teatri con capienza ridotta e sport di squadra amatoriale all'aperto.
Nel frattempo si prepara il certificato COVID digitale europeo per agevolare gli spostamenti. Il testo originale lo collocava a maggio; l'accordo politico arriva a maggio, ma il regolamento europeo si applica dal 1° luglio 2021.
La campagna guidata dal commissario Figliuolo raggiunge a fine aprile l'obiettivo di circa 500.000 dosi giornaliere. Si aprono grandi centri vaccinali in stadi, fiere e palazzetti, con personale aggiuntivo e volontari. A fine maggio le prenotazioni sono aperte a gran parte degli over 40 e in giugno si estendono ai più giovani.
Il 21 giugno termina il coprifuoco nazionale. Dal 28 giugno, in zona bianca, decade l'obbligo generalizzato della mascherina all'aperto, che resta per gli assembramenti e al chiuso. I parametri di rischio vengono progressivamente riorientati anche sull'occupazione ospedaliera.
A fine giugno i casi giornalieri sono poche centinaia, con ricoveri ai livelli minimi dei mesi precedenti. Sono state somministrate più di 50 milioni di dosi e circa metà della popolazione ha ricevuto almeno una dose.
4.3 Estate 2021: variante Delta e Green Pass
Fra luglio e agosto si diffonde la variante Delta e i casi tornano a salire dopo il minimo di giugno. Il testo storico riportava circa mille casi a inizio luglio, seimila a fine luglio e ventimila a metà agosto. Quest'ultimo valore è eccessivo per i dati nazionali di quel periodo: il massimo di agosto nell'archivio DPC è 7.826 nuovi positivi il 27 agosto.
La pressione sulle terapie intensive è molto inferiore alle ondate precedenti, nell'ordine di centinaia di presenze anziché migliaia. Il contesto comprende una copertura vaccinale ormai ampia, soprattutto fra gli anziani; il notebook non separa statisticamente gli effetti di vaccinazione, composizione dei casi e varianti.
Dal 6 agosto il Green Pass è richiesto per diverse attività, fra cui ristorazione al chiuso, cinema, musei, palestre, piscine, concerti e fiere. La certificazione può derivare da vaccinazione, guarigione o test negativo. Dal 1° settembre l'obbligo si estende a trasporti a lunga percorrenza, personale scolastico e universitario e studenti universitari.
Il testo originale collocava già a settembre il ritorno al 100% di capienza di cinema e teatri e la riapertura delle discoteche: l'allentamento richiamato avviene invece in ottobre. Si avvicina nel frattempo l'obiettivo dell'80% di vaccinati fra gli over 12. Dopo la crescita estiva, i casi diminuiscono verso fine settembre.
4.4 Autunno 2021: quarta ondata e richiami
In autunno, come in altri paesi europei, i casi riprendono a crescere. In ottobre passano da circa 2.500 a circa 5.000 al giorno, con un'accelerazione fra novembre e dicembre. Il governo privilegia certificazioni e vaccinazioni per evitare nuove chiusure generalizzate.
Dal 15 ottobre 2021 il Green Pass diventa richiesto nei luoghi di lavoro pubblici e privati. Il testo storico descriveva le conseguenze della mancanza della certificazione in termini di assenza dal lavoro e mancata retribuzione, e ricordava manifestazioni di protesta. Non deduco il consenso della popolazione dalla sola quota di vaccinati, come invece suggeriva la formulazione originale.
In ottobre aumentano le capienze consentite per spettacoli, eventi e discoteche. Le percentuali riportate nel testo storico non distinguono sempre correttamente i contesti: non costituiscono una guida normativa. A metà novembre i casi superano ottomila al giorno e le presenze in terapia intensiva sono nell'ordine di cinquecento, rispetto alle oltre tremila dello stesso periodo del 2020.
Dal 6 dicembre entra in vigore il Green Pass rafforzato per diverse attività, basato su vaccinazione o guarigione. Si estendono anche gli obblighi vaccinali ad alcune categorie professionali. La campagna dei richiami, partita per persone fragili e fasce anziane, viene ampliata agli adulti, con intervalli aggiornati nel tempo.
L'identificazione di Omicron a fine novembre porta restrizioni per gli arrivi da alcuni paesi e un'ulteriore spinta ai richiami. A fine dicembre i casi superano cinquantamila al giorno: il 25 dicembre sono 54.762 e il 31 dicembre 144.243. I decessi crescono meno proporzionalmente rispetto alle precedenti ondate, ma le differenze non vanno attribuite a un'unica causa sulla base del solo grafico.
Il totale a fine 2021 supera 6,2 milioni di casi e raggiunge 137.402 decessi notificati.
5. Cronologia della pandemia in Italia: il 2022
5.1 Inverno 2021–2022: ondata Omicron e fine dello stato di emergenza
All'inizio del 2022 Omicron determina un livello di circolazione molto elevato. Il 6 gennaio si registrano 219.441 nuovi casi. Il testo originale li definiva il massimo assoluto della pandemia: l'archivio DPC mostra invece 220.532 nuovi positivi l’11 gennaio 2022. La positività dei test si avvicina al 20%, gli attualmente positivi superano due milioni e numerosi servizi risentono delle assenze per isolamento.
Il governo riduce la durata del Green Pass e dal 10 gennaio estende quello rafforzato a diversi contesti, fra cui trasporto pubblico locale, alberghi e impianti sciistici. A gennaio viene introdotto l'obbligo vaccinale per gli over 50. Queste sono misure storiche, successivamente modificate e cessate.
Le terapie intensive aumentano, ma il loro livello rimane inferiore alle prime ondate: intorno a metà gennaio si osservano circa 1.700 presenze, contro circa 4.000 nelle fasi precedenti. I decessi notificati arrivano a qualche centinaio al giorno. Il testo storico richiama il ruolo delle vaccinazioni, dei richiami, della fragilità individuale e delle caratteristiche della variante; i dati aggregati del notebook non permettono però di stimare separatamente questi effetti né lo stato vaccinale dei casi gravi.
Oltre l'88% degli over 12 ha completato il ciclo primario, secondo le cifre di contesto riportate nel lavoro. Da fine gennaio i casi iniziano a diminuire; in febbraio si allentano alcune restrizioni e dall'11 febbraio termina l'obbligo generalizzato di mascherina all'aperto. Il testo originale faceva terminare quel giorno anche il Green Pass per la ristorazione all'aperto: questo passaggio non è corretto e non va confuso con la modifica sulle mascherine.
Il 31 marzo 2022 termina lo stato di emergenza nazionale. Dal 1° aprile vengono meno il sistema delle zone a colori e varie misure organizzative, mentre cambia la gestione dei contatti stretti asintomatici. Dal 1° maggio termina l'obbligo generalizzato di mascherina al chiuso, con eccezioni per alcuni ambienti. Gli obblighi vaccinali cessano secondo calendari diversi: quello degli operatori sanitari prosegue oltre giugno, a differenza di quanto accomunava la frase originale.
5.2 Dalla primavera alla fine del 2022
Con primavera ed estate si passa verso una gestione più ordinaria. Da maggio il Green Pass non è più richiesto per gran parte delle attività. Dal 15 giugno cessano alcuni obblighi vaccinali, fra cui quelli per over 50, personale scolastico e forze dell'ordine; per i sanitari il termine arriva a novembre.
Le sottovarianti Omicron BA.4 e BA.5 accompagnano comunque nuove ondate estive, con giornate di circa centomila casi a luglio. Da luglio la quarta dose viene proposta a over 60 e persone fragili. In autunno si osserva un'ulteriore ripresa, pur in un contesto ospedaliero diverso dalle prime ondate.
