Altri Economisti » Selezione della Settimana

Legami intergenerazionali e tassi di mortalità dell’epidemia: una analisi su vari paesi, di Christian Bayer e Moritz Kuhn (da VOX-Eu 20 marzo 2020)

 

 

March 20, 2020

Intergenerational ties and case fatality rates: A cross-country analysis

Christian Bayer, Moritz Kuhn

zz 802   zz 803COVID-19 is spreading around the world and has reached the level of a global pandemic. First estimates suggest that together with the large numbers of deaths, there will also be large economic consequences of orders of magnitude seen with the global financial crisis or even higher (Baldwin and Weder di Mauro 2020a, 2020b). Scientists from all disciplines are putting their expertise to use to combat the consequences of the pandemic. Our research (Bayer and Kuhn 2020) aims at highlighting the role of social networks in spreading the virus to most vulnerable strata of the population, which is responsible for a large number of deaths and the risk of overwhelming local health systems.

Our starting point are the large differences in case fatality rates (CFRs) across countries. As of 12 March, Italy had one of 6% while countries like Norway, Denmark, Sweden, and Germany have rates still close to zero (top panel of Figure 1, which shows countries with at least 100 cases as of 12 March). These differences persisted as of 15 March (bottom panel of Figure 1, which shows countries with at least 200 cases as of 15 March).

 

Figure 1 Case fatality rates across countries

a) Countries with at least 100 cases as of 12 March

zz 804

 

 

 

 

 

 

 

 

b) Countries with at least 200 cases as of 15 March

zz 805

 

 

 

 

 

 

 

 

The rates may converge over time as the virus spreads, but they may also diverge as heath systems get overwhelmed by the escalating crisis. What can we learn from these data to help organise our lives in a way to minimise the risks to us and the risks we pose to others?

It has been established now that, unlike the Spanish Flu (Taubenberger et al. 2001), COVID-19 is particularly deadly for the elderly (Dowd et al. 2020) and creates a disproportionate need for intensive care in this group. Medical research and treatment are front and centre in combatting this crisis, and as scientists we believe in the power of medical research and science. But can we, as social scientists, also contribute to combatting the crisis?

The question we are interested in is: why are more elderly are infected in some countries than in others? Existing research has already emphasised the importance of social contact for the spread of infectious diseases (Mossong et al. 2008 and, on the current crisis, Liu et al. 2020, Bi et al. 2020). The two latter studies explicitly look at within-household transmission and suggest that very close contact, for example among household members, is of particular importance. Mossong et al. (2008), in contrast, shows (for a limited sample of countries) large differences in contact between the non-working age population with working-age persons, while within working-age contact is rather similar across countries. Our hypothesis is that differences in social interactions and social networks play a key role in explaining the cross-country differences in mortality during the early phase of the coronavirus outbreak.

The reasons for differences in social structures are complex. They can stem from cultural or institutional differences, such as the prevalence and affordability of childcare facilities, laws on not leaving children unaccompanied, the labour market and economic situation for young workers across countries, or the scarcity of housing. In the light of current policy measures – in particular, school closures – taken around the world, social structures might quickly reshuffle if grandparents move in with or visit their grandchildren to accommodate families’ need for childcare. Understanding better how such intergenerational interaction relates to CFRs is therefore a key and pressing concern for policymaking.

Our idea for the relationship between social interaction and the spreading of the virus is simple. Suppose that in country A, almost all interaction is within one group of people – i.e. working age people interact mostly among themselves and a second group of people, the elderly, do the same (top panel of Figure 2). At the same time, in country B, interaction is often across generations. The young and the old live together and interact – for example, for childcare – or young workers still live with their parents as they cannot afford to live on their own (bottom panel of Figure 2). If COVID-19 has been imported to Europe through work-related travel, then a country of type A should see an initially much more contained outbreak, with much less need for intensive care and many fewer fatalities relative to the size of the outbreak. This correlation is what we explore in our analysis.

Figure 2 Stylised social structures

zz 796

zz 797

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Given this hypothesis, how can we operationalise this idea? We turned to the World Value Survey data (http://www.worldvaluessurvey.org/wvs.jsp) and calculated from this source the share of people between age 30-49 who live with their parents. Figure 3 shows that this share varies dramatically across countries. From shares below 5% in countries like France, Switzerland, and the Netherlands, to cases like Japan, China, South Korea, and Italy with shares above 20%.

