La strategia di ricerca
E’ possibile dare da bere al
paziente immediatamente
dopo la rimozione del tubo
endotracheale?
Domanda
Studi osservazionali
4
EBN
????
SI
NO
Pratica clinica
Dott. Paolo Chiari - Centro Studi EBN
Direzione Servizio Infermieristico, Tecnico e Riabilitativo
Azienda OspedalieroOspedaliero-Universitaria di Bologna
Policlinico S. Orsola Malpighi
Tipologia di studi (quantitativi)
Area grigia
RICERCA SCIENTIFICA
GERARCHIE DELLE FORME DI PROVA
A. Sperimentali:
- disegno pre test-post test
- solo post test
RCT – Trial clinici
randomizzati
- quattro gruppi di Salomone
B. Quasi-sperimentali
C. Non sperimentali (osservazionali):
- disegni descrittivi
Prospettici
(coorte) o
retrospettivi
(caso-controllo)
- disegni correlazionali
D. Altri disegni:
Trial randomizzati e controllati in doppio
cieco
Trial controllati e randomizzati
Studi di Coorte
Studio Caso-controllo
Serie di casi
Report di caso
- serie storiche
- meta-analisi
Mappa della ricerca
QUESITO
TIPOLOGIA DI STUDI
Revisioni sistematiche
E’ un trattamento?
Trial randomizzto e controllato
Ricerca una causa?
Studio di coorte o Caso controllo
Vuole conoscere una prognosi?
Vuole valutare un test
diagnostico?
Studi osservazionali
analitici
Studio di coorte
Studio di sensibilità e
specificità (validazione)
1
Cosa significa
Studio osservazionale: studio in cui i
ricercatori osservano un fenomeno senza
modificarlo. Si contrappongono agli studi
sperimentali, nei quali i ricercatori
intervengono attivamente manipolando la
variabile indipendente.
Cosa significa
Studio analitico: studio in cui è possibile
trarre informazioni dal confronto degli esiti
di due gruppi, dal quale emergono le
relazioni tra le variabili osservate.
Quali sono?
Eziologia o Danno
Studi che verificano l’
l’esposizione ad un
fattore di rischio
Per ogni domanda un disegno
Studi che verificano l’
l’eziologia
(danno)
Es: vogliamo verificare se avere un indice
di massa corporea basso (BMI)
(l’esposizione) è un fattore di rischio per le
lesioni da decubito (l’esito).
Come posso rispondere a questa
domanda?
Attraverso tre disegni:
Gli studi cross sectional
Gli studi caso controllo
Gli studi di coorte
2
Studi cross sectional
Sono studi trasversali che raccolgono
informazioni relative all’esposizione ai
fattori di rischio ed ai loro esiti (insorgenza
della
patologia)
NELLO
STESSO
MOMENTO e sullo stesso paziente.
Studio caso controllo
Sono studi retrospettivi che partendo dalla
presenza, o meno, dell’esito (endpoint)
raccolgono
informazioni
relative
all’esposizione ai fattori di rischio.
Studio caso controllo
Dovrebbero quindi essere confrontate le
differenze in termini di prevalenza, rispetto
all’esposizione (BMI), tra i due gruppi.
Studio cross sectional
Nel nostro esempio i dati potrebbero essere raccolti da un
campione di residenti provenienti da 5 case di riposo.
Gli operatori assistenziali dovrebbero compilare un
questionario per ogni residente, contenente informazioni
sul peso e l’altezza (per calcolare il BMI), alcuni elementi
sulla quantità e sulla gravità delle lesioni da decubito, ed
altri fattori che potrebbero essere loro collegati, quali l’età,
i recenti ricoveri ospedalieri, le patologie croniche e la
mobilità.
Questi dati, quindi, devono essere analizzati per vedere se i
residenti con un basso BMI hanno più probabilità o meno
di sviluppare almeno una lesione da decubito.
Studio caso controllo
Nel nostro esempio il ricercatore dovrebbe
identificare un gruppo di residenti nelle case di
riposo con lesioni da decubito, i casi. Dovrebbe
identificare anche un altro gruppo di residenti che
non hanno tali lesioni, i controlli.