Il testo storico riportava a fine anno 184.918 decessi, oltre 25 milioni di casi e un rapporto di circa il 42% con la popolazione. Casi cumulativi e persone distinte non coincidono, anche per le reinfezioni: quel rapporto non è la quota di italiani che ha avuto l'infezione. Anche il richiamo all'8,6% della mortalità del triennio richiede una fonte e una definizione della mortalità coerenti, diverse dalla sola tabella DPC.
L'analisi numerica che segue continua oltre la cronologia narrativa del 2022 e arriva fino all'8 gennaio 2025.
6. Dati nazionali
6.1 Costruzione degli indicatori
Mostra il codice Python
# feature extraction Dataset Nazionale
raw_data_n['incremento_tamponi_giorn'] = raw_data_n['tamponi'].diff()
raw_data_n['incremento_casitestati_g'] = raw_data_n['casi_testati'].diff()
raw_data_n['incremento_guariti_giorn'] = raw_data_n['dimessi_guariti'].diff()
raw_data_n['incremento_decessi_giorn'] = raw_data_n['deceduti'].diff()
raw_data_n['incremento_ospedal_giorn'] = raw_data_n['totale_ospedalizzati'].diff()
raw_data_n['incremento_ricover_giorn'] = raw_data_n['ricoverati_con_sintomi'].diff()
raw_data_n['incremento_terapie_giorn'] = raw_data_n['terapia_intensiva'].diff()
raw_data_n['rapp%_positivi_tampone'] = (raw_data_n['nuovi_positivi'] / raw_data_n['incremento_tamponi_giorn'] * 100)
raw_data_n['rapp%_positivi_casitestati'] = (raw_data_n['nuovi_positivi'] / raw_data_n['incremento_casitestati_g'] * 100)
# moving average (rolling mean) of useful variables
raw_data_n['MM_7d_NP'] = raw_data_n['nuovi_positivi'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI POSITIVI
raw_data_n['MM_7d_TP'] = raw_data_n['totale_positivi'].rolling(7).mean() # MEDIA MOBILE 7G TOTALE POSITIVI
raw_data_n['MM_7d_NT'] = raw_data_n['incremento_tamponi_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI TAMPONI EFF
raw_data_n['MM_7d_NC'] = raw_data_n['incremento_casitestati_g'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI CASI TESTATI
raw_data_n['MM_7d_NO'] = raw_data_n['incremento_ospedal_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI OSPEDALIZZATI
raw_data_n['MM_7d_NR'] = raw_data_n['incremento_ricover_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI RICOVERATI
raw_data_n['MM_7d_TI'] = raw_data_n['incremento_terapie_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI POSTI TI OCC
raw_data_n['MM_7d_ND'] = raw_data_n['incremento_decessi_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI DECESSI
toInt = ['casi_da_sospetto_diagnostico',
'casi_da_screening',
'casi_testati',
'incremento_tamponi_giorn',
'incremento_casitestati_g',
'incremento_guariti_giorn',
'incremento_ospedal_giorn',
'incremento_decessi_giorn',
'incremento_ricover_giorn',
'incremento_terapie_giorn'
]
raw_data_n = raw_data_n.fillna(0)
for c in toInt:
raw_data_n[c] = raw_data_n[c].apply(int)
Mostra il codice Python
rep = raw_data_n.copy()
features_to_drop_rep = ['variazione_totale_positivi',
'MM_7d_NP',
'MM_7d_TP',
'MM_7d_NT',
'MM_7d_NC',
'MM_7d_NO',
'MM_7d_NR',
'MM_7d_TI',
'MM_7d_ND'] # nazionale
rep.drop(labels=features_to_drop_rep, axis=1, inplace=True)
6.2 Visualizzazione dei dati nazionali
Mostra il codice Python
daily_report_naz(rep)
--------------------------------------------------
Daily Report :
1780
data 2025-01-08 17:00:00
ricoverati_con_sintomi 1315
terapia_intensiva 44
totale_ospedalizzati 1359
isolamento_domiciliare 201946
totale_positivi 203305
nuovi_positivi 390
dimessi_guariti 26562666
deceduti 198683
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 26964654
tamponi 284349697
casi_testati 70575339
ingressi_terapia_intensiva 3.00
note_test 0.00
note_casi 0.00
totale_positivi_test_molecolare 9,973,389.00
totale_positivi_test_antigenico_rapido 16,991,265.00
tamponi_test_molecolare 103,279,246.00
tamponi_test_antigenico_rapido 181,070,451.00
incremento_tamponi_giorn 11395
incremento_casitestati_g 1456
incremento_guariti_giorn 282
incremento_decessi_giorn 9
incremento_ospedal_giorn -3
incremento_ricover_giorn 1
incremento_terapie_giorn -4
rapp%_positivi_tampone 3.42
rapp%_positivi_casitestati 26.79
--------------------------------------------------
Mostra il codice Python
plot_covid_report(raw_data_n)
7. Dati regionali
7.1 Costruzione degli indicatori regionali
Mostra il codice Python
# d will contain a dataset for each region/P.A.
d = {}
regions = ['Abruzzo', 'Basilicata',
'Calabria', 'Campania',
'Emilia-Romagna', 'Friuli Venezia Giulia',
'Lazio', 'Liguria',
'Lombardia', 'Marche',
'Molise', 'Piemonte',
'P.A. Bolzano', 'P.A. Trento',
'Puglia', 'Sardegna',
'Sicilia', 'Toscana',
'Umbria', "Valle d'Aosta", 'Veneto']
for reg in regions:
d[reg] = pd.DataFrame()
d[reg] = raw_data_r.loc[raw_data_r['denominazione_regione'] == reg]
# feature extraction dataset Regionale
d[reg]['incremento_tamponi_giorn'] = d[reg]['tamponi'].diff()
d[reg]['incremento_casitestati_g'] = d[reg]['casi_testati'].diff()
d[reg]['incremento_guariti_giorn'] = d[reg]['dimessi_guariti'].diff()
d[reg]['incremento_decessi_giorn'] = d[reg]['deceduti'].diff()
d[reg]['incremento_ospedal_giorn'] = d[reg]['totale_ospedalizzati'].diff()
d[reg]['incremento_ricover_giorn'] = d[reg]['ricoverati_con_sintomi'].diff()
d[reg]['incremento_terapie_giorn'] = d[reg]['terapia_intensiva'].diff()
d[reg]['rapp%_positivi_tampone'] = (d[reg]['nuovi_positivi'] * 100) / d[reg]['incremento_tamponi_giorn']
d[reg]['rapp%_positivi_casitestati'] = (d[reg]['nuovi_positivi'] / d[reg]['incremento_casitestati_g'] * 100)
# moving average (rolling mean) of useful variables
d[reg]['MM_7d_NP'] = d[reg]['nuovi_positivi'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI POSITIVI
d[reg]['MM_7d_TP'] = d[reg]['totale_positivi'].rolling(7).mean() # MEDIA MOBILE 7G TOTALE POSITIVI
d[reg]['MM_7d_NT'] = d[reg]['incremento_tamponi_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI TAMPONI EFF
d[reg]['MM_7d_NC'] = d[reg]['incremento_casitestati_g'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI CASI TESTATI
d[reg]['MM_7d_NO'] = d[reg]['incremento_ospedal_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI OSPEDALIZZATI
d[reg]['MM_7d_NR'] = d[reg]['incremento_ricover_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI RICOVERATI
d[reg]['MM_7d_TI'] = d[reg]['incremento_terapie_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI POSTI TI OCC
d[reg]['MM_7d_ND'] = d[reg]['incremento_decessi_giorn'].rolling(7).mean() # MEDIA MOBILE 7G NUOVI DECESSI
d[reg] = d[reg].fillna(0) # Replace NaN values with 0
toInt = ['casi_da_sospetto_diagnostico',
'casi_da_screening',
'casi_testati',
'incremento_tamponi_giorn',
'incremento_casitestati_g',
'incremento_guariti_giorn',
'incremento_ospedal_giorn',
'incremento_decessi_giorn',
'incremento_ricover_giorn',