 

Figure 3 Share of 30 to 49 year-olds living with their parents across countries

zz 798

 

 

 

 

 

 

 

 

If we take the data from Figure 3 as measure of intergenerational interaction (how many red arrows there are), then already a simple figure highlights our key idea. Figure 4 (top panel) shows the CFR for all industrialised economies with more than 100 cases (as of 12 March). For the bottom panel of Figure 4, we updated our data to 15 March. There we also take into account that public health systems started to become overloaded and that this likely increased CFRs further. We therefore restricted our sample to the period when the total number of diagnosed cases was still below 5,000 in the respective country. Now, only a few days later, further countries had large case numbers and therefore entered our sample – yet the picture remained the same. We also refined the specification and allowed for a different relationship for the East Asian countries, because these countries differ from the rest not only in the cultural dimension but also in their preparedness for the outbreak (for example, through the presence of fever clinics). In this case, we find the same correlation between social interaction and CFRs within the two country groups (green and light blue line).

Figure 4 CFRs and intergenerational interaction

a) 12 March

zz 799

 

 

 

 

 

 

 

 

b) 15 March

zz 800

 

 

 

 

 

 

 

 

Both figures support our key hypothesis that in countries with more intergenerational interactions, CFRs are initially higher. These differences do not necessarily persist, as further developments will depend on the policy measures taken and the capacities of the public health systems across countries. We present detailed regression tables in our paper.

Conclusions

What we conclude from this analysis is that the structure of social interactions matters for the case fatality rates for this outbreak, and that social distancing needs to focus particularly the elderly.

This effect will go away as soon as the virus finds its way into the elderly populations and can spread within this group because the elderly are not a entirely socially disconnected set of people. Those countries with low fatality rates, such as Germany, should take this as a warning sign. Unfortunately, it is likely the low initial fatality rates are not here to stay once the virus spreads.

At the same time, we hope this little piece of data analysis helps us to better understand how pivotal it is to keep the elderly uninfected and what role social networks and links play in this. It may also provide a warning sign for those countries where the elderly and the young live close together on how important it is to contain the virus there early on. Figure 5 shows that countries within Europe that are at risk include Serbia, Poland, Bulgaria, Croatia, and Slovenia.

Figure 5 Share of 30 to 49 year-olds living with their parents

zz 801

 

 

 

 

 

 

 

 

 

Legami intergenerazionali e tassi di mortalità dell’epidemia: una analisi su vari paesi,

di Christian Bayer e Moritz Kuhn

 

Il Covid-19 si sta diffondendo nel mondo ed ha raggiunto il livello di una pandemia globale. Le prime stime indicano che, assieme ad ampi numeri di morti, ci saranno anche grandi conseguenze economiche di ordini di grandezza osservati con la crisi finanziaria globale o persino più alti (Baldwin e Weder di Mauro 2020a, 2020b). Scienziati di tutte le discipline stanno mettendo a disposizione la loro competenza per combattere le conseguenze della pandemia. La nostra ricerca (Bayer e Kuhn, 2020) si propone di mettere in evidenza il ruolo delle reti sociali nella diffusione del virus presso gli strati più vulnerabili della popolazione, che è responsabile di un ampio numero di morti e del rischio di far soccombere i sistemi sanitari locali.

Il nostro punto di partenza sono le grandi differenze nei tassi di letalità [1] (CFR) nei vari paesi. Al 12 marzo, l’Italia aveva un tasso del 6% mentre paesi come la Norvegia, la Danimarca, la Svezia e la Germania avevano tassi vicini allo zero (riquadro in alto nella Figura 1, che mostra paesi che al 12 marzo avevano almeno 100 casi). Queste differenze persistevano il 15 marzo (riquadro in basso della Figura 1, che mostra paesi con almeno 200 casi al 15 marzo).

