IL LAVORO DEL VIRUS E IL VIRUS DEL LAVORO NELLE MAPPE DI TERRITORIO

di Marco Revelli*

L’analisi territoriale della diffusione dell’epidemia Covid-19, dettagliata a livello di comune e di quartiere, è uno strumento indispensabile per comprendere la morfologia del contagio e contrastarla. Essa ne rivela il carattere “classista”, che ha colpito in misura maggiore le aree urbane più povere, ma mostra anche come alla prova del virus il capitalismo delle reti non abbia retto la sfida rivelando tutta la propria strutturale “fragilità”. Sono saltate così pressoché tutte le reti lunghe, man mano che le frontiere si chiudevano, mentre l’economia di distretto ha visto la propria virtù – il rapporto di prossimità, l’intensità relazionale, l’interazione spinta – trasformarsi in vizio e minaccia mortale: le zone “rosse”, in cui si concentrano contagi e letalità, coincidono quasi palmarmente con quelle dove più fibrillante è stata l’interattività produttiva e commerciale. Il virus non ha camminato solo sulla via della seta, in Italia ha ripercorso anche le reti provinciali d’interscambio produttivo, la risalita a salmone lungo le valli che avevano caratterizzato il passaggio al post-fordismo, ha visto gli addensamenti di capannoni diventare hub del contagio (esemplare la vicenda del bergamasco). L’intreccio tra intensità fibrillante del fare e fragilità della struttura produttiva è stato letale per aree come quella centro-padana: tra febbre del fare e febbre del virus c’è un’interazione tragica dove non è il capitalismo renano a dominare bensì quello intensissimo ma fragilissimo italiano.

* * * * * *

A cominciare dall’11 marzo 2020 l’Istituto Superiore di Sanità incomincia a rendere pubblici sul proprio sito “Rapporti quotidiani sull’andamento dell’epidemia da Coronavirus”[1], contenenti dati statistici sul numero complessivo di casi diagnosticati divisi per classi di età, genere, sintomaticità (asintomatico, paucisintomatico, lieve, critico e severo), regione di diagnosi e provincia di residenza (erano allora 11.538 i casi accertati e 619 i decessi). Nello stesso periodo il medesimo Ente elabora bollettini periodici contenti approfondimenti statistici su un campione significativo di pazienti deceduti a causa accertata della patologia Covid-19, classificati anch’essi per fascia di età, sesso, numero di patologie preesistenti, diagnosi di ricovero, sintomi, complicanze, terapie e tempi (dall’insorgenza dei sintomi al ricovero ospedaliero e da questo al decesso). Dati, tutti, importanti e necessari. Ma non sufficienti. 

I dati ‘biometrici’ (‘leggeri’), infatti, in quanto personali, cioè relativi ai singoli individui, ci forniscono informazioni sull’identità dei contagiati (e sulle loro individuali chances), ma ci dicono assai poco (o nulla) sulle modalità del contagio (che hanno invece a che fare con la relazionalità di una determinata popolazione). Per ottenere questo tipo di conoscenza occorrerebbe aver accesso a un significativo set di dati ‘sociometrici’ o ‘topometrici’, chiamiamoli così, capaci di ‘fotografare’ il sistema delle interazioni interne a gruppi e settori sociali quali in particolare la professione (con il relativo tipo e grado di mobilità), il luogo specifico di abitazione e di attività lavorativa, la localizzazione presunta del contagio (e l’eventuale contiguità tra tali localizzazioni), ecc. Dati questi sicuramente a disposizione delle autorità sanitarie (in quanto rilevati al momento del ricovero) ma non censiti sistematicamente: la distribuzione dei casi su base regionale o provinciale è troppo generica, occorrerebbe una descrizione a maglie molto più strette (a livello quantomeno di quartiere, o di caseggiato); l’indicazione delle caratteristiche professionali è totalmente assente (sono rilevati solo i casi di contagio tra gli operatori sanitari); così come nulla si sa sulla collocazione sociale dei pazienti, privando così i cittadini e soprattutto i decisori pubblici di informazioni decisive per definire strategie di contenimento della diffusione epidemica meno rozze (in quanto più selettive) degli abusati interventi ‘lineari’. Servirebbero cioè strumenti aggiuntivi alle solite tabelle o ai grafici a torta e diagrammi di cui le infografiche dell’ISS abbondano. Servirebbero mappe! Ovvero rappresentazioni dettagliate fino al particolare della dinamica territoriale del virus, nei suoi percorsi di diffusione e di conquista di settori aggiuntivi di popolazione. Là dove questo tipo di rilevazione è stato fatto, si sono ottenute indicazioni di grande interesse, sia conoscitivo che operativo.