'incremento_terapie_giorn'
]
for region in regions:
for c in toInt:
d[region][c] = d[region][c].apply(int)
7.2 Visualizzazione di tutte le regioni e province autonome
Mostra il codice Python
for region in regions:
print(d[region]['denominazione_regione'].unique())
['Abruzzo'] ['Basilicata'] ['Calabria'] ['Campania'] ['Emilia-Romagna'] ['Friuli Venezia Giulia'] ['Lazio'] ['Liguria'] ['Lombardia'] ['Marche'] ['Molise'] ['Piemonte'] ['P.A. Bolzano'] ['P.A. Trento'] ['Puglia'] ['Sardegna'] ['Sicilia'] ['Toscana'] ['Umbria'] ["Valle d'Aosta"] ['Veneto']
Mostra il codice Python
features_to_drop_rep = ['variazione_totale_positivi',
'MM_7d_NP',
'MM_7d_TP',
'MM_7d_NT',
'MM_7d_NC',
'MM_7d_NO',
'MM_7d_NR',
'MM_7d_TI',
'MM_7d_ND']
for region in regions:
rep = d[region].copy()
rep.drop(labels=features_to_drop_rep, axis=1, inplace=True)
daily_report_reg(rep)
plot_covid_report(d[region])
--------------------------------------------------
Region ['Abruzzo'] Daily Report:
37380
data 2025-01-08 17:00:00
denominazione_regione Abruzzo
lat 42.35
long 13.40
ricoverati_con_sintomi 31
terapia_intensiva 1
totale_ospedalizzati 32
isolamento_domiciliare 2990
totale_positivi 3022
nuovi_positivi 9
dimessi_guariti 687170
deceduti 4115
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 694307
tamponi 7756229
casi_testati 1399363
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 265,736.00
totale_positivi_test_antigenico_rapido 428,571.00
tamponi_test_molecolare 2,652,967.00
tamponi_test_antigenico_rapido 5,103,262.00
codice_nuts_1 ITF
codice_nuts_2 ITF1
incremento_tamponi_giorn 223
incremento_casitestati_g 25
incremento_guariti_giorn 4
incremento_decessi_giorn 0
incremento_ospedal_giorn 1
incremento_ricover_giorn 1
incremento_terapie_giorn 0
rapp%_positivi_tampone 4.04
rapp%_positivi_casitestati 36.00
--------------------------------------------------
--------------------------------------------------
Region ['Basilicata'] Daily Report:
37381
data 2025-01-08 17:00:00
denominazione_regione Basilicata
lat 40.64
long 15.81
ricoverati_con_sintomi 0
terapia_intensiva 0
totale_ospedalizzati 0
isolamento_domiciliare 10309
totale_positivi 10309
nuovi_positivi 0
dimessi_guariti 191721
deceduti 1066
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 203096
tamponi 1390835
casi_testati 413657
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 71,290.00
totale_positivi_test_antigenico_rapido 131,806.00
tamponi_test_molecolare 704,042.00
tamponi_test_antigenico_rapido 686,793.00
codice_nuts_1 ITF
codice_nuts_2 ITF5
incremento_tamponi_giorn 52
incremento_casitestati_g 8
incremento_guariti_giorn 0
incremento_decessi_giorn 0
incremento_ospedal_giorn 0
incremento_ricover_giorn 0
incremento_terapie_giorn 0
rapp%_positivi_tampone 0.00
rapp%_positivi_casitestati 0.00
--------------------------------------------------
--------------------------------------------------
Region ['Calabria'] Daily Report:
37382
data 2025-01-08 17:00:00
denominazione_regione Calabria
lat 38.91
long 16.59
ricoverati_con_sintomi 8
terapia_intensiva 0
totale_ospedalizzati 8
isolamento_domiciliare 1851
totale_positivi 1859
nuovi_positivi 7
dimessi_guariti 653730
deceduti 3728
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 659317
tamponi 4591280
casi_testati 3600932
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 204,515.00
totale_positivi_test_antigenico_rapido 454,802.00
tamponi_test_molecolare 1,971,570.00
tamponi_test_antigenico_rapido 2,619,710.00
codice_nuts_1 ITF
codice_nuts_2 ITF6
incremento_tamponi_giorn 104
incremento_casitestati_g 92
incremento_guariti_giorn 6
incremento_decessi_giorn 1
incremento_ospedal_giorn -1
incremento_ricover_giorn 1
incremento_terapie_giorn -2
rapp%_positivi_tampone 6.73
rapp%_positivi_casitestati 7.61
--------------------------------------------------
--------------------------------------------------
Region ['Campania'] Daily Report:
37383
data 2025-01-08 17:00:00
denominazione_regione Campania
lat 40.84
long 14.25
ricoverati_con_sintomi 80
terapia_intensiva 5
totale_ospedalizzati 85
isolamento_domiciliare 9059
totale_positivi 9144
nuovi_positivi 23
dimessi_guariti 2554577
deceduti 12169
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 2575890
tamponi 22417602
casi_testati 5584619
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 960,726.00
totale_positivi_test_antigenico_rapido 1,615,164.00
tamponi_test_molecolare 9,790,003.00
tamponi_test_antigenico_rapido 12,627,599.00
codice_nuts_1 ITF
codice_nuts_2 ITF3
incremento_tamponi_giorn 1990
incremento_casitestati_g 188
incremento_guariti_giorn 0
incremento_decessi_giorn 0
incremento_ospedal_giorn 0
incremento_ricover_giorn 0
incremento_terapie_giorn 0
rapp%_positivi_tampone 1.16
rapp%_positivi_casitestati 12.23
--------------------------------------------------
--------------------------------------------------
Region ['Emilia-Romagna'] Daily Report:
37384
data 2025-01-08 17:00:00
denominazione_regione Emilia-Romagna
lat 44.49
long 11.34
ricoverati_con_sintomi 370
terapia_intensiva 13
totale_ospedalizzati 383
isolamento_domiciliare 684
totale_positivi 1067
nuovi_positivi 37
dimessi_guariti 2205615
deceduti 20158
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 2226840
tamponi 20284707
casi_testati 3012318
ingressi_terapia_intensiva 1.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 1,101,540.00
totale_positivi_test_antigenico_rapido 1,125,300.00
tamponi_test_molecolare 10,858,133.00
tamponi_test_antigenico_rapido 9,426,574.00
codice_nuts_1 ITH
codice_nuts_2 ITH5
incremento_tamponi_giorn 538
incremento_casitestati_g 55
incremento_guariti_giorn -1
incremento_decessi_giorn 4
incremento_ospedal_giorn -12
incremento_ricover_giorn -12
incremento_terapie_giorn 0
rapp%_positivi_tampone 6.88
rapp%_positivi_casitestati 67.27
--------------------------------------------------
--------------------------------------------------
Region ['Friuli Venezia Giulia'] Daily Report:
37385
data 2025-01-08 17:00:00
denominazione_regione Friuli Venezia Giulia
lat 45.65
long 13.77
ricoverati_con_sintomi 35
terapia_intensiva 0
totale_ospedalizzati 35
isolamento_domiciliare 443
totale_positivi 478
nuovi_positivi 17
dimessi_guariti 596603
deceduti 6840
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 603921
tamponi 7937710
casi_testati 1287339
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 243,721.00
totale_positivi_test_antigenico_rapido 360,200.00
tamponi_test_molecolare 3,911,536.00
tamponi_test_antigenico_rapido 4,026,174.00
codice_nuts_1 ITH
codice_nuts_2 ITH4
incremento_tamponi_giorn 299
incremento_casitestati_g 51
incremento_guariti_giorn 20
incremento_decessi_giorn 1
incremento_ospedal_giorn -1
incremento_ricover_giorn 0