Quindi, dovrebbe raccogliere informazioni sulle
precedenti esposizioni (cioè l’BMI al ricovero
nella casa di riposo) per ogni paziente del gruppo
dei casi e di quelli dei controlli.
Studio di coorte
Sono studi prospettici che partendo
dall’esposizione ai fattori di rischio, o
meno, verificano se insorge l’esito.
3
Studio di coorte
In uno studio di coorte, il ricercatore
dovrebbe identificare un gruppo di residenti
delle case di riposo, che non presentano
lesioni da decubito, e misurare il loro BMI.
Questo gruppo, poi, deve essere seguito nel
tempo, per determinare quanti di loro, e
quali, sviluppano una lesioni da decubito.
Individuare i bias
In uno studio epidemiologico, il termine bias si
riferisce a qualsiasi errore sistematico che porti ad
una stima errata dell’associazione tra l’esposizione
e l’esito.
In uno studio sull’eziologia possiamo incontrare:
Information bias
Recall bias (studi caso controllo)
Selection bias
Fattori di confondimento
Information bias
Information bias/ misclassification – questo
tipo di bias negli studi di coorte (prospettici)
non può essere legata all’esito, dato che non
si è ancora verificato: per questo motivo
l’errore, se si realizza, è equamente
distribuito nei due gruppi e per questo viene
indicato come random o non differenziato.
Cosa ci serve sapere
per leggere gli studi
sulla eziologia
Dove può essere l’
l’errore/imbroglio?
Information bias
Information bias/ misclassification – si
realizza tutte le volte in cui il paziente è
posto nel gruppo sbagliato a causa della
errata rilevazione del parametro considerato
(es. misurazione errata di peso ed altezza e
collocazione erronea nel gruppo con BMI
basso).
Random misclassification bias
L’effetto del random misclassification bias
è quello di ridurre l’associazione tra
l’agente eziologico e la condizione,
spostando i risultati dello studio verso
l’ipotesi nulla.
4
Differential misclassification
bias
Se lo stesso errore viene eseguito negli studi
caso controllo, il suo esito è aggravato dal
fatto che, in questo caso, partendo dagli
esiti, essi possono condizionare la
classificazione dei pazienti e quindi
produrre un effetto positivo o negativo sulla
associazione.
Recall bias
E’ proprio degli studi caso controllo e si
verifica a causa dell’errato ricordo dei
soggetti coinvolti nello studio. Esso
costituisce una forma di differential
misclassification bias.
Esempio ipotetico:
confronto
tra
quanto riferito dai
pazienti e quanto
rilevato
dalla
documentazione
clinica.
Questo tipo di bias
modifica
in
modo
consistente i risultati
della
associazione,
spostandola dall’ipotesi
nulla!
Information bias/ misclassification
Esso si riduce in due modi:
Utilizzando misure di rilevazione oggettive.
Facendo in modo che chi effettua la rilevazione
dell’esposizione non sia a conoscenza dell’esito
(studio caso controllo) e che chi rileva l’esito
non sia a conoscenza della condizione di
esposizione all’agente indagato (studio di
coorte).
Esempio ipotetico:
confronto
tra
quanto riferito dai
pazienti e quanto
rilevato
dalla
documentazione
clinica.
Coloro che non hanno
sviluppato ldd hanno un
ricordo meno accurato e
più positivo rispetto la
durata
della
propria
degenza (in realtà 13
anziché 10 hanno avuto
degenze >10 gg).
Selection Bias
I soggetti selezionati devono essere identici ad
eccezione dell’esposizione all’agente eziologico.
Quando questo non si realizza siamo in presenza
del SELECTION BIAS.
In uno studio caso controllo, in cui si parte da due
gruppi con e senza l’esito, cosa accadrebbe se si
fossero scelte solo persone non esposte al reale
agente eziologico?
In uno studio di coorte, l’allocazione alla
condizione di esposizione si riferisce allo sviluppo
dell’esito (o nei due gruppi ci sono altre differenze
non considerate)?
5
Follow up
Negli studi di coorte i soggetti inclusi nei
gruppi devono essere seguiti per un periodo
di tempo sufficientemente lungo.