Mappe: Regno Unito

In Inghilterra e nel Galles, per esempio, dove l’Office for National Statistics ha ‘mappato’ i tassi di mortalità da Covid-19 (Office for National Statistics 2020), appare con molta evidenza come il virus si sia mosso ripercorrendo quasi palmarmente la geografia economica (le vie del business e le aree di più intensa interattività commerciale e produttiva). E soprattutto con una pressoché infallibile selettività sociale (una sorta di perversa ‘coscienza di classe’), colpendo duro in basso e risparmiando benevolmente gli strati alti, come sintetizza il titolo del Telegraph che ne dà notizia: “Mapped. How coronavirus death toll has hit the poorest areas hardest” (Gilbert et Al. 2020). Il rapporto non solo conferma un dato in qualche modo di per sé già evidente anche a occhio nudo, per così dire, e cioè il carattere prevalentemente urbano dell’epidemia (che, come tutte le pestilenze della storia, corre veloce dove la densità demografica è maggiore) dando evidenza statistica al fatto che sono state le città, grandi e medie, l’epicentro del contagio (il tasso di mortalità è qui sei volte maggiore che nelle aree rurali – v. grafico 1); ma soprattutto rivela come in quei conglomerati urbani siano stati i più poveri (gli abitanti dei quartieri “most deprived”) i più colpiti con un tasso di mortalità superiore del doppio rispetto a quelli “rich” (grafico 2): nelle aree collocate al Primo livello – quelle definite “most deprived” –, infatti, l’Age-standardised mortality rate (cioè il tasso medio di mortalità ogni 100.000 abitanti misurato facendo omogenea la composizione per età risulta pari a 55,1, mentre scende a 25,5 – cioè si dimezza – nei quartieri classificati di Decimo livello, i least deprived.

Per l’area metropolitana della Grande Londra (grafico 3), di gran lunga quella col maggior numero di contagi, il tasso di mortalità nei quartieri poveri della periferia (Newham, censito tra i poorest London boroughs col 37% di popolazione in povertà, e Brent col 33%) schizza addirittura a 144,3 e a 141,5 mentre in zone come quella di Ealing o Lambeth (tassi di povertà medi, sotto il 30%) si mantiene intorno a 100 e a Richmond e Kingston upon Thames (tassi di povertà sotto il 15%) scende rispettivamente a 47 e 43.

grafico 1
grafico 2
grafico 3

Mappe: Stati Uniti

Quanto agli Stati Uniti, fin dal 7 Aprile, all’inizio della pandemia in quello che poi ne sarebbe diventato il Paese ‘leader’, un ampio servizio sul Washington Post dal titolo di per sé significativo – The coronavirus is infecting and killing black Americans at an alarmingly high rate (Thebault et Al. 2020) apriva uno squarcio sulla distribuzione sproporzionatamente diseguale del contagio dal punto di vista sociale e, congiuntamente, etnico. In esso si denunciava il fatto che nell’intero Paese la stragrande maggioranza delle vittime del virus si concentrava tra la popolazione più povera, e in particolare nei quartieri-ghetto a maggioranza nera: a Chicago, per esempio, “la metà dei contagiati e il 72% delle vittime del Covid-19 erano afroamericani, nonostante questa comunità rappresenti solo il 30% della popolazione totale”. Uguali rapporti per Detroit e la stessa New York dove la strage è stata immensa. Più in generale, si affermava, nelle 131 contee a maggioranza nera si registrava il triplo dei contagi rispetto a quelle a maggioranza bianca e un numero di morti sei volte superiore. Un successivo studio realizzato da un’Agenzia ufficiale federale – i Centers for Desease Control and Prevention – su 580 pazienti ospedalizzati con casi confermati di Covid-19 e ripreso con un ampio articolo sul sito di Scientific American[2], confermava la sproporzione di contagi tra la popolazione nera nella quale si era riscontrata una percentuale di contagi pari al 33% mentre solo il 18% del campione era composto da “blacks”. Viceversa tra i bianchi, che costituivano quasi il 60% del campione, gli ammalati erano appena il 45%[3]. Significativo, d’altra parte, il caso di New York, dove il tasso di mortalità per coronavirus tra la popolazione nera era di 92 per 100.000 abitanti e quello tra i Latini di 74 mentre tra i bianchi e gli asiatici l’indice crollava rispettivamente a 45 e 35.

