Analisi Diffusione Globale COVID-19

Analisi esplorativa su oltre 420.000 osservazioni per identificare trend continentali, pattern europei e anomalie nei dati sanitari.

---

🎯 Obiettivo del Progetto

Trasformare dati grezzi sul COVID-19 in insight strategici per:

• Analizzare trend di diffusione a livello continentale
• Confrontare l'impatto sanitario tra nazioni europee (Italia, Francia, Germania, Spagna)
• Identificare anomalie nei dati che compromettono l'affidabilità delle analisi
• Dimostrare competenze di Data Quality Assessment e pulizia dati complessi

---

Dataset

Fonte: Our World in Data - COVID-19 Dataset

Caratteristiche:

• Osservazioni totali: 420.000+
• Periodo temporale: 2020-2023
• Granularità: Dati giornalieri per nazione
• Metriche principali:
  • new_cases: Nuovi casi confermati
  • hosp_patients: Pazienti ospedalizzati
  • icu_patients: Pazienti in terapia intensiva
  • new_deaths: Nuovi decessi

Sfide del dataset:

• Presenza di aggregazioni geografiche (World, Income groups) mescolate con dati nazionali
• Valori nulli strutturali in alcune nazioni
• Frequenza di registrazione variabile (giornaliera vs settimanale)

---

1. Exploratory Data Analysis (EDA) & Cleaning

Problema: Il dataset includeva righe aggregate (es. "World", "High income") che distorcevano le analisi nazionali.

Soluzione:

# Filtraggio righe con continent valido (esclude aggregazioni)
df_clean = df[df['continent'].notna()]

# Risultato: da 420k a 400k osservazioni puntuali per nazione

2. Analisi Temporale (Focus Italia 2022)

Problema: Visualizzazione "a scalini" della curva contagi dovuta a registrazioni settimanali.

Soluzione:

# Rimozione date con valori nulli per ottenere trend lineare coerente
df_italy_2022 = df_italy_2022[df_italy_2022['new_cases'].notna()]

Risultato: Curva smooth che mostra chiaramente i picchi stagionali.

3. Benchmarking Europeo (ICU & Ospedalizzazioni)

Confronto: Italia, Francia, Germania, Spagna (2021-2022)

Metriche:

• Pazienti in terapia intensiva (icu_patients)
• Pazienti ospedalizzati (hosp_patients)

Tools: Boxplot per variabilità, Bar Chart per confronto diretto.

---

Analisi 1: Trend Italia 2022

Insight:

• Picco massimo: Gennaio 2022 (periodo Omicron)
• Discesa graduale fino a Estate 2022
• Ripresa autunnale contenuta

Analisi 2: Confronto ICU Europa

Insight:

• Italia: Stabilità maggiore (IQR ridotto)
• Germania: Alta variabilità (picchi improvvisi)
• Francia/Spagna: Pattern intermedio

Analisi 3: Data Quality Issue - Germania 2021

Anomalia critica identificata:

# Check valori nulli Germania 2021 - hosp_patients
germany_2021_null = df_germany_2021['hosp_patients'].isna().sum()
# Risultato: 365/365 giorni (100%)

Decisione: ❌ NO imputation (media, mediana, modelli predittivi)
✅ Documentazione trasparente: "Dati non disponibili - impossibile stimare con attendibilità"

• L'assenza totale di dati impedisce qualsiasi stima ragionevole
• Inventare valori compromette l'integrità dell'analisi
• Un Data Analyst deve saper dire "questo non posso calcolarlo"

---

Risultati Chiave

1. Pulizia Dati:

   • Riduzione rumore del 5% (filtraggio aggregazioni)
   • Gestione corretta di valori nulli strutturali

2. Insight Sanitari:

   • Italia mostra resilienza superiore nei reparti intensivi
   • Germania ha maggiore volatilità (possibile sottoreporting?)

3. Data Quality:

   • Identificazione e documentazione anomalia critica (Germania 2021)
   • Approccio etico: trasparenza > completezza forzata

---

Tech Stack

Categoria	Tecnologia
Linguaggio	Python 3.10
Data Manipulation	Pandas, NumPy
Visualizzazione	Matplotlib, Seaborn
Notebook	Jupyter Notebook
Version Control	Git, GitHub

---

Autore

Simone Vitale
Data Analyst | Roma, Italia

---

📄 Licenza

Questo progetto è rilasciato sotto licenza MIT.

---

Ringraziamenti

• Our World in Data per il dataset pubblico
• EPICODE Institute of Technology per il supporto formativo
• Community Python per documentazione e best practices