Cosa accadrebbe se il follow up fosse
troppo breve, o in esso fossero persi molti
soggetti?
Una perdita nel follow up superiore al 20%
compromette i risultati dello studio.
Fattori di confondimento
Esiste una relazione tra l’assunzione di
caffè e l’insorgenza del tumore del
polmone?
Fattori di confondimento
Al contrario dei bias, i fattori di
confondimento possono essere corretti
cercando di escludere dal campione coloro
che possono recarli con sé.
Purtroppo però i fattori di confondimento
sono numerosi, per cui è difficile escluderli
completamente dagli studi (e non è detto
che possano essere identificati).
La presenza di bias ed i risultati
degli studi
Se nel compimento di uno studio è stato
effettuato un bias i suoi risultati possono
essere definitivamente compromessi.
Gli studi di coorte da questo punto di vista
sono più sicuri, rispetto ad esempio agli
information bias o ad i recall bias, ma non
sempre sono realizzabili (condizioni rare o a
lentissimo decorso).
Fattori di confondimento
I fattori di confondimento sono le variabili
associate sia all’esposizione, sia all’esito, che
potrebbero
spiegare
qualsiasi
relazione
osservata tra questi due fattori.
Fattori di confondimento
Per ridurre l’effetto delle variabili di
confondimento esistono diverse tecniche in
fase di campionamento o in fase di analisi.
6
Accorgimenti in fase di
campionamento
Esclusione dei soggetti che presentano variabili di
confondimento.
Matching, negli studi caso controllo, che consiste
nell’introdurre nel gruppo di controllo persone con
le stesse variabili di confondimento presenti nel
gruppo dei casi.
Stratificazione, che consiste nell’esaminare
l’associazione in modo separato nei diversi gruppi.
Esempio
Tabellare i dati
Evento Sì Evento No
Gruppo S
a
b
a+b
Gruppo C
c
d
c+d
a+c
b+d
a/b
OR = -----------c/d
Regressione. Si tratta di un’elaborazione
statistica che ricalcola le associazioni
tenendo conto dell’effetto delle variabili di
confondimento.
Misure di associazione
Esiste una relazione tra il sesso e l’insorgenza
delle lesioni da decubito?
Lo studio di Margolis e al, presenta un rischio
relativo non adattato pari a 0,78, (CI 95% 0,700,88), ma considerando i fattori potenziali di
confondimento, quali l’età e le patologie
concomitanti, il rischio relativo diventa 1,01 (CI
95% 0,89-1,15). Quindi, cosa si può concludere?
L’odds ratio (OR)
Accorgimenti in fase di analisi
Rischio Relativo (RR)
a
EER
-------------a+b
RR = ------------ = ------------c
CER
-------------c+d
Negli studi sulle cause, vogliamo conoscere
la relazione tra alcuni fattori di rischio dei
pazienti (le esposizioni) e una particolare
condizione o patologia (l’esito).
La relazione tra i fattori di rischio e gli esiti
viene generalmente presentata come rischio
relativo, negli studi di coorte, o come odds
ratio negli studi caso controllo.
Esempio ipotetico
Un risk ratio di 1,37
indica che le persone
Rischio Relativo (RR)
con un BMI basso hanno
a
un rischio di 1,37 volte
EER
-------------0,073
maggiore (o del 37%) di
a+b
RR = ------------ = ----------------- = ------------------- = 1,37 presentare
l’esito,
c
rispetto a quelli con
CER
-------------0,053
c+d
elevato BMI.
7
Quando si usa il RR e quando
l’OR?
Esempio ipotetico
Un odds ratio di 1,39
indica che le persone
con l’esito hanno una
probabilità di 1,39 volte
maggiore (o del 39%) di
presentare avere una
BMI < a 20.
Odds Ratio (OR)
a/b
0,078
OR = ------------ = ----------------- = 1,39
c/d
0,056
Quando si usa il RR e quando l’
l’OR?
