Due curve della pandemia di COVID-19 sono emerse in molte città durante il periodo di un anno da marzo 2020 a marzo 2021.

Stranamente, il numero di contagi giornalieri totali segnalati durante la prima ondata è molto inferiore a quello della seconda, ma il numero totale di decessi giornalieri segnalati durante la prima ondata è molto più alto della seconda ondata.

Questa contraddizione ha ispirato i ricercatori dell'Università di Nicosia a Cipro a esplorare l'incertezza nel numero giornaliero di infezioni segnalate durante la prima ondata, causato da un'insufficiente tracciabilità dei contatti tra marzo e aprile 2020.

In Fisica dei fluidi , Talib Dbouk e Dimitris Drikakis riferiscono che utilizzano la fluidodinamica ambientale - modelli e simulazioni multifisiche multiscala computazionali avanzate - per sviluppare una relazione costitutiva tra le condizioni di stagionalità meteorologica, come la temperatura, umidità relativa, e velocità del vento, e avere due curve pandemiche all'anno.

"Abbiamo integrato una nuova relazione basata sulla fisica in un modello di previsione della pandemia che prevedeva con precisione, come è stato poi osservato, una seconda ondata di pandemia di COVID-19 in molte città del mondo, compresa New York, " disse Drikakis.

Maggior parte, se non tutto, dei dati per il numero giornaliero di nuovi contagi totali segnalati durante la prima ondata della pandemia sono stati sottostimati e utilizzati in modo errato.

"Nella città di New York, il nostro lavoro mostra che il numero giornaliero di nuove infezioni segnalate durante la prima ondata è stato sottovalutato di un fattore quattro, "Dbouk ha detto. "Quindi, l'incertezza dei dati della prima ondata mescolati con i dati della seconda ondata significa che le conclusioni generali tratte possono essere fuorvianti, e tutti dovrebbero esserne consapevoli".

Il lavoro dei ricercatori è il primo caso noto di derivazione di un modello avanzato di quantificazione dell'incertezza per i casi infetti della prima ondata della pandemia basato su simulazioni fluidodinamiche degli effetti meteorologici.

"Il nostro modello è basato sulla fisica e può correggere le inadeguatezze dei dati della prima ondata utilizzando l'adeguatezza dei dati della seconda ondata all'interno di una curva pandemica, " ha affermato Drikakis. "Il nostro approccio proposto combina una velocità di trasmissione del virus guidata dalla stagionalità del tempo ambientale con fenomeni pandemici multi-onda per migliorare l'accuratezza dei dati delle previsioni statistiche".

Nel futuro, il modello di quantificazione dell'incertezza proposto dai ricercatori può aiutare a correggere il numero totale mondiale di infezioni giornaliere da coronavirus riportate da molte città durante la prima ondata di pandemia.