Le ragioni della forte sovra-rappresentazione erano ricondotte, dai commentatori di Scientific American, alle condizioni sociali e lavorative della “popolazione di colore”, impiegata massicciamente nei settori “cosiddetti essenziali” come i ricoveri per anziani o le case di cura, ma anche nell’industria alimentare (le gigantesche fabbriche per il trattamento della carne e le groceries) e nei trasporti di massa, dove erano particolarmente esposti al contatto con malati, con condizioni salariali pessime e assenza di garanzie assicurative[4]. A cui vanno aggiunte le condizioni abitative degradate, in quartieri ghetto anti-igienici, caratterizzati da alti tassi di inquinamento e da abitudini alimentari destinate a favorire diffuse patologie connesse alla povertà come diabete, obesità, ipertensione e disturbi cardiaci, cioè le note co-morbilità che aumentano la percentuale di rischio di morte per coronavirus. D’altra parte la stretta connessione tra dimensione/letalità del contagio, appartenenza etnica e attività lavorativa (in particolare per quanto riguarda i ‘lavori poveri’) risulta evidente se si scompongono i dati aggregati offerti dai CDC per classi di età: la sovra-rappresentazione dei decessi tra gli afro-americani e in generale la ‘gente di colore’ rispetto al loro peso specifico sul totale della popolazione, come si è visto già significativa nel comparto “All Age Group”, diventa addirittura “esplosiva” per le classi in età lavorativa: tra i 18 e i 29 anni, dove i decessi tra i blacks sono più del triplo della loro presenza tra la popolazione (il 33%) mentre quelli tra i whites sono circa un terzo (20,1%); o tra i 30 e i 39 anni dove sono il 28,2% contro il 19,7% dei bianchi, differenza che si assottiglia invece tra i 75 e gli 84 anni, dove la strage consumatasi nelle case di riposo per anziani fa salire la percentuale di morti tra i bianchi al 55% (vicina alla composizione della popolazione totale) e si inverte sopra gli 85 (68,7% tra i whites contro 12,6% tra i blacks)[5]. I ‘bianchi’ si contagiano e muoiono in pensione, oltre la soglia anagrafica che segna la massima esposizione al rischio. I ‘neri’ si contagiano al lavoro, in particolare nei circuiti dei lavori considerati “essenziali” perché connessi alla fornitura di beni e servizi indispensabili e per questo esclusi dal lockdown (là dove è stato stabilito), nelle fasce di età che in base al parametro strettamente anagrafico dovrebbero essere considerate meno a rischio o più ‘sicure’. In molti casi costretti al lavoro mentre il resto della società era costretto a ‘chiudersi in casa’, in ambienti insalubri o a contatto con la massa dei possibili portatori di contagio.

Mappe: il caso italiano

In Italia, come si è detto, non si dispone di rappresentazioni statistiche sistematiche della dimensione socio-territoriale dell’epidemia da parte di agenzie ufficiali (ISS e Ministero della salute) in grado di offrire chiavi di lettura delle modalità relazionali del contagio. Per ottenere risposta a queste domande (chi contagia chi? dove? Come?) occorre accedere ai micro-dati (rilevazioni per Comune) e incrociarli con variabili di contesto ritenute significative, con una sorta di lavoro ‘fai da te’ assai complesso, che tuttavia ha prodotto alcuni studi di notevole interesse.