Peso alla nascita
<2500 >2500
Le conoscenze
degli angeli
Campione
randomizzato
Età della mamma
Peso alla nascita
<20 10
40
<2500 >2500
>20 15
135
150
25
175
200
RR = 2
<2500 >2500
0.20
>20 0.075
0.675 0.75
0.125
0.875 1.00
Coorte
0.25
<20 20
>20 10
30
RR = 2
Caso
controllo
80
Significati del RR
50
Peso alla nascita
<20 0.05
Il RR si utilizza negli studi di coorte.
L’OR si utilizza negli studi caso controllo.
Non è tanto importante capire quando
bisogna usare l’uno o l’altro, ma sapere che
cosa indicano.
100
90
100
170
200
RR = 2
Se
l’esposizione
protegge
rispetto
l’insorgenza del danno RR<1
Se favorisce l’insorgenza del danno RR>1
Se non produce effetti RR=1
Peso alla nascita
<2500 >2500
<20 40
23
63
>20 60
77
137
100
200
100
OR = 2.25
Punto di partenza
Significati dell’
dell’OR
Se
l’esposizione
protegge
rispetto
l’insorgenza del danno OR<1
Se favorisce l’insorgenza del danno OR>1
Se non produce effetti OR=1
RR e OR
I loro valori corrispondono quando la
frequenza dell’esito è bassa, ma diventano
sempre più divergenti quando l’esito
diviene più frequente.
8
Intervallo di confidenza
Cosa ci interessa sapere del IC?
Quando valutiamo la relazione fra un fattore
eziologico e l’insorgenza di una condizione,
oltre ad osservare il valore della misura di
associazione, dobbiamo valutarne la sua
precisione.
Ciò si effettua considerando l’intervallo di
confidenza (IC).
In particolare dobbiamo verificare:
Quanto è ampio l’intervallo di confidenza.
Che i suoi limiti non vadano oltre il valore che
conferma
l’ipotesi
nulla
(assenza
di
associazione).
Ampiezza dell’
dell’intervallo di
confidenza
L’ipotesi nulla
Tanto più è ampio l’intervallo di confidenza, tanto
meno precisa è la stima dell’associazione tra
fattori di rischio e condizione (e meno dobbiamo
fidarci del risultato dello studio).
L’ampiezza dell’IC è inversamente proporzionale
alla dimensione del campione (se sono stati inclusi
pochi
soggetti
il
risultato ottenuto è
necessariamente poco preciso).
Si verifica quando i parametri di
associazione (RR o OR) assumono valore
uguale a 1 o quando l’intervallo di
confidenza comprende il valore 1.
Definizione dell’
dell’associazione
mediante un altro parametro:
NNH
Similmente al NNT, l’NNH esprime in
modo diretto e clinicamente significativo la
misura dell’associazione, definendo quante
persone devono essere esposte al fattore di
rischio perché una vada in contro alla
condizione.
Come si calcola
Se abbiamo a disposizione i
individuiamo l’NNH in questo modo:
dati
Evento Sì Evento No
Gruppo S
a
b
a+b
Gruppo C
c
d
c+d
1
ARI
a+c
1
NNH = ----------- = ---------------EER - CER
b+d
9
Come si calcola
Facciamo un po’
po’ di conti
Se abbiamo a disposizione solo OR, la
questione si complica:
PEER (OR – 1) + 1
NNH = -------------------------------------------------PEER (OR – 1) x (1 – PEER)
1
NNH = ----------------------- = 50
0,073 – 0,053
PEER è la frequenza dell’evento
tra gli individui
non esposti alla causa putativa
( es CER)
Facciamo un po’
po’ di conti
0,053 (1,39 – 1) + 1
1,02067
NNH = ------------------------------------------ = ----------------- = 53
0,053 (1,39 – 1) x (1 – 0,053)
0,01957449
… lo zampino del caso …
Test di significatività
significatività statistica
Oltre a verificare i valori delle misure di
associazione, e del loro IC, occorre
osservare il valore assunto da “p”, che ci
dice quale sia la significatività statistica dei
risultati ottenuti.
Nel nostro esempio quindi per
ogni 50 persone con un BMI
basso 1 sviluppa lesioni da
decubito.
I RISULTATI SONO VALIDI
?