incremento_terapie_giorn -1
rapp%_positivi_tampone 5.69
rapp%_positivi_casitestati 33.33
--------------------------------------------------
--------------------------------------------------
Region ['Lazio'] Daily Report:
37386
data 2025-01-08 17:00:00
denominazione_regione Lazio
lat 41.89
long 12.48
ricoverati_con_sintomi 58
terapia_intensiva 2
totale_ospedalizzati 60
isolamento_domiciliare 88753
totale_positivi 88813
nuovi_positivi 9
dimessi_guariti 2460586
deceduti 13331
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 2562730
tamponi 27985752
casi_testati 6339805
ingressi_terapia_intensiva 1.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 1,044,659.00
totale_positivi_test_antigenico_rapido 1,518,071.00
tamponi_test_molecolare 9,772,493.00
tamponi_test_antigenico_rapido 18,213,259.00
codice_nuts_1 ITI
codice_nuts_2 ITI4
incremento_tamponi_giorn 621
incremento_casitestati_g 143
incremento_guariti_giorn 3
incremento_decessi_giorn 0
incremento_ospedal_giorn 1
incremento_ricover_giorn 0
incremento_terapie_giorn 1
rapp%_positivi_tampone 1.45
rapp%_positivi_casitestati 6.29
--------------------------------------------------
--------------------------------------------------
Region ['Liguria'] Daily Report:
37387
data 2025-01-08 17:00:00
denominazione_regione Liguria
lat 44.41
long 8.93
ricoverati_con_sintomi 52
terapia_intensiva 2
totale_ospedalizzati 54
isolamento_domiciliare 0
totale_positivi 54
nuovi_positivi 4
dimessi_guariti 690941
deceduti 6121
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 697116
tamponi 7232074
casi_testati 1563819
ingressi_terapia_intensiva 0.00
note_test 0
note_casi *di cui 64165 reinfezioni a partire dal 3/09/...
totale_positivi_test_molecolare 288,415.00
totale_positivi_test_antigenico_rapido 408,701.00
tamponi_test_molecolare 2,717,534.00
tamponi_test_antigenico_rapido 4,514,540.00
codice_nuts_1 ITC
codice_nuts_2 ITC3
incremento_tamponi_giorn 110
incremento_casitestati_g 19
incremento_guariti_giorn 13
incremento_decessi_giorn 0
incremento_ospedal_giorn -9
incremento_ricover_giorn -8
incremento_terapie_giorn -1
rapp%_positivi_tampone 3.64
rapp%_positivi_casitestati 21.05
--------------------------------------------------
--------------------------------------------------
Region ['Lombardia'] Daily Report:
37388
data 2025-01-08 17:00:00
denominazione_regione Lombardia
lat 45.47
long 9.19
ricoverati_con_sintomi 110
terapia_intensiva 3
totale_ospedalizzati 113
isolamento_domiciliare 843
totale_positivi 956
nuovi_positivi 107
dimessi_guariti 4342249
deceduti 48739
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 4391944
tamponi 47797178
casi_testati 9554188
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 1,558,738.00
totale_positivi_test_antigenico_rapido 2,833,206.00
tamponi_test_molecolare 17,263,179.00
tamponi_test_antigenico_rapido 30,533,999.00
codice_nuts_1 ITC
codice_nuts_2 ITC4
incremento_tamponi_giorn 2261
incremento_casitestati_g 317
incremento_guariti_giorn 139
incremento_decessi_giorn 0
incremento_ospedal_giorn 11
incremento_ricover_giorn 12
incremento_terapie_giorn -1
rapp%_positivi_tampone 4.73
rapp%_positivi_casitestati 33.75
--------------------------------------------------
--------------------------------------------------
Region ['Marche'] Daily Report:
37389
data 2025-01-08 17:00:00
denominazione_regione Marche
lat 43.62
long 13.52
ricoverati_con_sintomi 34
terapia_intensiva 3
totale_ospedalizzati 37
isolamento_domiciliare 0
totale_positivi 37
nuovi_positivi 2
dimessi_guariti 732986
deceduti 4568
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 737591
tamponi 3812102
casi_testati 2809744
ingressi_terapia_intensiva 1.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 223,418.00
totale_positivi_test_antigenico_rapido 514,173.00
tamponi_test_molecolare 2,020,964.00
tamponi_test_antigenico_rapido 1,791,138.00
codice_nuts_1 ITI
codice_nuts_2 ITI3
incremento_tamponi_giorn 21
incremento_casitestati_g 21
incremento_guariti_giorn -2
incremento_decessi_giorn 0
incremento_ospedal_giorn 4
incremento_ricover_giorn 3
incremento_terapie_giorn 1
rapp%_positivi_tampone 9.52
rapp%_positivi_casitestati 9.52
--------------------------------------------------
--------------------------------------------------
Region ['Molise'] Daily Report:
37390
data 2025-01-08 17:00:00
denominazione_regione Molise
lat 41.56
long 14.66
ricoverati_con_sintomi 0
terapia_intensiva 0
totale_ospedalizzati 0
isolamento_domiciliare 0
totale_positivi 0
nuovi_positivi 0
dimessi_guariti 105366
deceduti 800
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 106166
tamponi 863166
casi_testati 813813
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 31,404.00
totale_positivi_test_antigenico_rapido 74,762.00
tamponi_test_molecolare 557,687.00
tamponi_test_antigenico_rapido 305,479.00
codice_nuts_1 ITF
codice_nuts_2 ITF2
incremento_tamponi_giorn 0
incremento_casitestati_g 0
incremento_guariti_giorn 0
incremento_decessi_giorn 0
incremento_ospedal_giorn 0
incremento_ricover_giorn 0
incremento_terapie_giorn 0
rapp%_positivi_tampone 0.00
rapp%_positivi_casitestati 0.00
--------------------------------------------------
--------------------------------------------------
Region ['Piemonte'] Daily Report:
37393
data 2025-01-08 17:00:00
denominazione_regione Piemonte
lat 45.07
long 7.68
ricoverati_con_sintomi 53
terapia_intensiva 1
totale_ospedalizzati 54
isolamento_domiciliare 59844
totale_positivi 59898
nuovi_positivi 24
dimessi_guariti 1747158
deceduti 13937
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 1820993
tamponi 22891030
casi_testati 4581438
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 520,411.00
totale_positivi_test_antigenico_rapido 1,300,582.00
tamponi_test_molecolare 5,158,984.00
tamponi_test_antigenico_rapido 17,732,046.00
codice_nuts_1 ITC
codice_nuts_2 ITC1
incremento_tamponi_giorn 605
incremento_casitestati_g 51
incremento_guariti_giorn 27
incremento_decessi_giorn 0
incremento_ospedal_giorn 5
incremento_ricover_giorn 5
incremento_terapie_giorn 0
rapp%_positivi_tampone 3.97
rapp%_positivi_casitestati 47.06
--------------------------------------------------
--------------------------------------------------
Region ['P.A. Bolzano'] Daily Report:
37391
data 2025-01-08 17:00:00
denominazione_regione P.A. Bolzano
lat 46.50
long 11.36
ricoverati_con_sintomi 9
terapia_intensiva 0
totale_ospedalizzati 9
isolamento_domiciliare 0
totale_positivi 9
nuovi_positivi 5
dimessi_guariti 300430
deceduti 1685
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 302124
tamponi 5635762
casi_testati 872180
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 5 nuovi positivi di cui 0 test antigenici conf...