Tra questi, ad esempio, la ricerca di due economisti di territorio (Dario Musolino della Bocconi di Milano e Paolo Rizzi della Cattolica di Piacenza) pubblicata col titolo Covid-19 e territorio: un’analisi a scala provinciale sulla rivista dell’Associazione italiana di Studi Regionali (Musolino, Rizzi 2020), in cui ci si poneva alcune domande immediate, intrinsecamente correlate alla dimensione territoriale dell’epidemia nella sua fase iniziale più esplosiva (“Perché Codogno? Perché Cremona, Piacenza e Bergamo? Perché l’epidemia Covid-19 si è diffusa soprattutto nelle regioni del Nord del Paese e soprattutto in Lombardia?” – ibidem). E si tentava una prima risposta mettendo in gioco “un set di fattori socio-economici, demografici e ambientali, ritenuti rilevanti” per definire “le caratteristiche strutturali dei territori” ricercandone le eventuali correlazioni statistiche significative con i livelli del contagio e con il tasso di mortalità riprodotto su una mappa a scala provinciale. Tra le variabili socioeconomiche considerate figuravano il grado di “integrazione/apertura verso l’esterno” (misurato dagli indici di “accessibilità trasportistica” e di “internazionalizzazione commerciale”, cioè dalla “somma dei valori di export e import sul PIL totale provinciale”); la “mobilità pendolare interna ed esterna” (la quantità di residenti che si spostano per lavoro o per studio unita all’“indice di attrazione” dato dalla quota di pendolari in ingresso o di “city users”); l’“agglomerazione produttiva” (“il numero di imprese in rapporto alla popolazione”, dato particolarmente forte nell’individuazione dei distretti industriali) e “lo sviluppo economico e occupazionale” (ibidem). Ad esse si affiancavano le tradizionali variabili demografiche (densità della popolazione e livelli di invecchiamento) e ambientali (numero medio di superamenti dei valori limite per PM10, NO2 e ozono). I risultati sono stati sconcertanti. O quantomeno contro-intuitivi.

Per quanto riguarda le province poste in testa alla graduatoria per intensità del contagio e della mortalità ogni 1000 abitanti al 31 Marzo – e cioè Lodi, Bergamo, Piacenza, Cremona, Brescia, Parma, Pavia, Mantova e Lecco – la variabile demografica (in particolare gli indici di invecchiamento) si è rivelata statisticamente “non significativa” (cioè non tale da determinare scostamenti rilevanti dei dati rispetto ad altri contesti).

Significativa invece la variabile ambientale e soprattutto significative – fortemente significative, con correlazioni molto strette – le variabili socio-ambientali[6]. Il virus cioè si è diffuso e ha galoppato, soprattutto nella fase iniziale e esplosiva del contagio, non tanto nelle aree genericamente ‘molto popolate’ o con età media della popolazione più avanzata, ma in quelle nelle quali l’interazione di breve, medio e lungo raggio è più intensa. Quelle dove maggiore è l’agglomerazione produttiva (la concentrazione di imprese), più intensi gli indici di produttività (i volumi di fatturato) e di internazionalizzazione, l’infrastrutturazione stradale e autostradale con l’interscambio di merci e persone, il reddito pro-capite, lo sviluppo economico e occupazionale[7]. In sostanza nei territori in cui si concentrano quelli che solitamente sono considerati fattori favorevoli alla competitività territoriale e che invece in questo caso si sono rivelati fattori sfavorevoli di maggiore vulnerabilità al virus. O, se si preferisce, favorevoli alla sua più intensa circolazione.

Quando la forza diventa debolezza

Sono dunque i territori cosiddetti ‘forti’ quelli in realtà più ‘deboli’ alla luce della sfida mortale dell’epidemia. Lo conferma un’analisi urbanistica, “sulle province a più elevato numero di contagi in valore assoluto, e su alcune città metropolitane del centro-nord, più Napoli” (Ombuen 2020), da cui emerge con molta chiarezza il ruolo baricentrico del ‘triangolo infrastrutturale’ Lodi-Cremona-Piacenza (con al centro Codogno) in cui si è registrato nel primo periodo di pandemia di gran lunga il maggior numero di contagi (il record assoluto spetta a Cremona con 1.315 infettati ogni 100.000 abitanti), a sua volta circondato ad alone da Bergamo, Brescia e Reggio Emilia.

