Corso di laurea magistrale Interateneo in Fisica dei sistemi complessi

Idealmente gli studenti dovrebbero aver frequentato i corsi di "Complessità nei Sistemi Sociali" e "Data Mining, Statistical Modeling and Machine Learning"

Questo corso offre una panoramica dei dati digitali e dei metodi computazionali che possono essere utilizzati per studiare la diffusione di malattie infettive e più in generale la salute di una popolazione su larga scala.

Al termine del corso gli studenti avranno:

• una conoscenza delle ricerche all’avanguardia nel campo dell’Epidemiologia Digitale
• la capacità di raccogliere dati da fonti digitali proxy (come Google Trends, Wikipedia, articoli di notizie, etc)
• la capacità di progettare e implementare modelli computazionali per rappresentare e prevedere la diffusione delle malattie infettive
• la capacità di integrare dati e tecniche statistiche avanzate nei modelli epidemici

Questo corso offre una panoramica dei dati digitali e dei metodi computazionali che possono essere utilizzati per studiare la diffusione di malattie infettive e più in generale la salute di una popolazione su larga scala.

La prima parte sarà incentrata sull’epidemiologia digitale, offrendo un’introduzione alla disciplina, ripercorrendone la recente evoluzione e presentando una varietà di casi d’uso. In particolare, questo modulo si focalizzerà sia sui dati digitali raccolti passivamente (ad esempio, dati dai social media, ricerche su Internet) sia sui dati raccolti attivamente attraverso piattaforme di sorveglianza partecipativa per lo studio delle malattie infettive.

La seconda parte del corso sarà dedicata all’epidemiologia computazionale, offrendo un’esplorazione approfondita di diverse tecniche matematiche e computazionali impiegate per modellizzare e prevedere la trasmissione delle malattie infettive. In particolare, verranno trattati modelli compartimentali semplici a popolazione singola, modelli di rete e modelli con metapopolazioni. Verranno inoltre discussi concetti di modellizzazione più avanzati, come le matrici di contatto e i cambiamenti comportamentali. Il corso porrà particolare enfasi sull’implementazione pratica di questi modelli, includendo metodi di calibrazione bayesiana, principi di previsione epidemica, integrazione dei dati per migliorare l’accuratezza dei modelli e l’analisi di scenari epidemici reali, tra cui la pandemia di COVID-19.

Circa un terzo delle lezioni sarà dedicato a sessioni pratiche e operative utilizzando il linguaggio di programmazione Python. Sebbene l’obiettivo principale del corso riguardi le dinamiche della trasmissione delle malattie infettive nelle popolazioni umane, le metodologie introdotte hanno un’ampia applicabilità e possono essere estese facilmente a una vasta gamma di soggetti. Tra questi figurano popolazioni non umane e vari processi di diffusione, come la propagazione di informazioni, la circolazione di idee, l’adozione di norme e la diffusione di contenuti su Internet.

 

Il corso si svolgerà in presenza, con circa un terzo delle lezioni dedicato a sessioni pratiche di laboratorio in Python

L’esame consisterà in un progetto pratico e in una prova orale sui materiali presentati a lezione.