totale_positivi_test_molecolare 88,096.00
totale_positivi_test_antigenico_rapido 214,028.00
tamponi_test_molecolare 948,284.00
tamponi_test_antigenico_rapido 4,687,478.00
codice_nuts_1 ITH
codice_nuts_2 ITH1
incremento_tamponi_giorn 58
incremento_casitestati_g 13
incremento_guariti_giorn 10
incremento_decessi_giorn 0
incremento_ospedal_giorn -5
incremento_ricover_giorn -5
incremento_terapie_giorn 0
rapp%_positivi_tampone 8.62
rapp%_positivi_casitestati 38.46
--------------------------------------------------
--------------------------------------------------
Region ['P.A. Trento'] Daily Report:
37392
data 2025-01-08 17:00:00
denominazione_regione P.A. Trento
lat 46.07
long 11.12
ricoverati_con_sintomi 7
terapia_intensiva 0
totale_ospedalizzati 7
isolamento_domiciliare 15
totale_positivi 22
nuovi_positivi 2
dimessi_guariti 253801
deceduti 1694
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 255517
tamponi 3110311
casi_testati 611886
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 45,963.00
totale_positivi_test_antigenico_rapido 209,554.00
tamponi_test_molecolare 881,254.00
tamponi_test_antigenico_rapido 2,229,057.00
codice_nuts_1 ITH
codice_nuts_2 ITH2
incremento_tamponi_giorn 48
incremento_casitestati_g 5
incremento_guariti_giorn 2
incremento_decessi_giorn 0
incremento_ospedal_giorn -1
incremento_ricover_giorn -1
incremento_terapie_giorn 0
rapp%_positivi_tampone 4.17
rapp%_positivi_casitestati 40.00
--------------------------------------------------
--------------------------------------------------
Region ['Puglia'] Daily Report:
37394
data 2025-01-08 17:00:00
denominazione_regione Puglia
lat 41.13
long 16.87
ricoverati_con_sintomi 21
terapia_intensiva 1
totale_ospedalizzati 22
isolamento_domiciliare 278
totale_positivi 300
nuovi_positivi 26
dimessi_guariti 1694480
deceduti 10138
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 1704918
tamponi 14848824
casi_testati 3067262
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 515,694.00
totale_positivi_test_antigenico_rapido 1,189,224.00
tamponi_test_molecolare 4,896,671.00
tamponi_test_antigenico_rapido 9,952,153.00
codice_nuts_1 ITF
codice_nuts_2 ITF4
incremento_tamponi_giorn 864
incremento_casitestati_g 83
incremento_guariti_giorn 9
incremento_decessi_giorn 0
incremento_ospedal_giorn 5
incremento_ricover_giorn 5
incremento_terapie_giorn 0
rapp%_positivi_tampone 3.01
rapp%_positivi_casitestati 31.33
--------------------------------------------------
--------------------------------------------------
Region ['Sardegna'] Daily Report:
37395
data 2025-01-08 17:00:00
denominazione_regione Sardegna
lat 39.22
long 9.11
ricoverati_con_sintomi 34
terapia_intensiva 0
totale_ospedalizzati 34
isolamento_domiciliare 14097
totale_positivi 14131
nuovi_positivi 6
dimessi_guariti 514305
deceduti 2988
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 531424
tamponi 5631546
casi_testati 1768014
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 180,340.00
totale_positivi_test_antigenico_rapido 351,084.00
tamponi_test_molecolare 2,248,192.00
tamponi_test_antigenico_rapido 3,383,354.00
codice_nuts_1 ITG
codice_nuts_2 ITG2
incremento_tamponi_giorn 150
incremento_casitestati_g 0
incremento_guariti_giorn 1
incremento_decessi_giorn 0
incremento_ospedal_giorn 0
incremento_ricover_giorn 0
incremento_terapie_giorn 0
rapp%_positivi_tampone 4.00
rapp%_positivi_casitestati inf
--------------------------------------------------
--------------------------------------------------
Region ['Sicilia'] Daily Report:
37396
data 2025-01-08 17:00:00
denominazione_regione Sicilia
lat 38.12
long 13.36
ricoverati_con_sintomi 93
terapia_intensiva 3
totale_ospedalizzati 96
isolamento_domiciliare 1415
totale_positivi 1511
nuovi_positivi 2
dimessi_guariti 1822259
deceduti 13145
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 1836915
tamponi 16989378
casi_testati 11325135
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 543,730.00
totale_positivi_test_antigenico_rapido 1,293,185.00
tamponi_test_molecolare 5,517,733.00
tamponi_test_antigenico_rapido 11,471,645.00
codice_nuts_1 ITG
codice_nuts_2 ITG1
incremento_tamponi_giorn 21
incremento_casitestati_g 21
incremento_guariti_giorn 0
incremento_decessi_giorn 0
incremento_ospedal_giorn 0
incremento_ricover_giorn 0
incremento_terapie_giorn 0
rapp%_positivi_tampone 9.52
rapp%_positivi_casitestati 9.52
--------------------------------------------------
--------------------------------------------------
Region ['Toscana'] Daily Report:
37397
data 2025-01-08 17:00:00
denominazione_regione Toscana
lat 43.77
long 11.26
ricoverati_con_sintomi 100
terapia_intensiva 2
totale_ospedalizzati 102
isolamento_domiciliare 497
totale_positivi 599
nuovi_positivi 56
dimessi_guariti 1656260
deceduti 12724
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 1669583
tamponi 17608804
casi_testati 5503836
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 739,065.00
totale_positivi_test_antigenico_rapido 930,518.00
tamponi_test_molecolare 7,176,939.00
tamponi_test_antigenico_rapido 10,431,865.00
codice_nuts_1 ITI
codice_nuts_2 ITI1
incremento_tamponi_giorn 1580
incremento_casitestati_g 186
incremento_guariti_giorn 41
incremento_decessi_giorn 3
incremento_ospedal_giorn -2
incremento_ricover_giorn -2
incremento_terapie_giorn 0
rapp%_positivi_tampone 3.54
rapp%_positivi_casitestati 30.11
--------------------------------------------------
--------------------------------------------------
Region ['Umbria'] Daily Report:
37398
data 2025-01-08 17:00:00
denominazione_regione Umbria
lat 43.11
long 12.39
ricoverati_con_sintomi 16
terapia_intensiva 0
totale_ospedalizzati 16
isolamento_domiciliare 666
totale_positivi 682
nuovi_positivi 0
dimessi_guariti 459245
deceduti 2537
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 462464
tamponi 5213580
casi_testati 834988
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 161,000.00
totale_positivi_test_antigenico_rapido 301,464.00
tamponi_test_molecolare 1,766,601.00
tamponi_test_antigenico_rapido 3,446,979.00
codice_nuts_1 ITI
codice_nuts_2 ITI2
incremento_tamponi_giorn 126
incremento_casitestati_g 20
incremento_guariti_giorn 0
incremento_decessi_giorn 0
incremento_ospedal_giorn 1
incremento_ricover_giorn 1
incremento_terapie_giorn 0
rapp%_positivi_tampone 0.00
rapp%_positivi_casitestati 0.00
--------------------------------------------------
--------------------------------------------------
Region ["Valle d'Aosta"] Daily Report:
37399
data 2025-01-08 17:00:00
denominazione_regione Valle d'Aosta
lat 45.74
long 7.32
ricoverati_con_sintomi 0
terapia_intensiva 0
totale_ospedalizzati 0
isolamento_domiciliare 1
totale_positivi 1
nuovi_positivi 0
dimessi_guariti 52191
deceduti 592