Caratteristica comune a tutti è l’elevato livello di “consumo di suolo”. Ma soprattutto la chiave di lettura più convincente per spiegare la precocità del contagio e la sua “esplosività” è da cercare da una parte nella comune appartenenza di questi territori “alla logistic chain che lega fra loro le catene globalizzate della produzione” (quelle che comportando “un intenso sistema di relazioni commerciali e organizzative” hanno in vario modo favorito la precoce diffusione del virus proveniente dalla Cina). E insieme nella loro natura di “distretto”, ovvero di sistema produttivo integrato e organizzato su una particolare matrice della value chain: reti territoriali ad altissima intensità d’interazione, con catene di subfornitura strutturate su una densa molteplicità di passaggi e con una pluralità “di soggetti imprenditoriali i quali utilizzano intensamente forme di lavoro interinale e la rete dei servizi alle imprese fornita dai sistemi urbani, con ulteriori moltiplicazioni delle occasioni di contatto e di contagio” (ibidem).

A conclusioni in larga misura analoghe giunge anche un’altra ricerca, non di un epidemiologo, e nemmeno di un urbanista bensì di un matematico, Giovanni Sebastiani, dell’Istituto per le Applicazioni del Calcolo “Mauro Picone” del CNR, il quale focalizzando l’attenzione sulle reti infrastrutturali identifica nelle autostrade le ‘vie del contagio’ – significativo il titolo: Il virus ha viaggiato in autostrada? (Sebastiani 2020) – dal momento che “le città col più alto numero di contagi giacciono sulle maggiori autostrade italiane”. E colloca in quel nodo di reti che è la coppia Cremona-Piacenza il vero e proprio hub dal quale il contagio si è diramato. Piacenza, infatti, la seconda provincia italiana per intensità del contagio, si trova all’intersezione tra due grandi direttrici di traffico: la E35 (Milano, Piacenza, Parma, Reggio nell’Emilia, Modena, Bologna, Firenze, Roma e Napoli) e la E70 (Torino, Alessandria, Piacenza, Cremona, Brescia, Verona, Vicenza, Padova e Venezia). Cremona (40 km appena da Piacenza) è attraversata da un flusso che punta sia a Est verso Venezia sia a nord (la A22) verso il Brennero. Stanno in fondo tutti lì, tra le maglie della ragnatela identificata da quelle direttrici, i focolai iniziali da cui si è sprigionato l’incendio prima che il lockdown del 10 di Marzo ne rallentasse la corsa. In questo senso, a proposito di questa ‘geografia dinamica’ fortemente focalizzata all’intersezione tra Lombardia, Emilia e Piemonte orientale, è stato scritto, tra il serio e il faceto, commentando una ricerca dai risultati analoghi[8], che il Covid-19 È l’epidemia dell’A21[9] (per chi non lo sapesse la Torino (Alessandria)-Piacenza-Brescia).

Sempre Sebastiani, in una seconda tranche di ricerca, ha aggiornato la propria analisi territoriale della “marcia” del virus all’arco temporale compreso tra il 1 Giugno e il 23 Luglio (Sebastiani 2020a)[10]: alla fase in cui, dopo il periodo della stabilizzazione e del contenimento del contagio grazie al lockdown generalizzato (durante il quale comunque è stato rallentato ma non estinto perché SarsCoV-2 ha continuato a circolare sulle gambe e nei polmoni di quella parte di mondo del lavoro comunque “comandata in servizio” perché addetta a lavorazioni definite “essenziali” o fatte considerare tali da imprenditori impazienti, oltre che tra il personale sanitario e nelle RSA), con il progressivo allentamento dei limiti ha ripreso una graduale ma crescente disseminazione dei focolai. Anche in questo caso l’analisi statistica – corredata da interessanti grafici con curve alternativamente concave o esponenziali – ci dice che la logistica è stata sicuramente un drive significativo, e la rete infrastrutturale un supporto all’estensione su media-lunga distanza di punti di contagio (fortunatamente, al contrario della prima fase, adeguatamente tracciati e contenuti).