Per valutare la validità di uno studio
sull’eziologia (danno) di una particolare
condizione, abbiamo bisogno di valutare
quanto abbiano influito, sui risultati dello
studio, 3 fattori:
Il caso, i bias e i fattori di confondimento.
Test di significatività
significatività statistica
Il valore di p misura la probabilità che la
associazione osservata possa essere dovuta
a fluttuazioni casuali, ossia alla possibile
variabilità tra campioni, e possa quindi non
corrispondere a fenomeni reali.
Quanto deve essere il valore di p per poter
escludere l’ipotesi nulla?
10
Test di significatività
significatività statistica
Viene deciso dai ricercatori che indicano
che il livello di significatività statistica è
stabilito a 0,05 o a 0,01.
Test di significatività
significatività statistica
Per convenzione, il cut-off per definire la
significatività statistica del valore di p è 0,05.
Questo valore indica che c’è solo una probabilità
del 5% che la relazione osservata sia dovuta al
caso. Ovviamente, minore è il valore di p, più
bassa sarà la probabilità che un’associazione
osservata, tra l’esposizione e l’esito, sia dovuta al
caso.
Critical Appraisal
Valutazione critica
degli studi sul danno
Avendo chiaro dove possono trovarsi gli
errori/imbrogli, diventa più facile capire
come effettuare la valutazione critica degli
studi sul danno. Essa si basa essenzialmente
su 3 aree: definizione della validità interna,
definizione
della
rilevanza
clinica,
definizione della validità esterna.
1. Verifica la presenza di
selection bias:
Validità
Validità interna
Vi erano gruppi di pazienti chiaramente
definiti, simili in tutto, tranne che per
l’esposizione al trattamento?
11
2. Verifica la presenza di
information bias
L’esposizione al trattamento e gli esiti
clinici sono stati misurati nella stessa
maniera in entrambe i gruppi?
3. Verifica il follow up
Il follow-up dei pazienti è
sufficientemente completo e lungo?
stato
4. Verifica la sussistenza della
associazione
I risultati soddisfano almeno alcuni “criteri
diagnostici di causalità”?
È chiaro che l’esposizione ha preceduto l’insorgenza
dell’esito?
Vi è un gradiente dose-risposta?
Vi è una prova che derivi da una ricerca in cui il
trattamento è stato interrotto e poi ripreso?
L’associazione è costante in diverse ricerche?
L’associazione ha senso da un punto di vista biologico?
Definizione della
rilevanza clinica
I risultati dello studio sono
importanti?
Quali
sono
l’entità
e
la
precisione
dell’associazione tra l’esposizione e l’esito?
Per definire questo parametro occorre considerare.
Validità
Validità esterna
le misure di associazione: RR o OR.
Gli intervalli di confidenza (lontani da 1).
Il valore di p (<0,05 o < 0,01).
Il NNH
12
Questa prova, valida e importante,
può essere applicata al nostro
paziente?
Il nostro paziente è così diverso da quelli dello
studio da rendere inapplicabili i risultati?
Qual è il rischio del nostro paziente di presentare
l’evento indesiderato?
Quali sono le preferenze, le preoccupazioni, le
aspettative del nostro paziente rispetto al
trattamento?
Quali trattamenti sono disponibili?
Prognosi
La prognosi si riferisce agli esiti attesi di una
malattia, o condizione, e alla probabilità con la
quale essi avverranno.
Ampliando ulteriormente la definizione, la
prognosi include gli effetti di una malattia, o
condizione, nel tempo e le probabilità stimate di
guarire o di incorrere in malattie associate.
Tali probabilità vengono fornite da una serie di
variabili chiamate fattori od indicatori prognostici.
Prognosi
Quali studi possono dirci, ad esempio, quali
sono i fattori prognostici che caratterizzano
i pazienti che hanno maggiore probabilità di
morire a 30 giorni dopo un primo IMA?
Prognosi
Studi che valutano la prognosi di una
condizione
Fattori prognostici
Sono le variabili studiate dagli studi sulla
prognosi e sono delle variabili che
forniscono una previsione sulle probabilità
che un paziente possa migliorare o
peggiorare nel tempo.