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 52784
tamponi 614028
casi_testati 149916
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 16,498.00
totale_positivi_test_antigenico_rapido 36,286.00
tamponi_test_molecolare 146,786.00
tamponi_test_antigenico_rapido 467,242.00
codice_nuts_1 ITC
codice_nuts_2 ITC2
incremento_tamponi_giorn 52
incremento_casitestati_g 5
incremento_guariti_giorn 2
incremento_decessi_giorn 0
incremento_ospedal_giorn 0
incremento_ricover_giorn 0
incremento_terapie_giorn 0
rapp%_positivi_tampone 0.00
rapp%_positivi_casitestati 0.00
--------------------------------------------------
--------------------------------------------------
Region ['Veneto'] Daily Report:
37400
data 2025-01-08 17:00:00
denominazione_regione Veneto
lat 45.43
long 12.34
ricoverati_con_sintomi 204
terapia_intensiva 8
totale_ospedalizzati 212
isolamento_domiciliare 10201
totale_positivi 10413
nuovi_positivi 54
dimessi_guariti 2840993
deceduti 17608
casi_da_sospetto_diagnostico 0
casi_da_screening 0
totale_casi 2869014
tamponi 39737799
casi_testati 5481087
ingressi_terapia_intensiva 0.00
note_test 0
note_casi 0
totale_positivi_test_molecolare 1,168,430.00
totale_positivi_test_antigenico_rapido 1,700,584.00
tamponi_test_molecolare 12,317,694.00
tamponi_test_antigenico_rapido 27,420,105.00
codice_nuts_1 ITH
codice_nuts_2 ITH3
incremento_tamponi_giorn 1672
incremento_casitestati_g 153
incremento_guariti_giorn 8
incremento_decessi_giorn 0
incremento_ospedal_giorn 0
incremento_ricover_giorn 1
incremento_terapie_giorn -1
rapp%_positivi_tampone 3.23
rapp%_positivi_casitestati 35.29
--------------------------------------------------
8. Conclusioni: effetti economici e sociali
La pandemia ha inciso profondamente sull'economia e sulla società italiana. Il testo originale riportava per il 2020 una caduta del PIL reale dell'8,9% rispetto al 2019, una contrazione del 12,4% nel secondo trimestre sul precedente e un debito pubblico al 155,6% del PIL. Sono cifre delle ricostruzioni utilizzate all'epoca: le serie di contabilità nazionale sono soggette a revisioni e non sono calcolate dal dataset sanitario di questo notebook.
Turismo, ristorazione, cultura e trasporti furono particolarmente colpiti. I decreti di sostegno, fra cui «Cura Italia» e «Rilancio», mobilitarono risorse pubbliche. Nel lavoro erano riportati 444.000 occupati in meno nel 2020, di cui 312.000 donne, e oltre quattro miliardi di ore di cassa integrazione autorizzate fra aprile e dicembre. Il blocco dei licenziamenti e gli ammortizzatori influenzavano la lettura del tasso di disoccupazione. Contributi, cassa integrazione e reddito di emergenza attenuarono parte degli effetti, senza eliminare povertà e disuguaglianze.
La mobilità diminuì drasticamente. Il testo riportava un calo del 47,9% della domanda di trasporto pubblico locale rispetto al 2019 e una riduzione superiore al 60% degli arrivi turistici internazionali. Anche traffico stradale e trasporto aereo subirono cadute eccezionali.
La scuola passò a lungo alla didattica a distanza. Nel confronto richiamato dall'originale, gli studenti italiani affrontarono 65 giorni di chiusura completa nell'anno 2019/2020, contro una media di 27 nei paesi ad alto reddito. Queste misure dipendono dalla definizione di chiusura adottata dalla fonte. Emersero il divario digitale e il bisogno di dotazioni per studenti e docenti. La prolungata distanza dalle aule e la chiusura delle università ebbero conseguenze educative e sul benessere di bambini e giovani, affrontate con il sostegno di famiglie e insegnanti.
Le conferenze stampa e il linguaggio dei bollettini entrarono nelle case. Gli arcobaleni e lo slogan «Andrà tutto bene» accompagnarono momenti di solidarietà, mentre disinformazione e sovrabbondanza di notizie resero necessario il lavoro di istituzioni ed esperti.
Per la ripresa il testo originale riportava un PIL in crescita del 6,5% nel 2021 e del 3,7% nel 2022. Anche questi valori vanno letti come cifre della ricostruzione storica, suscettibili di revisione. Ripresero consumi e produzione, ma rimasero trasformazioni nelle abitudini: lavoro da remoto, mobilità urbana, digitalizzazione delle imprese e investimenti nella sanità, anche attraverso il PNRR.
Il bilancio demografico fu pesante: il lavoro richiamava oltre centomila morti in più nel 2020 rispetto al 2019 e un'ulteriore riduzione delle nascite, in un clima di incertezza. Fra il 2020 e il 2022 l'Italia attraversò una delle fasi più difficili della propria storia recente. Politiche pubbliche, comportamenti collettivi, vaccini e terapie contribuirono all'uscita dalla fase emergenziale; gli effetti economici e sociali durarono più a lungo.
Fonti richiamate nel lavoro originale: Protezione Civile, Istituto Superiore di Sanità, Ministero della Salute, ISTAT, Our World in Data, ECDC, agenzie di stampa e quotidiani nazionali per la cronologia. I dati economici e sociali di questa conclusione sono contesto storico: il codice qui sotto e sopra analizza le serie sanitarie DPC, non verifica quelle altre stime.
Approfondimenti metodologici
Questa analisi complementare conserva gli approfondimenti già pubblicati sul sito. Ha un notebook indipendente: usa il download dedicato per ripeterla. Le celle precedenti corrispondono invece al lavoro completo pubblicato su Kaggle.
Dalla cronologia alla lettura delle serie
Durante la pandemia usavo Python per seguire casi e ricoveri e spiegare i grafici anche a chi non lavorava con i dati. Questa revisione mantiene la lettura cronologica e la estende all'intero archivio nazionale disponibile: 24 febbraio 2020–8 gennaio 2025. La data di revisione del notebook, 8 ottobre 2026, non è la data di aggiornamento delle osservazioni.
Le domande sono tre: come cambiano i casi notificati, come cambiano le presenze in ospedale e che cosa succede quando confrontiamo periodi con modalità di rilevazione diverse? Il file è fissato al commit della Protezione Civile indicato nelle fonti, per poter rifare gli stessi conti.
Come riprodurre l'analisi
Questa è l'edizione italiana revisionata l'8 ottobre 2026. Il notebook inglese usa lo stesso codice e gli stessi dati. Eseguire le celle dall'alto verso il basso in Jupyter, con Python 3.11 o successivo. Ambiente verificato: NumPy 2.2.6, pandas 2.2.3, Matplotlib 3.10.3 e scikit-learn 1.7.2. Per installarlo: pip install numpy==2.2.6 pandas==2.2.3 matplotlib==3.10.3 scikit-learn==1.7.2 ipykernel.
Installare le librerie prima di avviare Jupyter. Su Kaggle uso l'ambiente della piattaforma senza sostituire pacchetti già caricati: la prima cella stampa le versioni effettive, che possono differire da quelle locali indicate sopra. I risultati delle due edizioni sono verificati separatamente.