Il caso Lombardia

Un’ulteriore conferma di questo carattere fortemente territorializzato in senso socioproduttivo del Covid-19 italiano (che ne spiegherebbe la particolare precocità e magnitudine iniziale) ci viene dalla rilevazione dell’Agenzia per la tutela della salute (ATS) lombarda nell’area metropolitana milanese, realizzata geo-localizzando i contagi in base al Codice di avviamento postale dei pazienti (un raro quanto prezioso esempio di micro-analisi)[11]. E quindi permettendoci di visualizzare nel dettaglio, a livello di quartiere, la distribuzione dei contagi. Da essa risulta, plasticamente, che l’onda di piena del virus è entrata da sud-est, dall’epicentro lodigiano e dal primo maxi-focolaio di Codogno, ha in qualche modo bypassato il nucleo centrale milanese – quello compreso entro la cerchia dei viali -, sfiorandolo sul lato orientale per lanciarsi potente nella città infinita che si stende in direzione est e nord-est – Melzo, Inzago, Trezzo d’Adda -, verso Brescia e soprattutto verso Bergamo dalla quale, rinforzato e rilanciato dagli altri potenti incubatori di Alzano e Nembro (ancora un’economia ad altissima densità di piccole-medie imprese e capannoni), ha incominciato la risalita a salmone lungo le valli che avevano caratterizzato il passaggio al post-fordismo, sulla spinta di un produttivismo fai da te che non si deve ‘fermare mai’ pena la necrosi, tra una fiera del fieno e un ospedale infetto non chiuso per pressioni confindustriali.

Colpisce, in particolare, la mappa cromatica costruita su quel database con i colori che accompagnano l’intensità del contagio (dal chiarissimo per le zone con meno di 4,5 casi per 1000 abitanti allo scurissimo per più di 10) così come si presentava all’inizio di Maggio. Vi si vede con chiarezza la zona centrale (dal Castello Sforzesco a Magenta, Sempione, Wagner, fino alla Basilica di Sant’Eustachio e a Porta Genova) giallina, quasi bianca, a segnare i tratti ‘signorili’ degli edifici che ospitano l’upper class, che può praticare lo smart working e il distanziamento. Intorno, ancora dentro la cerchia dei viali (Porta Garibaldi, Porta Venezia, Porta Romana, Ticinese, Solari…) la gradazione s’imbrunisce un po’ raggiungendo una sorta di beige, ma resta sotto la soglia critica dei 6 contagi per 1000 abitanti (in prevalenza impegnati in quello che prima della pandemia era il front office, le professioni visibili e generatrici di status elevato, manager, comunicatori, operatori del lusso, servizi avanzati alle imprese, designers, liberi professionisti, quel che resta della Milano da bere). Subito dopo, però nel successivo anello (prima periferia?) o ‘girone’ – comprendente Baggio, Lorenteggio, Tibaldi, Corvetto, Calvairate, Forlanini – dominante è l’arancione che vira infine nel rosso scuro a Niguarda, Affori, Quarto Oggiaro a nord, dove è stoccata la forza-lavoro del back office, quelli fino a ieri invisibili, addetti alla logistica e ai servizi poveri, alle attività di cura e alla manovalanza nelle reti corte della distribuzione e della componentistica. E si avverte già il fiato caldo della fibrillante attività ‘di distretto’ proliferante sul versante padano centro-orientale.

La vulnerabilità del ‘capitalismo delle reti’

Alla luce di tutto ciò si può dire, plausibilmente, che alla prova del virus il capitalismo delle reti non ha retto la sfida rivelando tutta la propria strutturale ‘fragilità’. Su scala macro, da una parte, perché sono saltate buona parte delle reti lunghe, man mano che le frontiere si chiudevano e le linee aeree si spezzavano. Il confinamento è stato, appunto, la rivincita dei confini. Esemplare il congelamento del materiale sanitario, delegato alla specializzazione cinese, bloccato e monopolizzato nel luogo di produzione che era anche epicentro dell’epidemia, mentre tutto il mondo restava a secco di mascherine, gel igienizzante, respiratori e attrezzature per terapia intensiva. Ma anche l’automotive, tra i più delocalizzati, l’aerospaziale, persino l’agro-alimentare su cui gli effetti si vedranno nella media lunga durata. Se un’informazione strategica quest’esperienza drammatica ce l’ha data, è su quanto vulnerabile in realtà sia questo apparentemente onnipotente ‘capitalismo da flusso teso’: sistema totalmente integrato su scala globale che funziona con la logica del just in time (con i suoi tempi, le sue cadenze, le sue modalità organizzative: zero tempi morti, zero scorte, zero stock…), fluido, anzi quasi allo stato gassoso nella sua indisponibilità ad assumere una forma stabile, e spaventosamente esposto.