Figura 1. Tassi di letalità in vari paesi.

a) Paesi con almeno 100 casi al 12 marzo

zz 804

 

 

 

 

 

 

 

 

b) Paesi con almeno 200 casi al 15 marzo

zz 805

 

 

 

 

 

 

 

 

Nel corso del tempo questi tassi possono convergere con la diffusione del virus, ma essi possono anche divergere allorché i sistemi sanitari vengono sopraffatti da una crisi crescente. Che cosa possiamo apprendere da questi dati che ci aiuti ad organizzare le nostre vite in un modo che minimizzi i rischi per noi ed i rischi che provochiamo agli altri?

Adesso è stato chiarito che, diversamente dalla Influenza Spagnola (Taubenberger e altri, 2001), il Covid-19 è particolarmente letale per i più anziani (Dowd ed altri, 2020). La ricerca e le cure sanitarie sono in prima linea nel combattere questa crisi, così come gli scienziati che credono nelle possibilità della ricerca sanitaria e della scienza. Ma, come scienziati della società, possiamo anche noi contribuire nel combattere questa crisi?

La domanda alla quale siamo interessati è: perché le persone anziane vengono infettate di più in alcuni paesi che in altri? Le ricerche esistenti hanno già enfatizzato l’importanza del contatto sociale nella diffusione delle malattie infettive (Mossong ed altri, 2008 e, nella crisi attuale, Liu ed altri, 2020, Bi ed altri, 2020). I due ultimi studi esplicitamente osservano la trasmissione all’interno delle famiglie e suggeriscono che un contatto molto ravvicinato, ad esempio tra i componenti di una famiglia, sia di particolare importanza. Mossong ed altri (2008), all’opposto, mostrano (per un campione limitato di paesi) ampie differenze nel contatto tra la popolazione non lavorativa e le persone in età di lavoro, mentre all’interno delle persone in età di lavoro i dati sono molti simili tra i vari paesi. La nostra ipotesi è che le differenze nelle interazioni sociali e nelle reti sociali giochino un ruolo fondamentale nello spiegare le differenze di mortalità durante la prima fase della epidemia di coronavirus.

Le ragioni delle differenze nelle strutture sociali sono complesse. Possono derivare da differenze culturali o istituzionali, quali la prevalenza e la disponibilità dei servizi per l’infanzia, l’esistenza o no di leggi per lasciare i bambini non accompagnati, il mercato del lavoro e la situazione economica dei lavoratori giovani nei vari paesi, o la scarsità degli alloggi. Alla luce delle attuali misure amministrative – in particolare, la chiusura delle scuole – prese nel mondo, le strutture sociali possono rapidamente riorganizzarsi se i nonni si spostano o visitano i loro nipoti per soddisfare il bisogno di assistenza ai bambini delle famiglie. Comprendere meglio come tale interazione intergenerazionale influenzi i tassi di letalità è di conseguenza una preoccupazione fondamentale e pressante per le autorità.

La nostra idea sulla relazione tra interazione sociale e diffusione del virus è semplice. Supponiamo che in un paese A quasi tutta l’interazione sia all’interno di un gruppo di persone – ad esempio persone in età lavorativa che interagiscono soprattutto tra di loro ed un secondo gruppo, gli anziani, che fanno lo stesso (riquadro in alto della Figura 2). Nello stesso tempo, in un paese B, l’interazione è spesso tra le diverse generazioni. I giovani e gli anziani vivono assieme e interagiscono – ad esempio, per la assistenza dei bambini – oppure i lavoratori giovani vivono ancora assieme ai loro genitori e non possono permettersi di vivere per conto loro (riquadro in basso della Figura 2). Se il Covid-19 è stato importato in Europa attraverso viaggi per motivi di lavoro, allora un paese del tipo A potrebbe conoscere una epidemia inizialmente molto più contenuta, con un bisogno molto inferiore di terapie intensive e un numero minore di vittime in rapporto alla dimensione della epidemia. Questa correlazione è quello che noi esploriamo nella nostra analisi.

Figura 2. Strutture sociali stilizzate

zz 796

zz 797

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Data questa ipotesi, come si può mettere in funzione questa idea? Ci siamo rivolti ai dati del World Value Survey (http://www.worldvaluessurvey.org/wvs.jsp) e abbiamo calcolato da questa fonte la quota di persone tra i 30 ed i 49 anni che vivono con i loro genitori. La Figura 3 mostra che questa quota varia in modo spettacolare tra i diversi paesi. Da quote al di sotto del 5% in paesi come la Francia, la Svizzera e l’Olanda, a casi come il Giappone, la Cina, la Corea del Sud e l’Italia, con percentuali superiori al 20%.