Il primo caricamento richiede Internet; in seguito i file vengono letti dalla cartella dati. Su Kaggle vengono cercati prima nei dataset collegati. L'impronta SHA256 controlla che il file sia quello dell'analisi: se la fonte cambia, l'esecuzione si ferma invece di produrre risultati diversi senza avvisare. I nomi originali delle colonne restano nel codice; titoli, grafici e lettura dei risultati sono in italiano.
Mostra il codice Python
LANG = "it"
from pathlib import Path
from io import BytesIO
import gzip
import hashlib
import os
import platform
import zipfile
from urllib.request import Request, urlopen
import importlib.metadata
# Use the running environment. Kaggle can preload NumPy before the first cell;
# replacing it with pip here would mix loaded binaries and newly installed files.
# For a pinned local environment, install requirements before starting Jupyter.
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from IPython.display import display
SEED = 42
def label(it, en):
return it if LANG == "it" else en
plt.rcParams.update({"figure.figsize": (10, 4.5), "figure.dpi": 130,
"axes.spines.top": False, "axes.spines.right": False,
"axes.prop_cycle": plt.cycler(color=["#b54d35", "#24576b", "#947320", "#627e45"])})
pd.set_option("display.max_columns", 12)
pd.set_option("display.max_rows", 18)
pd.set_option("display.float_format", lambda x: f"{x:,.3f}")
CACHE = Path(os.environ.get("ANALISI_DATI_DIR", "dati"))
CACHE.mkdir(parents=True, exist_ok=True)
def read_data(name, url, sha256):
# Prefer attached Kaggle inputs or a verified local copy.
candidates = [CACHE / name]
if Path("/kaggle/input").exists():
candidates += sorted(Path("/kaggle/input").rglob(name))
raw = None
for path in candidates:
if path.is_file() and hashlib.sha256(path.read_bytes()).hexdigest() == sha256:
raw = path.read_bytes()
break
if raw is None:
request = Request(url, headers={"User-Agent": "StefanoNocco-DataAnalysis/1.0"})
with urlopen(request, timeout=90) as response:
raw = response.read()
if zipfile.is_zipfile(BytesIO(raw)):
with zipfile.ZipFile(BytesIO(raw)) as archive:
matches = [p for p in archive.namelist() if Path(p).name == name]
if len(matches) != 1:
raise ValueError(f"Expected exactly one file: {name}")
raw = archive.read(matches[0])
elif raw[:2] == b"\x1f\x8b":
raw = gzip.decompress(raw)
if hashlib.sha256(raw).hexdigest() != sha256:
raise ValueError(f"Source changed: {name}. Review data and update the recorded hash.")
(CACHE / name).write_bytes(raw)
return pd.read_csv(BytesIO(raw))
print(label("Versione Python:", "Python version:"), platform.python_version())
for package in ["numpy", "pandas", "matplotlib", "scikit-learn", "scipy"]:
print(package, importlib.metadata.version(package))
Versione Python: 3.11.14 numpy 2.2.6 pandas 2.2.3 matplotlib 3.10.3 scikit-learn 1.7.2 scipy 1.15.3
Mostra il codice Python
COMMIT = "fc82987b9ebda01fe8e5b59d5667e3e00721edb9"
REGIONAL_HASH = "3438a0a85bdb0bca56a48a2edd0c69f3005d6c1c20c4a2a75bed668a8f01ead7"
BASE = f"https://raw.githubusercontent.com/pcm-dpc/COVID-19/{COMMIT}"
df = read_data("andamentoNazionale.csv", BASE + "/dati-andamento-nazionale/dpc-covid19-ita-andamento-nazionale.csv",
"30f6a1bd3aa3d99d9072af0e9be8ab23c7cab78e09651e1017b37ae0b97a050b")
df["date"] = pd.to_datetime(df["data"]).dt.normalize()
assert df["date"].is_unique
df = df.set_index("date").sort_index()
calendar = pd.date_range(df.index.min(), df.index.max(), freq="D")
print(label("Giorni senza bollettino:", "Days without a bulletin:"), len(calendar.difference(df.index)))
daily = df.reindex(calendar)
print(label("Copertura:", "Coverage:"), df.index.min().date(), df.index.max().date())
columns = ["nuovi_positivi", "ricoverati_con_sintomi", "terapia_intensiva", "totale_casi", "deceduti"]
display(daily[columns].isna().sum().rename(label("Valori mancanti", "Missing values")).to_frame())
Giorni senza bollettino: 0 Copertura: 2020-02-24 2025-01-08
| Valori mancanti | |
|---|---|
| nuovi_positivi | 0 |
| ricoverati_con_sintomi | 0 |
| terapia_intensiva | 0 |
| totale_casi | 0 |
| deceduti | 0 |
Flussi, presenze e cumulati
nuovi_positivi conta i nuovi positivi notificati nel bollettino; non tutte le infezioni avvenute quel giorno. ricoverati_con_sintomi e terapia_intensiva sono presenze alla data del bollettino, non ingressi giornalieri. totale_casi e deceduti sono cumulati, influenzati anche da rettifiche.
La distinzione conta: sommare le presenze giornaliere non dà il numero di persone ricoverate, perché una stessa persona può comparire più giorni. Controllo anche l'identità fra presenze nei reparti e totale ospedalizzati, e confronto i nuovi positivi con la differenza dei casi cumulati senza imporre che coincidano dopo le revisioni.
Mostra il codice Python
hospital_gap = df["ricoverati_con_sintomi"] + df["terapia_intensiva"] - df["totale_ospedalizzati"]
display(df.loc[hospital_gap.ne(0), ["ricoverati_con_sintomi", "terapia_intensiva", "totale_ospedalizzati"]])
revision_gap = df["totale_casi"].diff() - df["nuovi_positivi"]
print(label("Giorni con scarto fra nuovi casi e incremento del cumulato:",
"Days when new cases differ from the cumulative increment:"), revision_gap.dropna().ne(0).sum())
display(df.loc[revision_gap.abs().nlargest(5).index, ["nuovi_positivi", "totale_casi"]].assign(
difference=revision_gap.loc[revision_gap.abs().nlargest(5).index]))
| ricoverati_con_sintomi | terapia_intensiva | totale_ospedalizzati | |
|---|---|---|---|
| date | |||
| 2020-02-25 | 114 | 35 | 150 |
Giorni con scarto fra nuovi casi e incremento del cumulato: 1033
| nuovi_positivi | totale_casi | difference | |
|---|---|---|---|
| date | |||
| 2022-07-11 | 37756 | 19523262 | 46,005.000 |
| 2022-01-25 | 190514 | 10216395 | 24,537.000 |
| 2022-01-18 | 212004 | 9018425 | 16,119.000 |
| 2022-01-10 | 101762 | 7554344 | 15,643.000 |
| 2022-01-14 | 186253 | 8356514 | 14,616.000 |
Casi notificati e media a sette giorni
Il controllo precedente trova un'incoerenza il 25 febbraio 2020: 114 persone nei reparti più 35 in terapia intensiva fanno 149, mentre il totale riportato è 150. Conservo i valori della fonte e uso le due serie separate nei grafici; non correggo il totale senza una rettifica documentata.
La media mobile usa il giorno indicato e i sei precedenti. Reindicizzare il calendario prima del calcolo evita di chiamare “sette giorni” sette righe che potrebbero non essere consecutive. Richiedo sette osservazioni: le prime sei medie, o quelle intorno a giorni mancanti, restano vuote. Non interpolo bollettini assenti e non li tratto come zero.
Il grafico mantiene una scala unica per mostrare l'ordine di grandezza; i pannelli cronologici successivi rendono leggibili anche le fasi più piccole. La media attenua le oscillazioni di notifica ma non corregge variazioni nella probabilità di fare un test o nella raccolta.