Contemporaneamente la medesima ‘fragilità’ si è rivelata sul livello ‘micro’, perché sono saltate pure le reti corte, non solo per mancanza di componentistica. Anche per mancanza di forza-lavoro, segmentata e ulteriormente frastagliata dalle linee discontinue e talvolta casuali dei confinamenti, delle ‘zone rosse’, dei focolai accesi o ignorati; mentre l’economia di distretto ha visto, come si è detto, le proprie virtù – il rapporto di prossimità, l’intensità relazionale, l’interazione spinta, l’interdipendenza di contiguità – trasformarsi in vizio e minaccia mortale man mano che l’attività fibrillante dei suoi atomi produttori generava la ‘nuvola’ infettiva e la metteva in circolo secondo una geografia strutturata per cluster in cui la tradizionale benefica ‘febbre del fare’ si convertiva, quasi senza soluzione di continuità, nella maligna ‘febbre del virus’… Macchina eternamente fibrillante nella sua impossibilità di rallentare nella corsa perenne al produrre per competere, sempre bisognoso di risultati immediati, detestando la progettualità lunga, i tempi dilazionati, tanto diverso in questo da apparire contrapposto al precedente modello fordista, pesante invece, nella sua composizione fisica massiccia, ad alta intensità di capitale fisso, nella sua forza d’inerzia potente, il capitalismo del nuovo millennio – tanto più quando esso si esprime nella forma “molecolare” tematizzata da Aldo Bonomi – mostra, ora, tutta la sua vocazione all’impasse.

* * * * *

L’articolo è tratto da Scienze del territorio. Rivista di Studi Territorialisti, numero speciale “Abitare il territorio al tempo del Covid”, 2020 Firenze University Press,  pp. 108-117.

*Marco Revelli, docente di Scienza della politica all’Università del Piemonte orientale, si è occupato tra l’altro dell’analisi dei processi produttivi (fordismo, post-fordismo, globalizzazione) e delle forme politiche del Novecento e dell’‘Oltre-novecento’. Le sue opere più recenti: Populismo 2.0 (Torino 2018), La politica senza politica (Torino 2019), Umano, inumano, post-umano (Torino 2020). È Presidente della Fondazione Nuto Revelli Onlus.

Note

[1] Il primo dei quali, datato 11 Marzo 2020, si trova all’indirizzo https://www.epicentro.iss.it/coronavirus/bollettino/Infografica_11marzo%20ITA.pdf  (12/2020)

[2] “Too many black Americans are dying from COVID-19”, 1 Agosto 2020 (The Editors 2020).

[3] Questi dati, ancora parziali, sono confermati dalla successiva documentazione offerta dai CDC con un aggiornamento della statistica dei contagi e dei decessi divisa per aree geografiche e composizione etnica della popolazione colpita (CDC COVID Data Tracker. Maps, charts, and data provided by the CDC, consultabile all’indirizzo https://covid.cdc.gov/covid-data-tracker/#demographics, da cui è possibile anche accedere a una mappa interattiva dettagliata per contee). Secondo la statistica aggiornata alla metà di Settembre 2020, relativa a 4.843.298 casi di contagio e a 141.461 decessi (sono le cifre relative agli stati e alle contee che hanno rilevato i dati per composizione etnica), il numero di decessi tra la popolazione nera è sovrarappresentato di circa il doppio (costituiscono il 22% del totale mentre negli USA gli “afro-americani sono il 12%) mentre quello dei bianchi è sotto-rappresentato (51% contro una presenza del 60%).

[4] Gli stessi provvedimenti approvati dal Congresso all’inizio della pandemia (il “Families First Coronavirus Response Act” e il “Coronavirus Aid, Relief, and Economic Security (CARES) Act”, rilevano gli osservatori politici “across the political spectrum”, hanno fatto “ben poco per proteggere la salute dei lavoratori essenziali” in quanto focalizzati sul sostegno economico anziché sulla protezione medica (The Editors 2020).

[5] Ancora dati CDC.