Prognosi
Sono essenzialmente:
Studi caso controllo
Studi di coorte
RCT, ma solo marginalmente
13
Studio caso controllo per la
prognosi
Studio caso controllo
Uno studio caso-controllo potrebbe
svolgersi mediante l’identificazione di un
gruppo di pazienti con un primo IMA
deceduti (i casi) ed un gruppo di
sopravvissuti (i controlli), quindi cercare
retrospettivamente le caratteristiche (i
fattori prognostici) che li distinguono (per
esempio l’età o il sesso).
Studio caso controllo
I limiti degli studi caso-controllo comprendono il
rischio che la selezione dei casi e dei controlli
possa essere sottoposta a bias:
Selection bias: i gruppi potrebbero essere diversi tra
loro per aspetti sconosciuti o non considerati.
Recall bias: la raccolta retrospettiva dei dati sui fattori
prognostici è in rapporto all’accuratezza della memoria
delle persone o delle registrazioni mediche.
Studio di coorte per la prognosi
Fattori prognostici
Studio caso controllo
Tali limitazioni diminuiscono la forza delle
evidenze per guidare le decisioni cliniche e
per questo gli studi caso controllo non sono
il massimo per studiare la prognosi!
Per questo motivo gli studi ottimali per
studiare la prognosi sono gli studi di coorte
prospettici (con o senza coorte concorrente).
Studio di coorte per la prognosi
Nel nostro esempio, uno studio di coorte potrebbe
identificare un gruppo di pazienti (coorte) al
momento del loro primo IMA, raccogliere i dati di
base sulle varie caratteristiche che potrebbero
essere associate all’esito (mortalità) e quindi
seguire la coorte nel tempo, per vedere quali
pazienti muoiono e quali sopravvivono.
14
Bias negli studi di prognosi
Cosa ci serve sapere
per leggere gli studi
sulla prognosi
Dove può essere l’
l’errore/imbroglio?
Selection bias
I soggetti inclusi nello studio devono:
Essere sostanzialmente simili per condizione, patologia
e stadio della patologia.
Ciò perché la selezione scorretta del campione può
portare a sovrastimare o sottostimare il decorso
della condizione.
Ciò vale anche nel caso in cui si selezionano
soggetti con stadi diversi della malattia.
Follow up - lunghezza
Il follow up deve essere sufficientemente
prolungato per poter analizzare il reale decorso
della patologia.
Per esempio, per determinare il rischio di
invalidità gravi nei pazienti con l’artrite
reumatoide, un periodo di follow-up di 10 anni
condurrebbe a risultati più significativi, rispetto ad
un periodo di 6 mesi. Invece, la gravità di un
infezione causata dalla puntura di un insetto
tropicale, sarà evidente entro pochi giorni.
Gli elementi che dobbiamo verificare in uno
studio sulla prognosi, che potrebbero
compromettere i suoi risultati sono:
Selection bias
Information bias
Fattori prognostici altri
Follow up
Il follow up deve essere sufficientemente
prolungato e completo, per poter analizzare
il reale decorso della patologia.
Follow up – completezza
Il follow up inoltre deve essere il più
completo possibile.
Se non sappiamo che fine hanno fatto
coloro che si sono ritirati, formulando le
conclusioni solo sui soggetti rimasti si
rischia di sovra o sottostimare il decorso
della patologia.
15
2. Verifica ancora la presenza
di selection bias
Gli autori dello studio devono considerare
tutti i pazienti inclusi nel campione
originario e fornire informazioni sulle
caratteristiche dei pazienti che sono stati
perduti al follow-up, e del perché hanno
abbandonato lo studio.
Un abbandono dello studio superiore al
20% compromette i risultati dello studio.
Information bias
Si verificano quando le informazioni sono
influenzate dal pregiudizio di chi le rileva.
Qualità di vita
Esito infausto
Esito positivo
morte
guarigione
Dolore residuo
Information bias
Esso può accadere per due motivi:
Le informazioni da raccogliere sono esito della
valutazione del rilevatore (soggettività).
Il rilevatore conosce l’esposizione ai fattori
prognostici dell’individuo e sposta la sua
valutazione di conseguenza.