Figura 3. Quote di persone tra i 30 ed i 49 anni che vivono con i loro genitori nei vari paesi.

zz 798

 

 

 

 

 

 

 

 

Se prendiamo i dati della Figura 3 come misurazioni della interazione intergenerazionale (il numero di frecce rosse che ci sono – vedi il Paese B della figura precedente), allora già questo semplice diagramma mette in evidenza la nostra idea fondamentale. La Figura 4 (riquadro in alto) mostra i tassi di letalità per tutte le economie industrializzate con più di cento casi (al 12 marzo). Con il riquadro in basso della Figura 4, abbiamo aggiornato i nostri dati al 15 marzo. Abbiamo anche messo nel conto che i sistemi sanitari pubblici abbiano cominciato a diventare sovraccarichi e che questo probabilmente aumenti ulteriormente i tassi di letalità. Abbiamo quindi ristretto il nostro campione al periodo nel quale il numero totale dei casi diagnosticati era ancora al disotto di 5.000 nei rispettivi paesi. Adesso, soltanto pochi giorni dopo, ulteriori paesi hanno mostrato ampi numeri del fenomeno e sono dunque entrati nel nostro campione – tuttavia il quadro è rimasto lo stesso. Abbiamo anche affinato i requisiti e ammesso una diversa relazione per i paesi dell’Est Asiatico, perché questi paesi differiscono dai restanti non solo per gli aspetti culturali ma anche per la loro preparazione all’epidemia (ad esempio, attraverso la presenza delle cosiddette “cliniche della febbre” [2] ). In questo caso, abbiamo trovato la stessa correlazione tra l’interazione sociale e i tassi di letalità all’interno dei due gruppi di paesi (linea verde e linea celeste).

 

Figura 4. Tassi di letalità e interazione intergenerazionale

a) 12 marzo

zz 799

 

 

 

 

 

 

 

 

b) 15 marzo

zz 800

 

 

 

 

 

 

 

 

[3]

Entrambe le tabelle confermano la nostra ipotesi fondamentale secondo la quale nei paesi con maggiori interazioni sociali, i tassi di letalità sono inizialmente più elevati. Queste differenze non necessariamente persistono, dato che sviluppi ulteriori dipenderanno dalle misure di governo attuate e dalla efficacia dei sistemi sanitari pubblici nei diversi paesi. Nel nostro studio abbiamo presentiamo dettagliate tabelle di regressione.

Conclusioni

Quello che concludiamo da questa analisi è che la struttura delle interazioni sociali è importante per i tassi di letalità di questa epidemia e che le misure di ‘distanziamento sociale’ devono concentrarsi particolarmente sugli anziani.

Questo effetto se ne andrà appena il virus troverà la sua strada entro le popolazioni anziane e potrà espandersi all’interno di questo gruppo, giacché gli anziani non sono un complesso di persone interamente disconnesse da un punto di vista sociale. Quei paesi con bassi tassi di letalità, come la Germania, dovrebbero considerarlo come un segnale ammonitore. Sfortunatamente, è probabile che i bassi tassi iniziali di letalità non siano destinati a rimanere una volta che il virus si diffonde.

Nello stesso tempo, noi speriamo che questo piccolo articolo di analisi dei dati ci aiuti a comprendere meglio quanto sia decisivo mantenere gli anziani non contagiati e quale ruolo le reti e i collegamenti sociali giochino in questo. Esso può anche costituire un segnale ammonitore per quei paesi nei quali gli anziani ed i giovani vivono assieme a stretto contatto e quanto sia importante contenere il virus inizialmente. La Figura 5 mostra che i paesi all’interno dell’Europa che sono a rischio includono la Serbia, la Polonia, la Bulgaria, la Croazia e la Slovenia.

