Cities and Covid-19 : statistical correlation between the characteristics of cities and the spread of Covid-19 in early phases

Considering that, according to a UN study, in 2050 66% of the population will live in cities with more than one million inhabitants and that the constant urbanization process, to the detriment of the natural ecosystem, will probably favor the proliferation of viruses and consequently will increase the risk of pandemics, this study was born with the idea of verifying speculative opinions, which have followed one another since the beginning of the Sars-Cov-2 epidemic, on the correlation between some characteristics of cities and the spread of the virus. After an overview of what has happened in the world and of the statistical studies that have been carried out to understand how the epidemic will evolve and what were the causes that most influenced the spread of the virus, an original study will be shown that differs from the others in various aspects. Using the tool of multiple linear regression, the approach to the study is on a global rather than local scale, and the dependent variable studied is neither the number of recorded cases (absolute, per hundred thousand inhabitants) nor the number of deaths (absolute, per hundred thousand inhabitants) but rather the percentage of growth between one week and the next, in three different cases: between the first and second week of the virus' appearance in a city, between the second and third week and a week after closure of airports and air routes. It can thus be observed that if it is not possible to establish a statistical correlation, with a simple linear regression, between this dependent variable just described and the independent variables chosen (population density, number of flights connections, PM5 value and GDP per capita), a multiple linear regression is instead a model that can well describe the phenomenon, with a sufficiently high number of observations and a shrewdness in eliminating values that distort the analysis. At the end of the study, it will be possible to observe that the PM5 values and the number of flights connections are the two characteristics that most influenced the increase in cases in individual cities after the closure of airports. In the conclusions you will also find personal considerations on how the States have behaved and will have to behave to shape the urban environment of the future.

Considerando che, secondo uno studio delle Nazioni Unite, nel 2050 il 66% della popolazione vivrà in città con più di un milione di abitanti e che il costante processo di urbanizzazione, a scapito dell'ecosistema naturale, favorirà probabilmente la proliferazione di virus e conseguentemente aumenterà il rischio di pandemie, questo studio nasce con l'idea di verificare opinioni speculative, che si sono susseguite dall'inizio dell'epidemia di Sars-Cov-2, sulla correlazione tra alcune caratteristiche delle città e la diffusione del virus . Dopo una panoramica di quanto è accaduto nel mondo e degli studi statistici che sono stati effettuati per capire come si evolverà l'epidemia e quali sono state le cause che hanno maggiormente influenzato la diffusione del virus, verrà mostrato uno studio originale che differisce da gli altri in vari aspetti. Utilizzando lo strumento della regressione lineare multipla, l'approccio allo studio è su scala globale piuttosto che locale e la variabile dipendente studiata non è né il numero di casi registrati (assoluto, per centomila abitanti) né il numero di decessi (assoluto, per centomila abitanti) ma piuttosto la percentuale di crescita tra una settimana e l'altra, in tre diversi casi: tra la prima e la seconda settimana di comparsa del virus in una città, tra la seconda e la terza settimana e una settimana dopo la chiusura del aeroporti e rotte aeree. Si può così osservare che se non è possibile stabilire una correlazione statistica, con una semplice regressione lineare, tra questa variabile dipendente appena descritta e le variabili indipendenti scelte (densità di popolazione, numero di coincidenze, valore PM5 e PIL pro capite), una regressione lineare multipla è invece un modello in grado di descrivere bene il fenomeno, con un numero di osservazioni sufficientemente elevato e un'accortezza nell'eliminare valori che distorcono l'analisi. Al termine dello studio, sarà possibile osservare che i valori di PM5 e il numero di collegamenti aerei sono le due caratteristiche che più hanno influenzato l'aumento dei casi nelle singole città dopo la chiusura degli aeroporti. Nelle conclusioni troverete anche considerazioni personali su come gli Stati si sono comportati e dovranno comportarsi per plasmare l'ambiente urbano del futuro.