L’influenza dei fattori
prognostici altri
La presenza di fattori prognostici non
identificati può incidere pesantemente sugli
esiti. Se essi non sono considerati possono
far completamente travisare i risultati dello
studio.
Fattore prognostico
studiato
Esito
Stato
funzionale
Invalidità
Information bias
Per minimizzare la possibilità di bias vi
sono due accorgimenti:
Uso di misure oggettive.
Cecità dei rilevatori.
È particolarmente importante che coloro che valutano degli
esiti più soggettivi ignorino gli indicatori prognostici dei
pazienti o che vengano utilizzati dei questionari a cui
rispondono i pazienti autonomamente.
La “cecità” dei valutatori dell’esito può non essere necessaria
quando gli esiti sono oggettivi o inequivocabili (cioè la
morte).
Un esempio
Camfield e al. Hanno seguito una coorte iniziale di 692
bambini con l’epilessia, fino a 22 anni, per identificare i
fattori associati a tutte le cause di mortalità.
L’indice di mortalità è stato del 6% dopo 20 anni dalle
prime manifestazioni, rispetto ad un indice dello 0,88%
nella popolazione generale.
Inizialmente le analisi sembravano indicare che i bambini
che avevano avuto gli esordi alla nascita e quelli che
avevano un’epilessia generalizzata secondaria avevano
maggiori probabilità di morire dopo 20 anni.
Tuttavia, queste differenze sono sparite quando le analisi
sono state modificate rispetto alla presenza di gravi
disordini neurologici.
Altro fattore
prognostico
16
Un esempio
Cioè, i bambini con epilessia, che avevano gravi
deficit neurologici, avevano un sostanziale incremento
del rischio di morte, dopo 20 anni (un aumento del
210%), rispetto alla popolazione generale, ed invece i
bambini con epilessia, che non avevano deficit
neurologici, avevano un rischio di morte simile a
quello della popolazione generale.
L’esordio alla nascita e la tipologia di epilessia non
erano associate con indici differenti di mortalità.
Senza l’inclusione dei “disordini neurologici” come
fattore prognostico nell’analisi, si sarebbe potuto
presumere, erroneamente, che i bambini che
sviluppano l’epilessia alla nascita e quelli che hanno
un epilessia secondaria generalizzata abbiano un
rischio aumentato di mortalità.
La sussistenza dei fattori
prognostici studiati
Il riscontro dell’influenza di un particolare
fattore prognostico può essere del tutto
casuale e dipendere dalla elaborazione
statistica (es. lato della via nel quale abita il
paziente). Occorre invece, che esso abbia il
proprio razionale in base a motivazioni
fisiopatologiche.
L’influenza dei fattori
prognostici altri
Per evitare questo tipo di abbagli, occorre
che i ricercatori abbiano identificano
differenti gruppi di pazienti, sulla base di
questi fattori prognostici, e modificato le
analisi rispetto a loro, mediante, ad
esempio, la stratificazione o la regressione
multipla.
4. Valuta l’
l’influenza dei fattori
di prognostici
Per questo motivo, per evitare di studiare
dei fattori prognostici fittizi, è opportuno
che i ricercatori, prima di eseguire il loro
studio, ne abbiano individuato una
conferma, all’intero in uno studio condotto
in un secondo gruppo indipendente,
chiamato “gruppo di verifica” o “test set”o
“validation set”.
Stimare i risultati dello studio
All’interno di uno studio sulla prognosi, gli effetti
dei fattori prognostici e degli esiti ad essi connessi
possono essere riportati nei seguenti modi:
Percentuale di sopravvivenza ad un dato momento
(tassi di sopravvivenza a 1 o 5 anni),
Sopravvivenza mediana (il momento del follow up
in cui è deceduto il 50% dei pazienti),
Curve di sopravvivenza (o di Kaplan Meier), che
descrivono la proporzione del campione (in %)
che non ha riportato esiti specifici.
17
Stimare i risultati dello studio
Altre volte i risultati sono presentati sotto forma di
rischio relativo (indicato talvolta come Hazard risk
– HR) o come Odds ratio.
