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