Il rifiuto dei vaccini si può prevedere

L’esitazione di fronte ai vaccini è un problema di salute pubblica noto già prima della pandemia. Gli algoritmi di machine learning applicati ai dati amministrativi possono aiutare a prevedere le aree a maggior rischio, dove indirizzare gli interventi.

Il fenomeno

L’esitazione vaccinale rappresenta una seria minaccia alla campagna di immunizzazione di massa contro il Covid-19 ed è ormai al centro del dibattito pubblico, non solo in Italia. Tuttavia, il fenomeno è un problema ben noto di salute pubblica già prima del diffondersi della pandemia da Covid-19. Nel 2018 l’Organizzazione mondiale della sanità lo aveva inserito tra le dieci minacce più rilevanti alla salute pubblica mondiale, insieme per esempio all’inquinamento ambientale e alla resistenza agli antibiotici. Nel mondo esistono tanti focolai di malattie per le quali abbiamo un vaccino efficace, ad esempio morbillo e difterite. Nel 2018 i casi di morbillo sono aumentati del 30 per cento a livello mondiale in un solo anno. L’Italia, subito dopo la Romania, è stato il secondo paese europeo con la più alta crescita di casi.

Da cosa dipende?

Diversi studi mostrano come ci siano caratteristiche fortemente associate alla esitazione vaccinale, come il basso reddito e la scarsa istruzione, alcuni orientamenti politici o religiosi, la bassa fiducia nella medicina convenzionale e nelle istituzioni, la percezione del rischio (Dincer e Gillanders 2021; Hornsey et al., 2020; Ward et al., 2020; Carrieri et al., 2019; Chang, 2018; Motta et al. 2018; Yakub et al., 2014). Un interessante rapporto dell’Ecdc del 2016 prende in rassegna le maggiori determinanti che emergono dalla corposa letteratura empirica sul tema. Tra le cause maggiormente associate all’esitazione si rilevano: la bassa percezione di sicurezza dei vaccini (31 per cento), mancanza di informazioni (12 per cento), percezione di basso rischio della malattia (10 per cento), scarsa efficacia percepita dei vaccini (10 per cento) e teorie cospirative (9 per cento).

Un tratto caratteristico delle persone più esitanti è che non si è riluttanti alla vaccinazione per singoli vaccini e per specifiche motivazioni, ma lo si è alla vaccinazione in generale.

Si può prevedere?

La raccolta di informazioni individuali tra le persone non ospedalizzate non è un compito facile, soprattutto considerando i limiti di tempo indotti da una campagna di vaccinazione di massa tesa a raggiungere l’immunità di gregge il più rapidamente possibile ed evitare la diffusione di varianti.

In un recente studio abbiamo provato però a verificare se fosse possibile identificare le comunità più a rischio di esitazione vaccinale sulla base di dati amministrativi facilmente reperibili (caratteristiche istituzionali, fattori demografici e geografici, e indicatori socioeconomici) utilizzando delle tecniche di machine learning. Prevedere le aree a maggior rischio consentirebbe di indirizzare gli interventi verso questi luoghi in maniera tempestiva.

Abbiamo utilizzato i dati delle campagne di immunizzazione pediatriche (0-24 mesi) per sette vaccini non obbligatori effettuate in 6.062 comuni nel 2016 (prima della riforma Lorenzin) in Italia: pertosse, morbillo, HIB, meningococco, pneumococco, parotite e rosolia. Nel nostro lavoro prediciamo la probabilità comunale di esitazione vaccinale sulla base di 28 variabili costruite su dati amministrativi (tabella 1).

Il miglior modello (random forest) riesce a prevedere le aree ad alto rischio di esitazione con grande precisione (0,761), sensibilità (0,623) e specificità (0,850). Rispetto al livello di base, l’accuratezza con random forest migliora del 24 per cento. Tra gli indicatori a livello di area, la quota di raccolta differenziata e il tasso di occupazione risultano essere i predittori più potenti dell’esitazione vaccinale. In particolare, la raccolta differenziata è spesso utilizzata negli studi scientifici come proxy di capitale sociale. In questo caso, basse percentuali di raccolta differenziata potrebbero voler indicare una bassa propensione a contribuire al bene pubblico. Allo stesso modo, la rilevanza del livello di occupazione segnala un’associazione importante tra condizioni socioeconomiche ed esitazione vaccinale.

Un modello utile per la campagna di vaccinazione contro il Covid-19?

L’indisponibilità di dati a livello comunale sulla vaccinazione da Covid-19 non ci consente di testare empiricamente la bontà del nostro modello per quel vaccino. Tuttavia, confrontando il tasso di copertura riscontrato per la vaccinazione pediatrica (gli ultimi dati disponibili riguardano il 2018) e quello da Covid-19 sugli over 50 (aggiornato al 9 settembre 2021) a livello regionale emerge una correlazione positiva e significativa tra le due: Pearson’s correlation = 0.59, p-value = 0.01065. Le mappe in figura 1 mostrano una similitudine elevata tra le due distribuzioni territoriali, pur con alcune eccezioni rilevanti, ad esempio il Molise, che ha una bassa copertura nei vaccini pediatrici, ma ne ha una alta contro il Covid-19 tra gli over 50.

Figura 1 – Copertura vaccinale regionale: vaccini pediatrici tra gli under 2 nel 2018 (sinistra), vaccini Covid-19 tra gli over 50 (destra)

Ciò suggerisce almeno due considerazioni. La prima è che, come già riscontrato dalla letteratura, esiste una forte persistenza del fenomeno a prescindere dai vaccini considerati. Ciò implica che l’esitazione vaccinale per Covid-19 è solo marginalmente riconducibile al fatto che si tratta di un vaccino di recente immissione sul mercato. Secondo, dimostra come esistano aree ben identificabili dove si concentra il rischio di alta esitazione vaccinale, ad esempio la Sicilia che è ultima su entrambe le coperture vaccinali. Probabilmente, dunque, potrebbe essere utile indirizzare gli sforzi verso queste aree e lavorare con interventi di promozione mirati. Le tecniche di intelligenza artificiale applicate ai dati amministrativi già in possesso della pubblica amministrazione offrono la possibilità di un’accurata e tempestiva identificazione di queste aree a costi molto contenuti.