[6] “Analizzando le correlazioni bivariate”, si legge, “tutte le associazioni ipotizzate sono confermate, ad eccezione delle variabili demografiche, per le quali non si evidenziano legami significativi tra diffusione del virus e densità demografica o peso della popolazione anziana”, ibidem.

[7] “Tra le variabili socio-economiche più correlate – si legge ancora – spiccano l’indice di pendolarismo, il reddito pro-capite e il tasso di occupazione (oltre 0,6); ma anche l’accessibilità trasportistica, l’apertura economica e l’attrazione risultano legati all’intensità di propagazione del Covid-19”, ibidem.

[8] Si tratta di uno studio sui tassi di mortalità da coronavirus tra l’inizio dell’epidemia e il 17 Aprile dell’Università Vita-Salute San Raffaele diretta dall’epidemiologo Carlo Signorelli nell’ambito del progetto europeo Horizon 2020, i cui risultati in via di pubblicazione sulla rivista Acta Biomedica sono stati resi noti il 23 Aprile.

[9] “È l’epidemia della A21”: così il virus si è spostato lungo l’autostrada da Brescia a Torino, in “Fanpage.it”, 23 Aprile 2020 https://www.fanpage.it/attualita/e-lepidemia-dellaa21-cosi-il-virus-si-e-spostato-lungolautostrada-da-brescia-a-torino (12/2020)

[10] Si veda anche, sulla ripresa dei contagi dopo la fine del lockdown, Sebastiani, Mengarelli 2020.

[11] Unità Operativa dell’Agenzia per la Tutela della Salute (ATS) Milano – Città Metropolitana, Valutazione dell’epidemia Covid-19. Mappa Casi Accertati Georeferenziati, https://www.ats-milano.it/portale/Epidemiologia/Valutazione-dellepidemia-COVID-19.

Riferimenti bibliografici

Office for National Statistics (2020), Deaths involving COVID-19 by local area and socioeconomic deprivation: deaths occurring between 1 March and 17 April 2020, 1 May 2020, https://www.ons.gov.uk/people-populationandcommunity/birthsdeathsandmarriages/deaths/bulletins/deathsinvolvingcovid-19bylocalareasanddeprivation/deathsoccurringbetween1marchand17april (09/2020).

The Editors (2020), “Black health matters”, Scientific American, vol. 323, n. 2, p. 8.

Gilbert D., Kirk A ., Riddy B. (2020), “Mapped. How coronavirus death toll has hit the poorest areas hardest. Fresh analysis of deaths in England and Wales paints a bleak picture for those living in the most deprived and built-up areas”, The Telegraph, 1 Maggio.

Musolino D., Rizzi P. (2020) “Covid-19 e territorio: un’analisi a scala provinciale”, EyesReg. Rivista dell’Associazione italiana di Studi Regionali, vol. 10, n. 3, http://www.eyesreg.it/2020/covid-19-e-territoriounanalisi-a-scala-provinciale.

Ombuen S. (2020), “Covid-19 e territorio. Analisi 29/04/2020”, in INU (a cura di), Urbanistica al tempo del Covid-19, https://www.inu.it/blog/urbanistica_al_tempo_del_covid_19/covid-19-e-territorio-analisi (12/2020).

Sebastiani G. (2020), “Il coronavirus ha viaggiato in autostrada?”, Scienza in rete, 9 Aprile, https://www.scienzainrete.it/articolo/coronavirus-ha-viaggiato-autostrada/giovanni-sebastiani/2020-04-09 (12/2020).

Sebastiani G. (2020a), “Distribuzione spaziale e andamento temporale dei focolai di Covid-19 in Italia”, Scienza in rete, 25 Luglio, https://www.scienzainrete.it/articolo/distribuzionespaziale-e-andamento-temporale-dei-focolai-di-covid-19-italia/giovanni (12/2020).

Sebastiani G., Mengarelli J. (2020), “Vacanze esponenziali. Covid-19/Dati, Scienza in rete, 28 Agosto 2020,

https://www.scienzainrete.it/articolo/vacanze-esponenziali/giovanni-sebastiani-jacopo-mengarelli/2020-08-28 (12/2020).

Thebault R, Ba Tran A ., Williams V. (2020), “The coronavirus is infecting and killing black Americans at an alarmingly high rate”, The Washington Post, 7 Aprile.

Print Friendly, PDF & Email