Figura 5. Percentuali delle persone tra i 30 ed i 49 anni che vivono con i loro genitori.

zz 801

 

 

 

 

 

 

 

 

[4]

 

 

 

 

 

 

 

 

[1] Sembra che tradurre con “tassi di letalità” sia la traduzione più appropriata, giacché “case fatality rate” è un concetto un po’ diverso da “mortality rate”. Il secondo indica il numero dei morti in rapporto alla popolazione in una data unità di tempo, mentre il primo indica il numero dei morti su un complesso di casi risultanti dal trattamento negli ospedali, o nel sistema sanitaria più in generale, di una determinata malattia.

Ammesso che questa sia la differenza (è spiegata in una connessione su Worldreferencecom testo inglese del 7 febbraio 2014), la differenza cui si allude con quella traduzione è che “mortalità” indica il fenomeno complessivo delle vittime, mentre “letalità” indica i casi di morte tra gli ammalati. E, in effetti, nei dati che ci vengono detti giorno per giorno, ci si riferisce a percentuali tra la popolazione positiva al virus, non a percentuali sulla popolazione complessiva.

[2] Pare che le “cliniche della febbre” – ne ho trovato una descrizione in un articolo su “The Conversation” relativo all’Australia – siano strutture specializzate per le funzioni di analisi, per i test, il trattamento e la ‘rassicurazione’ di persone con sintomi e, laddove necessario, per operare come strutture di selezione e accesso al sistema sanitario ospedaliero.

[3] Leggiamo con maggiore attenzione queste due tabelle, piuttosto complicate. In entrambe, la progressione verticale indica i tassi di letalità – che vanno da poco sopra lo zero a più di 6 – mentre quella orizzontale indica la percentuale della popolazione tra i 30 ed i 49 anni che vive con i genitori.

Nel riquadro a), relativo ai casi al 12 marzo, compaiono tre linee di tendenza: la linea rossa che rappresenta la linea di tendenza (ovvero, la progressione dai valori minori a quelli maggiori) dei paesi delle economie industrializzate, che partono da valori inferiori a 1 per arrivare ad un valore superiore a 6 nel caso dell’Italia; la linea verde che rappresenta la linea di tendenza del complesso di tutti i paesi; la linea gialla, che rappresenta tutti i paesi industrializzati, ‘depurati’ dal pesante caso italiano.

Nel riquadro b), relativo ai casi al 15 marzo, alle linee di cui sopra, si aggiungono una linea verde che indica le economie industrializzate senza l’Asia “dummy” e una linea grigia che indica i paesi dell’Asia senza l’Asia “dummy”. Tirando molto ad indovinare le “variabili dummy” dovrebbero riferirsi alla presenza o meno di quei particolari fattori derivanti dalla presenza di strutture epidemiologiche particolari di prima assistenza (“dummy” dovrebbe significare qualcosa come “fittizio, di prova, di test”).

Al di là di queste difficoltà, le tabelle sono più semplicemente per noi interessanti, perché collocano il caso italiano in coordinate assai precise: siamo in ogni caso il paese con un tasso di letalità più alto e siamo un paese che si colloca al livello più elevato di tutti i paesi avanzati quanto alla percentuale delle persone in età lavorativa tra i 30 ed i 49 anni che vivono con i propri genitori. Sino a 15/20 volte superiore al dato dell’Europa del Nord, dieci volte superiore al dato della Francia, 4 volte superiore alla Germania e agli Stati Uniti.  

Un piccolo particolare meno sconfortante, è che – se interpreto correttamente – il tasso di letalità in Italia è in leggero calo il 15 marzo rispetto al 12 (ovvero, resta il più alto, ma è un po’p meno più alto, perché probabilmente i casi di contagio crescono più rapidamente delle vittime). Del resto, questa è la tesi dell’articolo: il fenomeno riguarda principalmente la reazione iniziale al virus e non è detto che non si attenui col tempo.  

[4] In questa Tabella, come si nota, non compaiono parecchi paesi europei, ma le loro quote sono già state indicate nelle tabelle precedenti. Quest’ultima tabella, in sostanza, segnala i casi degli ulteriori paesi esposti ad un elevato tasso di letalità, almeno nella fase iniziale.

 

 

 

 

 

 

 

By


Commenti dei Lettori (0)


E' possibile commentare l'articolo nell'area "Commenti del Mese"