In questo caso la misura del “pericolo” viene
calcolata confrontando i rischi o le probabilità di
evento negativo tra il gruppo studiato, che
presenta il fattore prognostico, ed un altro gruppo
di controllo che presenta lo stesso esito (end
point), senza avere però il fattore prognostico
studiato.
Precisione della stima
prognostica
Dato che i ricercatori studiano la prognosi in un
campione di soggetti malati, non nell’intera
popolazione, la stessa ricerca condotta 100 volte,
con 100 campioni diversi, porterebbe a risultati
diversi.
Per valutare come questi risultati cambierebbero
occorre stimarne la precisione, andando a valutare
l’ampiezza degli intervalli di confidenza al 95%.
Interpretazione di RR o OR
Se RR o OR sono uguali a 1, la presenza del
fattore prognostico non aumenta il rischio
dell’evento negativo (end point).
Se RR o OR sono < 1, il fattore prognostico
protegge rispetto l’insorgenza dell’evento negativo
(end point).
Se RR o OR sono > 1, il fattore prognostico
aumenta il rischio di evento negativo (end point).
Precisione della stima
prognostica
Essi rappresentano il range di valori entro
cui si trova il valore della popolazione reale
nel 95% dei casi.
Più stretti essi sono, più possiamo essere
sicuri della loro precisione.
Critical appraisal
Critical appraisal degli
studi sulla prognosi
I parametri da verificare anche negli studi
sulla prognosi sono:
La validità interna (per escludere bias).
La consistenza dei risultati.
La validità esterna (applicabilità ai
pazienti).
18
1. Verifica la presenza di
selection bias:
Si trattava di un campione di pazienti
definito e rappresentativo, assemblato in un
momento usuale del decorso della malattia
(solitamente in uno stadio precoce)?
Validità
Validità interna
3. Verifica la presenza di
information bias
2. Verifica il follow up
Il follow-up dei pazienti è
sufficientemente lungo e completo?
stato
4. Valuta l’
l’influenza dei
diversi fattori di prognostici
Se sono stati identificati sottogruppi di
pazienti con prognosi differenti, vi è stata
una correzione statistica per tener conto dei
fattori prognostici importati?
I criteri oggettivi dell’esito sono stati
applicati in cieco?
4. Valuta l’
l’influenza dei fattori
di prognostici
Se sono stati identificati sottogruppi di
pazienti con prognosi differenti vi è stata
una validazione in un gruppo indipendente
di pazienti sottoposti al test?
19
I risultati dello studio sono
importanti?
Definizione della
rilevanza clinica
Quanto sono probabili gli esiti a distanza di
tempo?
Valutare le percentuali di sopravvivenza, la
sopravvivenza mediana, le curve di sopravvivenza o il
RR o l’OR.
Quanto sono precise le valutazioni prognostiche?
Valutare gli intervalli di confidenza (stretti e lontani da
1).
1. Possiamo applicare questa prova,
valida e importante, ai nostri pazienti?
Validità
Validità esterna
I pazienti studiati sono simili al
nostro?
Quando rispondiamo alla prima domanda
non dobbiamo verificare che il nostro
paziente possieda i criteri di inclusione allo
studio. Ciò che dobbiamo chiederci è:
I pazienti dello studio sono così diversi dai
nostri da non permetterci di utilizzare i
risultati dello studio per fare previsioni
riguardanti i nostri pazienti?
I pazienti studiati sono simili al nostro?
2. Possiamo applicare questa prova,
valida e importante, ai nostri pazienti?
Questa prova avrà un impatto clinicamente
rilevante sulle nostre conclusioni riguardanti cosa
offrire o dire al nostro paziente?
Le prove valide possono essere utili per fornire ai
pazienti e alle loro famiglie le informazioni che
desiderano sul loro più probabile futuro, anche se
non riguardano scelte drastiche, come trattamento
vs non trattamento.
20
Testo
L’infermieristica basata su
prove di efficacia.
Guida operativa per
l’Evidence-Based Nursing.
Paolo Chiari, Daniela Mosci,
Enrico Naldi e il Centro
Studi EBN dell’Azienda
Ospedaliero-Univarsitaria di
Bologna - Policlinico
S.Orsola-Malpighi
McGraw-Hill, 2006
Grazie per
l’attenzione
21