Mostra il codice Python
daily["cases_ma7"] = daily["nuovi_positivi"].rolling(7, min_periods=7).mean()
fig, ax = plt.subplots()
ax.plot(daily.index, daily["nuovi_positivi"], color="#bec8ca", linewidth=.7,
label=label("Bollettino giornaliero", "Daily report"))
ax.plot(daily.index, daily["cases_ma7"], label=label("Media di 7 giorni", "7-day mean"))
ax.set(title=label("Italia · nuovi casi notificati", "Italy · newly reported cases"),
ylabel=label("Casi", "Cases"), xlabel=label("Data", "Date"))
ax.legend(); plt.tight_layout(); plt.show()
peak = daily["cases_ma7"].idxmax()
print(label("Massimo della media a 7 giorni:", "Peak seven-day mean:"), peak.date(), round(daily.loc[peak, "cases_ma7"]))
Massimo della media a 7 giorni: 2022-01-14 177514
Leggere le fasi della pandemia
Nel 2020 osserviamo ondate con pochi test rispetto alle fasi successive; i casi rilevati sono un sottoinsieme variabile delle infezioni. Il 2021 e il 2022 vanno letti tenendo conto dei cambiamenti nei test, nella sorveglianza e nel contesto sanitario. Nel 2023–2024 i conteggi notificati sono inferiori ai picchi precedenti, ma il solo grafico non misura quanta circolazione virale sia sfuggita alla rilevazione.
I pannelli hanno scale verticali diverse, dichiarate sugli assi: aiutano a leggere la forma delle ondate, non a confrontare a colpo d'occhio la loro altezza. Il 2025 contiene soltanto otto giorni e non viene presentato come un anno confrontabile. La cronologia descrive le osservazioni: non attribuisce automaticamente le variazioni a restrizioni, vaccini o varianti.
Mostra il codice Python
fig, axes = plt.subplots(3, 2, figsize=(11, 8))
for year, ax in zip(range(2020, 2025), axes.flat):
part = daily.loc[str(year)]
ax.plot(part.index, part["cases_ma7"])
ax.set(title=str(year), ylabel=label("Media casi / giorno", "Mean cases / day"))
ax.tick_params(axis="x", rotation=30)
axes.flat[-1].axis("off")
plt.tight_layout(); plt.show()
summary = daily.loc[:"2024-12-31"].groupby(daily.loc[:"2024-12-31"].index.year).agg(
reported_cases=("nuovi_positivi", "sum"), bulletins=("nuovi_positivi", "count"),
peak_ward_occupancy=("ricoverati_con_sintomi", "max"), peak_icu_occupancy=("terapia_intensiva", "max"))
display(summary.rename(columns={"reported_cases": label("Casi notificati", "Reported cases"),
"bulletins": label("Bollettini", "Bulletins"), "peak_ward_occupancy": label("Massimo reparti", "Peak ward occupancy"),
"peak_icu_occupancy": label("Massimo intensive", "Peak ICU occupancy")}))
| Casi notificati | Bollettini | Massimo reparti | Massimo intensive | |
|---|---|---|---|---|
| 2020 | 2110653 | 312 | 34697 | 4068 |
| 2021 | 4008769 | 365 | 29337 | 3743 |
| 2022 | 18772594 | 365 | 20037 | 1717 |
| 2023 | 1466981 | 365 | 8097 | 320 |
| 2024 | 300884 | 366 | 6508 | 252 |
Le presenze in ospedale
Affiancare ricoveri e casi offre due prospettive diverse. Le persone presenti in terapia intensiva dipendono anche dalla durata dei ricoveri e dalle pratiche cliniche; il loro rapporto con i casi notificati dello stesso giorno non è una probabilità di aggravamento.
Uso due pannelli, con scale dichiarate, e riporto le date dei massimi. Il disallineamento fra picchi dei casi e picchi ospedalieri è una descrizione dei dati: per spiegarlo servirebbero età, vaccinazioni, tempi di ricovero e altre informazioni.
Mostra il codice Python
fig, axes = plt.subplots(2, 1, figsize=(10, 6), sharex=True)
for col, ax, title in zip(["ricoverati_con_sintomi", "terapia_intensiva"], axes,
[label("Ricoverati con sintomi", "Hospitalised with symptoms"), label("Terapia intensiva", "Intensive care")]):
ax.plot(daily.index, daily[col]); ax.set(title=title, ylabel=label("Presenze", "Occupancy"))
when = daily[col].idxmax()
print(title, when.date(), int(daily.loc[when, col]))
plt.tight_layout(); plt.show()
Ricoverati con sintomi 2020-11-23 34697 Terapia intensiva 2020-04-03 4068
Territori e dimensioni diverse
Il notebook originale comprendeva anche il livello regionale. La revisione mantiene una tabella delle presenze nell'ultimo bollettino disponibile, verificando la somma nazionale. Si tratta di conteggi assoluti: le regioni hanno popolazioni e strutture sanitarie diverse, quindi la tabella non è una classifica del rischio né dell'efficienza sanitaria. Le province autonome di Trento e Bolzano sono riportate separatamente dalla fonte.
Mostra il codice Python
regional = read_data("andamentoRegionale.csv", BASE + "/dati-regioni/dpc-covid19-ita-regioni.csv", REGIONAL_HASH)
regional["date"] = pd.to_datetime(regional["data"]).dt.normalize()
assert not regional.duplicated(["date", "codice_regione"]).any()
last = regional[regional["date"].eq(df.index.max())]
assert len(last) == 21
for col in ["ricoverati_con_sintomi", "terapia_intensiva"]:
assert last[col].sum() == df.iloc[-1][col]
with pd.option_context("display.max_rows", 25):
display(last.set_index("denominazione_regione")[["ricoverati_con_sintomi", "terapia_intensiva"]].sort_index())
| ricoverati_con_sintomi | terapia_intensiva | |
|---|---|---|
| denominazione_regione | ||
| Abruzzo | 31 | 1 |
| Basilicata | 0 | 0 |
| Calabria | 8 | 0 |
| Campania | 80 | 5 |
| Emilia-Romagna | 370 | 13 |
| Friuli Venezia Giulia | 35 | 0 |
| Lazio | 58 | 2 |
| Liguria | 52 | 2 |
| Lombardia | 110 | 3 |
| Marche | 34 | 3 |
| Molise | 0 | 0 |
| P.A. Bolzano | 9 | 0 |
| P.A. Trento | 7 | 0 |
| Piemonte | 53 | 1 |
| Puglia | 21 | 1 |
| Sardegna | 34 | 0 |
| Sicilia | 93 | 3 |
| Toscana | 100 | 2 |
| Umbria | 16 | 0 |
| Valle d'Aosta | 0 | 0 |
| Veneto | 204 | 8 |
Conclusioni e fonti
La media mobile dei casi raggiunge il massimo il 14 gennaio 2022, con circa 177.514 notifiche al giorno. I massimi delle presenze sono precedenti: 34.697 nei reparti il 23 novembre 2020 e 4.068 in terapia intensiva il 3 aprile 2020. Sono tre indicatori e tre date diverse: nessuno sostituisce gli altri.
La revisione amplia la lettura oltre gennaio 2022, mostra le coperture effettive e distingue notifiche, presenze e cumulati. Non converte la diminuzione dei casi notificati in una misura della scomparsa del virus e non usa correlazioni temporali per valutare interventi sanitari.
- Archivio della Protezione Civile, licenza CC BY 4.0.
- Definizioni delle variabili e note.
- Versione dei dati utilizzata: file nazionali e regionali fino all'8 gennaio 2025.